Optical Music Recognition Pada Citra Notasi Musik Menggunakan
Convolutional Neural Network
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Hakim, Dzikry Maulana
Subject
004_Data Processing & Computer Science
Datestamp
2019-10-02 08:35:55
Abstract :
Optical Music Recognition (OMR) adalah suatu cara untuk melakukan pengenalan pada notasi musik secara otomatis. Hambatan utama pada OMR adalah bagaimana cara mengenal objek dari suatu citra yang pada penelitian ini yaitu objek notasi. Salah satu cara untuk melakukan pengenalan notasi musik secara otomatis yaitu dengan memanfaatkan teknologi machine learning, pada penelitian ini menggunakan metode Convolutional Neural Network (CNN). Arsitektur CNN yang digunakan merupakan hasil pengujian yang dilakukan oleh peneliti yaitu kernel yang digunakan berukuran 3x3, jumlah layer pada feature learning sebanyak 3 layer convolution layer dan 3 pooling layer, filter yang digunakan pada convolution layer yaitu 64, 128 dan 256 dan jumlah neuron pada hidden layer sebanyak 7168. Penelitian ini dilakukan untuk mengukur nilai akurasi yang didapatkan dari penerapan metode CNN untuk klasifikasi notasi musik pada notasi musik. Kesimpulan yang didapatkan pada penelitian ini dapat mengenal notasi musik dengan akurasi sebesar 95,56% dan pengenalan notasi musik pada citra baris notasi musik mendapatkan akurasi sebesar 26.19%.
Optical Music Recognition (OMR) adalah suatu cara untuk melakukan pengenalan pada notasi musik secara otomatis. Hambatan utama pada OMR adalah bagaimana cara mengenal objek dari suatu citra yang pada penelitian ini yaitu objek notasi. Salah satu cara untuk melakukan pengenalan notasi musik secara otomatis yaitu dengan memanfaatkan teknologi machine learning, pada penelitian ini menggunakan metode Convolutional Neural Network (CNN). Arsitektur CNN yang digunakan merupakan hasil pengujian yang dilakukan oleh peneliti yaitu kernel yang digunakan berukuran 3x3, jumlah layer pada feature learning sebanyak 3 layer convolution layer dan 3 pooling layer, filter yang digunakan pada convolution layer yaitu 64, 128 dan 256 dan jumlah neuron pada hidden layer sebanyak 7168. Penelitian ini dilakukan untuk mengukur nilai akurasi yang didapatkan dari penerapan metode CNN untuk klasifikasi notasi musik pada notasi musik. Kesimpulan yang didapatkan pada penelitian ini dapat mengenal notasi musik dengan akurasi sebesar 95,56% dan pengenalan notasi musik pada citra baris notasi musik mendapatkan akurasi sebesar 26.19%.
File :
1.UNIKOM_DZIKRY MAULANA HAKIM_COVER.pdf
19.UNIKOM_DZIKRY MAULANA HAKIM_LEMBAR PENGESAHAN.pdf
15.UNIKOM_DZIKRY MAULANA HAKIM_BAB 5.pdf
10.UNIKOM_DZIKRY MAULANA HAKIM_DAFTAR PUSTAKA.pdf
21.UNIKOM_DZIKRY MAULANA HAKIM_JURNAL DALAM BAHASA INDONESIA.pdf
22.UNIKOM_DZIKRY MAULANA HAKIM_JURNAL DALAM BAHASA INGGRIS.pdf
17.UNIKOM_DZIKRY MAULANA HAKIM_SURAT KETERANGAN PUBLIKASI.pdf
20.UNIKOM_DZIKRY MAULANA HAKIM_SURAT KETERANGAN ORISINALITAS.pdf
4.UNIKOM_DZIKRY MAULANA HAKIM_KATA PENGANTAR.pdf
5.UNIKOM_DZIKRY MAULANA HAKIM_DAFTAR ISI.pdf
11.UNIKOM_DZIKRY MAULANA HAKIM_BAB 1.pdf
12.UNIKOM_DZIKRY MAULANA HAKIM_BAB 2.pdf
13.UNIKOM_DZIKRY MAULANA HAKIM_BAB 3.pdf
14.UNIKOM_DZIKRY MAULANA HAKIM_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
