Pengaruh Metode MFCC Dan KNN Pada Music Information Retrieval Terhadap Klasifikasi Genre Musik

Abstract

Musik adalah seni yang penting dalam kehidupan sehari-hari, namun banyaknya pilihan membuat pemilihan lagu menjadi sulit. Penelitian ini mengevaluasi akurasi klasifikasi genre musik menggunakan Mel Frequency Cepstral Coefficients (MFCC) dan K-Nearest Neighbor (KNN) pada lima genre populer di Indonesia, yaitu pop, rock, dangdut, hip-hop, dan jazz. Data latih terdiri dari 500 sampel (100 per genre) dengan potongan audio dari awal, tengah, dan akhir dengan variasi durasi 10 detik, 20 detik, dan 30 detik. Hasil menunjukkan titik potongan audio pada bagian tengah dengan durasi 20 detik, menggunakan metode klasifikasi KNN memiliki akurasi tertinggi dengan nilai k=7 memberikan akurasi terbaik sebesar 68.67%. Bagian tengah audio lebih representatif dan informatif untuk klasifikasi genre. Oleh karena itu, disarankan untuk menggunakan potongan tengah 20 detik dengan k=7 untuk klasifikasi yang lebih akurat menggunakan MFCC dan KNN.