TUGAS AKHIR MAHASISWA TOPIK MULTIMEDIA

Dosen Pengampu: I Dewa Made Bayu Atmaja Darmawan S.Kom., M.Cs

OLEH:

KADEK DWI SUKRI YANTHI

NIM. 1408605009

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS UDAYANA

2017
1. Judul : IMPLEMENTASI ALGORITMA SELF ORGANIZING MAP
UNTUK REKOMENDASI MUSIC INTEREST DALAM APLIKASI
FACEBOOK
Disusun Oleh : GUSTI AYU VIDA MASTRIKA GIRI
Tahun : 2012
Deskripsi : Tugas Akhir ini membahas mengenai rekomendasi musik-mus ik
favorit yang sejenis di jejaring sosial di internet. Para penggemar musik bisa mencari
facebook page dari berbagai pemusik dan menggali musiknya untuk mencari
rekomendasi baru. Tetapi mencari facebook page satu persatu membutuhkan waktu
yang lama, sehingga dibutuhkan cara rekomendasi yang lebih efisien untuk
menemukan rekomendasi musik interest. Rekomendasi music interest tidak hanya
didapat dari genre musik yang sama, kemiripan audio dapat digunakan sebagai dasar
pencarian musik dengan menggunakan fitur- fitur yang dimiliki musik seperti key,
mode, loudness, energy, dan tempo. Maka solusi dari permasalah dalam tugas akhir ini
adalah peneliti menggunakan algoritma Self Organizing Map yang diimplementas ika n
pada aplikasi jejaring sosial facebook dengan analisis keterkaitan antara kemiripan fitur
musik dengan genre musik. File-file musik dengan kesamaan audio akan
dikelompokkan sehingga pendengar bisa dengan mudah mendapatakan sebuah daftar
musik dengan kemiripan audio yang tinggi dan membantu pengguna dalam memilih
musik-musik yang mirip dengan musik favoritnya melalui aplikasi rekomendasi musik
dalam jejaring sosial di Facebook.

2. Judul : ANALISIS DAN IMPLEMENTASI BACKPROPAGATION DALAM

PENGENALAN OBJEK WAJAH
Disusun Oleh : ALFIAN DWI CHANDRA KUSUMA
Tahun : 2014
Deskripsi : Tugas Akhir ini mengangkat permasalahan tentang citra digital yang
tidak semua mesin atau komputer dilengkapi dengan sistem cerdas dapat menangkap
citra wajah dengan baik. Sebuah mesin atau komputer dapat mengenali suatu objek
melalui alat-alat yang berfungsi untuk menagkap atau merekam citra. Umumnya alat-
alat yang sering digunakan untuk menangkap citra adalah kamera analog, kamera
digital, handucam, dan alat-alat lainnya. Untuk membaca pola yang ditangkap oleh alat
perekam, citra dibutuhkan oleh suatu sistem yang dapat mengenali pola. Peneliti
 menggunakan salah satu algoritma dalam metode jaringan syaraf tiruan yaitu Algoritma
Backpropagation (propagasi balik). Backpropagatian dapat melatih jaringan sehingga
memiliki kemampuan untuk mengingat pola-pola training (memori) dan memberika n
respon yang benar terhadap pola-pola yang belum dikenal sebelumnya (generalisas i).
Dimana dalam Tugas Akhir ini peneliti merancang aplikasi untuk pengenalan pola
wajah dan dapat membantu mengenali wajah seseorang dengan akurat melalui
algoritma Backpropagation.

3. Judul : KLASTERISASI DATASET MUSIK MENGGUNAKAN

ALGORITMA HYBRID FAPSO, ACO, DAN K-MEANS
Disusun Oleh : I GUSTI AGUNG ARI BAWARTA
Tahun : 2014
Description : Tugas Akhir ini membahas mengenai klasterisasi data musik atau
penglompokkan data musik berdasakran karakteristik yang terkandung dalam data
musik dengan tujuan untuk membagi berbagai data musik berdasarkan karakteristik
yang serupa atau mirip tanpa melihat nama artis atau composer yang membuatnya .
Peneliti menemukan salah satu kendala dalam menerapkan algoritma klasterisasi yaitu
diperlukannya penentuan jumlah klaster sebelum algoritma tersebut diterapkan.
Berdasarkan permasalah tersebut, penulis melakukan klasterisasi data musik dengan
jumlah klaster yang ditentukan menggunakan metode fungsi f(K) K-Means yang
dikembangkan oleh Pharm et al. (2004), kemudian pembagian anggota klaster
menggunakan algoritma hybrid FAPSO-ACO-K. Dengan penelitian ini dapat
diperoleh pembagian klaster musik yang tepat sesuai fitur yang dimiliki serta para
penikmat musik dapat menikmati musik dengan genre favorit yang telah terkumpul
dalam dokumen musik tanpa memisahkan secara manual musik dari genre musik yang
kurang atau tidak sesuai.

4. Judul : IDENTIFIKASI LAGU MENGGUNAKAN ALGORITMA

K-NEAREST NEIGHBOURS COSINE SIMILARITY (KNNCS)
Disusun Oleh : I GEDE SUTA LASCARYA ASTAWA
Tahun : 2012
Deskripsi : Permasalahan yang terdapat dalam Tugas Akhir ini adalah mengena i
informasi tentang file audio bisa berbeda-beda dari satu file dengan file yang lain
 akibatnya ditemukan nama file sebuah lagu yang tidak memiliki metadata penyanyi,
judul, gendre, atau yang lainnya. Oleh sebab itu, dalam penelitian ini peneliti
melakukan identifikasi lagu berdasarkan audio similarity menggunakan modified K-
Nearest Neighbours (KNN). Sehingga nantinya akan memudahkan pendengar lagu
untuk mendapatkan informasi lagu mengenai penyanyi, judul lagu, genre, tempo, mode
berdasarkan kemiripan fitur yang dimiliki lagu tersebut, walaupun metadata yang
dimiliki sangat minim.

