Rekayasa Hijau: Jurnal Teknologi Ramah Lingkungan ISSN .
: 2579-4264 | DOI: https://doi.
org/10.
26760/jrh.
V10i1.
Volume 10 | Nomor 1 Maret 2026 Monophonic Guitar Notation Estimation Using YIN Pitch Detection Algorithm and Long Short-Term Memory Yusup Miftahuddin1*.
Fadhlan Muhammad Azka1.
Youllia Indrawaty N1 Institut Teknologi Nasional.
Kota Bandung.
Indonesia Email: yusufm@itenas.
id, fadhlanazka0@gmail.
com, youllia@itenas.
17 Januari 2026 | Revised 24 Januari 2026 | Accepted 2 Februari 2026
ABSTRAK
Proses transkripsi audio gitar ke dalam bentuk tablature masih menjadi tantangan bagi pemula karena adanya ambiguitas posisi nada pada fretboard, di mana satu nada yang sama dapat dimainkan pada kombinasi senar dan fret yang berbeda.
Penelitian ini bertujuan untuk mengembangkan sistem estimasi tablature gitar monofonik yang efisien menggunakan kombinasi algoritma YIN dan model Long ShortTerm Memory (LSTM).
Algoritma YIN digunakan untuk mengekstraksi frekuensi fundamental .
dari sinyal audio WAV, yang kemudian divalidasi melalui serangkaian tahap post-processing untuk memastikan stabilitas nada.
Model LSTM kemudian digunakan untuk memetakan urutan nada tersebut ke dalam representasi senar dan fret berdasarkan pola ergonomi jari.
Hasil penelitian menunjukkan bahwa model LSTM yang dioptimasi menggunakan Optuna mencapai akurasi tertinggi sebesar 83,22%.
Selain itu, penerapan parameter constraint pada model terbukti mampu menghasilkan rekomendasi posisi jari yang lebih ergonomis bagi pemain gitar dibandingkan model baseline.
Sistem ini diimplementasikan dalam aplikasi berbasis web yang memungkinkan transkripsi audio ke tablature secara otomatis dengan beban komputasi yang rendah.
Kata kunci: Tablature Gitar.
Monofonik.
Algoritma YIN.
LSTM.
Transkripsi Musik
ABSTRACT
Transcribing guitar audio into tablature remains a significant challenge for beginners due to pitch ambiguity on the fretboard, where a single note can be played on multiple string and fret combinations.
This research aims to develop an efficient monophonic guitar tablature estimation system using a combination of the YIN algorithm and Long Short-Term Memory (LSTM) models.
The YIN algorithm is utilized to extract fundamental frequencies .
from WAV audio signals, which are further validated through various post-processing stages to ensure pitch stability.
Subsequently, an LSTM model maps these pitch sequences into string and fret representations based on fingering patterns.
The results indicate that the LSTM model optimized with Optuna achieved the highest accuracy of 83.
Furthermore, the implementation of parameter constraints in the model proved effective in generating more ergonomic fingering recommendations compared to the baseline model.
This system is implemented as a web-based application, enabling automated audio-to-tablature transcription with low computational overhead.
Keywords: Guitar Tablature.
Monophonic.
YIN Algorithm.
LSTM.
Music Transcription.
Rekayasa Hijau Ae 51
Yusup Miftahuddin dan Fadhlan Muhammad Azka
PENDAHULUAN
Musik merupakan salah satu bentuk sinyal audio yang kompleks.
Musik sering menjadi objek penelitian pengolahan sinyal digital dan machine learning.
Dalam kehidupan sehari-hari, musik berperan sebagai media ekspresi dan hiburan .
Musik juga dinikmati oleh berbagai kelompok masyarakat pada era modern .
Secara bentuk data, musik dapat direpresentasikan sebagai deret frekuensi, amplitudo, dan Representasi ini dapat dianalisis dan dimanipulasi oleh berbagai algoritma pemrosesan sinyal.
Gitar merupakan instrumen yang banyak digunakan dalam bermain musik.
Instrumen ini populer di kalangan musisi profesional maupun sekedar hobi .
Gitar umumnya menggunakan setelan standar EADGBE dengan enam senar .
Popularitas gitar juga tampak pada penggunaannya di berbagai konteks pertunjukan, baik skala besar maupun informal .
Pada gitar, satu nada dapat dimainkan oleh beberapa kombinasi senar dan fret.
Dalam praktik pembelajaran gitar, banyak pemula yang memulai secara otodidak.
Mereka sering bergantung pada materi dari internet dan tidak selalu memiliki landasan teori musik yang kuat .
Sedangkan permainan yang bersifat monofonik menuntut kemampuan untuk menghubungkan nada yang didengar dengan posisi senar dan fret .
Salah satu media notasi yang sering digunakan gitaris adalah tablature.
Tablature gitar merepresentasikan senar dan fret pada leher gitar sebagai bentuk notasi grafis .
Notasi ini tidak menyatakan simbol nada, tetapi menyatakan senar dan fret yang harus ditekan .
Penelitian mengenai kandungan frekuensi harmonik pada akor gitar oleh Khairil Anwar dan Viridi, menunjukkan bahwa sinyal gitar dapat diurai ke dalam komponen harmonik.
