I. M. Ade Prayoga, G. Indrawan, Dewa Gede Hendra Divayana
{"title":"Pengelompokan Laras Suara Berdasarkan Pepatutan Atau Pathet Gamelan Bali Menggunakan Klasifikasi K-Nearest Neighbor Dan Support Vector Machine","authors":"I. M. Ade Prayoga, G. Indrawan, Dewa Gede Hendra Divayana","doi":"10.33050/tmj.v8i2sp.2011","DOIUrl":null,"url":null,"abstract":"Gamelan merupakan sebuah orkestra yang terdiri dari instrumental yang terbuat dari batu, kayu, bambu, besi, perunggu, kulit, dawai dan lain-lainnya dengan menggunakan laras pelog dan slendro, dan memiliki 7 pepatutan atau pathet yakni; (1) pathet selisir, (2) pathet panji, (3) pathet tembung (4) pathet sunaren, (5) pathet baro, (6) pathet pengenter, dan (7) pathet malat, setiap pepatutan atau pathet memiliki ciri khusus dengan aturan – aturan cara memainkanya pada setiap kelompok Gamelan Bali. Seiring dengan perkembangan jaman, adanya transisi cara mengajar jaman dulu dan sekarang yang berbeda sehingga anak jaman sekarang hanya mengetahui urutan bilah gamelan yang mana dipukul bukan laras suara gamelannya. Maka dari itu penulis ingin membangun sebuah sistem yang dapat mengelompokan laras suara ke dalam 7 pepatutan atau pathet yang terdapat di dalam Gamelan Bali. Sistem ini akan dirancang dan dibangun berdasarkan pengelompokkan pepatutan atau pathet yang diperoleh dengan menggunakan algoritma K-Nearest Neighbor dan Support Vector Machine. Berdasarkan hasil pengujian algoritma KNN memberikan hasil yang lebih efektif dalam melakukan pengelompokan laras suara dengan hasil persentase tingkat akurasi mencapai 100% sedangkan untuk algoritma SVM memberikan hasil persentase tingkat akurasi sebesar 74,29%. Pengujian dari waktu yang dibutuhkan dalam proses klasifikasi juga menunjukan bahwa KNN memberikan waktu pengolahan yang lebih cepat yaitu 0,14388 detik dibandingkan dengan SVM yaitu 0.17642 detik. KNN memberikan hasil yang lebih baik karena pada prinsipnya K-NN memilih tetangga terdekat dimana menggunakan parameter jarak yaitu Euclidean distance yang sangat cocok untuk digunakan dalam menentukan jarak terdekat antar dua data.","PeriodicalId":164478,"journal":{"name":"Technomedia Journal","volume":"59 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-06-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Technomedia Journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33050/tmj.v8i2sp.2011","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 4

摘要

游戏兰是一个由石头、木头、竹子、铁、铜器、皮革、绳子等工具组成的管弦乐队,使用pelog桶和slendro桶,有7个pepatutan或pathet,即;(1) pathet selisir, (2) pathet确定(4)pathet确定,(6)pathet租赁,和(7)pathet malat,每个pepatutan或pathet都有自己的特点——如何在巴厘岛的游戏群中玩这些规则。随着时代的发展,传统的和现代的教学方式的转变是不同的,现在的孩子们只知道游戏栏的顺序,而不是他们的抱怨。因此,作者想要建立一个系统,可以将声音组合成巴厘岛游戏中的7个音箱或页面。该系统将通过使用邻近的K-Nearest算法和支持矢量机器来设计和构建。基于KNN算法测试结果,给出了一个更有效的方法,可以将准确率达到100%,而SVM算法给出了74.29%的准确率。分类过程中所需的时间测试还显示,KNN提供的处理时间比SVM(0.17642秒)快0.14388秒。我们提供了更好的结果,因为K-NN选择了最近的邻居,使用距离参数,即欧几里得距离,非常合适,用于确定两个数据之间的距离。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Pengelompokan Laras Suara Berdasarkan Pepatutan Atau Pathet Gamelan Bali Menggunakan Klasifikasi K-Nearest Neighbor Dan Support Vector Machine
Gamelan merupakan sebuah orkestra yang terdiri dari instrumental yang terbuat dari batu, kayu, bambu, besi, perunggu, kulit, dawai dan lain-lainnya dengan menggunakan laras pelog dan slendro, dan memiliki 7 pepatutan atau pathet yakni; (1) pathet selisir, (2) pathet panji, (3) pathet tembung (4) pathet sunaren, (5) pathet baro, (6) pathet pengenter, dan (7) pathet malat, setiap pepatutan atau pathet memiliki ciri khusus dengan aturan – aturan cara memainkanya pada setiap kelompok Gamelan Bali. Seiring dengan perkembangan jaman, adanya transisi cara mengajar jaman dulu dan sekarang yang berbeda sehingga anak jaman sekarang hanya mengetahui urutan bilah gamelan yang mana dipukul bukan laras suara gamelannya. Maka dari itu penulis ingin membangun sebuah sistem yang dapat mengelompokan laras suara ke dalam 7 pepatutan atau pathet yang terdapat di dalam Gamelan Bali. Sistem ini akan dirancang dan dibangun berdasarkan pengelompokkan pepatutan atau pathet yang diperoleh dengan menggunakan algoritma K-Nearest Neighbor dan Support Vector Machine. Berdasarkan hasil pengujian algoritma KNN memberikan hasil yang lebih efektif dalam melakukan pengelompokan laras suara dengan hasil persentase tingkat akurasi mencapai 100% sedangkan untuk algoritma SVM memberikan hasil persentase tingkat akurasi sebesar 74,29%. Pengujian dari waktu yang dibutuhkan dalam proses klasifikasi juga menunjukan bahwa KNN memberikan waktu pengolahan yang lebih cepat yaitu 0,14388 detik dibandingkan dengan SVM yaitu 0.17642 detik. KNN memberikan hasil yang lebih baik karena pada prinsipnya K-NN memilih tetangga terdekat dimana menggunakan parameter jarak yaitu Euclidean distance yang sangat cocok untuk digunakan dalam menentukan jarak terdekat antar dua data.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信