5. Judul : IMPLEMENTASI DETEKSI TEPI GAMBAR DIGITAL

MENGGUNAKAN ALGORITMA CANNY
Disusun Oleh : ELYSABETH NOVIA RANDE
Tahun : 2011
Deskripsi : Tugas Akhir ini membahas mengenai deteksi tepi pada gambar digita l,
karena dengan menggunakan proses deteksi tepi gambar digital maka proses
pengolahan manipulasi pada gambar digital akan lebih mudah dilakukan. Tepi dari
suatu gambar biasanya digunakan untuk mengkarakteristikkan batasan objek yang
kemudian berguna untuk segmentasi, registrasi, dan pengenalan objek dalam suatu
gambar. Deteksi tepi gambar merupakan sebuah proses yang menghasilkan tepi-tepi
dari objek-objek gambar yang bertujuan untuk menandai bagian yang menjadi detail
gambar serta memperbaiki detail gambar yang kabur. Penerapannya pada suatu gambar
secara signifikan dapat mengurangi jumlah data dan dapat mengurangi informasi yang
tidak berguna dengan tetap mempertahankan struktur penting dari gambar tersebut.
Maka dari itu peneliti ingin mengimplementasikan algoritma Canny untuk mendeteksi
tepi dan mengetahhui ketahanan noise pada deteksi tepi gambar digital.
 IMPLEMENTASI ALGORITMA SELF ORGANIZING MAP UNTUK REKOMENDASI
MUSIC INTEREST DALAM APLIKASI FACEBOOK

Tugas Akhir ini membahas permasalahan mengenai perkembangan keragaman musik

yang pesat saat ini, sehingga menyebabkan pendengar musik membutuhkan rekomendasi
musik-musik yang sejenis dengan musik favoritnya dalam satu media yang mudah diakses
seperti jejaring sosial di internet. Pada penelitian ini peneliti menggunakan jejaring sosial
Facebook sebagai bahan penelitian. Music interest pengguna Facebook hanya dapat dilihat
hanya dengan melihat profil dari pengguna Facebook itu sendiri.

Para penggemar musik bisa mencari Facebook page dari berbagai pemusik dan
menggali musiknya untuk mencari rekomendasi baru. Tetapi mencari facebook page satu
persatu membutuhkan waktu yang lama, sehingga dibutuhkan cara rekomendasi yang lebih
efisien untuk menemukan rekomendasi music interest. Rekomendasi music interest tidak hanya
dari genre musik yang sama, melainkan kemiripan dari fitur-fitur musik juga dapat digunaka n
untuk memberikan rekomendasi musik. Rekomendasi musik dan kemiripan audio telah diteliti
oleh beberapa peneliti, dalam Tugas Akhir ini peneliti menemukan penelitian dari Dewi &
Putri, 2011 yang merekomendasikan musik berdasarkan kesamaan audio dengan menggunaka n
fitur musik ritme dan metode K-Nearest Neighbour. Dari berbagai penelitian yang ada peneliti
Tugas akhir ini menggunakan metode Self Organizing Map sebagai metode yang digunaka n
untuk merekomendasikan music interest karena telah digunakan untuk mengelompokkan data
berdimensi tinggi.

Hasil dari penelitian ini berupa sebuah aplikasi yang bernama Music Information by
Computer Sciene (MICS) Recomendations yang terdapat pada jejaring soisal Facebook.
Aplikasi ini menggunakan algoritma Self Organizing Map dengan analisis ketekaitan antara
kemiripan audio dengan genre musik yang ada. Fitur-fitur yang terdapat dalam penelitian ini
meliputi fitur key, mode, loudness, energy, dan tempo. Dalam metode Self Organizing Map
dapat mengorganisasikan file-file musik berdasarkan kemiripan audio yang dimiliki musik.
File-file musik akan dikelompokkan berdasarkan kesamaan audio yang dimiliki sehingga
pendengar dapat dengan mudah mendapatkan daftar musik favorit dengan kemiripan audio
yang tinggi. Dataset yang digunakan peneliti berjumlah 280 lagu dari 14 genre yang berbeda.
Dataset dibagi menjadi data awal dengan 196 dataset dan data pengujian sebanyak 86 dataset.
 Dalam penelitian ini Algoritma Self Organizing Map telah berhasil digunakan untuk
mengelompokkan dataset musik berdasarkan fitur key, mode, loudness, energi, dan tempo yang
digunakan pada aplikasi MICS Recomendations. Aplikasi MICS Recomendations berhasil
diterapkan pada jejaring sosial Facebook dengan nilai precision 0,9167 dan nilai recall 0,6471
untuk tampilan music interest, serta nilai precision 0,9019 dan nilai recall 0,5679 untuk
tampilan rekomendasi music page.

Berdasarkan penelitian ini dalam aplikasi MICS Recomendations sebagai music

interest dalam aplikasi Facebook menurut saya telah berhasil dalam mengimplementas ika n
algoritma Self Organizing Map. Metode Self Organizing Map telah diteliti sebagai metode yang
digunakan untuk mengelompokkan data berdimensi tinggi dengan cara mengorganisas ika n
file-file audio yang dimiliki oleh musik-musik tersebut.