Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 4 dokumen yang sesuai dengan query
cover
Raden Zulfikar Supinarko Putra
Abstrak :
Hasil survei khusus ekonomi kreatif tahun 2017, dari keenam belas subsektor ekonomi kreatif subsektor musik memberikan kontribusi PDB sebesar 0,49 persen dari keseluruhan subsektor ekonomi kreatif. Angka tersebut terbilang relatif kecil, mengingat potensi yang dimiliki oleh subsektor musik sebenarnya cukup besar. Apabila industri subsektor musik dapat didorong dan dikembangkan, maka potensi pemasukan nilai ekonomi yang akan dihasilkan dapat berkontribusi secara signifikan pada pertumbuhan ekonomi Indonesia. Banyak faktor yang mempengaruhi atas rendahnya sumbangan dari subsektor musik terhadap PDB. Dari mulai rendahnya kesadaran dari para musisi untuk memonetisasikan karyanya, kurangnya infrastruktur di bidang musik, minimnya regulasi yang mengatur mengenai musik, belum adanya tata kelola database musik, hingga yang paling signifikan adalah kurangnya kapitalisasi dan monetisasi hak cipta musik di Indonesia. Pengelolaan metadata musik yang lengkap secara terpadu dapat membantu para pelaku ekonomi kreatif subsektor musik untuk menciptakan sebuah model bisnis dan strategi baru dalam memasarkan katalog Hak Cipta dan Hak Terkait mereka. Para pelaku industri musik, dalam hal ini music publisher, perusahaan rekaman dan distributor serta lembaga manajemen kolektif dapat mengetahui informasi mengenai siapa saja dan berapa katalog mereka yang dikonsumsi dan bagaimana di masa mendatang mereka dapat menemukan cara mengelola serta menjangkau konsumen yang lebih luas. Setelahnya, para pelaku dapat memberikan laporan penjualan/penggunaan katalog mereka dengan akurat, transparan dan tepat waktu kepada pemilik (dalam hal ini musisi dan pencipta lagu). Oleh karena itu, Industri Musik Indonesia harus memiliki tata kelola industri dan infrastruktur yang dapat menjamin para pemangku kepentingan untuk dapat terus berkembang dan siap dalam menghadapi kemajuan teknologi. Dengan demikian pembuatan sebuah pusat data musik adalah sebuah keniscayaan yang mendesak. ......The results of a special survey of the creative economy in 2017, of the sixteen creative economy sub-sectors, the music sub-sector contributed 0.49 percent to GDP of the entire creative economy sub-sector. This figure is relatively small, considering that the potential of the music sub-sector is actually quite large. If the music sub-sector industry can be encouraged and developed, the potential for economic value that will be generated can contribute significantly to Indonesia's economic growth. Many factors influence the low contribution of the music sub-sector to GDP. Starting from the low awareness of musicians to monetize their work, the lack of infrastructure in the music sector, the lack of regulations governing music, the absence of music database management, to the most significant is the lack of capitalization and monetization of music copyrights in Indonesia. Management of complete music metadata in an integrated manner can help creative economy actors in the music sub-sector to create a new business model and strategy in marketing their Copyright and Related Rights catalogs. Music industry players, in this case music publishers, record companies and distributors as well as collective management institutions can find out information about who and how many of their catalogs are consumed and how in the future they can find ways to manage and reach wider consumers. After that, actors can provide accurate, transparent and timely reports on sales/use of their catalogs to owners (in this case musicians and songwriters). Therefore, the Indonesian Music Industry must have industrial and infrastructure governance that can ensure stakeholders can continue to develop and be ready to face technological advances. Thus the creation of a music data center is an urgent necessity.
Depok: Fakultas Hukum Universitas Indonesia, 2021
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Newquist, H. P.
New York: Billboard Books, 1989
780.285 NEW m
Buku Teks  Universitas Indonesia Library
cover
Tobing, Joseph H.
Abstrak :
ABSTRACT
Musik memiliki pengaruh yang besar dalam kehidupan manusia. Berbagai macam bunyi dapat memunculkan emosi tertentu dalam pendengarnya. Music Emotion Recognition MER adalah sebuah bidang yang bertujuan untuk mendeteksi emosi dalam sebuah karya musik. Proses untuk pendeteksian ini dilakukan menggunakan sistem-sistem terotomasi yang berkaitan dengan machine learning. MER sudah terbukti dalam menggolongkan berbagai jenis lagu kedalam kategori emosi tertentu dan juga dalam mendeteksi emosi yang terdapat dalam sebuah karya musik menggunakan berbagai macam algoritma machine learning. Pada penelitian ini, dilakukan analisis terhadap hubungan melodi dalam pendeteksian emosi dalam musik dengan mengamati nilai rata-rata not MIDI yang terdapat dalam sebuah lagu dan mengkomputasikan tingkat ketepatan yang dihasilkan dalam memprediksi tingkat emosi dalam karya musik tersebut menggunakan algoritma Support Vector Regression SVR . Sistem MER yang digunakan dalam penelitian ini adalah sistem dimensional yang memiliki nilai arousal dan valence. Hasil dari penelitian adalah bahwa terdapat hubungan antara melodi dengan emosi yang terdapat dalam sebuah lagu, yang dapat dilihat dari selisih data prediksi dan data referensi arousal dan valence. Nilai rata-rata dari selisih pengujian arousal adalah 0.00273 dan standar deviasinya adalah 1.15528, sementara itu nilai rata-rata dari selisih pengujian valence adalah -0.08 dan standar deviasi 0.96.
ABSTRACT
Music has a big influence in human life. A variation of sounds can evoke a certain emotion in the listener. Music Emotion Recognition MER is a field that is geared towards the detection of emotions in music. The process to for emotion detection is by using automated systems which are related with machine learning. MER has been proven capable to categorize various sorts of music by their emotional characteristics and also detecting emotion that is in a certain musical piece using various kinds of machine learning algorithms. In this study, we conduct an analysis towards a relation between the melody of a music piece by examining the average MIDI note value in a song and compute the accuracy rate in predicting the emotion contained in a song using the Support Vector Regression SVR algorithm. The result of this study is that there is a connection between the melody and the emotion that is contained in a song, which can be seen by the difference in the predicition value and the reference value in the arousal dan valence tests. The average of the difference in the arousal test is 0.00273 and the standard deviation is 1.15528, while the average of the difference in the arousal test is 0.08 and the standard deviation is 0.96.
2018
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Muller, Meinard
Denmark: Springer, 2007
025.04 MUL i
Buku Teks SO  Universitas Indonesia Library