Music Information Retrieval Menggunakan k-NN dan Cosine Similarity

Abstract

Berbagai macam jenis, genre dan ukuran musik/lagu dapat ditemukan di jaringan internet pada saat ini, untuk dimainkan dengan komputer dan gadget. Namun, untuk mengetahui informasi tentang musik seperti judul lagu dan pencipta dari potongan musik yang dimainkan, menjadi masalah tersendiri apabila kita tidak mengetahuinya. Penelitian ini mengusulkan sebuah sistem pencarian informasi musik (music information retrieval) yang dapat mengenali fiturnya dari input kueri berupa potongan musik yang singkat. Fitur musik diekstraksi menggunakan Echonest API. Proses retrieval berdasarkan similarity fitur menggunakan metode kNNCS (K-Nearest Neighbour dan Cosine Similarity). Eksperimen dilakukan dengan pengaturan kombinasi beberapa parameter untuk mencari model terbaik. Hasilnya diterapkan pada data pengujian berupa potongan musik, menghasilkan performa berdasarkan akurasi, precision, dan recall dengan nilai masing-masing 0.6778, 0.9661, dan 0.6785. Dari segi akurasi, sistem ini telah menghasilkan nilai yang sangat baik, Namun dari segi recall, masih harus ditingkatkan agar kandidat musik yang tepat dapat berada pada peringkat teratas.