PEMBANGKITAN MUSIK BERDASARKAN MOOD DENGAN MEMANFAATKAN ARSITEKTUR BIAXIAL LSTM
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Bandung
Author
Anjas Prabowo, Paskahlis (STUDENT ID : 13515108)
(LECTURER ID : 0009037605)
(LECTURER ID : 0009037605)
Subject
Datestamp
0000-00-00 00:00:00
Abstract :
Inteligensi buatan menunjukkan perkembangan yang pesat sejak istilahnya diperkenalkan pertama kali pada tahun 1952 oleh John McCarthy dkk. Aplikasi inteligensi buatan pada kehidupan manusia pun beragam, dari keamanan, kesehatan, sampai hiburan/kesenian, khususnya seni musik. Saat ini banyak ditemui virtual composer, yang merupakan salah satu bentuk aplikasi dari inteligensi buatan untuk membangkitkan musik berdasarkan referensi tertentu. DeepJ merupakan salah satu dari beberapa virtual composer yang sudah ada saat ini. Penelitian dalam tugas akhir ini bertujuan untuk memanfaatkan arsitektur Biaxial LSTM, yang diadaptasi dari DeepJ, untuk membangun sebuah model yang mampu membangkitkan musik yang merefleksikan kombinasi mood tertentu yang diacu dari Thayer?s Mood Model. Dalam hal ini, digunakan sekumpulan musik dengan format MIDI dengan masing-masing label mood-nya sebagai dataset. Berdasarkan eksperimen, evaluasi, dan analisis yang dilakukan, model yang dibangun dalam tugas akhir ini terbukti dapat membangkitkan musik yang merefleksikan kombinasi mood tertentu. Meskipun demikian, hasil pembangkitan musik yang merefleksikan mood anxious tergolong tidak optimal. Adapun ketidakoptimalan tersebut diduga karena kualitas dataset dan jumlah epoch training yang kurang. Dengan demikian, untuk keperluan pengembangan atau penelitian selanjutnya, dapat dilakukan perbaikan kualitas dataset, penambahan jumlah epoch training, maupun integrasi dengan sistem lain.
Inteligensi buatan menunjukkan perkembangan yang pesat sejak istilahnya diperkenalkan pertama kali pada tahun 1952 oleh John McCarthy dkk. Aplikasi inteligensi buatan pada kehidupan manusia pun beragam, dari keamanan, kesehatan, sampai hiburan/kesenian, khususnya seni musik. Saat ini banyak ditemui virtual composer, yang merupakan salah satu bentuk aplikasi dari inteligensi buatan untuk membangkitkan musik berdasarkan referensi tertentu. DeepJ merupakan salah satu dari beberapa virtual composer yang sudah ada saat ini. Penelitian dalam tugas akhir ini bertujuan untuk memanfaatkan arsitektur Biaxial LSTM, yang diadaptasi dari DeepJ, untuk membangun sebuah model yang mampu membangkitkan musik yang merefleksikan kombinasi mood tertentu yang diacu dari Thayer?s Mood Model. Dalam hal ini, digunakan sekumpulan musik dengan format MIDI dengan masing-masing label mood-nya sebagai dataset. Berdasarkan eksperimen, evaluasi, dan analisis yang dilakukan, model yang dibangun dalam tugas akhir ini terbukti dapat membangkitkan musik yang merefleksikan kombinasi mood tertentu. Meskipun demikian, hasil pembangkitan musik yang merefleksikan mood anxious tergolong tidak optimal. Adapun ketidakoptimalan tersebut diduga karena kualitas dataset dan jumlah epoch training yang kurang. Dengan demikian, untuk keperluan pengembangan atau penelitian selanjutnya, dapat dilakukan perbaikan kualitas dataset, penambahan jumlah epoch training, maupun integrasi dengan sistem lain.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
