Pengelompokan Laras Suara Berdasarkan Pepatutan Atau Pathet Gamelan Bali Menggunakan Klasifikasi K-Nearest Neighbor Dan Support Vector Machine

I Made Ade Prayoga; Gede Indrawan; Dewa Gede Hendra Divayana

doi:10.33050/tmj.v8i2SP.2011

Penulis

I Made Ade Prayoga Universitas Pendidikan Ganesha
Gede Indrawan Universitas Pendidikan Ganesha
Dewa Gede Hendra Divayana Universitas Pendidikan Ganesha

DOI:

https://doi.org/10.33050/tmj.v8i2SP.2011

Abstrak

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.

Referensi

I. W. Wiwin, “Community based tourism dalam pengembangan pariwisata Bali,” Pariwisata Budaya: Jurnal Ilmiah Agama dan Budaya, vol. 3, no. 1, pp. 69–75, 2018.

I. G. Y. Pratama, “Fenomena Perubahan Dalam Pelestarian Budaya Mesatua Bali,” Besaung: Jurnal Seni Desain Dan Budaya, vol. 6, no. 1, 2021.

I. M. Suweta, “Kebudayaan Bali Dalam Konteks Pengembangan Pariwisata Budaya,” Cultoure: Jurnal Ilmiah Pariwisata Budaya Hindu, vol. 1, no. 1, pp. 1–14, 2020.

K. S. K. Wardani, “Ethnosains dalam pembelajaran berbasis content local genius (Gamelan Bali),” Ekspose: Jurnal Penelitian Hukum dan Pendidikan, vol. 20, no. 1, pp. 1187–1194, 2021.

I. P. A. Mahendra, H. Santosa, and N. P. Hartini, “Angganada: Sebuah Komposisi Karawitan Bali,” Virtuoso: Jurnal Pengkajian dan Penciptaan Musik, vol. 5, no. 2, pp. 117–124, 2022.

I. W. Sukadana, “Nilai Agama Dalam Gamelan Gambang,” VIDYA WERTTA: Media Komunikasi Universitas Hindu Indonesia, vol. 1, no. 1, pp. 89–96, 2018.

N. Wijayanti and B. R. Kartawinata, “Pengaruh Financial literacy, Financial confidence, dan Locus of Control Eksternal Terhadap Personal Finance Management,” Technomedia Journal, vol. 8, no. 1 Juni, pp. 11–22, 2023.

T. Ayuninggati, N. Lutfiani, and S. Millah, “CRM-Based E-Business Design (Customer Relationship Management) Case Study: Shoe Washing Service Company S-Neat-Kers,” International Journal of Cyber and IT Service Management, vol. 1, no. 2, pp. 216–225, 2021.

S. Hendra, “EVOLUSI GAMELAN BALI: Dari Banjuran Menuju Adi Merdangga.” Pusat Penerbitan LP2MPP Institut Seni Indonesia Denpasar, 2020.

Z. Lubis, M. Zarlis, M. R. Aulia, and Y. W. Tanjung, “Strategi Optimalisasi Adopsi Teknologi Sistem Barcode di Pt. Langkat Nusantara Kepong,” Technomedia Journal, vol. 8, no. 1 Juni, pp. 23–34, 2023.

T. H. Fratiwi, M. Sudarma, and N. Pramaita, “Sistem Klasifikasi Musik Gamelan Angklung Bali Terhadap Suasana Hati Menggunakan Algoritma K-Nearest Neighbor Berbasis Algoritma Genetika,” Maj. Ilm. Teknol. Elektro, vol. 20, no. 2, p. 265, 2021.

S. C. Pradana, “Implementasi convolutional neural network terhadap instrumen alat musik gamelan menggunakan keras,” 2018.

U. Ependi, “Implementasi Metode Ooad Pada Perancangan Kamus Istilah Akuntansi Berbasis Mobile,” Sentika 2014, vol. 2014, pp. 143–147, 2014.

M. Y. Pusadan, A. Ghifari, and Y. Anshori, “Implementasi Implementasi Data Mining untuk Prediksi Status Proses Persalinan pada Ibu Hamil Menggunakan Algoritma Naive Bayes,” Technomedia Journal, vol. 8, no. 1 Juni, pp. 137–153, 2023.

I. Handayani and R. Agustina, “Starting a Digital Business: Being a Millennial Entrepreneur Innovating,” Startupreneur Bisnis Digital, vol. 1, no. 2, 2022.

M. Z. Nasution, “Face recognition based feature extraction using principal component analysis (PCA),” Journal of Informatics and Telecommunication Engineering, vol. 3, no. 2, pp. 182–191, 2020.

J. Salvador–Meneses, Z. Ruiz–Chavez, and J. Garcia–Rodriguez, “Compressed k NN: K-nearest neighbors with data compression,” Entropy, vol. 21, no. 3, p. 234, 2019.

D. A. Pisner and D. M. Schnyer, “Support vector machine,” in Machine learning, Elsevier, 2020, pp. 101–121.

P. N. Kamila and W. Sejati, “Perencanaan Drainase Dengan Konsep Zero Delta Run Off Pada Perumahan Permata Puri Cibubur,” Technomedia Journal, vol. 8, no. 1 SP, pp. 1–17, 2023.

M. R. Anwar, M. Yusup, S. Millah, and S. Purnama, “The Role of Business Incubators in Developing Local Digital Startups in Indonesia,” Startupreneur Bisnis Digital, vol. 1, no. 1 April, pp. 1–10, 2022.

N. Salman, “Algoritma k-Nearest Neighbor Berbasis Backward Elimination Pada Client Telemarketing,” in SISITI: Seminar Ilmiah Sistem Informasi dan Teknologi Informasi, 2019, pp. 141–150.

K. A. Sugiarta, I. Cholissodin, and E. Santoso, “Optimasi K-Nearest Neighbor Menggunakan Bat Algorithm Untuk Klasifikasi Penyakit Ginjal Kronis,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, vol. 2548, p. 964X, 2020.

B. Anufia and T. Alhamid, “Instrumen Pengumpulan Data,” 2019.

A. A. Hidayat, Menyusun instrumen penelitian & uji validitas-reliabilitas. Health Books Publishing, 2021.

M. Makbul, “Metode pengumpulan data dan instrumen penelitian,” 2021.

H. Sastypratiwi and R. D. Nyoto, “Analisis Data Artikel Sistem Pakar Menggunakan Metode Systematic Review,” JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 6, no. 2, pp. 250–257, 2020.

R. Octaviani and E. Sutriani, “Analisis data dan pengecekan keabsahan data,” 2019.

A. L. Hananto, B. Priyatna, A. Hananto, and A. P. Nardilasari, Data Mining: Penerapan Algoritma (SVM, Naïve Bayes, K-NN) Dan Implementasi Menggunakan Rapid Miner. Media Sains Indonesia, 2023.

M. F. Fibrianda and A. Bhawiyuga, “Analisis Perbandingan Akurasi Deteksi Serangan Pada Jaringan Komputer Dengan Metode Naïve Bayes Dan Support Vector Machine (SVM),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, vol. 2548, p. 964X, 2018.

I. G. P. M. Yusadara, “Pengelompokan Gending Bali Berdasarkan Pupuh Sekar Alit Menggunakan Algoritma Klasifikasi KNN,SVM & ID3,” vol. 87, no. 1,2, pp. 149–200, 2019.