Klasifikasi Jenis Alat Musik Tradisional Papua menggunakan Metode Transfer Learning dan Data Augmentasi

Authors

  • Amat Solihin Sekolah tinggi ilmu komputer cipta karya informatika
  • Dadang Iskandar Mulyana Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
  • Mesra Betty Yel Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

DOI:

https://doi.org/10.47970/siskom-kb.v5i2.279

Keywords:

Convolutional Neural Network, Transfer Learning, Papua, Alat Musik, Tensorflow

Abstract

Papua merupakan sebuah pulau yang terletak di sebelah utara Australia dan merupakan bagian dari wilayah timur Indonesia yang sebagian besar daratannya masih berupa hutan belantara dan merupakan pulau terbesar kedua di dunia setelah Greenland. Papua terkenal akan aneka budayanya, termasuk kekayaan alat musik. Ada berbagai jenis alat musik tradisional Papua yang menawan dan memiliki sejarah musik tradisional mendalam dibaliknya. Alat musik ini biasa digunakan untuk mengiringi acara adat maupun pesta. Perkembangan teknologi saat ini dan di tengah perkembangan musik kontemporer di Papua, ada kegelisahaan akan hilangnya musik-musik tradisi yang sangat kaya beragam sesuai kebudayaan masing-masing wilayah di Papua. Oleh karena itu, peneliti membuat program pengenalan citra alat musik tradisional Papua menggunakan metode Transfer Learning, yang merupakan metode dari Convolutional Neural Network yang merupakan operasi konvolusi dengan melatih terlebih dahulu pada model sebelumnya yang kemudian menggabungkan beberapa lapisan pemrosesan, menggunakan beberapa elemen yang bergerak secara paralel dan terinspirasi oleh sistem saraf biologis. Citra alat musik Papua yang digunakan adalah Fue, Pikon, Triton, Yi dan Tifa. Implementasi pengenalan citra ini dilakukan dengan memanfaatkan Pre-Trained model dari DenseNet201 yang berjalan pada aplikasi Google Collaboratory dan Tensorflow. Dataset yang digunakan dalam pengujian sebanyak 979 data training dan 143 data testing yang mengahasilkan nilai evaluasi dengan nilai precision 98%, recall 98%, f1-score 98%, accuracy 98,46% dan loss 0.051.

Downloads

Published

2022-03-30