Abstract
Jumlah musik yang terus bertambah menyebabkan pengklasifikasian berdasarkan genre musik menjadi sangat dibutuhkan.Akan tetapi penentuan genre secara manual tidak memiliki aturan yang baku. Hal ini menakibatkan pengklasifikasian musik berdasarkan genre secara otomatis menjadi permasalahan yang kompleks. Untuk dapat melakukan klasifikasi musik secara otomatis berdasarkan genre dibutuhkan sebuah pendekatan yang menganalisa kemiripan dari musik yang ada. Pendekatan yang digunakan adalah metode ekstraksi fitur audio Mel-Frequency Cepstral Coefficient (MFCC).Dalam penelitian ini hasil ekstraksi fitur dari MFCC diklasifikasikan dengan menggunakan metode Fuzzy Support Vector Machine (FSVM). FSVM merupakan metode yang dapat mengatasi permasalahan multiclass. Untuk mengatasi permasalahan multiclass, dari decision function yang ditemukan dari pasangan-pasangan kelas, untuk setiap kelas FSVM akan mencari sebuah nilai keanggotaan. Nilai keanggotaan ini yang menentukan hasil dari klasifikasi. Dari hasil penelitian ini menunjukkan bahwa klasifikasi genre music dengan FSVM dapat dilakukan secara multiclass. Akan tetapi terjadi penurunan rata-rata tingkat akurasi saat jumlah kelas yang diklasifikasikan bertambah. Rata-rata akurasi klasifikasi 3 kelas adalah 56,93%; klasifikasi 4 kelas adalah 48,2%; dan klasifikasi 5 kelas adalah 43,2%. Pada penelitian akurasi tertinggi didapat pada permasalahan klasifikasi hiphop vs pop vs rock (78,67%) dan terendah adalah hiphop vs jazz vs rock (38,67%).
