KLASIFIKASI MOOD MUSIK MENGGUNAKAN K-NEAREST NEIGHBOR DAN MEL FREQUENCY CEPSTRAL COEFFICIENTS

MOOD MUSIC CLASSIFICATION USING K-NEAREST NEIGHBOR WITH MEL FREQUENCY CEPSTRAL COEFFICIENTS

Abstract

Musik merupakan kombinasi antara nada, vokal dan juga instrumental yang harmoni untuk mengekspresikan sesuatu yang bersifat emosional. Mood musik dapat berpengaruh terhadap emosi manusia. Mood musik dapat meningkatkan gairah dan kesenangan serta dapat mempengaruhi emosi komunikasi. Musik dapat ditemukan dengan mudah melalui Digital Music Library (DML) namun pengelompokan musik pada DML terbatas hanya pada judul, nama penyanyi, album dan genre musik. Perlu adanya variasi dalam mengenali musik untuk menjangkau pengelompokan dan klasifikasi musik yang lebih luas. Penelitian ini betujuan untuk mengklasifikasi mood musik berdasarkan Mel-Frequency Cepstral Coefficients (MFCC) dan menggunakan K-Nearest Neighbor (KNN). Dataset yang digunakan yaitu sebanyak 200 file musik dan terbagi menjadi 4 kelas mood berdasarkan Model Thayer yaitu angry (marah), happy (Bahagia), sad (sedih), dan relax (santai). Ekstraksi fitur menggunakan MFCC akan menghasilkan 13 fitur MFCC, 13 fitur delta dan 13 fitur delta-delta. Pada penelitian mendapatkan akurasi sebesar 85,5% menggunakan KNN dengan nilai k=5 dan menggunakan metode jarak Manhattan.