Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini membahas price formation pada komoditas #SobatAmbyar yang terjadi di ruang virtual world. Penelitian sebelumnya mengungkapkan bahwa faktor pendorong bangkitanya komoditas Contemporer Ethnic Music akibat dorongan pemerintah sebagai aktor utama dan kualitas intrinsik dari produk yang ditawarkan. Namun, kekuatan fanbase yang saat ini dominan pada interaksi fanbase berbasis digital belum banyak dibahas. Peneliti berargumen bahwa pasar musik etnik kontemporer eksisiting kembali bukan hanya karena faktor pemerintah (makro), sistem produksi (meso), melainkan adanya price formation yang berasal dari interaksi fanbase (mikro) di ruang digital. Penelitian ini menggunakan konsep Beckert’s tentang The Market From Meaning Model sebagai pisau analisis. Metode penelitian yang digunakan adalah mix-methods in Social Network Analysis (SNA) dengan mengkombinasikan pendekatan kuantitatif dan kualitatif melalui Social Network Analysis (SNA) dan Textual Network Analysis (TNA). SNA digunakan untuk memetakan aktor-aktor dalam tagar #SobatAmbyar. TNA digunakan untuk memetakan relasi teks dan mengungkap makna dalam tagar #SobatAmbyar. Penelitian ini menggunakan Gephi dan WORDij sebagai aplikasi pengumpulan dan analisis data digital. Temuan dalam penelitian ini bahwa komoditas pasar musik etnik kontemporer dapat eksis kembali akibat adanya kelekatan emosional pada fanbase Sobat Ambyar, kemajuan teknologi, dan faktor entertainment yang mendorong untuk mengkonsumsi produk budaya.

---

This article discusses the rising of Indonesian Contemporary Ethnic Music market through the exploration of #SobatAmbyar commodity in virtual world space. Previous research explained that the driving forces behind of the Contemporary Ethnic Music market was encouragement of government as the main actor and the intrinsic quality of the product. However, for the commodity market in the digital space, the power of fansbase has not been widely explored. This article argues that the rise of the Contemporary Ethnic Music market is not only due to government factors at the macro level, the production system at the meso level, but also the price formation that comes from fanbase interactions at the micro level in digital space. This study uses Beckert’s concept of The Market From Meaning Model. This research used mix-methods in Social Network Analysis (SNA) by combining quantitative and qualitative approaches through Social Network Analysis (SNA) and Textual Network Analysis (TNA). SNA used to map actors in the hashtag #SobatAmbyar. TNA used to map text relations and reveal the meaning about hashtag #SobatAmbyar. This study uses Gephi and WORDij as digital data collection and analysis applications. The findings in this study are that contemporary ethnic music market commodities can re-exist due to emotional attachment to the Sobat Ambyar fanbase, technological advances, and entertainment factors that encourage consuming these cultural products."

"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."

"Music in Islam many times instigates a hot debate among Muslims. Is it sunnah, makruh or mubah to name a few of the Islamic jurisdictions on music...."

"Alam sering menjadi inspirasi untuk terciptanya sebuah karya musik.Lagu-lagu balada banyak bercerita tentang keindahan alam

---

"