KLASIFIKASI ASAL DAERAH MUSIK TRADISIONAL INDONESIA MENGGUNAKAN EXTREME GRADIENT BOOSTING (XGBOOST) BERDASARKAN FITUR MEL-FREQUENCY CEPSTRAL COEFFICIENTS (MFCC)

Lagu daerah merupakan salah satu warisan budaya Indonesia yang perlu dilestarikan, namun pemanfaatan teknologi untuk mengenali asal daerah lagu secara otomatis masih terbatas. Penelitian ini bertujuan mengembangkan sistem klasifikasi asal daerah musik tradisional Indonesia berdasarkan karakteristik audio menggunakan algoritma Extreme Gradient Boosting (XGBoost) dengan ekstraksi fitur Mel Frequency Cepstral Coefficients (MFCC) dan feature fusion. Dataset yang digunakan adalah Indonesia Regional Song Dataset (IRSD) yang terdiri atas 500 data lagu dari 10 provinsi. Tahapan penelitian meliputi preprocessing audio, segmentasi, ekstraksi fitur, optimasi hyperparameter menggunakan Optuna berbasis Bayesian Optimization, pelatihan model XGBoost, serta implementasi model pada aplikasi web berbasis Streamlit yang dilengkapi peta interaktif. Hasil pengujian menunjukkan bahwa model memperoleh akurasi sebesar 77,33% dan macro F1-score sebesar 76,99%. Sistem yang dikembangkan juga menyajikan informasi budaya dan wilayah asal lagu secara interaktif sehingga dapat mendukung pelestarian budaya serta menjadi media edukasi mengenai keberagaman musik tradisional Indonesia.