Klasifikasi Mixed Type Audio Menggunakan Backprogation Dengan Fixed Size Momentum (skripsi)

Mixed type audio adalah sebuah berkas audio yang memiliki lebih dari satu jenis sumber suara, seperti speech atau suara manusia yang digabung dengan musik, ataupun digabung dengan suara lingkungan sekitar. Pada penelitian mixed type audio sebelumnya memberikan kesimpulan bahwa Support Vector Machines dan Backpropagation menghasilkan akurasi paling baik yaitu Support Vector Machines 90,84% dan Backpropagation 90,07% untuk kelas speech dan musik, namun untuk kelas speech dan environment akurasi yang didapat adalah Support Vector Machines 64,76% dan Backpropagation 63,81%.

Penelitian ini menunjukkan bagaimana mengklasifikasi mixed type audio menggunakan backpropagation dengan fixed size momentum. Penggunaan fixed size momentum dimaksudkan untuk meningkatkan akurasi dari metode backpropagation. Pengujian dilakukan dengan menguji beberapa parameter algoritma dengan beberapa variasi kondisi parameter. Parameter yang menghasilkan akurasi paling tinggi adalah dengan menggunakan 5 neuron pada
hidden layer, learning rate 0.3, dan windows size 3.

Adapun hasil yang didapat dari hasil pengujian beberapa parameter yang sudah optimal menghasilkan akurasi 95%
menggunakan backpropagation dengan fixed size momentum. Berdasarkan hasil pengujian yang telah dilakukan, diperoleh kesimpulan bahwa klasifikasi mixed type audio menggunakan backpropagation dengan fixed size momentum dapat meningkatkan akurasi sebesar 95% jika dibandingkan dengan backpropagation saja yang mendapatkan akurasi sebesar 80% untuk klasifikasikelas speech dengan environment dan speech dengan musik.

Jika anda berminat untuk mempelajari skripsi ini, atau ingin menjadikannya sebagai referensi skripsi anda, silahkan download skripsi full konten melalui link di bawah ini. File skripsi

sumber : unikom