Analisa dan Identifikasi Genre Musik Menggunakan Metode Support Vector Machine

Abstract

 Penelitian ini bertujuan untuk mengembangkan metode identifikasi genre musik dalam musik Indonesia menggunakan Mel-frequency cepstral coefficients (MFCC) sebagai fitur akustik. Sebanyak 400 sampel musik dari berbagai genre digunakan dalam studi ini. Analisis menggunakan Confusion Matrix untuk mengukur akurasi prediksi genre musik berdasarkan model yang dikembangkan.Hasil pengujian menunjukkan nilai precision yang signifikan untuk setiap genre: blues (84%), classical (88%), jazz (71%), dan pop (94%). Selain itu, recall untuk setiap genre juga menunjukkan performa yang baik: blues (81%), classical (83%), jazz (83%), pop (89%). F1-score, yang menggabungkan precision dan recall, menunjukkan kinerja model yang seimbang: blues (82%), classical (86%), jazz (77%), pop (91%).Keseluruhan, model yang dikembangkan mencapai akurasi sebesar 84%, menegaskan efektivitas metode MFCC dalam mengidentifikasi genre musik. Penelitian ini menyoroti pentingnya penggunaan dataset yang representatif untuk meningkatkan akurasi identifikasi genre musik dalam konteks musik Indonesia.