View/Open

Author
JOSHUA, PALTI SINAGA

Date Published
23 Jun 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,

Subject
Teknik Informatika

Publisher

Pemisahan suara paduan suara SATB merupakan tugas yang menantang karena setiap bagian suara memiliki kemiripan timbre, tumpang tindih harmonik, dan karakter musikal yang saling beririsan. Penelitian ini bertujuan mengevaluasi efektivitas transfer learning dari domain speech separation ke choral music separation menggunakan model Conv-TasNet. Data utama yang digunakan adalah Cantoria Dataset untuk pelatihan, validasi, dan pengujian internal, sedangkan Choral Singing Dataset (CSD) digunakan sebagai pengujian lintas dataset. Penelitian membandingkan tiga skenario model, yaitu baseline pre-trained, model scratch, dan model fine-tuned. Model pre-trained dari Libri3Mix dimodifikasi dengan mengganti lapisan estimasi mask dari tiga sumber menjadi empat sumber SATB, kemudian dilakukan fine-tuning pada Cantoria Dataset. Evaluasi objektif dilakukan menggunakan SI-SDR, SI-SIR, dan SI-SAR, sedangkan evaluasi subjektif dilakukan melalui MOS terhadap 30 responden. Pada pengujian internal Cantoria, model fine-tuned memperoleh rata-rata SI-SDR terbaik sebesar -2,56 dB, lebih tinggi dibandingkan model scratch sebesar -4,64 dB dan baseline pre-trained sebesar -15,60 dB. Pada pengujian lintas dataset CSD, model fine-tuned juga memperoleh hasil terbaik dengan rata-rata SI-SDR sebesar -2,85 dB. Hasil subjektif menunjukkan kecenderungan yang sejalan, dengan model fine-tuned memperoleh MOS tertinggi pada aspek kualitas, kebersihan, dan kealamian. Dengan demikian, fine-tuning model pre-trained berbasis speech separation terbukti membantu meningkatkan kinerja dan generalisasi model pemisahan paduan suara SATB.

URI
https://repo.itera.ac.id/depan/submission/SB2606200061

Keyword
Conv-TasNet Source Separation Choral Music Separation Domain Mismatch fine-tuning