Analisis Kinerja MobileNetV2 pada Klasifikasi Genre Musik Menggunakan Representasi Citra Spektrogram
Dublin Core
Title
Analisis Kinerja MobileNetV2 pada Klasifikasi Genre Musik Menggunakan Representasi Citra Spektrogram
Subject
Artificial intelligent, Klasifikasi, MobileNetV2, klasifikasi genre musik, spektrogram, transfer learning, augmentasi data.
Description
Perkembangan teknologi kecerdasan buatan mendorong pemanfaatannya dalam bidang musik, salah satunya untuk klasifikasi genre yang memiliki tantangan tinggi karena karakteristik akustik antar-genre sering kali mirip. Penelitian ini dilakukan untuk mengevaluasi kemampuan arsitektur MobileNetV2 dalam mengenali genre musik berbasis citra spektrogram, sehingga dapat memberikan alternatif model yang efisien namun tetap akurat. Data musik diubah menjadi citra spektrogram (STFT/Mel), dipraproses dengan normalisasi dan resize (224×224), lalu dibagi menjadi data latih, validasi, dan uji. Pendekatan transfer learning dilakukan dalam dua tahap, yaitu melatih head model dengan bobot dasar dibekukan, kemudian melakukan fine-tuning pada 100 lapisan terakhir. Untuk mengatasi ketidakseimbangan kelas digunakan class weighting, sedangkan image augmentation diterapkan untuk memperkaya variasi data latih. Evaluasi dilakukan menggunakan akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan akurasi uji sebesar 51% dengan macro-average precision 0,57, recall 0,48, dan F1-score 0,46. Genre classical dan metal berhasil dikenali dengan baik, sementara genre lain seperti rock dan hiphop relatif sulit dibedakan. Temuan ini menunjukkan bahwa MobileNetV2 memiliki potensi dalam mengekstraksi pola spektral musik, namun masih memerlukan optimasi lebih lanjut melalui augmentasi audio dan eksplorasi arsitektur lain. Dengan demikian, penelitian ini berkontribusi pada pengembangan sistem klasifikasi musik yang lebih efisien dan dapat diimplementasikan pada perangkat dengan keterbatasan sumber daya .
Creator
Wa Ode Nuriil Rizqy Annisa, Rizal Adi Saputra
Source
https://animator.uho.ac.id/index.php/journal/article/view/1280
Publisher
Informatics Engineering Department of Halu Oleo University
Date
2025-12-26
Contributor
Sri Wahyuni
Rights
ISSN :3030-9735
Format
PDF
Language
Indonesian
Type
Text
Files
Collection
Citation
Wa Ode Nuriil Rizqy Annisa, Rizal Adi Saputra, “Analisis Kinerja MobileNetV2 pada Klasifikasi Genre Musik Menggunakan Representasi Citra Spektrogram,” Repository Horizon University Indonesia, accessed February 3, 2026, https://repository.horizon.ac.id/items/show/9924.