Ketepatan pemilihan nada dibutuhkan untuk menjamin kualitas musik yang dihasilkan .
Kepekaan terhadap suara dan struktur musik berkembang melalui proses pembelajaran yang panjang.
Kepekaan terhadap nada dan kunci dasar meningkat seiring bertambahnya pengalaman hingga usia sekolah .
Kemampuan membedakan pitch juga bervariasi antar individu.
Musisi terlatih memiliki kepekaan yang lebih tinggi terhadap perbedaan nada dibandingkan orang yang tidak terbiasa bermain musik .
Akibatnya, mengenali nada gitar hanya dari pendengaran merupakan tugas yang sulit bagi pemula, bahkan bagi sebagian musisi Dari sisi komputasi, nada musik dapat dikenali melalui pemrosesan sinyal audio.
Berbagai algoritma dapat digunakan untuk mengekstraksi frekuensi fundamental dan karakteristik lain dari sinyal .
Penggunaan komputer sebagai sistem pengenalan nada gitar memberikan konsistensi pada setiap eksekusi program.
Hal ini membantu pemain memperoleh hasil pengenalan nada yang lebih akurat dan stabil .
Permasalahan yang muncul adalah adanya ambiguitas posisi nada pada fretboard.
Solusi dalam mengatasi hal tersebut salah satunya dengan merancang sistem yang mampu mendeteksi pitch monofonik dan menyusun urutan pitch tersebut ke posisi senar dan fret yang realistis dalam bentuk Berbagai penelitian terdahulu telah mengeksplorasi deteksi nada dan pembangkitan tablature berbasis deep learning.
Salah satunya adalah TabCNN .
, model convolutional neural network yang mengintegrasikan estimasi multipitch dengan posisi fret gitar melalui pemetaan audio langsung ke Dilatih menggunakan dataset GuitarSet, model ini menunjukkan performa yang lebih unggul dibandingkan metode multipitch lainnya.
Selain itu.
Jadhav dkk.
memanfaatkan CNN dan transfer learning dengan mengonversi sinyal audio menjadi spektrogram Constant-Q Transform untuk mendeteksi akor solo gitar dengan akurasi 88,7%.
Meskipun pendekatan tersebut efektif untuk sinyal polifonik dan representasi dua dimensi, masih sedikit penelitian yang memisahkan tahap deteksi pitch Rekayasa Hijau Ae 52 Estimasi Notasi Gitar Monofonik Menggunakan YIN Pitch Detection Algorithm dan Long Short-Term Memory monofonik dari pemetaan urutan pitch ke tablature menggunakan model sekuensial.
Celah ini sangat krusial, terutama untuk skenario sumber audio monofonik yang bervariasi, seperti vokal atau instrumen Dalam konteks deteksi pitch, algoritma YIN banyak digunakan karena akurasinya yang tinggi.
Algoritma ini menunjukkan tingkat kesalahan yang rendah dalam estimasi frekuensi fundamental pada berbagai kondisi .
YIN juga terbukti memberikan estimasi pitch yang akurat pada berbagai skenario aplikasi .
Pada lingkungan bising.
YIN mempertahankan akurasi deteksi pitch yang baik.
Algoritma ini lebih tangguh terhadap noise latar dibandingkan beberapa metode alternatif .
Dari sisi efisiensi.
YIN cukup ringan untuk skenario pemrosesan waktu nyata.
Kompleksitas komputasi YIN lebih rendah dibandingkan metode seperti Extended Complex Kalman Filter (ECKF) .
YIN juga mampu mengikuti kontur nada yang dinamis.
Algoritma ini menunjukkan hasil yang baik dengan variasi pitch yang cepat .
Karakteristik tersebut menjadikan YIN kandidat yang sesuai untuk ekstraksi frekuensi fundamental dari sinyal audio monofonik.
Setelah pitch diekstraksi, selanjutnya adalah menyusun urutan nada ke posisi senar dan fret pada gitar.
Posisi tersebut perlu konsisten dan ergonomis dalam konteks permainan gitar.
Long Short-Term Memory (LSTM) merupakan arsitektur jaringan saraf yang relevan untuk penelitian ini.
LSTM dirancang untuk menangkap ketergantungan jangka panjang dalam data berurutan, termasuk struktur temporal pada musik .
Penelitian lain menunjukkan bahwa LSTM dapat menghasilkan musik yang mengikuti struktur yang ada dan memiliki koherensi musikal .
LSTM juga fleksibel untuk dilatih pada dataset musik yang besar dan dapat mempelajari karakteristik gaya tertentu.
Dalam konteks tablature gitar.
LSTM dapat dipandang sebagai pemetaan sekuensial dari deret pitch hasil deteksi YIN ke deret token string dan fret.
Konteks nada sebelumnya dapat dimanfaatkan untuk menghasilkan tablature lebih Persoalan utama dalam penelitian ini adalah adanya ambiguitas posisi nada pada fretboard.
Dalam penelitian ini, perumusan masalahnya adalah bagaimana merancang sistem yang mampu mendeteksi pitch monofonik dari file audio berformat WAV menggunakan algoritma YIN dan mengonversi urutan pitch tersebut menjadi notasi tablature gitar.
