Music Features Pada Bidang Ilmu Komputer Menggunakan Modularity Clustering
Abstract
Music features menjadi bagian dari berbagai disiplin keilmuan sehingga sering terjadi bias saat dilakukan pencarian pada mesin pencari, music features dapat termasuk ke dalam ilmu komputer, teknik hingga psikologi. Music features pada bidang ilmu komputer juga terkelompok menjadi beberapa bagian jika ditinjau dari rujukan yang dilakukan oleh peneliti terutama yang berasal dari artikel internasional yang terindeks scopus, berbeda dengan artikel Indonesia yang terkelompok pada Sinta berdasarkan Jurnal yang menerbitkan artikel. Pada penelitian ini dilakukan clustering terhadap artikel yang tergolong dalam bidang ilmu komputer dan memiliki kata kunci music features sehingga diperoleh 448 artikel. Metode yang digunakan adalah modularity clustering dengan menggunakan tool VOSviewer dan menghasilkan 3 cluster berdasarkan topik dan 7 cluster jika ditinjau dari kuantitas penulis yang menjadi co-author
Full Text:
PDF (Bahasa Indonesia)References
Chandra, P. & Sugito, B., 2021. STRATEGI PEMBERDAYAAN ROCKER PADA KOMUNITAS MADUROCK DI SUMENEP MADURA. APRON Jurnal Pemikiran Seni Pertunjukan, 2(16).
Haque, A., Sari, I. & Amin, S. M., 2021. Pengaruh Musik Pop Terhadap Hasil Belajar Siswa SMA Kelas XI Pada Topik Barisan Dan Deret. JURNAL PENELITIAN PENDIDIKAN MATEMATIKA DAN SAINS, 4(1).
He, H., Tan, Y., Ying, J. & Zhang, W., 2020. Strengthen EEG-based emotion recognition using firefly integrated optimization algorithm.. Applied Soft Computing, 94, 106426..
Hendarsin, O. P., 2020. KLASIFIKASI GENRE MUSIK BERDASARKAN PENDEKATAN MUSIC CONTENT MENGGUNAKAN EXTREME GRADIENT BOOSTING (XGBOOST) CLASSIFIER..
McNeely-White, K. L., McNeely-White, D. & Cleary, A. M., 2021. Global matching in music familiarity: How musical features combine across memory traces to increase familiarity with the whole in which they are embedded.. Journal of Memory and Language.
Muhammad, F. A., 2020. KLASIFIKASI GENRE MUSIK DENGAN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN PENDEKATAN CONTENT-BASED FILTERING..
Muksin, S. W., 2020. Klasifikasi Pelanggan Produk Angklung Customer Churn Prediction Menggunakan Decision Tree di Ikm Kampung Angklung Panyingkiran–Ciamis. Jurnal Mahasiswa Industri Galuh, 1(01), pp. 76-86.
Newman, M. E., 2006. Modularity and community structure in networks.. s.l., s.n., pp. 8577-8582..
Noack, A., 2007. Energy models for graph clustering. Journal Graph Algorithms Appl., 11(2), pp. 453-480.
Noack, A., 2009. Modularity clustering is force-directed layout. Physical Review E, 79(2), 026102.
Panda, R., Malheiro, R. & Paiva, R. P., 2018. Novel audio features for music emotion recognition.. IEEE Transactions on Affective Computing, 11(4), pp. 614-626.
Rachmat, R., Sumaryanto, T. & Sunarto, S., 2020. KLASIFIKASI INSTRUMEN GENDANG BUGIS (GENDRANG) DALAM KONTEKS MASYARAKAT KABUPATEN SOPPENG SULAWESI SELATAN.. JURNAL PAKARENA 3(2), pp. 82-92.
Sarofi, M., Irhamah, I. & Mukarromah, A., 2020. Identifikasi Genre Musik dengan Menggunakan Metode Random Forest.. Jurnal Sains dan Seni ITS, 9(1), pp. D79-D86.
Wang, X., 2020. Research on Recognition and Classification of Folk Music Based on Feature Extraction Algorithm. Informatica, 44(4).
Widjajanto, S., 2021. Penerimaan khalayak terhadap desakralisasi lagu kebangsaan Indonesia Raya+ Indonesia Pusaka karya Alffy rev feat. Misellia di Youtube, s.l.: Doctoral dissertation, Widya Mandala Surabaya Catholic University).
DOI: https://doi.org/10.24853/justit.13.1.%25p
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License