RANCANG BANGUN APLIKASI DETEKSI PITCH SUARA BERBASIS ANDROID DENGAN ALGORITMA FAST FOURIER TRANSFORM DAN CONVOLUTIONAL NEURAL NETWORK

Proses penciptaan musik sering kali diawali dengan senandung (humming) sebagai bentuk ekspresi ide awal. Namun, bagi komposer pemula maupun profesional, melakukan transkripsi manual dari suara senandung menjadi notasi digital merupakan proses yang rumit dan memakan waktu. Penelitian ini bertujuan untuk merancang dan membangun aplikasi deteksi pitch suara berbasis mobile pada platform Android yang mampu mengonversi input suara manusia menjadi format Musical Instrument Digital Interface (MIDI). Sistem yang dibangun menggunakan pendekatan hibrida yang menggabungkan Digital Signal Processing dan Deep Learning. Algoritma Fast Fourier Transform (FFT) atau Short-Time Fourier Transform (STFT) diterapkan untuk mengekstraksi fitur sinyal suara monofonik menjadi citra spektrum (spektrogram). Selanjutnya, Convolutional Neural Network (CNN) digunakan untuk mengklasifikasikan citra spektrogram tersebut guna mengenali tinggi rendahnya pitch secara presisi. Model dilatih menggunakan dataset MIR-QBSH dan diimplementasikan ke dalam perangkat mobile menggunakan framework LiteRT untuk efisiensi komputasi di sisi pengguna. Hasil akhir dari penelitian ini adalah aplikasi yang dapat membantu musisi mendokumentasikan ide melodi secara otomatis ke dalam file MIDI, yang kemudian dapat disunting lebih lanjut pada perangkat lunak produksi audio.