Hasil Pencarian  ::  Simpan CSV :: Kembali

"Music is often our companion when dealing with the incomprehensibility of loss. This edited collection speaks to the multifarious and complex ways in which music accompanies, supplements, and complements aspects of death and dying, whether this is the death of a loved one, or a celebrity from popular culture."

"Klasifikasi genre musik merupakan salah satu bidang dari Music Information Retrieval (MIR) yang menggunakan pola-pola spektral dalam rekaman audio digital sebagai fitur untuk membentuk sebuah sistem yang dapat menentukan genre dari sebuah musik secara otomatis. Beberapa model deep learning telah dikembangkan untuk memperoleh performa terbaik dalam melakukan klasifikasi genre musik. Tiga di antaranya adalah Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan model hybrid CNN-LSTM. Walaupun model- model tersebut mampu memberikan hasil yang cukup memuaskan, model-model tersebut memiliki kekurangan masing-masing. Model CNN kurang dapat memperhitungkan urutan-urutan fitur pada data berurutan dan model LSTM tidak dapat melakukan komputasi secara paralel. Ketiga model tersebut juga membutuhkan pengulangan dan konvolusi yang kompleks, serta waktu yang cukup panjang untuk perhitungan berurutan. Transformers merupakan arsitektur model yang tidak lagi mengandalkan recurrence/pengulangan, melainkan mekanisme attention yang dapat memperhitungkan urutan-urutan data pada data berurutan dan melakukan perhitungan paralel sehingga jangka waktu yang dibutuhkan dalam perhitungan lebih singkat. Melihat keberhasilan dan kepopuleran dari Transformer pada berbagai bidang seperti Bidirectional Encoder Representations from Transformers (BERT) pada bidang Natural Language Processing dan Vision Transformers pada bidang Computer Vision, pada skripsi ini dilakukan analisis mengenai kinerja model Transformers dalam permasalahan klasifikasi genre musik dibandingkan dengan model CNN, LSTM, dan CNN-LSTM.

---

Music genre classification is one of the fields of Music Information Retrieval (MIR) that uses spectral patterns in digital audio recording as features to build a system that can automatically classify a music’s genre. Several deep learning models have been developed to get the best performance in classifying music genres. Three of them are Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and hybrid CNN-LSTM model. Although those models can give satisfactory results, each model has their own weakness. CNN is less able to consider the sequences in sequential data and LSTM is not able to do parallel computation. All these models also require complex recurrences and convolutions, as well as quite a long time for sequential calculations. Transformers is a model architecture that no longer relies on recurrences, but rather on an attention mechanism that can consider the sequences in data and perform parallel calculations so that the time required for calculation is shorter. Looking into the success and popularity of Transformers in various fields such as BERT in the field of NLP and Vision Transformers in the field of Computer Vision, this thesis analyzes the performance of Transformers on music genre classification compared to CNN, LSTM, and CNN-LSTM."

"Dalam industri musik terdapat dua jenis industri yaitu major dan independen. keduanya memiliki perbedaan yang sangat signifikan. Kedua industri tersebut memiliki fokus dan tujuan yang berbeda, adalah d’Masiv sebuah band yang memiliki identitas sebagai band major yang ingin memperluas karyanya hingga ke kalangan independen. d’Masiv sebagai band major perlu menyusun strategi-strategi agar dapat diterima di kalangan independen, dari hal tersebut dapat dilihat bahwa strategi dibutuhkan untuk membentuk identitas band dalam bermusik

---

In the music industry there are two kinds of industries, namely are major and independent. with very significant differences. Between them both of these industries have a different focus and purpose. d'Masiv is a band that has an identity as a major band that wants to expand his work to the independent circles. d'Masiv as a major band needs to devise strategies to be accepted among independents from it can be seen that the strategy needed to establish the identity of the band musically"

"Tesis ini membahas tentang peranan agregator musik dalam struktur industri musik di indonesia dalam konteks agregator musik ini sebagai agen perubahan strukturasi industri musik dalam hal pendistribusian dan promosi konten musik di era perkembangan teknologi informasi dan komunikasi bagi para musisi indie. Penelitian ini adalah penelitian kualitatif dengan desain studi kasus. Hasil penelitian ini menyimpulkan bahwa ada 2 faktor utama yang mempengaruhi perubahan industri musik Indonesia. Yang pertama adalah perkembangan teknologi informasi dan komunikasi yang semakin maju. Dan yang kedua adalah berkembangnya musik Indie (Sidestream). Agregator musik muncul sebagai platfrom bisnis yang fokus mendistribusikan lagu ke toko musik digital di seluruh dunia. Agregator musik berperan sebagai pengganti label rekaman yang kerap kali menjadi sandungan bagi para musisi untuk memasarkan karyanya. Agregator musik melalui toko digital maupun streaming musik dianggap mampu menjawab tantangan era digital dalam hal distribusi dan promosi karya musik. Terlebih, agregator musik dianggap mampu mewadahi karya-karya musisi baru atau musisi indie yang seringkali mengalami kesulitan luar biasa untuk memperkenalkan karya musiknya.

---

This tesis discusses about the role of Music Aggregator in structur change of music industry in Indonesia in the context that music aggregator is as an agent to change music industry in term of music distribution and promotion content in the growing information and communication technology era for indie musicians. The thesis applies qualitative design with case study design. The study concluded that two main factor which affect of Indonesia music industry change. The first factor is the rapid growth of information and communication technology. The second factor is the rise of Indie Music (Sidestream). Music Aggregator becames a business platform that focuses on distributing songs to digital music stores all around the world. Music Aggregator contributes as subtitutive record label that alwasy hampers all musician to market their creation. Music Aggregator through digital music store or streaming music platform is able to answer the challenges of digital era in the term of music content distribution and promotion. Music aggregator can collect creations of new musicians or indie musicians who often experience extraordinary diffuculty to introduce their creations."