Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan teknologi yang pesat melahirkan banyak ide dan kreatifitas ke dalam sebuah proses produksi musik. Lirik lagu tidak lagi dibutuhkan untuk menikmati sebuah lagu. Melainkan, harmonisasi sebuah melodilah yang menciptakan emosi yang membentuk sebuah karakter atau identitas dari sebuah lagu. Sampling adalah sebuah teknik yang sangat penting dalam sebuah produksi musik, yang merupakan sebuah proses menggabungkan beberapa suara dari sumber eksternal ke dalam sebuah lagu baru. Sumber eksternal yang dimaksud dalam hal ini beberapa diantaranya adalah: ketukan drum, petikan chorus, ataupun cuplikan-cuplikan suara yang diambil dari beberapa media seperti lagu dari seniman lain. Akan tetapi, sampling juga memicu beberapa permasalahan ke dalam industri musik, khususnya dalam hal etis dan hukum. Beberapa orang menganggap bahwa sampling adalah sebuah bentuk pencurian, namun sebagian besar lainnya menganggap bahwa sampling adalah sebuah bentuk untuk menghormati akan karya seniman lain. Terlepas dari hal ini, sampling masih menjadi sebuah hal yang lumrah di kalangan pencipta lagu karena teknik ini membantu para seniman untuk menggabungkan genre musik yang berbeda ke dalam satu wadah untuk menciptakan suara yang unik dan berkarakter ke dalam karyanya. Masalah dalam hukum seolah-olah terlupakan, karena wadah seperti TikTok maupung WhoSampled mendorong dan memudahkan penggunanya untuk melakukan teknik sampling, sehingga membuka transparansi dan aksesibilitas. Akibatnya, sampling menjadi sebuah alat yang sangat penting dalam menciptakan sebuah inovasi, terlepas dari segala kontroversinya dalam hal memicu perdebatan dan hak cipta dalam industri musik.

---

The progressive improvement in technology breathes new ideas and creativity in music production. Lyrics are no longer mandatory to enjoy a song. Instead it is the harmonisation where it creates significant emotions in shaping the song’s identity. Sampling is one of the fundamental techniques in music production, which involves incorporating audio sections from external sources into a new song. These external sources might include drum beats, choruses, or snippets from a variety of media, such as songs by another artist.

However, sampling also introduces new complications to the industry, such as ethical and legal issues. Some might argue that sampling is a form of theft, while others may see this as a form of paying homage to a more incredible artist. Regardless, sampling is still thriving as it helps songmakers merge various music genres, creating unique sounds and characters for the tracks. Legal challenges seem to be ignored, as platforms such as TikTok and WhoSampled are dramatizing their users on the sampling practices, which makes it more accessible and transparent. As a result, sampling becomes a tool for music innovation, despite its controversies in creating debates and legal disputes within the industry. "

"Pandemi Covid-19 yang memaksa kita untuk menjaga jarak menjadi tantangan bagi industri hiburan musik. Konser tur antar negara, temu penggemar dan kegiatan lainnya yang dilakukan oleh brand industri musik untuk membentuk pengalaman audiens terpaksa harus ditiadakan. Dalam menghadapi kondisi ini, para pemasar industri hiburan musik memanfaatkan teknologi dan membuat konser virtual sebagai bentuk strategi experiential marketing. Tulisan ini akan menganalisis apakah konser virtual telah memenuhi pilar keberhasilan strategi experiential marketing dibandingkan dengan konser offline. Terdapat sebelas pilar keberhasilan experiential marketing yakni remarkable, shareable, memorable, measurable, relatable, personal, targetable, connectable, flexible, engageable dan believable. Metode penelitian yang digunakan adalah studi kasus komparatif dengan membandingkan satu variabel pada dua sampel yang berbeda atau waktu yang berbeda. Dalam pengaplikasiannya, konser virtual maupun konser offline memiliki kelebihan dan kekurangannya masing-masing. Teknologi augmented reality dan grafis 3D dalam konser virtual menciptakan pengalaman unik melalui efek panggung seolah-olah visual tersebut nyata, sehingga tercipta pengalaman mendalam yang dimana secara psikologis audiens merasa menjadi bagian dari lingkungan virtual tersebut sehingga timbul perasaan nyata ‘berada disana’. Namun, teknologi tidak dapat menggantikan pengalaman yang didapat melalui interaksi tatap muka. Teknologi justru menciptakan cara interaksi baru dan pengalaman unik yang berbeda dari interaksi langsung.

---

Covid-19 pandemic forces us to practice physical distancing. This condition leads to a new challenge, especially for the music entertainment industry. Many activities that build the audience's experience such as world tour concerts and fan meetings had to be eliminated. In facing this challenge, music industry marketers take advantage of technology and create virtual concerts as a form of experiential marketing strategy. This study aims to analyze whether virtual concerts have met the pillars of successful experiential marketing strategy compared to offline concerts. There are eleven pillars of experiential marketing such as remarkable, shareable, memorable, measurable, relatable, personal, targetable, connectable, flexible, engageable, and believable. The research method used is a comparative case study, comparing one variable in two different samples or at different times. Study results revealed that both virtual concerts and offline concerts have their respective advantages and disadvantages. Augmented reality technology and 3D graphics used in virtual concerts create a unique experience through stage effects as if the visuals are real, this visualization creating an immersive experience where the audience psychologically become one with the virtual environment and a sense of "being there" arises. However, technology cannot replace the experiences gained through face-to-face interactions. Instead, technology creates a new way of interacting and a unique audience experience. "

"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...."

"Chitinase hydrolyzing chitin are produced by various organisms and their physiological functions depend on their sources...."

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

---

"