Keywords
pembelajaran mesin
CNN
How to Cite
Abstract
Penelitian ini dibuat dikarenakan menurunnya minat generasi muda terhadap alat musik tradisional, terutama di wilayah Blitar Raya, yang mengancam pelestarian budaya lokal. Untuk mengatasi hal ini, sistem klasifikasi gambar alat musik tradisioanal yang dikembangkan menggunakan algoritma Convolutional Neural Network (CNN). Studi eksperimental ini menggunakan bahasa pemrograman Python dan antarmuka visual yang dibangun dengan framework Streamlit. Dataset mencakup berbagai kategori alat musik tradisional dari daerah Blitar Raya. Model tersebut berfungsi dengan baik dalam mengklasifikasikan gambar alat musik, dengan hanya sedikit kesalahan penandaan. Antarmuka aplikasi sederhana, ramah pengguna, dan berfungsi secara efektif dalam melakukan analisis gambar. Penelitian ini menyoroti bagaimana pembelajaran mesin dapat mendukung pelestarian digital budaya lokal dan pendidikan. Hal ini juga menunjukkan potensi teknologi untuk meningkatkan kesadaran dan apresiasi terhadap alat musik tradisional, terutama di kalangan audiens muda saat ini.
References
[1] O. Saputra, D. I. Mulyana, and M. B. Yel, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Senjata Tradisional Di Jawa Tengah Dengan Metode Transfer Learning,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 5, no. 2, pp. 45–52, 2022, doi: 10.47970/siskom-kb.v5i2.282.
[2] P. Anggeli, Suroso, and M. Z. Agung, “Klasifikasi alat musik tradisional dengan metode machine learning menggunakan Librosa dan TensorFlow pada Python,” J. Sains Komput. Inform., vol. 5, no. 2, pp. 949–956, 2021.
[3] A. Savira et al., “Pandangan terhadap keragaman budaya Indonesia di negara lain,” J. Ilm. Multidisiplin, vol. 1, no. 6, pp. 380–385, 2024, [Online]. Available: https://doi.org/10.62017/merdeka
[4] U. Mawaddah, H. Armanto, and E. Setyati, “Prediksi Karakteristik Personal Menggunakan Analisis Tanda Tangan Dengan Mengggunakan Metode Convolutional Neural Network (Cnn),” Antivirus J. Ilm. Tek. Inform., vol. 15, no. 1, pp. 123–133, 2021, doi: 10.35457/antivirus.v15i1.1526.
[5] E. D. Indriani, D. A. Dewi, and R. S. Hayat, “Krisis Budaya Tradisional: Generasi Muda dan Kesadaran Masyarakat di Era Globalisasi,” Indo-MathEdu Intellectuals J., vol. 5, no. 1, pp. 77–85, 2024, [Online]. Available: https://ejournal.indo-intellectual.id/index.php/imeij/article/view/719
[6] F. Eka Saputra, A. Panji Sasmito, and A. Wahid, “Pengembangan Aplikasi Pengenalan Alat Musik Tradisional Jawa Timur Menggunakan Teknologi Augmented Reality Berbasis Android,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 2, pp. 452–459, 2021, doi: 10.36040/jati.v5i2.3747.
[7] Royan Hisyam Rafliansyah, Basuki Rahmat, and Chrystia Aji Putra, “Klasifikasi Suara Instrumen Musik Tiup Menggunakan Metode Convolutional Neural Network,” Merkurius J. Ris. Sist. Inf. dan Tek. Inform., vol. 2, no. 4, pp. 01–09, 2024, doi: 10.61132/merkurius.v2i4.119.
[8] B. A. Umam, “Identifikasi Penyakit Daun Tembakau Berbasis Pengolahan Citra dengan Metode Convolutional Neural Network ( CNN ) Dan Metode Transfer Learning,” 2024.
[9] M. Guntoro, Z. Kurniawan, and M. Rosalina, “Warisan Budaya dan Pengembangan Seni Kreatif,” Barakuda 45, vol. 4, no. 2, pp. 274–280, 2022.
[10] H. Wang, “Detection of Personal Protective Equipment (PPE) using an Anchor Free-Convolutional Neural Network,” Int. J. Adv. Comput. Sci. Appl., vol. 15, no. 2, pp. 366–374, 2024, doi: 10.14569/IJACSA.2024.0150239.
[11] M. L. Prasetyo et al., “Face Recognition Using the Convolutional Neural Network for Barrier Gate System,” Int. J. Interact. Mob. Technol., vol. 15, no. 10, pp. 138–153, 2021, doi: 10.3991/ijim.v15i10.20175.
[12] I. M. Ramadhan, J.- Jasril, S. Sanjaya, F. Yanto, and F. Syafria, “Image Classification of Beef and Pork Using Convolutional Neural Network Architecture EfficienNet-B1,” Indones. J. Artif. Intell. Data Min., vol. 6, no. 1, p. 54, 2023, doi: 10.24014/ijaidm.v6i1.21843.
[13] A. Anton, N. F. Nissa, A. Janiati, N. Cahya, and P. Astuti, “Application of Deep Learning Using Convolutional Neural Network (CNN) Method For Women’s Skin Classification,” Sci. J. Informatics, vol. 8, no. 1, pp. 144–153, 2021, doi: 10.15294/sji.v8i1.26888.
[14] K. Azmi, S. Defit, and S. Sumijan, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” J. Unitek, vol. 16, no. 1, pp. 28–40, 2023, doi: 10.52072/unitek.v16i1.504.
[15] R. Adelia, N. Khairunisa, and R. Zulfiqri, “Implementasi Convolutional Neural Network (Cnn) Dalam Mendeteksi Sampah Organik, Plastik, Dan Kertas,” JUTIM (Jurnal Tek. Inform. Musirawas), vol. 9, no. 1, pp. 29–37, 2024, doi: 10.32767/jutim.v9i1.2233.
[16] L. Rahmawati and R. Lakoro, “Perancangan Media Digital Interaktif Gamelan Jawa Timuran sebagai Wadah Pengenalan Alat Musik Tradisional untuk Anak Usia 9-10 Tahun,” J. Sains dan Seni ITS, vol. 6, no. 1, 2017, doi: 10.12962/j23373520.v6i1.23050.
[17] Pristiangga, “Mengenal Berbagai Macam Alat Musik Jawa Timur Alat Musik Jawa Timur Alat Musik Tradisional Jawa Timur,” p. 13, 2019, [Online]. Available: http://digilib.isi.ac.id/5466/1/Mengenal Berbagai Macam Alat Musik Jawa Timur.PDF
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Muhammad Rizal Razaan, sri lestanti, Udkhiati Mawaddah