BAB I PENDAHULUAN
2.5. Normalisasi ........................................................................................................ 9-10
fs ≥ 2fm (2.1)
dengan fs adalah frekuensi sampling (sampling rate), sedangkan fm adalah frekuensi tertinggi sinyal suara analog.
(a) Belira (b) Pianika (c)Recorder
Gambar 2.4 Sinyal hasil sampling
2.5 Normalisasi
Tujuan dari penormalisasian ini agar amplitudo pada saat nada dimainkan bisa maksimal. Proses normalisasi sangat diperlukan karena besarnya amplitudo pada suara alat musik selalu berbeda saat melalukan perekaman. Perhitungan matematis untuk mencari nilai normalisasi dirumuskan dengan persamaan sebagai berikut :
dengan keterangan sebagai berikut :
= hasil data sinyal normalisasi (1,2,3,…,N) = data masukan dari sampling (1,2,3,…,N) N merupakan banyaknya data sinyal.
2.6 Normalisasi 1
Proses normalisasi ini digunakan agar amplitudonya suara yang terekam dapat menjadi maksimal. Proses normalisai 1 ini dilakukan dengan membagi data masukan dengan nilai absolut maksimal suara yang terekam. Gambar sinyal pada proses normalisasi 1 ini adalah hasil yang didapatkan dari proses sebelumnya, yaitu proses sampling. Gambar 2.5 menunjukkan gambar sinyal proses normalisasi 1.
(a) Belira (b) Pianika (c) Recorder
Gambar 2.5 Sinyal Normalisasi 1 dari gambar sinyal 2.4
2.7 Pemotongan Sinyal
Proses pemotongan sinyal dilakukan setelah proses normalisasi 1. Pada proses pemotongan, sinyal yang dipotong adalah sinyal pada bagian awal sinyal. Tujuan dari proses pemotongan ini adalah untuk menghilangkan sinyal efek noise atau suara lain yang ikut terekam pada saat proses perekaman agar didapatkan sinyal yang benar-benar suara alat musik belira, pianika atau recorder. Proses pemotongan yang pertama yaitu memotong bagian silence atau bagian awal sinyal yang tidak termasuk sinyal nada terekam. Proses pemotongan yang kedua yaitu memotong bagian transisi sinyal. Gambar sinyal untuk pemotongan sinyal adalah hasil yang didapatkan dari proses sebelumnya yaitu proses normalisasi 1 sehingga didapatkan gambar 2.6 yang menunjukkan gambar sinyal hasil pemotongan.
(a) Belira (b) Pianika (c) Recorder Gambar 2.6 Sinyal sebelum pemotongan dari gambar sinyal 2.5
(a) (b)
Gambar 2.7 (a) Hasil Pemotongan bagian silence pada Belira (b) Hasil Pemotongan bagian Transisi pada Belira
(a) (b)
Gambar 2.8 (a) Hasil Pemotongan bagian silence pada Pianika (b) Hasil Pemotongan bagian Transisi pada Pianika
(a) (b)
Gambar 2.9 (a) Hasil Pemotongan bagian silence pada Recorder (b) Hasil Pemotongan bagian Transisi pada Recorde
2.8 Frame Blocking
Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan satu frame terdiri dari beberapa data sampel [9]. Pengambilan sampel tersebut tergantung dari tiap detik suara akan disampel dan berapa besar frekuensi samplingnya. Fungsi frame blocking yaitu untuk memilih data yang akan diproses dalam sistem pengenalan. Pada proses ini, nilai frame blocking akan bervariasi yaitu 64, 256, 1024 dan 4096. Gambar sinyal untuk frame blocking adalah hasil yang didapatkan dari proses sebelumnya yaitu dari hasil proses pemotongan sinyal pada gambar 2.10 sehingga didapatkan gambar dibawah ini yang akan menunjukkan gambar sinyal frame blocking.
(
(a) (b)
Gambar 2.10 (a) Bagian sinyal Belira yang akan diambil untuk Frame Blocking (a) Frame Blocking Belira dari gambar sinyal 2.7
(a) (b)
Gambar 2.11 (a) Bagian sinyal Pianika yang akan diambil untuk Frame Blocking (b) Frame Blocking Pianika dari gambar sinyal 2.8
(a) (b)
Gambar 2.12 (a) Bagian sinyal Recorder yang akan diambil untuk Frame Blocking (a) Frame Blocking Recorder dari gambar sinyal 2.9
2.9 Normalisasi 2
Proses normalisasi 2 ini adalah hasil sinyal dari proses sebelumnya yaitu dari hasil sinyal frame blocking pada gambar 2.10, 2.11 dan 2.12. Pada proses ini, data masukan dari hasil frame blocking akan dibagi dengan nilai absolut maksimal dari frame blocking dan hasil keluarannya adalah untuk proses normalisasi 2. Gambar 2.13 menujukkan gambar sinyal dari normalisasi 2.