Sistem ini ditujukan untuk membantu pemain gitar, khususnya pemula dan non-musisi, dalam mengatasi keterbatasan kepekaan pendengaran terhadap nada dan kesulitan memetakan nada ke posisi pada fretboard.
Tujuan penelitian ini adalah menerapkan algoritma YIN untuk melakukan deteksi pitch monofonik dari audio dan menghasilkan representasi nada dalam bentuk frekuensi atau MIDI.
menggunakan model LSTM untuk menyusun urutan nada tersebut ke format tablature gitar berupa kombinasi senar dan fret.
Kebaruan penelitian terletak pada integrasi pipeline deteksi pitch menggunakan YIN dengan pemodelan sekuensial LSTM untuk melakukan estimasi tablature monofonik.
Penelitian ini berfokus pada pemetaan frekuensi fundamental ke token senar dan fret pada gitar.
Pendekatan ini berbeda dengan penelitian sebelumnya yang banyak bertumpu pada CNN berbasis spektrogram dan sinyal polifonik .
Penelitian ini mengeksplorasi kombinasi YIN dan LSTM untuk membangun sistem audio ke tablature sebagai media bantu pembelajaran bagi musisi pemula dan non-musisi.
METODOLOGI
Penelitian ini menggunakan teknik pendekatan eksperimental yang bertujuan untuk menguji dan menganalisis kinerja algoritma deteksi pitch fundamental menggunakan YIN Algorithm sebagai metode Rekayasa Hijau Ae 53 Yusup Miftahuddin dan Fadhlan Muhammad Azka ekstraksi fitur frekuensi dan Long Short-Term Memory (LSTM) sebagai model pemrosesan data Pendekatan eksperimental dipilih karena penelitian ini berfokus pada pengujian model yang dikembangkan untuk mendeteksi nada dari sinyal audio, kemudian melakukan pemetaan menjadi notasi gitar yaitu tablature sebagai media yang lebih mudah dibaca oleh pemain gitar.
Gambar 1.
Diagram Blok Penelitian Pada fase training, frekuensi fundamental yang diperoleh dicocokkan dengan tabel nama nada sebagai label target yang digunakan untuk melatih model LSTM agar mampu mengenali posisi nada pada senar dan fret.
Fase validation dilakukan dengan memproses data validasi serupa seperti pada training dan mengevaluasi performa model LSTM berdasarkan hasil pencocokan pitch ke tabel nama nada sehingga dapat dipilih model berdasarkan hasil evaluasi pelatihan.
Terakhir pada fase testing, setelah proses pre-processing dan deteksi pitch selesai serta frekuensi dicocokkan ke tabel nama nada, dilakukan pemetaan notasi gitar berdasarkan output pitch sehingga menghasilkan tablature gitar sebagai output akhir dari sistem.
Dengan struktur urutan proses tersebut diharapkan dapat memberikan hasil pemetaan notasi gitar yang sesuai antara nada dengan posisi senar dan fret, serta berguna untuk dijadikan aplikasi musik digital maupun pembelajaran instrumen gitar.
1 Dataset Dataset yang digunakan bersumber dari GuitarSet.
VocalSet, dan SingingDatabase dengan format audio WAV sejumlah 3.
879 file WAV yang kemudian dikonversi oleh proses deteksi pitch menggunakan YIN menjadi format CSV sejumlah 3.
788 file CSV.
Dataset CSV berisi kolom yang terdiri dari: hz, note, midi, string, fret, token_index.
Rekayasa Hijau Ae 54 Estimasi Notasi Gitar Monofonik Menggunakan YIN Pitch Detection Algorithm dan Long Short-Term Memory Gambar 2.
Dataset dalam bentuk WAV dan CSV Gambar 3.
Isi dataset CSV hz adalah nilai frekuensi fundamental.
note adalah nada yang terdeteksi.
midi adalah kode midi yang relevan dengan frekuensi atau nada hasil deteksi.
string adalah letak senar nada tersebut berada.
fret adalah letak fret nada tersebut berada.
token_idx adalah kode token dari tokenisasi yang merupakan kombinasi posisi string dan fret.
2 Pre-Processing Tahapan pre-processing dilakukan untuk membersihkan sinyal audio monofonik dari berbagai noise yang dapat mengganggu proses ekstraksi pitch menggunakan algoritma YIN.
Tahapan ini memastikan bahwa sinyal yang masuk ke tahap analisis pitch memiliki kualitas yang stabil, minim gangguan, serta fokus pada komponen nada dominan.
Pada penelitian ini, pre-processing terdiri dari beberapa langkah, termasuk HarmonicAePercussive Source Separation (HPSS) dan Bandpass Filter.
HarmonicAePercussive Source Separation (HPSS) HPSS digunakan untuk memisahkan sinyal audio menjadi komponen harmonic dan percussive.
Proses ini bertujuan untuk mempertahankan bagian sinyal yang mengandung nada stabil, sekaligus menghilangkan suara transien seperti petikan, gesekan jari, serta noise yang dapat mengganggu proses deteksi pitch.
Komponen harmonic hasil pemisahan kemudian digunakan sebagai dasar analisis karena memiliki karakteristik yang lebih stabil dan sesuai dengan kebutuhan deteksi pitch monofonik.
