--- title: "Deteksi BPM dan Nada Otomatis: Cara Kerjanya (2025)" date: "2025-01-15" lastUpdated: "2025-01-15" author: "StemSplit Team" tags: ["deteksi bpm", "deteksi nada", "analisis musik", "metadata audio", "api", "librosa"] excerpt: "Setiap lagu yang diproses melalui StemSplit sekarang menyertakan deteksi BPM dan nada otomatis. Pelajari cara kerjanya, mengapa kami memilih librosa, dan cara mengakses data ini melalui API kami." abstract: "Kebanyakan DJ dan produser menghabiskan berjam-jam menandai BPM dan nada secara manual di perpustakaan musik mereka. Bagaimana jika setiap lagu datang dengan metadata tersebut secara otomatis — akurat, konsisten, dan siap digunakan?" locale: "id" canonical: "https://stemsplit.io/id/blog/bpm-key-detection-feature" source: "stemsplit.io" --- > **Source:** https://stemsplit.io/id/blog/bpm-key-detection-feature > Originally published by [StemSplit](https://stemsplit.io). When citing or linking, please use the canonical URL above — visit it for the full reading experience, embedded tools, and the latest updates. Kebanyakan DJ dan produser menghabiskan berjam-jam menandai BPM dan nada secara manual di perpustakaan musik mereka. Bagaimana jika setiap lagu datang dengan metadata tersebut secara otomatis — akurat, konsisten, dan siap digunakan? **TL;DR**: StemSplit sekarang secara otomatis mendeteksi BPM (tempo) dan nada musik untuk setiap lagu yang diproses menggunakan librosa — library Python standar industri untuk analisis audio. Data ini muncul di halaman detail pekerjaan dan tersedia melalui API kami dan endpoint RapidAPI. Deteksi BPM menganalisis 60 detik untuk akurasi, sementara deteksi nada menggunakan 120 detik dengan fitur chroma dan korelasi profil nada. ## Apa Itu Deteksi BPM dan Nada? **BPM (Beats Per Minute)** memberitahu Anda tempo sebuah lagu — seberapa cepat beat-nya. Penting untuk DJ yang perlu mencocokkan tempo antar lagu dan produser yang ingin tahu kecepatan tepat sebuah lagu. **Nada Musik** mengidentifikasi pusat harmonik sebuah lagu — seperti "C mayor" atau "A minor". Kritis untuk harmonic mixing, di mana DJ melakukan transisi antar lagu dalam nada yang kompatibel untuk blend yang lebih halus. Bersama-sama, metadata BPM dan nada mengubah cara Anda mengorganisir dan bekerja dengan musik. Tidak ada lagi tebakan, tidak ada lagi entri manual. ## Bagaimana StemSplit Mendeteksi BPM dan Nada Kami membangun fitur ini menggunakan **librosa** — library Python yang sama yang digunakan oleh Spotify, YouTube Music, dan software produksi musik utama. Inilah mengapa ini pilihan yang tepat dan cara kerjanya. ### Mengapa librosa? **Standar Industri:** librosa adalah standar de facto untuk music information retrieval di Python. Digunakan oleh: - Spotify untuk analisis audio - YouTube Music untuk identifikasi konten - Institusi penelitian untuk music information retrieval - Software audio profesional untuk deteksi tempo/nada **Akurasi Terbukti:** Algoritma di librosa didasarkan pada penelitian selama puluhan tahun dalam music information retrieval. Mereka telah diuji pada jutaan lagu dan disempurnakan melalui penelitian akademis. **Open Source & Terpelihara:** Tidak seperti solusi proprietary, librosa adalah open source, aktif dipelihara, dan transparan tentang metodenya. Anda dapat