SAIFUL MIFTAH, ASEP and Hayaty, Nurul and Ritha, Nola (2023) DETEKSI DAN PENGENALAN ALAT MUSIK TRADISIONAL JAWA BARAT. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) ASEP_SAIFUL _MIFTAH_190155201070_TEKNIK INFORMATIKA- Cover.pdf - Published Version Download (586kB)
	Text (Abstrak) ASEP_SAIFUL_MIFTAH_190155201070_Teknik Informatika-Abstrak.pdf - Published Version Download (145kB)
	Text (BAB 1) ASEP_SAIFUL_MIFTAH_190155201070_Teknik Informatika-BAB I.pdf - Published Version Download (221kB)
	Text (Daftar Pustaka) ASEP_SAIFUL_MIFTAH_190155201070_Teknik_Informatika-Daftar Pustaka.pdf - Published Version Download (276kB)
	Text (Full Teks) ASEP_SAIFUL _MIFTAH_190155201070_TEKNIK INFORMATIKA- Full Teks.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Alat musik merupakan instrumen yang secara sengaja diciptakan atau diadaptasikan yang bertujuan dapat menghasilkan bunyi. Alat musik di buat dalam berbagai bentuk, gaya serta menggunakan benda-benda disekitar yang mudah ditemukan seperti kerang atau kulit-kulit binatang dan juga bagian tanaman. Alat musik tradisional ini tersebar di berbagai daerah dari Sabang hingga Merauke. Biasanya dimainkan dalam berbagai acara adat dan kebudayaan, seperti upacara pernikahan, upacara kematian, khitanan, dan acara kesenian. Alat musik tradisional adalah warisan budaya yang harus kita pertahankan dan kita wariskan kembali kepada anak cucu kita sebagai generasi penerus bangsa. Banyaknya kemiripan dalam alat musik tradisional menyebabkan cendrung kesulitan untuk membedakannya. Tujuan dari penelitian ini adalah untuk mengetahui kemampuan metode You Only Look Once (YOLO) dalam mendeteksi jenis alat musik tradisional secara real-time yang diaplikasikan pada smartphone berbasis operasi sistem android. YOLO merupakan algoritma pendeteksian yang dilakukan dengan menggunakan repurpose classifier atau localizer untuk melakukan deteksi. Analisa yang dilakukan menggunakan dataset sebanyak 1500 data, 5 kelas, dan 16 batch. Menggunakan pembagian split data menjadi 70% data training, 20% data validasi, dan 10% data testing. Proses pelatihan hingga 500 epoch, dan penyimpanan checkpoint ke bentuk pytorch fille dilakukan pada epoch 50, 100, 150, 200, 250, 300, 350, 400, 450 dan 500. Proses testing menggunakan epoch 400 karena menghasilkan nilai Precssion, Recall, dan mAP terbaik. Pengujian ini dilakukan menggunakan perangkat smartphone Realme 10 dengan resolusi video berukuran 720x1640 piksel. Berdasarkan hasil Confusion Matrix pembahasan penelitian ini mendapatkan akurasi 81.5%.

Actions (login required)

View Item