Sistem Klasifikasi Musik Gamelan Angklung Bali Terhadap Suasana Hati Menggunakan Algoritma K-Nearest Neighbor Berbasis Algoritma Genetika

Abstract

Musik instrumen gamelan angklung Bali lewat gelombang bunyi yang dihasilkannya mampu menginterferensi gelombang pikiran manusia untuk menurunkan frekuensi gelombang yang dipancarkan oleh otak. Tujuannya untuk mempengaruhi kondisi psikologi yang berkaitan dengan suasana hati agar mengarah pada tingkat stress positif dengan tingkat energi rendah maupun tinggi. Musik dengan tingkat stress positif dan tingkat energi rendah masuk ke dalam kategori suasana hati tenang atau contentment, jika tingkat stress positif dan tingkat energi tinggi masuk ke dalam kategori suasana hati senang atau exuberance. MIR (Music Information Retrieval) adalah bagian dari Data Mining yang menggali informasi mengenai data musik, salah satunya yaitu klasifikasi suasana hati yang diinterpretasikan oleh potongan data musik. Penelitian ini merancang dan membangun sistem klasifikasi untuk mendeteksi suasana hati musik instrumen gamelan angklung Bali menggunakan algoritma K-NN dan K-NN berbasis Algoritma Genetika. K-NN dapat mengatasi masalah klasifikasi dengan baik, namun dibalik keunggulannya, pengaturan nilai k yang sangat sensitif menjadi sebuah kelemahan. Menerapkan operasi genetika oleh Algoritma Genetika pada sistem klasifikasi K-NN berhasil mengoptimasi penentuan nilai k optimal, serta memperbaiki hasil akurasi klasifikasi. Berdasarkan dataset training dan dataset testing yang sama, K-NN memberikan persentase akurasi tertinggi sebesar 81,08% (k=6), sedangkan K-NN berbasis Algoritma Genetika memberikan persentase akurasi tertinggi sebesar 89,19% (k=4).

Sistem Rekomendasi Musik Spotify Menggunakan KNN Dan Algoritma Genetika

“…Hasilnya menunjukkan akurasi sebesar 86,55%. Pada penelitian [26], evaluasi ritme dinamis dan ritme melankolis menggunakan KNN dengan atau tanpa Algoritma Genetika menghasilkan akurasi sekitar 87,84% hingga 89,19%. Terakhir, dalam penelitian [3], dataset siswa SMA digunakan untuk memprediksi jurusan siswa baru dengan akurasi rata-rata sekitar 93,18%.…”

Analisis Tuning Parameter PID Menggunakan Algoritma Genetika pada Pengontrolan Kecepatan Motor DC

“…Siklus ini akan terjadi berulang dan diharapkan pada generasi selanjutnya kromosom yang terbentuk akan memiliki nilai fitness yang semakin baik. Siklus atau proses iterasi akan berhenti ketika tujuan atau persyaratan yang diinginkan terpenuhi [23], [24].…”