Bandpass Filter Bandpass Filter digunakan untuk membatasi sinyal audio pada rentang frekuensi yang relevan dengan instrumen gitar monofonik untuk menghilangkan frekuensi rendah yang tidak memiliki informasi pitch serta frekuensi tinggi yang cenderung mengandung noise.
Penerapan bandpass filter menghasilkan sinyal yang lebih bersih dan fokus pada frekuensi fundamental.
Rekayasa Hijau Ae 55 Yusup Miftahuddin dan Fadhlan Muhammad Azka 3 Algoritma YIN Setelah melalui tahap pre-processing, sinyal audio kemudian diproses untuk mendeteksi nilai pitch menggunakan algoritma YIN.
Pada penelitian ini, proses deteksi dilakukan secara frame-based, di mana sinyal dibagi ke dalam interval waktu tertentu untuk memperoleh nilai pitch pada setiap segmen.
Algoritma YIN digunakan karena mampu memberikan deteksi pitch yang stabil pada sinyal monofonik dan memiliki ketahanan terhadap fluktuasi amplitudo.
Pada tahap ini, yang diambil adalah nilai pitch fundamental dari setiap frame, sehingga dapat merepresentasikan perubahan nada sepanjang durasi Hasil deteksi pitch kemudian dikonversi menjadi tiga informasi utama, yaitu:
Nilai frekuensi (H.
sebagai keluaran langsung dari algoritma.
Nama nada .
berdasarkan konversi frekuensi ke sistem nada musik.
Nilai MIDI sebagai representasi numerik dari nada yang terdeteksi.
Ketiga informasi ini selanjutnya digunakan sebagai dasar untuk tahap selanjutnya yaitu menentukan posisi senar dan fret dari nada yang terdeteksi.
4 Post-Processing Tahap post-processing pada penelitian ini dilakukan untuk menstabilkan hasil deteksi pitch sehingga data yang digunakan pada proses mapping tidak mengandung fluktuasi atau kesalahan minor yang dapat mengganggu akurasi tablature.
Terdapat tiga langkah utama, yaitu RMS Noise Filtering.
Block Sampling, dan Cent Stabilizer.
RMS Noise RMS (Root Mean Squar.
digunakan untuk mengidentifikasi frame-frame yang memiliki energi sangat rendah.
Frame dengan RMS di bawah ambang tertentu dianggap tidak mengandung informasi pitch yang valid, karena biasanya berasal dari noise latar, bagian hening, atau artefak kecil sebelum atau sesudah sebuah nada dimainkan.
Frame-frame tersebut dihapus atau ditandai sebagai silence, sehingga tidak dihitung sebagai pitch dalam proses berikutnya.
Block Sampling Block sampling digunakan untuk merapikan hasil deteksi pitch yang terkadang berubah terlalu cepat antar frame.
Nilai pitch dikelompokkan ke dalam blok waktu tertentu, lalu setiap blok diwakili oleh nilai pitch yang paling stabil atau dominan.
Cent Stabilizer Cent Stabilizer digunakan untuk menstabilkan perbedaan pitch kecil yang masih muncul setelah proses YIN.
Fluktuasi antar frame yang tidak mencapai satu semitone dikoreksi dengan cara menyesuaikan nilai pitch ke cent terdekat.
Langkah ini menghasilkan garis pitch yang lebih halus dan mengurangi kesalahan konversi dari frekuensi ke nama nada.
Stabilizer ini juga membantu menghindari kondisi di mana YIN mendeteksi pitch yang sedikit melenceng ke nada lain akibat vibrasi atau noise kecil pada sinyal.
5 Pelatihan Model LSTM Pada penelitian ini, model LSTM digunakan untuk memetakan urutan pitch hasil deteksi YIN menjadi urutan posisi tablature gitar berupa pasangan string dan fret.
Dilakukan 3 eksperimen konfigurasi model dengan nilai hyperparameter yang berbeda.
Rekayasa Hijau Ae 56 Estimasi Notasi Gitar Monofonik Menggunakan YIN Pitch Detection Algorithm dan Long Short-Term Memory Tabel 1.
Daftar Eksperimen No.
Eksperimen Model LSTM Baseline LSTM dengan optimasi nilai hyperparameter menggunakan Optuna LSTM dengan penambahan parameter constraint Deskripsi Model Model LSTM dasar tanpa optimasi atau penambahan parameter.
Optimasi hyperparameter LSTM menggunakan pencarian otomatis Optuna.
LSTM dengan pembatasan aturan gitar untuk hasil lebih kontekstual mirip HASIL DAN PEMBAHASAN 1 Hasil Pelatihan Model Proses pelatihan dari ketiga konfigurasi model yang disajikan Tabel 1 secara rinci hasilnya adalah:
Model LSTM Baseline Dengan konfigurasi dasar, model LSTM Baseline mampu mempelajari pemetaan urutan nada hasil estimasi frekuensi oleh YIN ke token string dan fret gitar.
Model dilatih menggunakan SEQ_LEN = 64 dan SEQ_HOP = 32.
Proses pelatihan menggunakan batch size sebesar 512, yang memberikan stabilitas gradien dan konvergensi yang relatif halus selama pelatihan.
Arsitektur model terdiri dari embedding nada dengan dimensi EMBED_DIM = 72, diikuti oleh dua lapisan LSTM dari NUM_LAYERS = 2 dengan ukuran HIDDEN_SIZE = 512.
