Implementasi Metode Long Short-Term Memory dalam Pembuatan Musik Sintetis

Abstract

Penggunaan teknologi dalam bidang seni telah membuka berbagai peluang baru untuk meningkatkan kinerja dan kreativitas. Dalam industri musik, perkembangan pesat kecerdasan buatan telah memberikan kemungkinan baru dalam pembuatan musik. Namun, keberadaan teknologi ini juga memiliki implikasi terhadap penggunaan musik dan proses transkripsi manual. Musik menjadi sumber daya penting bagi para musisi, telah mengalami perubahan dari bentuk manuskrip tangan menjadi versi digital yang dapat diakses melalui internet. Pelatihan pembuatan musik menggunakan Recurrent Neural Network yaitu Long Short-Term Memory dilakukan dengan dataset terdiri dari tiga orang komponis ternama dalam bidang musik klasik. Dataset ini dibagi menjadi empat bagian. Selain itu, ada dua skenario yang akan diuji, dan hasilnya akan dibandingkan dengan model lain yaitu Gated Recurrent Unit. Untuk pengolahan data musik, digunakan library python bernama Music21. Model dievaluasi dengan empat cara yaitu dengan melihat loss pelatihan model, persebaran statistik notasi, perhitungan kesamaan dan penilaian dari ahli musik. Pada skenario kedua, model LSTM menunjukkan hasil yang lebih baik dibandingkan dengan skenario pertama, dan juga lebih unggul daripada model GRU.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).