Klasifikasi Jenis Audio Berdasarkan Kondisi Psikologi Menggunakan Kombinasi Algoritme Self Organizing Maps dan Learning Vector Quantization

Abstrak

Karakteristik dari beberapa jenis audio memiliki pengaruh yang berbeda-beda terhadap emosi manusia dan juga aktifitas apa yang sedang dilakukan. Jika jenis audio atau musik yang didengarkan sesuai maka sangat menguntungkan bagi pendengarnya. Biasanya masyarakat mendengarkan musik yang sudah biasa didengarkan tanpa memperdulikan kondisi yang tepat. Akan lebih baik jika dapat memanfaatkan dan memaksimalkan dampak positif dari audio tersebut dengan cara mendengarkan audio atau musik yang sesuai dengan kondisi. Klasifikasi jenis audio akan sangat membantu dalam menentukan jenis audio yang sesuai. Penelitian ini mengklasifikasikan jenis audio berdasarkan salah satu kondisi psikologi yaitu emosi dan juga beberapa jenis aktifitas menggunakan kombinasi algoritme SOM-LVQ (Self Organizing Map dan Learning Vector Quantization). SOM digunakan sebagai algoritme yang mendampingi dan melatih bobot awal untuk LVQ. Fitur yang digunakan pada penelitian ini sebanyak 11 yang terdiri dari kondisi psikologi dan jenis kegiatan. Terdapat 4 jenis audio yang menjadi kelas pada penelitian ini. Hasil evaluasi menunjukkan bahwa klasifikasi jenis audio menggunakan kombinasi SOM-LVQ lebih baik daripada hanya LVQ saja. Nilai akurasi maksimal yang didapatkan pada penelitian ini adalah 89,583%. Kombinasi algoritme SOM-LVQ mencapai nilai akurasi maksimal tersebut dengan 4 iterasi pelatihan, sedangkan LVQ murni 6 iterasi maksimal.