IRAWAN, TOTTI (2026) PERBANDINGAN WAVELET TRANSFORM DAN MELSPECTROGRAM UNTUK KLASIFIKASI INSTRUMEN AUDIO MENGGUNAKAN CNN PADA DATASET IRMAS. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
COVER.pdf Download (409kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
BAB 1.pdf Restricted to Registered users only Download (45kB) |
|
|
Text (BAB II)
BAB 2.pdf Restricted to Registered users only Download (318kB) |
|
|
Text (BAB III)
BAB 3.pdf Restricted to Registered users only Download (68kB) |
|
|
Text (BAB IV)
BAB 4.pdf Restricted to Registered users only Download (513kB) |
|
|
Text (BAB V)
BAB 5.pdf Restricted to Registered users only Download (31kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (131kB) |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf Restricted to Registered users only Download (295kB) |
Abstract
Musical instrument classification is a prominent subfield within Music Information Retrieval (MIR) that aims to identify instrument types based on audio signal characteristics. However, the main challenges frequently encountered in this field are the complexity of polyphonic audio signals and the lack of consensus regarding the most optimal time-frequency feature representation when implemented in deep learning models. This study aims to compare the performance of Mel-Spectrogram and Wavelet Transform as feature extraction methods using a Convolutional Neural Network (CNN) architecture on the IRMAS (Instrument Recognition in Musical Audio Signals) dataset, which encompasses 11 instrument classes and has been balanced. The research stages include audio pre-processing, feature extraction, train-test dataset splitting (80:20), CNN model training, learning curve analysis, and evaluation metrics testing. The results address the research questions by demonstrating that the MelSpectrogram-based model successfully achieved an accuracy of 79% and exhibited good loss stability on the learning curve. This figure is highly compelling considering the IRMAS dataset is polyphonic with 11 complex target classes. In contrast, the Wavelet Transform only achieved an accuracy of 39%. The discussion reveals that Mel-Spectrogram is superior because its logarithmic mapping (Mel Scale) aligns with the human auditory mechanism in capturing global timbre harmonics, whereas the Wavelet Transform loses its detailed resolution when represented as a standard two-dimensional matrix in a CNN. Testing on real-world song audio further proves that the Mel-Spectrogram model can adapt and predict instruments stably on unseen data. In conclusion, the choice of feature extraction significantly affects system performance, with MelSpectrogram proven to be highly recommended over Wavelet Transform for CNN-based audio classification. Keywords: Musical Instrument Classification, Mel-Spectrogram, Wavelet Transform, Convolutional Neural Network, IRMAS Klasifikasi instrumen musik merupakan salah satu bidang dalam Music Information Retrieval (MIR) yang bertujuan untuk mengidentifikasi jenis instrumen berdasarkan karakteristik sinyal audio. Namun, permasalahan utama yang sering dihadapi dalam bidang ini adalah kompleksitas sinyal audio polifonik dan belum adanya konsensus mengenai representasi fitur waktu-frekuensi yang paling optimal saat diimplementasikan pada model pembelajaran mendalam. Penelitian ini bertujuan untuk membandingkan performa Mel-Spectrogram dan Wavelet Transform sebagai metode ekstraksi fitur menggunakan arsitektur Convolutional Neural Network (CNN) pada dataset IRMAS (Instrument Recognition in Musical Audio Signals) yang mencakup 11 kelas instrumen dan telah diseimbangkan (balanced). Tahapan penelitian meliputi pre-processing audio, ekstraksi fitur, pembagian dataset uji dan latih (80:20), pelatihan model CNN, hingga analisis learning curve dan pengujian metrik evaluasi. Hasil penelitian menjawab rumusan masalah dengan menunjukkan bahwa model berbasis Mel-Spectrogram berhasil mencapai akurasi sebesar 79% dan nilai stabilitas loss yang baik pada learning curve. Angka ini sangat meyakinkan mengingat dataset IRMAS bersifat polifonik dengan 11 target kelas yang kompleks. Sebaliknya, Wavelet Transform hanya mencapai akurasi sebesar 39%. Hasil diskusi memperlihatkan bahwa Mel-Spectrogram lebih unggul karena pemetaan logaritmiknya (Skala Mel) selaras dengan mekanisme pendengaran manusia dalam menangkap harmonik timbre global, sedangkan Wavelet Transform kehilangan resolusi detailnya ketika direpresentasikan sebagai matriks dua dimensi standar pada CNN. Pengujian pada audio lagu nyata juga membuktikan model Mel-Spectrogram mampu beradaptasi dan memprediksi instrumen dengan stabil pada data baru. Kesimpulannya, pemilihan ekstraksi fitur memengaruhi performa sistem secara signifikan, di mana Mel-Spectrogram terbukti jauh lebih direkomendasikan dibandingkan Wavelet Transform untuk klasifikasi audio berbasis CNN. Kata Kunci : Klasifikasi Instrumen Musik, Mel-Spectrogram, Wavelet Transform, Convolutional Neural Network, IRMAS.
Actions (login required)
 |
View Item |
