IMPLEMENTASI ALGORITMA GENETIKA UNTUK SELEKSI FITUR PADA KLASIFIKASI GENRE MUSIK MENGGUNAKAN METODE RANDOM FOREST
Abstract
Penelitian ini mengenai klasifikasi genre musik menggunakan metode Random Forest dan Algoritma Genetika sebagai metode dari seleksi fitur. Dataset pada pengujian ini menggunakan dataset dari GitHub atau GITZAN tentang genre musik dengan jumlah label ada 10, jumlah fitur ada 26 jumlah keseluruhan data ada 1000. Penelitian ini dibagi menjadi beberapa tahap, yaitu dengan klasifikasi seluruh data, mengklasifikasi dengan data yang dinormalisasi, melakukan klasifikasi dengan data asli menggunakan tahap seleksi fitur Algoritma Genetika, dan mengklasifikasi pada data yang dinormalisasi dengan seleksi fitur menggunakan Algoritma Genetika. Pada penelitian ini Min-Max digunakan untuk metode normalisasi data, dan untuk perhitungan akurasi menggunakan metode Confusion Matrix. Performa akurasi yang dihasilkan ketika menggunakan seluruh data dengan data yang tidak dinormalisasi menghasilkan akurasi sebesar 62%, 59% dengan data yang dinormalisasi, 64% dengan semua data menggunakan seleksi fitur Algoritma Genetika dan didapatkan akurasi sebesar 67% dengan menggunakan seleksi fitur Algoritma Genetika yang datanya dinormalisasi. Hasil ini memberi pengetahuan nilai rata-rata akurasi menunjukkan peningkatan dengan diterapkannya seleksi fitur Algoritma Genetika.
Downloads
References
Bakhtiar, M. Y. (2020). Klasifikasi Penelitian Dosen Menggunakan Naïve Bayes Classifier dan Algoritma Genetika. STRING (Satuan Tulisan Riset Dan Inovasi Teknologi), 5(2), 134. .
Gen, M. & Cheng, R. 1997. Genetic Algorithms and Engineering Design, New York : John Wiley & Sons, Inc.
Lingga, R. D., Fatichah, C. & Purwitasari, C. 2017. Deteksi Gempa Berdasarkan Data Twitter Menggunakan Decision Tree, Random Forest, dan SVM. Jurnal Teknik ITS. Vol. 6. No.1.
Prasetio, R. T., Rusmayadi, A. A., & Anshori, I. F. (2018). Implementasi Algoritma Genetika pada k-nearest neighbours untuk Klasifikasi Kerusakan Tulang Belakang. Jurnal Informatika, 5(2), 186–194.
Putri, N. M. E., & Ermatita. (2017). Review : Data Mining menggunakan Algoritma Genetika. Prosiding Annual Research Seminar 2017, 3(1), 235–238.
Rahmawati, R., Magdalena, R. & Ramayana, I, N, A. 2016. Perbandingan dan Analisis K-Nearest Neighbor dan Linear Discriminant Analysis Untuk Klasifikasi Genre Musik. Teknik Telekomunikasi, Universitas Telkom, Bandung. Vol.3. No. 2
Rukmi Gayatri, R. 2015. Klasifikasi Kemunculan Titik Panas Pada Lahan Gambut Di Sumatera Dan Kalimantan Menggunakan Algoritma Random Forest. Skripsi Departemen Ilmu Komputer FMIPA, Institut Pertanian Bogor, Bogor.
Supriyadi, R., Gata, W., Maulidah, N., & Fauzi, A. (2020). Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah. E-Bisnis : Jurnal Ilmiah Ekonomi Dan Bisnis, 13(2), 67–75.
Wahyudi., 2020. Implementasi Metode Random Forest Untuk Klasifikasi Genre Music. Universitas Lambung Mangkurat, Banjarbaru.
Copyright (c) 2022 Nurlatifah Amini, Triando Hamonangan Saragih, Mohammad Reza Faisal, Andi Farmadi, Friska Abadi
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright for articles published in this journal is retained by the authors, with first publication rights granted to the journal. By virtue of their appearance in this open access journal, articles are free to use after initial publication under the International Creative Commons Attribution-NonCommercial 4.0 Creative Commons CC_BY_NC.