IMPLEMENTASI AUDIO RECOGNIZING ALAT MUSIK PADA APLIKASI BERBASIS ANDROID

• Yasha Gozwan Shuhada
• 2023

---

Audio Recognizing adalah teknik yang digunakan untuk mengidentifikasi suara. Dalam skripsi ini, penulis melakukan implementasi audio recognizing alat musik dengan menggunakan TensorFlow Lite dan Teachable Machine pada aplikasi Android. Tujuan dari penelitian ini adalah membangun aplikasi mobile yang dapat secara real- time mengenali berbagai alat musik melalui mikrofon perangkat Android. Peneliti menggunakan TensorFlow Lite, sebuah library machine learning dari platform komunitas resmi pengembangan Flutter, untuk melatih model pengenalan suara. Data suara dari berbagai alat musik dikumpulkan dan digunakan sebagai dataset pelatihan. Peneliti melakukan pelatihan dan pengujian menggunakan TensorFlow Lite untuk membangun model yang dapat mengenali berbagai suara alat musik dengan akurasi tinggi. Peneliti menggunakan Teachable Machine, sebuah platform yang memungkinkan pengguna melatih model pengenalan dengan cepat dan mudah tanpa pengetahuan mendalam tentang machine learning. Fitur Teachable Machine dimanfaatkan oleh peneliti untuk menyederhanakan proses pelatihan dan evaluasi model suara alat musik yang akan diintegrasikan ke dalam Flutter. Peneliti mengintegrasikan model TensorFlow Lite yang telah dilatih ke dalam Flutter. Flutter, sebuah framework pengembangan aplikasi mobile yang berbasis bahasa pemrograma n Dart dan bersifat cross-platform, untuk membangun User Interface (UI) yang intuit i f. Dengan demikian, aplikasi ini mampu mendeteksi suara alat musik melalui mikrofon perangkat Android dan menampilkan hasil pengenalan secara real-time. Hasil dari penelitian ini menunjukkan bahwa implementasi TensorFlow Lite dan Teachable Machine pada Flutter dapat menghasilkan aplikasi mobile berbasis Android yang mampu mengenali berbagai alat musik. Pengguna dapat dengan mudah menggunakannya untuk mengenali suara alat musik yang sedang dimainkan, baik untuk keperluan pendidikan musik, pengenalan musik, atau aplikasi sejenis yang berkaitan dengan alat musik

• Android

Arshad, Waleed. 2021. Managing State in Flutter Pragmatically: Discover How to Adopt the Best State Management Approach for Scaling Your Flutter App. Keagan Carneiro. Birmingham: Packt Publishing Ltd.

Bagus Baihaqi, Muhammad, Yovi Litanianda, and Andy Triyanto. 2022a. “IMPLEMENTASI TENSOR FLOW LITE PADA TEACHABLE UNTUK IDENTIFIKASI TANAMAN AGLONEMA BERBASIS ANDROID.” 06(5).
doi: 10.24269/jkt.v6i1.1143.

Bagus Baihaqi, Muhammad, Yovi Litanianda, and Andy Triyanto. 2022b. Url : Http://Studentjournal.Umpo.Ac.Id/Index.Php/Komputek    IMPLEMENTASI TENSOR FLOW LITE PADA TEACHABLE UNTUK IDENTIFIKASI TANAMAN AGLONEMA BERBASIS ANDROID.

Bandekar, Namrata, Tom Blankenship, Darryl Bayliss, Fuad Kamal, and Kevin Moore. 2021. Android Apprentice, Fourth Edition Notice of Rights Notice of Liability. Chatham, New Jersey: Bowker.
Blaszke, Maciej, and Bożena Kostek. 2022. “Musical Instrument Identification Using Deep Learning Approach.” 22(8). doi: 10.3390/s22083033.

Budi Raharjo. 2021. Pemrograman Android Dengan Flutter Edisi 2. 2nd ed. Bandung: Informatika Bandung.

Chazar, Chalifa, and Muhammad Helmi Rafsanjani. 2022. “Inovasi & Adopsi Teknologi Penerapan Teachable Machine Pada Klasifikasi Machine Learning Untuk Identifikasi Bibit Tanaman.” 2(1).

Dumbravan, Alexandru. 2022. Clean Android Architecture : Take a Layered Approach to Writing Clean, Testable, and Decoupled Android Applications. Birmingha m: Packt Publishing, Limited.

Fathoni, Ali Nur, Risanuri Hidayat, and Agus Bejo. 2022. “Optimization of Feature Extraction in Indonesian Speech Recognition Using PCA and SVM

 
Classification.” Pp. 340–45 in 2022 5th International Seminar on Research of Information Technology and Intelligent Systems (ISRITI).
Ferdiana Sari, Elda. 2021. “PENERAPAN GITHUB SEBAGAI MEDIA E- LEARNING UNTUK MENGETAHUI KEEFEKTIFAN KOLABORASI PROJECT PADA MATA PELAJARAN PEMROGRAMAN WEB DAN PERANGKAT BERGERAK DI SMK NEGERI 2 SURABAYA.” 06(2):14–22.

Gururani, Siddharth, Cameron Summers, and Alexander Lerch. 2018. “INSTRUMENT ACTIVITY DETECTION IN POLYPHONIC MUSIC USING DEEP NEURAL NETWORKS.” 8(4).

Katz, Michael, Kevin David Moore, Vincent Ngo, and Vincenzo Guzzi. 2021. Flutter Apprentice Notice of Rights Notice of Liability. Virginia: Razeware LLC .

Mahendra, Gede Surya, and I. Kadek Andy Asmarajaya. 2022. “Evaluation Using Black Box Testing and System Usability Scale in the Kidung Sekar Madya Application.” 7(4):2292–2302. doi: 10.33395/sinkron.v7i4.11755.
Munawar. 2021. Analisis Perancangan Sistem Berorientasi Objek . Bandung: Informatika Bandung.

Orăşan, Ioan Lucan, Ciprian Seiculescu, and Cătălin Daniel Caleanu. 2022. “Benchmarking TensorFlow Lite Quantization Algorithms for Deep Neural Networks.” Pp. 221–26 in 2022 IEEE 16th International Symposium on Applied Computational Intelligence and Informatics (SACI).
RIFKIE PRIMARTHA. 2021. Algoritma Machine Learning. Bandung: Informat ika Bandung.

Setyawan, Risyan Arief, and Afdhol Dzikri. 2019. “ANALISIS PENGGUNAAN METODE MARKER TRACKING PADA AUGMENTED REALITY ALAT MUSIK TRADISIONAL JAWA TENGAH.” 7(1).

Xin, Ruyue, Jiang Zhang, and Yitong Shao. 2020. “Complex Network Classifica t ion with Convolutional Neural Network.” Tsinghua Science and Technology 25(4):447–57. doi: 10.26599/TST.2019.9010055.
 
Zhang, Xinman, Tingting He, and Xuebin Xu. 2019. “Android-Based Smartphone Authentication System Using Biometric Techniques: A Review.” Pp. 104–8 in 2019 4th International Conference on Control, Robotics and Cybernetics (CRC).