Konfigurasi ini memberikan kapasitas representasi yang cukup besar untuk menangkap hubungan antara urutan nada dan posisinya pada gitar.
Untuk mengurangi risiko overfitting, diterapkan dropout sebesar 0,25.
Pelatihan dirancang berlangsung hingga 300 epoch, namun dilengkapi early stopping dengan PATIENCE = 10 epoch.
Tabel 2.
Hyperparameter model LSTM Baseline Hyperparameter SEQ_LEN SEQ_HOP BATCH_SIZE EMBED_DIM HIDDEN_SIZE NUM_LAYERS DROPOUT
EPOCHS
LEARNING_RATE
WEIGHT_DECAY
PATIENCE
Rekayasa Hijau Ae 57 Nilai Yusup Miftahuddin dan Fadhlan Muhammad Azka Gambar 4.
Kurva pelatihan model LSTM Baseline Berdasarkan hasil pelatihan, model mencapai akurasi validasi maksimum sebesar 0,785 pada epoch ke22, sebelum performa validasi cenderung stagnan dan pelatihan dihentikan oleh early stopping.
Akurasi pelatihan telah mencapai sekitar 0,82, menunjukkan bahwa model mampu mempelajari pola pada data latih, dengan tetap mempertahankan kemampuan generalisasi yang cukup stabil pada data validasi.
Nilai loss pelatihan dan validasi juga menunjukkan penurunan pada fase awal hingga menengah pelatihan, yang mengindikasikan proses optimisasi berjalan pada saat pelatihan.
Secara keseluruhan, eksperimen baseline ini digunakan sebagai acuan awal untuk mengevaluasi pengaruh berbagai pengembangan selanjutnya, seperti penyesuaian hyperparameter dan penggunaan teknik regularisasi tambahan.
Hasil baseline ini memberikan gambaran awal mengenai kemampuan model LSTM dalam memetakan urutan nada ke tablature gitar, serta menjadi referensi dalam menilai peningkatan performa pada tahap eksperimen berikutnya.
Model LSTM dengan optimasi nilai hyperparameter menggunakan Optuna Dengan penerapan optimasi hyperparameter menggunakan Optuna, model LSTM menunjukkan peningkatan dalam menyesuaikan konfigurasi arsitektur dan parameter pelatihan terhadap karakteristik Proses pencarian dilakukan sebanyak 100 trial, di mana Optuna secara otomatis mengeksplorasi kombinasi parameter untuk memaksimalkan akurasi validasi sebagai metrik utama evaluasi.
Konfigurasi terbaik yang diperoleh dari Optuna kemudian digunakan sebagai konfigurasi model LSTM.
Pada konfigurasi hasil optimasi, panjang urutan input tetap dipertahankan pada SEQ_LEN = 64, namun hop diperkecil menjadi SEQ_HOP = 16, sehingga model menerima konteks temporal yang lebih rapat dan detail.
Ukuran batch berkurang menjadi 32, memungkinkan pembaruan parameter yang lebih sering dan adaptif selama pelatihan.
Dimensi embedding nada juga diperkecil menjadi 32, sehingga representasi input menjadi lebih ringkas tanpa menghilangkan informasi penting.
Tabel 3.
Hyperparameter model LSTM dengan optimasi nilai hyperparameter menggunakan Optuna
Hyperparameter SEQ_LEN SEQ_HOP BATCH_SIZE EMBED_DIM HIDDEN_SIZE NUM_LAYERS DROPOUT
EPOCHS
Nilai Rekayasa Hijau Ae 58 Estimasi Notasi Gitar Monofonik Menggunakan YIN Pitch Detection Algorithm dan Long Short-Term Memory Hyperparameter LEARNING_RATE WEIGHT_DECAY PATIENCE Nilai Arsitektur LSTM hasil Optuna menggunakan dua lapisan LSTM dengan ukuran hidden state 64 unit, yang jauh lebih kecil dibandingkan model baseline.
Penurunan kapasitas ini diimbangi dengan penerapan dropout yang relatif tinggi, yang berfungsi sebagai regularisasi kuat untuk menekan Jumlah epoch maksimum ditetapkan 100 epoch, dengan mekanisme early stopping yang lebih toleran melalui patience sebesar 30 epoch, sehingga model memiliki ruang yang cukup untuk mencapai performa optimal.
Gambar 5.
Kurva pelatihan model LSTM dengan optimasi nilai hyperparameter menggunakan Optuna Hasil pelatihan menunjukkan bahwa model LSTM yang dioptimasi dengan Optuna memiliki performa validasi yang lebih stabil dibandingkan model baseline, sebagaimana diilustrasikan pada Gambar 5.
Hal ini mengindikasikan bahwa penyesuaian hyperparameter mampu menemukan konfigurasi yang lebih seimbang antara kapasitas model dan kemampuan generalisasi.
Oleh karena itu, model ini digunakan sebagai perbandingan untuk menilai dampak optimasi hyperparameter terhadap kinerja hasil pelatihan.
Model LSTM dengan penambahan parameter constraint Tabel 4.
