Klasifikasi Mixed Type Audio Menggunakan Backprogation Dengan Fixed Size Momentum

Teguh Satrio, Dicky (2017) Klasifikasi Mixed Type Audio Menggunakan Backprogation Dengan Fixed Size Momentum.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Mixed type audio adalah sebuah berkas audio yang memiliki lebih dari satu jenis sumber suara, seperti speech atau suara manusia yang digabung dengan musik, ataupun digabung dengan suara lingkungan sekitar. Pada penelitian mixed type audio sebelumnya memberikan kesimpulan bahwa Support Vector Machines dan Backpropagation menghasilkan akurasi paling baik yaitu Support Vector Machines 90,84% dan Backpropagation 90,07% untuk kelas speech dan musik, namun untuk kelas speech dan environment akurasi yang didapat adalah Support Vector Machines 64,76% dan Backpropagation 63,81%. Penelitian ini menunjukkan bagaimana mengklasifikasi mixed type audio menggunakan backpropagation dengan fixed size momentum. Penggunaan fixed size momentum dimaksudkan untuk meningkatkan akurasi dari metode backpropagation. Pengujian dilakukan dengan menguji beberapa parameter algoritma dengan beberapa variasi kondisi parameter. Parameter yang menghasilkan akurasi paling tinggi adalah dengan menggunakan 5 neuron pada hidden layer, learning rate 0.3, dan windows size 3. Adapun hasil yang didapat dari hasil pengujian beberapa parameter yang sudah optimal menghasilkan akurasi 95% menggunakan backpropagation dengan fixed size momentum. Berdasarkan hasil pengujian yang telah dilakukan, diperoleh kesimpulan bahwa klasifikasi mixed type audio menggunakan backpropagation dengan fixed size momentum dapat meningkatkan akurasi sebesar 95% jika dibandingkan dengan backpropagation saja yang mendapatkan akurasi sebesar 80% untuk klasifikasikelas speech dengan environment dan speech dengan musik.

Item Type: Article
Uncontrolled Keywords: Mixed Type Audio, Backpropagation, fixed size momentum, jAudio, windows size.
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2017
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Date Deposited: 06 Jun 2017 02:58
Last Modified: 06 Jun 2017 02:58
URI: https://repository.unikom.ac.id/id/eprint/51854

Actions (login required)

View Item View Item