Pembangkitan Musik Klasik Menggunakan Metode Long-Short Term Memory
DOI:
https://doi.org/10.35842/sintaks.v1i1.4Keywords:
algorithmic composition, metode LSTM, pembangkitan musik, data MIDI, Musik KlasikAbstract
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
Downloads
Published
Issue
Section
License
Copyright (c) 2022 Afinzaki Amiral, Muhammad Adrian Surya Saputra, Adam Zufar Majid Suprayogi, Syafira Rosa Amalia, Labib Ahnaf Dhiyaul Khoir, Khafiizh Hastuti, Arry Maulana Syarif
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.