Hyperparameter Model LSTM
dengan penambahan parameter constraint
Hyperparameter SEQ_LEN SEQ_HOP BATCH_SIZE EMBED_DIM HIDDEN_SIZE NUM_LAYERS DROPOUT
EPOCHS
LEARNING_RATE
WEIGHT_DECAY
PATIENCE
ERGO_FRET_LIMIT
STRING_JUMP_LIMIT
Nilai Rekayasa Hijau Ae 59 Yusup Miftahuddin dan Fadhlan Muhammad Azka Hyperparameter REGION_SIZE REGION_JUMP_LIMIT LAMBDA_FRET_JUMP LAMBDA_STRING_JUMP LAMBDA_REGION_SHIFT Nilai Dengan penambahan constraint berbasis aturan fingering, model LSTM dengan parameter constraint dikembangkan untuk tidak hanya memaksimalkan ketepatan prediksi token, tetapi juga menjaga kewajaran transisi posisi tangan pada gitar.
Model dilatih menggunakan panjang urutan SEQ_LEN = 64 dengan pergeseran SEQ_HOP = 16, sehingga perubahan antar nada dapat dimodelkan secara lebih rapat dan berkesinambungan.
Proses pelatihan dilakukan dengan batch size sebesar 32, yang memungkinkan pembaruan parameter berlangsung lebih adaptif terhadap variasi data.
Arsitektur model mempertahankan embedding nada berdimensi 32, diikuti oleh dua lapisan LSTM dengan ukuran hidden state 64 unit.
Untuk mengendalikan kompleksitas model dan mengurangi kecenderungan overfitting, diterapkan dropout sebesar 0,45.
Pelatihan dirancang hingga 100 epoch, namun dilengkapi dengan mekanisme early stopping dengan patience 10 epoch, di mana akurasi validasi digunakan sebagai kriteria utama penghentian pelatihan.
Berbeda dengan model sebelumnya, konfigurasi ini menerapkan constraint eksplisit pada fungsi loss, yang membatasi prediksi model agar tetap sesuai dengan aturan ergonomi fingering gitar.
Constraint tersebut meliputi pembatasan perpindahan fret (ERGO_FRET_LIMIT = .
, lompatan antar senar (STRING_JUMP_LIMIT = .
, serta pergeseran wilayah posisi tangan (REGION_JUMP_LIMIT = 1 dengan REGION_SIZE = .
Setiap pelanggaran terhadap batasan ini dikenai penalti tambahan melalui LAMBDA_FRET_JUMP.
LAMBDA_STRING_JUMP.
LAMBDA_REGION_SHIFT, sehingga model diarahkan untuk memilih prediksi yang lebih konsisten secara fisik meskipun terdapat beberapa alternatif token yang valid secara nada.
Gambar 6.
Kurva pelatihan model LSTM dengan penambahan parameter constraint Berdasarkan kurva pelatihan pada Gambar 6, terlihat bahwa model LSTM dengan constraint mengalami pemisahan yang jelas antara performa data latih dan validasi setelah beberapa epoch awal.
Nilai training loss menurun secara konsisten hingga akhir pelatihan, sementara validation loss hanya menurun hingga sekitar epoch ke-28 sebelum kembali meningkat, yang menandakan mulai terjadinya overfitting.
Pola yang sama juga terlihat pada kurva akurasi, di mana training accuracy terus meningkat hingga mendekati 0,95, sedangkan validation accuracy cenderung stagnan di kisaran 0,80.
Epoch ke-28 ditandai sebagai epoch terbaik karena memberikan keseimbangan optimal antara kemampuan belajar model dan generalisasi pada data validasi.
Secara keseluruhan, kurva ini menunjukkan bahwa meskipun Rekayasa Hijau Ae 60 Estimasi Notasi Gitar Monofonik Menggunakan YIN Pitch Detection Algorithm dan Long Short-Term Memory constraint membantu menjaga struktur pemetaan, model tetap memiliki kecenderungan overfitting jika dilatih terlalu lama, sehingga penggunaan early stopping menjadi komponen penting dalam konfigurasi 2 Evaluasi Kinerja Model Evaluasi dilakukan untuk menilai kinerja sistem dalam memetakan urutan nada hasil estimasi frekuensi oleh YIN ke representasi token tablature gitar.
Evaluasi model pada penelitian ini dilakukan menggunakan dataset test yang sudah dipisahkan dari semua dataset sebelumnya.
Evaluasi difokuskan pada pendekatan token based, di mana setiap token senar dan fret dibandingkan secara langsung dengan token ground truth.
Model LSTM Baseline Gambar 7 menunjukkan nilai accuracy sebesar 0,8010 yang artinya bahwa sekitar 80,1% token hasil pilihan model identik dengan token ground truth pada evaluasi token based mapping dari hasil estimasi YIN ke token string dan fret.
Karena evaluasi dilakukan pada level token, setiap perbedaan token, meskipun masih merepresentasikan nada yang sama dengan posisi berbeda tetap dianggap sebagai Precision sebesar 0,8072 mengindikasikan bahwa dari seluruh token yang dipilih model, sekitar 80,7% sesuai dengan token referensi, yang dipengaruhi oleh kecenderungan model memilih representasi string dan fret tertentu serta adanya variasi token yang secara musikal sama tetapi berbeda Recall sebesar 0,8010, yang bernilai sama dengan akurasi, menunjukkan bahwa proporsi token ground truth yang berhasil dipilih secara tepat sebanding dengan akurasi keseluruhan, suatu kondisi yang wajar pada evaluasi multi-kelas berbasis token di mana true positive hanya dihitung ketika token benar-benar identik dan konsep true negative tidak memiliki makna musikal.
