Record Detail
Advanced Search
Text
Klasifikasi Alat Musik Tradisional dengan Metode Machine Learning dengan Librosa dan Tensorflow pada Python
Perkembangan teknologi kecerdasan buatan AI (Artficial Intelligence) sudah banyak diterapkan di berbagai bidang kehidupan sehari-hari. AI (Artficial Intelligence) terbagi menjadi beberapa cabang, salah satunya adalah Machine Learning. Machine Learning dikembangkan berdasarkan ilmu statistika, matematika dan data mining sehingga mesin dapat belajar dengan menganalisa data tanpa perlu di program ulang. Dengan berkembangnya dunia musik, tidak banyak masyarakat dan generasi sekarang yang mengetahui tentang musik tradisional dari daerahnya masing-masing. Alat musik tradisional mengeluarkan seni suara yang memiliki khas dan keunikannya tersendiri yang di wariskan secara turun temurun. Oleh karena itu, untuk mempermudah proses dalam pengenalan setiap alat musik, dibuatlah sebuah model yang dapat mengklasifikasi alat musik tradisional menggunakan machine learning. Metode yang digunakan pada penelitian ini adalah librosa dan tensorflow, dimana tensorflow digunakan untuk komputasi numerik dan project machine learning berskala besar yang memiliki kinerja terbaik dalam mengklasifikasi. Pada penelitian ini menggunakan Python 3.6 sebagai bahasa pemograman dan menggunakan PyCharm sebagai Integrated Development Environment (IDE). Dari hasil penelitian, di dapatkan hasil tingkat akurasi sesuai yang diharapkan setelah di lakukan nya uji coba beberapa kali yaitu 91%.
Availability
No copy data
Detail Information
Series Title |
-
|
---|---|
Call Number |
-
|
Publisher | Jurnal Sains Komputer & Informatika (J-SAKTI) : Indonesia., 2021 |
Collation |
006.3
|
Language |
Indonesia
|
ISBN/ISSN |
2548-9771
|
Classification |
NONE
|
Content Type |
-
|
Media Type |
-
|
---|---|
Carrier Type |
-
|
Edition |
-
|
Subject(s) | |
Specific Detail Info |
-
|
Statement of Responsibility |
-
|
Other Information
Accreditation |
-
|
---|
Other version/related
No other version available
File Attachment
Information
Web Online Public Access Catalog - Use the search options to find documents quickly