Convolutional Neural Network untuk Pengenalan Citra Notasi Musik
DOI:
https://doi.org/10.33633/tc.v18i3.2387Keywords:
Optical Music Recognition, Deep Learning, Convolutional Neural Network, Notasi Musik, SegmentasiAbstract
Optical Music Recognition (OMR) adalah suatu cara untuk melakukan pengenalan pada notasi musik secara otomatis. Masalah utama dalam pendeteksian notasi musik adalah bagaimana sistem dapat mendeteksi sebuah notasi musik dan kemudian mengenali notasi musik tersebut. Notasi musik yang telah dikenali oleh mesin dapat dimanfaatkan untuk diproses kembali menjadi suara. Pada penelitian ini, proses segmentasi dilakukan untuk memotong setiap notasi. Untuk pengenalan notasi musik digunakan Convolutional Neural Network (CNN). Arsitektur CNN yang dipakai adalah kernel 3x3, jumlah layer pada feature learning sebanyak 3 convolutional layer dan 3 pooling layer, filter pada convolutional layer 64,128, 256 dan jumlah neuron pada hidden layer sebanyak 7168. Pengujian dilakukan dengan dua cara, yang pertama menguji performasi CNN menggunakan data notasi musik yang telah dipotong dan yang kedua adalah melakukan pengujian menggunakan sebaris notasi musik. Nilai akurasi yang didapatkan untuk pengenalan sebaris notasi musik tidak terlalu besar, yaitu 26,19%. Walaupun untuk proses segmentasi masih belum maksimal dalam memotong setiap notasi, namun metode CNN bekerja sangat baik untuk mengenali setiap notasi musik yang telah dipotong dengan benar. Hal ini ditunjukkan dari nilai akurasi yang mencapai 95,56%.ÂReferences
Attwenger, P., 2015, Recognizing Musical Notation Using Artificial Neural Networks, Thesis, Computer Science, University of Vienna, Vienna.
Samuel, S., 2017, Pengenalan Deep Learning Part 7 : Convolutional Neural Network (CNN), https://medium.com/@samuelsena/pengenalan-deep-learning-part-7-convolutional-neural-network-cnn-b003b477dc94, diakses tgl 16 November 2018.
Ramadhan, I., 2018, Pengenalan Pola Citra Tulisan Tangan Aksara Sunda Dengan Metode Convolutional Neural Network, Skripsi, Teknik dan Ilmu Komputer, Universitas Komputer Indonesia, Bandung.
Shafira, T., 2018, Implementasi Convolutional Neural Networks Untuk Klasifikasi Citra Tomat Menggunakan Keras, Skripsi, Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Indonesia, Yogyakarta.
Nurhikmat, T., 2018, Implementasi Deep Learning Untuk Image Classification Menggunakan Algoritma Convolutional Neural Network (CNN) Pada Citra Wayang Golek, Skripsi, Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Indonesia, Yogyakarta.
Blanes, A. R. dan Bisquerra, A. F., 2017, Camera-based Optical Music Recognition using a Convolutional Neural Network, 2017 14th IAPR Int. Conf. Doc. Anal. Recognit., vol. 2, hal. 27–28.
Pacha, A. and Calvo-Zaragoza, J., 2018, Optical Music Recognition in Mensural Notation with Region-Based Convolutional Neural Networks, Proceedings of the 19th International Society for Music Information Retrieval Conference, Paris, September 23.
Kadir, A. dan Susanto, A., 2013, Teori dan Aplikasi Pengolahan Citra, ANDI, Yogyakarta.
Putra, D., 2010, Pengolahan Citra Digital, ANDI, Yogyakarta.
Kingma, D. P. dan Ba, J. L., 2017, ADAM: A Method For Stochastic Optimization, arXiv preprint arXiv:1412.6980, vol.9, hal.1–15.
Downloads
Published
Issue
Section
License
Penulis yang mempublikasikan artikelnya dalam jurnal ini setuju dengan ketentuan berikut :
- Hak cipta tetap pada penulis dan memberikan hak kepada jurnal Techno.Com sebagai prioritas pertama untuk mempublikasikan artikelnya dengan lisensi Creative Commons Attribution License yang memperbolehkan artikel untuk dapat dibagikan dengan pengakuan terhadap penulis artikel dan jurnal ini sebagai tempat publikasinya.
- Penulis dapat mendistribusikan publikasi artikelnya secara non-eksklusif (contoh : pada repository universitas atau pada buku) dengan pemberitahuan atau pengakuan publikasi di jurnal Techno.Com.
- Penulis diijinkan untuk mencantumkan karyanya secara online (misal : di website pribadi atau di repository universitas) sebelum dan sesudah proses pengiriman (lihat The Effect of Open Access).