(a) Belira (b) Pianika (c) Recorder
2.10 Row Mean DCT (Discrete Cosine Transform)
2.10.1 Row Mean DCT (Discrete Cosine Transform)
Sinyal suara (1 x 16)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Dibagi kedalam 4 kotak
Baris
Gambar 2.14 Proses Row Mean DCT
Row Mean DCT adalah proses dimana proses ini meliputi proses pembentukan matriks, kemudian matriks tersebut akan diubah menjadi matriks kotak (reshape) dimana pada pembuatan reshape ini dilakukan proses windowing 2D yaitu setiap kolom dan barisnya dikalikan. Setelah semua kolom dan baris dikalikan, proses selanjutnya adalah proses transformasi matriks reshape kedalam matriks reshape DCT 2D [10]. Pada proses DCT 2D ini,
setiap kolomnya akan dirata-ratakan sehingga hasil keluarannya adalah row mean DCT. Proses Row Mean DCT ini adalah hasil sinyal dari proses sebelumnya yaitu dari hasil sinyal normalisasi 2 pada gambar 2.13. Gambar dibawah ini akan menunjukkan gambar sinyal dari pembentukan kolom matriks.
1 5 9 13 2 6 10 14 3 7 11 15 4 8 12 16 C1 C2 C3 C4 W Windowing 2D Kolom DCT 2D
Sinyal suara dikonversi Menjadi matriks (4 x 4)
Transformasi Matriks (4 x 4)
(a) (b) (c)
Gambar 2.15 Sinyal dari pembentukan kolom matriks dari gambar sinyal 2.14
2.10.2 Windowing
Fungsi windowing adalah dengan cara melewatkan sinyal yang mempunyai frekuensi sembarang dikonvolusikan dengan fungsi window tertentu sehingga dapat mereduksi sinyal – sinyal yang tergolong bocor sebelum dilakukan proses transformasi. Dalam penelitian ini, pada proses windowing yaitu dimana setiap baris dan kolom dikalikan. Setiap barisnya terlebih dahulu dikalikan, kemudian setelah semua baris dikalikan, barulah setiap kolomnya dikalikan. Ada beberapa fungsi windows yang telah ada diantaranya Kaiser, Hamming, Hanning, Triangular, Rectangular [11].
2.10.3 Hanning Window
Windowing digunakan untuk menghilangkan diskontinuitas yang diakibatkan oleh proses Frame Blocking. Pada penelitian ini, jenis window yang dipakai adalah jenis Window Hanning. Window Hanning memiliki lobe utama dua kali lebih lebar dari Window Rectangular, dan hampir tiga baris spectral akan selalu dibangkitkan [12]. Persamaan Window Hanning adalah sebagai berikut :
Pada penelitian ini, akan menggunakan windowing 2D. Proses window hanning ini adalah hasil sinyal dari proses sebelumnya yaitu dari hasil sinyal pembentukan kolom matriks Row Mean DCT pada gambar 2.15 sehingga didapatkan hasil sinyal windowing 2D seperti yang ditunjukkan pada gambar dibawah ini :
(a) Belira (b) Pianika (c) Recorder
Gambar 2.16 Sinyal windowing 2D dari gambar sinyal 2.15
2.10.4 Discrete Cosine Transform (DCT)
Discrete Cosine Transform dari sederet n bilangan real s(x), x = 0, … ,n-1, dirumuskan sebagai berikut [13] :
S ( u ) =
√ ) ∑
)
)
(2.4)
Dengan u = 0, … , n – 1
Dimana C (u) = ,untuk u = 0
1 ,untuk lainnya
Pada penelitian ini, digunakan DCT 2D. Proses Discrete Cosine Transform (DCT) ini adalah hasil sinyal dari proses sebelumnya yaitu dari hasil sinyal windowing 2D pada gambar 2.15 sehingga didapatkan hasil sinyal DCT 2D seperti yang ditunjukkan pada gambar dibawah ini :
(a) Belira (b) Pianika (c) Recorder Gambar 2.17 Sinyal DCT 2D dari gambar sinyal 2.16
2.10.5 Rerata Baris
(a) Belira (b) Pianika (c) Recorder
Gambar 2.18 Sinyal Rerata Baris dari gambar sinyal 2.17
Proses rerata baris adalah proses pada bagian akhir dari proses Row Mean DCT. Hasil sinyal pada rerata baris ini adalah hasil sinyal yang diperoleh dari hasil sinyal pada proses sebelumnya yaitu proses DCT 2D pada gambar 2.17 sehingga didapatkan hasil sinyal untuk rerata baris seperti yang ditunjukkan pada gambar 2.18.