Music Genre Classification Using Modified K-Nearest Neighbor (MK-NN)

Klasifikasi Genre Musik Menggunakan Modified K-Nearest Neighbor (MK-NN)

Abstrak

Genre musik adalah pengelompokan musik sesuai dengan kemiripannya satu sama lain dan merupakan cara yang umum digunakan untuk pengorganisasian musik digital. Dalam menggolongkan musik ke dalam genre tertentu, seseorang dapat melakukannya dengan cara mendengarkan musik tersebut satu per satu secara manual, namun hal tersebut akan membutuhkan waktu yang lama sehingga diperlukan pemberian genre secara otomatis yang dapat dilakukan dengan sejumlah metode, salah satunya adalah metode Modified K-Nearest Neighbor.

Metode Modified K-Nearest Neighbor adalah pengembangan dari metode K-Nearest Neighbor yang menambahkan beberapa proses tambahan seperti perhitungan validitas dan perhitungan bobot untuk memberi informasi lebih dalam pemilihan kelas untuk data yang diuji.

Salah satu tujuan dari penelitian ini adalah untuk mencari pengaruh dari nilai H terhadap akurasi.  Nilai H terbaik adalah 70% dari data latih yang mampu menghasilkan akurasi sebesar 54.100% dengan nilai K = 5 serta rasio proporsi data uji dan data latih 20:80 (fold 5). Nilai H terbaik kemudian digunakan untuk pengujian selanjutnya yakni membandingkan metode K-Nearest Neighbor dengan metode Modified K-Nearest Neighbor dengan menggunakan dua proporsi data uji dan data latih yang berbeda serta setiap proporsi data juga menguji nilai K yang berbeda. Hasil perbandingan klasifikasi dari kedua metode menunjukkan bahwa metode Modified K-Nearest Neighbor dengan akurasi tertingginya sebesar 55.300% lebih unggul jika dibandingkan dengan metode K-Nearest Neighbor dengan akurasi tertingginya sebesar 53.300%. Kedua akurasi tertinggi yang dihasilkan pada masing-masing metode diperoleh dengan menggunakan nilai K = 5 serta rasio proporsi data uji dan data latih 10:90 (fold 10).