Convolutional Neural Network untuk Pengenalan Citra Notasi Musik release_a4r6h4256fhixcuhswowo4wriu

by Dzikry Maulana Hakim, Ednawati Rainarli

Published in Techno.Com by Universitas Dian Nuswantoro.

Volume 18p214-226 (2019)

Abstract

Optical Music Recognition (OMR) adalah suatu cara untuk melakukan pengenalan pada notasi musik secara otomatis. Masalah utama dalam pendeteksian notasi musik adalah bagaimana sistem dapat mendeteksi sebuah notasi musik dan kemudian mengenali notasi musik tersebut. Notasi musik yang telah dikenali oleh mesin dapat dimanfaatkan untuk diproses kembali menjadi suara. Pada penelitian ini, proses segmentasi dilakukan untuk memotong setiap notasi. Untuk pengenalan notasi musik digunakan Convolutional Neural Network (CNN). Arsitektur CNN yang dipakai adalah kernel 3x3, jumlah layer pada feature learning sebanyak 3 convolutional layer dan 3 pooling layer, filter pada convolutional layer 64,128, 256 dan jumlah neuron pada hidden layer sebanyak 7168. Pengujian dilakukan dengan dua cara, yang pertama menguji performasi CNN menggunakan data notasi musik yang telah dipotong dan yang kedua adalah melakukan pengujian menggunakan sebaris notasi musik. Nilai akurasi yang didapatkan untuk pengenalan sebaris notasi musik tidak terlalu besar, yaitu 26,19%. Walaupun untuk proses segmentasi masih belum maksimal dalam memotong setiap notasi, namun metode CNN bekerja sangat baik untuk mengenali setiap notasi musik yang telah dipotong dengan benar. Hal ini ditunjukkan dari nilai akurasi yang mencapai 95,56%. 
In application/xml+jats format

Archived Files and Locations

application/pdf  664.2 kB
file_onwjvucg6zhvdobe3pgx3hq7v4
web.archive.org (webarchive)
publikasi.dinus.ac.id (publisher)
Read Archived PDF
Archived
Type  article-journal
Stage   published
Date   2019-08-30
Container Metadata
Open Access Publication
In DOAJ
Not in Keepers Registry
ISSN-L:  1412-2693
Work Entity
access all versions, variants, and formats of this works (eg, pre-prints)
Catalog Record
Revision: b096abbe-ed15-4faf-b5d6-a08f90b08fa8
API URL: JSON