Klasifikasi Mixed Type Audio Memakai Backprogation Dengan Fixed Size Momentum (Skripsi)

Mixed type audio adalah sebuah berkas audio yang memiliki lebih dari satu jenis sumber suara, mirip speech atau bunyi manusia yang digabung dengan musik, ataupun digabung dengan bunyi lingkungan sekitar. Pada penelitian mixed type audio sebelumnya memperlihatkan 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 memperlihatkan 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 pembagian terstruktur mengenai mixed type audio menggunakan backpropagation dengan fixed size momentum mampu meningkatkan akurasi sebesar 95% jikalau dibandingkan dengan backpropagation saja yang menerima akurasi sebesar 80% untuk klasifikasikelas speech dengan environment dan speech dengan musik.

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

sumber : unikom

Sumber http://referensicoding.info