PENERAPAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK(CNN) UNTUK KLASIFIKASI ALAT MUSIK TRADISIONAL DI BLITAR RAYA

Berdasarkan hasil penelitian, sistem klasifikasi alat musik tradisional yang dibangun menggunakan algoritma Convolutional Neural Network (CNN) berhasil mencapai akurasi pelatihan sebesar 95% dengan nilai F1-Score rata-rata mencapai 0,97. Model ini dilatih selama 25 epoch dengan waktu pelatihan sekitar 22 menit menggunakan total data latih sebanyak 600 gambar dan diuji pada 30 gambar data uji, menghasilkan tingkat akurasi pengujian sebesar 86,67%. Sistem ini mampu mengenali enam jenis alat musik tradisional yang berasal dari wilayah Blitar Raya, yaitu Balungan, Bonang, Gambang, Kendang, Rebab, dan Slentho. Meskipun kinerja model tergolong baik, pengembangan lanjutan tetap diperlukan agar sistem lebih bermanfaat secara luas. Sistem ini dapat dikembangkan menjadi aplikasi berbasis Android atau website yang lebih menarik dan interaktif, sehingga mudah diakses oleh masyarakat umum. Selain itu, cakupan alat musik tradisional yang dikenali dapat diperluas ke seluruh Jawa Timur atau bahkan Indonesia guna mendukung pelestarian budaya nasional. Model CNN yang digunakan juga dapat disederhanakan agar lebih ringan dan efisien, dengan waktu pelatihan yang lebih cepat namun tetap menghasilkan performa klasifikasi yang optimal. Dengan berbagai pengembangan tersebut, sistem ini diharapkan mampu memberikan kontribusi nyata dalam pelestarian kebudayaan lokal melalui penerapan teknologi kecerdasan buatan.