Klasifikasi Audio Gamelan Bali Berdasarkan Periode Waktu Menggunakan Metode Convolutional Neural Network

Abstract

Gamelan Bali merupakan warisan budaya Indonesia yang diklasifikasikan berdasarkan periode waktu menjadi gamelan wayah, madya, dan anyar. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis menggunakan metode Layer convolutional Neural Network (CNN) dengan ekstraksi fitur Mel Frequency Cepstral Coefficients (MFCC). Dataset terdiri dari 600 audio berdurasi 30 detik dari 200 lagu Gamelan Bali, dibagi ke dalam tiga kelas periode. Proses pra-pemrosesan meliputi normalisasi, pemotongan durasi, dan ekstraksi fitur MFCC beserta turunannya, yaitu delta dan delta-delta. Model CNN diuji dengan variasi arsitektur 2, 3 dan 4 lapisan konvolusi, epoch 100 dan 200, serta patience10 dan 15, menggunakan skema 10-fold Cross Validation. Hasil menunjukkan bahwa arsitektur CNN 2 lapisan memberikan performa terbaik dengan akurasi rata-rata 77,67% pada konfigurasi patience 15 dan epoch 200. Temuan ini membuktikan bahwa model CNN sederhana lebih efektif untuk dataset audio terbatas, sekaligus membuka peluang penerapan kecerdasan buatan dalam pelestarian budaya tradisional.