Musik orisinal merupakan komposisi baru yang diciptakan dengan memodifikasi elemen-elemen musik menggunakan metode yang belum pernah dilakukan sebelumnya. Penelitian ini bertujuan untuk mengembangkan sistem pembangkitan musik Barat orisinal yang diukur berdasarkan pola urutan nada dan distribusinya yang diakuisisi dari musik Gamelan, musik tradisional dari Jawa. Lembar musik Gamelan yang digunakan sebagai sumber data dikonversi ke dalam format MIDI untuk dijadikan input bagi pelatihan jaringan LSTM berdasarkan informasi nada, langkah dan durasi. Selanjutnya, teknik sequence prediction digunakan untuk membangkitkan output nada berdasarkan input nada sebelumnya. Hasil pembangkitan musik Barat orisinal berupa data dalam format file MIDI dan visualisasinya dalam format notasi Balok. Evaluasi pada pelatihan jaringan LSTM menunjukkan hasil yang baik dengan tingkat loss sebesar 0,1. Evaluasi tingkat kemiripan pola urutan nada dan distribusinya dilakukan menggunakan grafik distribusi sampel nada, langkah dan durasi, dan hasilnya menunjukkan tingkat kemiripan yang baik.

Penelitian ini bertujuan untuk mengembangkan sistem otomatisasi pembangkitan musik klasik dengan menggunakan Long-Short Term Memory (LSTM), metode yang merupakan bagian dari metode Reccurent Neural Networks (RNN). Pengembangan sistem dilakukan menggunakan Bahasa pemrograman Python. Dataset dalam format MIDI yang dikumpulkan melalui situs www.piano-midi.de diolah menggunakan paket Pretty MIDI untuk mengekstrak informasi akord dan notasi dari data yang digunakan sebagai corpus. Selanjutnya, data diekstraksi untuk mendapatkan informasi nada (pitch), langkah (step) dan durasi (duration). Pelatihan jaringan LSTM menggunakan 57.887 notasi yang merupakan hasil ekstraksi data dari 14 file MIDI berisikan komposisi karya Mozart. Hasil pelatihan jaringan LSTM diukur menggunakan metode Mean Squared Error (MSE) dengan akurasi nilai loss dengan nilai loss sebesar 0,43.