Pada Gambar 7.
F1-score sebesar 0,7990 mencerminkan keseimbangan antara kecenderungan model dalam menghasilkan token tertentu dan kemampuannya mencakup token ground truth, dengan selisih antar metrik yang relatif kecil menandakan distribusi kesalahan yang seimbang tanpa dominasi kesalahan satu arah.
Secara keseluruhan, konsistensi nilai metrik di kisaran 0,80 menunjukkan bahwa performa model sangat dipengaruhi oleh definisi benar atau salah pada level token.
Gambar 7.
Hasil evaluasi model LSTM Baseline Model LSTM dengan optimasi nilai hyperparameter menggunakan Optuna Gambar 8 menunjukkan nilai accuracy sebesar 0,8322 yakni bahwa sekitar 83,22% token hasil model identik dengan token ground truth pada evaluasi token based string dan fret, yang menandakan adanya perubahan distribusi token dibandingkan model LSTM baseline setelah proses pencarian hyperparameter menggunakan Optuna.
Precision sebesar 0,8179 mengindikasikan bahwa sebagian Rekayasa Hijau Ae 61 Yusup Miftahuddin dan Fadhlan Muhammad Azka token yang dipilih model tidak memiliki kecocokan identik dengan token referensi, kondisi yang dapat muncul ketika model memilih posisi alternatif yang secara musikal merepresentasikan nada yang sama namun tetap dihitung sebagai kesalahan dalam evaluasi.
Recall yang bernilai sama dengan akurasi, yaitu 0,8322, menunjukkan bahwa proporsi token ground truth yang berhasil dipilih secara identik sama dengan rasio benar secara keseluruhan, suatu karakteristik yang konsisten pada skema evaluasi multi class token based di mana setiap token hanya dapat menghasilkan satu true positive dan kesalahan dianggap sebagai false negative.
Gambar 8.
Hasil evaluasi model LSTM dengan optimasi nilai hyperparameter menggunakan Optuna Pada Gambar 8.
F1-score sebesar 0,8188 mencerminkan keseimbangan antara ketepatan token yang dipilih dan cakupan token referensi, dengan posisinya yang berada di antara nilai precision dan recall.
Secara keseluruhan, kesamaan nilai accuracy dan recall serta precision yang sedikit lebih rendah menegaskan bahwa seluruh metrik dipengaruhi kesamaan pada level token, bukan pada kebenaran nada atau pitch yang direpresentasikan.
Model LSTM dengan penambahan parameter constraint Gambar 9 menunjukkan nilai accuracy sebesar 0,0930 yakni hanya sekitar 9,3% token hasil dari model yang identik secara indeks dengan token ground truth, sehingga mayoritas token yang dipilih model berbeda dari referensi meskipun dapat merepresentasikan hasil musikal yang serupa.
Precision sebesar 0,1493 mengindikasikan bahwa dari seluruh token yang dipilih model, sekitar 14,9% memiliki kecocokan indeks dengan token ground truth, yang berarti ketika model memilih token tertentu sebagian memang sesuai dengan referensi, namun cakupan terhadap token ground truth secara keseluruhan masih Recall yang bernilai sama dengan akurasi, yaitu 0,0930, menegaskan bahwa hanya sebagian kecil token ground truth yang berhasil dipilih secara identik, suatu kondisi yang konsisten dengan evaluasi multi class berbasis token di mana kecocokan hanya dihitung benar jika indeks token sama Gambar 9.
Hasil evaluasi model LSTM dengan penambahan parameter constraint Rekayasa Hijau Ae 62 Estimasi Notasi Gitar Monofonik Menggunakan YIN Pitch Detection Algorithm dan Long Short-Term Memory Pada Gambar 9.
F1-score sebesar 0,0839 mencerminkan keseimbangan precision dan recall berada pada nilai yang lebih rendah akibat ketimpangan cakupan token ground truth.
Nilai ini menunjukkan bahwa penerapan constraint tidak sepenuhnya meniadakan kemungkinan pemilihan token ground truth, tetapi secara signifikan menggeser distribusi token ke token-token alternatif yang berbeda indeks, sehingga hasilnya dapat terdengar musikal serupa namun jarang cocok secara token.
Hal ini sejalan dengan karakteristik constraint yang membatasi transisi dan mendorong ergonomi tanpa memprioritaskan kesesuaian token ground truth, sehingga pada model ini kecocokan indeks hanya terjadi pada sebagian kecil urutan.
Oleh karena itu, karena model sebelumnya dioptimalkan untuk mereplikasi distribusi token ground truth sementara model ini dioptimalkan untuk mengikuti constraint ergonomi, hasil model ini tidak dapat dibandingkan secara langsung dengan sebelumnya.
3 Implementasi Aplikasi Untuk memudahkan penggunaan sistem oleh pengguna, model diimplementasikan dalam bentuk aplikasi berbasis web.