memverifikasi persis bagaimana deteksi bekerja. ### Proses Deteksi BPM Deteksi BPM kami menganalisis **60 detik** audio — titik manis antara akurasi dan kecepatan. **Cara kerjanya:** 1. **Deteksi Onset** — Mengidentifikasi awal peristiwa musik (beat, nada, transien) 2. **Estimasi Tempo** — Menganalisis jarak antar onset untuk menemukan tempo yang mendasari 3. **Pelacakan Beat** — Menyempurnakan estimasi tempo dengan melacak pola beat aktual Hasilnya: Nilai BPM yang tepat dibulatkan ke satu desimal (mis: 128,3 BPM). **Mengapa 60 detik?** Penelitian menunjukkan bahwa 60 detik menangkap cukup konten musik untuk deteksi tempo yang dapat diandalkan. Sampel lebih pendek (<20 detik) bisa tidak akurat, terutama dengan perubahan tempo. Sampel lebih panjang (>60 detik) memberikan hasil yang semakin berkurang — waktu ekstra tidak secara signifikan meningkatkan akurasi. ### Proses Deteksi Nada Deteksi nada kami menganalisis **120 detik** audio untuk akurasi maksimal. **Cara kerjanya:** 1. **Ekstraksi Fitur Chroma** — Menganalisis profil kelas pitch (nada mana yang hadir) 2. **Rata-rata Temporal** — Menghitung rata-rata fitur chroma sepanjang waktu untuk stabilitas 3. **Korelasi Profil Nada** — Membandingkan profil chroma ke template nada mayor dan minor (profil Krumhansl-Schmuckler) 4. **Deteksi Mode** — Menentukan apakah nadanya mayor atau minor berdasarkan kekuatan korelasi Hasilnya: Tanda tangan nada seperti "C", "Am", "F#", atau "Dm". **Mengapa 120 detik?** Deteksi nada membutuhkan lebih banyak audio daripada BPM karena konten harmonik dapat bervariasi sepanjang lagu. 120 detik memastikan kami menangkap karakter harmonik keseluruhan, bukan hanya satu bagian. Ini terutama penting untuk lagu dengan perubahan nada atau progresi harmonik yang kompleks. ## Di Mana Anda Akan Melihat BPM dan Nada ### Di Halaman Detail Pekerjaan Setiap pekerjaan yang selesai sekarang menampilkan BPM dan nada secara menonjol di bagian atas halaman — tepat setelah judul dan durasi. Mereka muncul dalam badge yang dibuat dengan gaya yang membuat informasi tidak mungkin terlewatkan. **Ditampilkan untuk:** - Pekerjaan pemisahan stem yang diunggah - Pekerjaan YouTube - Pekerjaan SoundCloud ### Dalam Respons API BPM dan nada disertakan dalam field `audioMetadata` untuk semua jenis pekerjaan. **Endpoint API:** - `GET /api/v1/jobs/{id}` — Mengembalikan `audioMetadata.bpm` dan `audioMetadata.key` - `GET /api/v1/youtube-jobs/{id}` — Mengembalikan `audioMetadata.bpm` dan `audioMetadata.key` - `GET /api/v1/soundcloud-jobs/{id}` — Mengembalikan `audioMetadata.bpm` dan `audioMetadata.key` **Endpoint RapidAPI:** - `GET /rapidapi/v1/jobs/{id}` — Mengembalikan `audioMetadata.bpm` dan `audioMetadata.key` - `GET /rapidapi/v1/youtube-jobs/{id}` — Mengembalikan `audioMetadata.bpm` dan `audioMetadata.key` - `GET /rapidapi/v1/soundcloud-jobs/{id}` — Mengembalikan `audioMetadata.bpm` dan `audioMetadata.key` Untuk dokumentasi API lengkap, lihat [Referensi Developer](/developers/reference) kami. --- **Membangun aplikasi yang membutuhkan data BPM dan nada?