Peningkatan Klasifikasi Emosi Lirik Berdasarkan Kombinasi Recurrent Neural Network Dengan Attention Mechanism

Ananda, Stanley (2024) Peningkatan Klasifikasi Emosi Lirik Berdasarkan Kombinasi Recurrent Neural Network Dengan Attention Mechanism. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (2MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (729kB) | Request a copy
	Text BAB V.pdf - Published Version Download (1MB)

Abstract

Pertumbuhan produksi musik dan tersedianya berbagai jenis aplikasi layanan streaming musik menghasilkan data musik dalam jumlah besar yang perlu diproses untuk pengambilan informasi musik. Pengambilan informasi musik mempunyai beberapa domain penelitian, salah satunya adalah klasifikasi emosi musik. Klasifikasi emosi musik merupakan tugas yang menantang terutama dalam meningkatkan performa model. Penelitian ini mengusulkan kombinasi model lapisan berulang LSTM-2BiGRU dengan mekanisme perhatian pada data lirik untuk menyelesaikan masalah kinerja model. Pada penelitian ini, 9000 data lirik lagu diberi label menggunakan NRC Emotion Lexicon yang dibagi menjadi tiga kelas emosi yaitu senang, sedih, dan marah. Selain itu, GloVe digunakan sebagai pre-trained word embbedings untuk ekstraksi fitur. Fitur-fitur tersebut dilatih menggunakan validasi silang 5 kali lipat untuk mencegah overfitting dalam proses stacking. Kinerja model yang diusulkan dibandingkan dengan penerapan metode mekanisme perhatian dan kombinasi lapisan berulang CNN-BiLSTM. Hasil penelitian menunjukkan bahwa model yang diusulkan dengan memiliki akurasi yang sedikit lebih rendah dibandingkan model CNN-BiLSTM, namun penerapan mekanisme perhatian pada model yang diusulkan memiliki akurasi yang paling baik sekitar 83% dengan nilai AUC diatas 94% dan model usulan mengalami peningkatan akurasi model sebesar 4% setelah mekanisme perhatian ditambahkan. Secara keseluruhan, penerapan mekanisme perhatian meningkatkan performa kedua model.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Bidirectional GRU, Deep learning, NRC Emotion Lexicon, LSTM, Supervised learning
Subjects:	000 Karya Umum > 005 Pemograman > 005.74 Database
Divisions:	Dewey Decimal Classification 23 > 600 Teknologi dan Ilmu Terapan (Bisnis) > 620 Ilmu Teknik > 629.8 Teknik Kontrol Otomatis Fakultas Sains & Teknologi > Teknik Industri > 620 Ilmu Teknik > 629.8 Teknik Kontrol Otomatis
Depositing User:	Hariyanto Rie
Date Deposited:	29 Apr 2025 07:13
Last Modified:	29 Apr 2025 07:13
URI:	https://repositori.buddhidharma.ac.id//id/eprint/2582

Actions (login required)

View Item