Dengan aplikasi ini, pengguna hanya perlu membuka halaman web lokal, upload file WAV, dan sistem secara otomatis menjalankan seluruh proses transkripsi audio monofonik menjadi tablature tanpa perlu berinteraksi langsung dengan kode program.
Website ini dikembangkan menggunakan framework Python yaitu Flask.
Pada penelitian ini website dijalankan secara lokal pada URL http://127.
1:5000/.
Berikut tampilan halaman pada website:
Gambar 10.
Halaman input Gambar 11.
Tablature text Pada Gambar 10 terdapat button AuBrowse.
Ay untuk memilih file input berupa audio WAV.
Pemilihan file input bisa juga dilakukan dengan cara drag and drop.
Setelah file input dipilih bisa dilakukan pemetaan tablature oleh model LSTM dengan menekan button AuGenerate TabAy.
Setelah menekan button AuGenerate TabAy, akan menghasilkan tablature text.
Tablature text adalah tablature hasil dari pemetaan oleh model LSTM dalam format text.
Rekayasa Hijau Ae 63
Yusup Miftahuddin dan Fadhlan Muhammad Azka
KESIMPULAN
Berdasarkan hasil perancangan, implementasi, pelatihan model, serta pengujian yang dilakukan dalam penelitian ini, dapat disimpulkan algoritma YIN berhasil diterapkan untuk mendeteksi pitch monofonik dari file audio berformat WAV.
Dengan bantuan tahapan pre-processing HPSS dan bandpass filter serta post-processing.
YIN mampu menghasilkan deret frekuensi nada yang relatif stabil dan representatif terhadap konten nada utama pada sinyal audio.
Hal ini membuat hasil YIN layak digunakan sebagai fitur input bagi model pemetaan ke tablature gitar.
Model LSTM berhasil dilatih menggunakan dataset beranotasi yang berisi pasangan urutan nada dan label posisi senar dan fret yang direpresentasikan sebagai token indeks.
Proses pelatihan memanfaatkan konfigurasi hyperparameter sehingga model mampu mempelajari pola hubungan antara urutan nada dan pilihan posisi senar fret yang sesuai.
Penelitian ini mengevaluasi tiga varian model LSTM untuk pemetaan urutan nada hasil estimasi pitch ke representasi token string dan fret gitar, yaitu LSTM Baseline.
LSTM dengan optimasi hyperparameter menggunakan Optuna, dan LSTM dengan penerapan constraint, dengan evaluasi dilakukan pada data uji terpisah menggunakan metrik berbasis kecocokan token indeks.
Model LSTM Baseline menunjukkan nilai accuracy, precision, recall, dan F1-score yang berada pada rentang serupa, mencerminkan bahwa distribusi prediksi token mengikuti distribusi token ground truth tanpa pembatasan tambahan.
Model LSTM dengan optimasi Optuna memperlihatkan perubahan distribusi prediksi sebagai dampak pencarian hyperparameter, dengan peningkatan pada accuracy dan recall dibandingkan model baseline, sementara precision dan F1-score tetap berada pada kisaran yang sebanding, yang menunjukkan adanya penyesuaian keseimbangan antara cakupan token ground truth dan pemilihan token prediksi tanpa mengubah sifat dasar evaluasi token based.
Sebaliknya, model LSTM dengan constraint menghasilkan pola evaluasi yang berbeda secara signifikan, ditandai oleh nilai accuracy, recall, dan F1-score yang jauh lebih rendah, serta precision yang relatif lebih tinggi dibandingkan recall, yang mengindikasikan bahwa penerapan constraint menggeser distribusi prediksi ke token-token alternatif yang memenuhi aturan tertentu sehingga kecocokan indeks dengan token ground truth menjadi terbatas, meskipun secara musikal keluaran model dapat tampak serupa, perbedaan representasi token menyebabkan sebagian besar prediksi tidak dihitung sebagai benar dalam evaluasi token-based yang ketat.
Secara keseluruhan, hasil ini menunjukkan bahwa masing-masing model mengoptimalkan tujuan yang berbeda, di mana model baseline dan optimasi Optuna berfokus pada reproduksi token ground truth, sedangkan model dengan constraint berfokus pada kepatuhan terhadap aturan eksternal, sehingga perbandingan kinerja antar model menggunakan metrik token-based perlu diinterpretasikan secara hatihati karena metrik tersebut tidak sepenuhnya merepresentasikan kesetaraan musikal dari hasil prediksi, sekaligus menegaskan pentingnya pemilihan metrik evaluasi yang selaras dengan tujuan pelatihan dan representasi output.
Rangkaian pemrosesan mulai dari deteksi pitch dengan YIN hingga pemetaan posisi senar dan fret dengan LSTM mampu mengubah audio monofonik menjadi urutan token yang kemudian di-render sebagai tablature gitar.
Hasil tablature menunjukkan bahwa sistem dapat merekonstruksi nada dan posisi senar dan fret, meskipun masih terdapat perbedaan pada beberapa nada maupun pilihan posisi Sistem ini sudah memenuhi tujuan penelitian memetakan nada monofonik menjadi tablature dan dapat dijadikan dasar pengembangan lebih lanjut.
Rekayasa Hijau Ae 64
Estimasi Notasi Gitar Monofonik Menggunakan YIN Pitch Detection Algorithm dan Long Short-Term Memory DAFTAR PUSTAKA