JURNAL : Penerapan Transformasi Kosinus Diskrit Dalam Klasifikasi Alat Musik Tradisional Menggunakan K-nearest Neighbor

ABSTRAK - Perkembangan alat musik terutama alat musik digital, membuka banyak ruang yang dapat diteliti dimana salah satunya adalah bagaimana melakukan klasifikasi terhadap alat musik atau jenis musik yang dimainkan. Hal ini selanjutnya berhubungan dengan berbagai teknik atau metode dalam proses ekstraksi fitur maupun dalam proses klasifikasi. Dengan melihat kemampuan yang dimiliki oleh algoritma K-NN dalam proses klasifikasi, dan Transformasi Kosinus Diskrit dalam pengolahan sinyal untuk keperluan ekstraksi fitur, maka penelitian yang dilakukan untuk menghasilkan suatu sistem yang dapat mengklasifikasikan dan mengidentifikasikan alat musik khas Indonesia menggunakan kedua teknik tersebut. Sistem Klasifikasi yang dibangun pada penelitian ini mampu melakukan proses klasifikasi alat musik tradisional daerah dari Indonesia. Hal ini terlihat dari hasil klasifikasi untuk 15 alat musik tradisional dengan kemampuan akurasi mencapai 88% dengan total rata-rata waktu komputasi adalah 0,0042 detik.

Kata kunci: Alat Musik, Klasifikasi, K-Nearest Neighbour, Transformasi Kosinus Diskrit

PENDAHULUAN - Music Information Retrieval (MIR) merupakan salah satu bagian dalam Data Mining dimana informasi-informasi akan digali dari sumber data yang berupa musik. Banyak penelitian yang dilakukan pada bidang ini dengan berbagai latar belakang seperti untuk keperluan dibidang musik, psikologi, sinyal processing, machine learning maupun kombinasi dari beberapa latar belakang tersebut. Sama seperti bidang data mining yang lainnya, pada MIR digunakan berbagai metode untuk melakukan klasifikasi musik seperti Support Vector Model (SVM), k-Nearest Neighbour (kNN), Gaussian Classifier, Hidden Markov Model (HMM), Neural Network, Fuzzy Model dan sebagainya. [1,2,3,4,5] Dalam proses klasifikasi, K-Nearest Neighbor (K-NN) merupakan suatu metode supervised learning dimana hasil dari query yang baru diklasifikasikan berdasarkan kategori pada K-NN. Tujuan dari algoritma ini adalah mengklasifikasikan obyek baru berdasarkan atribut dan training sample. Pada berbagai penelitian dibidang lain dengan memanfaatkan K-NN misalnya pada pengenalan pola citra, KNN bekerja dengan sangat baik. Dengan melihat keunggulan yang dimiliki oleh algoritma K-NN dalam proses klasifikasi, dan Transformasi Kosinus Diskrit dalam pengolahan sinyal untuk keperluan ekstraksi fitur, maka dipandang perlu untuk meneliti dan menghasilkan suatu sistem yang dapat mengklasifikasikan dan mengidentifikasikan alat musik khas Indonesia dengan terlebih dahulu mengolah informasi penting dari musik tersebut yang dihasilkan oleh proses ekstraksi fitur.