Klasifikasi Lagu Daerah di Indonesia dengan Metode Machine Learning

Abstract

Keunikan dari lagu daerah yang mencerminkan daerah asal adalah diiringi dengan alat musik daerah dan dinyanyikan dengan bahasa daerah masing-masing. Ciri khas lagu daerah dapat dilihat dari fitur-fitur musik seperti spectral centroid dan Mel Frequency Cepstral Coefficients (MFCC) karena dimainkan dengan alat musik berbeda dan memiliki timbre yang berbeda pula. Dengan menggunakan fitur-fitur musik tersebut dan algoritma machine learning, lagu-lagu daerah dapat diklasifikasi berdasarkan daerah asalnya. Pada penelitian ini digunakan sebuah dataset lagu daerah Indonesia yang bernama IRSD: Indonesian Regional Song Dataset yang terdiri dari 67 fitur  musik yang diantaranya adalah MFCC, energy, dan spectral centroid dari 500 lagu daerah dari 10 provinsi di Indonesia. Metode machine learning yang akan digunakan untuk klasifikasi adalah SVM dan K-NN untuk menghasilkan nilai klasifikasi yang baik dengan waktu eksekusi yang cepat. Dengan menggunakan nilai K=3 dan 5-fold cross validation, metode K-NN menghasilkan nilai akurasi 0,69. Klasifikasi dengan metode SVM menggunakan kernel RBF dan 5-fold cross validation menghasilkan nilai akurasi 0,73. Pada penelitian kali ini, metode SVM dapat mengklasifikasi lagu daerah lebih baik daripada metode K-NN.

Keywords: K-Nearest Neighbor, klasifikasi, lagu daerah Indonesia, machine learning, Support Vector Machine