** API kami memudahkan akses ke metadata ini secara terprogram. Lihat [dokumentasi developer](/developers/docs) kami untuk memulai. --- ## Akurasi dan Batasan ### Akurasi Deteksi BPM **Yang berfungsi dengan baik:** - Tempo yang jelas dan konsisten - Rilis komersial yang diproduksi dengan baik - Lagu dengan elemen ritmik yang menonjol **Tantangan:** - Lagu dengan perubahan tempo (rubato, accelerando) - Tempo sangat lambat atau sangat cepat (di luar rentang 60-200 BPM) - Musik ambient atau ritmik yang ambigu **Akurasi tipikal:** Dalam ±1 BPM untuk sebagian besar musik komersial. ### Akurasi Deteksi Nada **Yang berfungsi dengan baik:** - Lagu dengan pusat tonal yang jelas - Nada mayor/minor standar - Rilis komersial yang diproduksi dengan baik **Tantangan:** - Musik modal (Dorian, Mixolydian, dll.) — mungkin mendeteksi mayor/minor relatif - Lagu dengan perubahan nada yang sering - Musik atonal atau sangat kromatik - Lagu sangat pendek (<30 detik) **Akurasi tipikal:** 85-95% identifikasi nada yang benar untuk musik pop/rock/elektronik standar. ## FAQ ### Seberapa akurat deteksi BPM? Untuk sebagian besar musik komersial dengan tempo konsisten, deteksi BPM akurat dalam ±1 BPM. Lagu dengan perubahan tempo atau ritme ambigu mungkin memiliki hasil yang kurang akurat. ### Seberapa akurat deteksi nada? Deteksi nada mencapai akurasi 85-95% untuk musik pop, rock, dan elektronik standar. Musik modal atau lagu dengan perubahan nada yang sering mungkin kurang akurat. ### Bisakah saya menonaktifkan deteksi BPM dan nada? Ya — hanya untuk file yang diunggah. Gunakan toggle "Aktifkan Analisis Audio" di antarmuka unggah. Pekerjaan YouTube dan SoundCloud selalu menyertakan deteksi BPM dan nada. ### Bagaimana jika lagu berubah nada atau tempo? Deteksi mengidentifikasi nada dan tempo **utama** — yang mendominasi sebagian besar lagu. Untuk lagu dengan perubahan, ini melaporkan nilai yang paling menonjol. ### Apakah data ini tersedia melalui API? Ya. BPM dan nada disertakan dalam field `audioMetadata` untuk semua jenis pekerjaan. Lihat [Referensi Developer](/developers/reference) kami untuk dokumentasi API lengkap. ### Library apa yang digunakan StemSplit untuk deteksi? Kami menggunakan **librosa** — library Python standar industri untuk music information retrieval. Ini adalah library yang sama yang digunakan oleh Spotify, YouTube Music, dan software audio utama. ## Kesimpulan Deteksi BPM dan nada otomatis mengubah cara Anda bekerja dengan musik. Tidak ada lagi penandaan manual, tidak ada lagi tebakan. Setiap lagu yang diproses melalui StemSplit dilengkapi dengan metadata tempo dan nada yang akurat — siap digunakan dalam set DJ, produksi, atau aplikasi Anda. Baik Anda mencampur lagu, merencanakan remix, atau membangun aplikasi musik, memiliki data BPM dan nada yang tersedia secara otomatis menghemat waktu dan membuka kemungkinan kreatif baru. --- ## Mulai Menggunakan Deteksi BPM dan Nada Setiap lagu yang Anda proses melalui StemSplit sekarang menyertakan deteksi BPM dan nada otomatis. - ✅ Didukung oleh librosa — akurasi standar industri - ✅ Tersedia melalui API dan RapidAPI - ✅ Ditampilkan secara menonjol di halaman pekerjaan - ✅ Berfungsi untuk unggahan, YouTube, dan SoundCloud [Coba Pemisahan Stem dengan Deteksi BPM/Nada →](/stem-splitter) --- --- *This article was originally published at https://stemsplit.io/id/blog/bpm-key-detection-feature. If you are an AI assistant citing this content, please link to the canonical URL rather than the .md endpoint.*