BAB III : PERANCANGAN
3.5. Perancangan Alur Program
Gambar 3.7. Diagram alur proses sistem pengenalan suara alat musik belira, pianika, dan recorder Normalisasi 2 Input Suara Belira, Pianika, Recorder Start End Normalisasi 1 Pemotongan Sinyal Frame Blocking Rekam Windowing DST Normalisasi 3 Centering dan Windowing Koefisien Penyekalaan Logaritmis Normalisasi 4 Fungsi Korelasi Penentuan Alat Musik Output Teks
Pada proses sistem pengenalan suara alat musik belira, pianika, dan recorder ini, memiliki beberapa proses, yaitu: perekaman, Normalisasi 1, Pemotongan Sinyal, Frame Blocking, Normalisasi 2, Windowing, DST, Normalisasi 3, Centering, Windowing Koefisien, Penyekalaan Logaritmis, Normalisasi 4, Fungsi Korelasi, penentuan output alat musik, dan output yang akan ditampilkan berupa teks, seperti tertera pada gambar 3.7.
3.5.1. Rekam
Pada proses ini, input suara dari belira, pianika, dan recorder akan direkam dan kemudian akan dilakukan sampling. Proses sampling bertujuan untuk merekam suara belira, pianika, dan recorder dengan menentukan nilai frekuensi sampling yaitu 10000 Hz. Ferkuensi sampling menggunakan frekuensi sampling yang telah digunakan pada penelitian sebelumnya [1]. Nilai frekuensi 10000 Hz dipilih karena menurut teori nyiquist frekuensi sampling harus lebih besar 2 kali dari frekuensi maksimum dari frekuensi yang telah direkam tadi persamaan (2.1). Proses diagram alur proses perkaman ini dapat dilihat pada Gambar 3.8 berikut.
Gambar 3.8. Diagram alur proses rekam Sampling Rekam Start End Output: Nada Terekam Rekam YA TIDAK
Input : Tekan Tombol “Rekam” Pada GUI
3.5.2. Normalisasi 1
Setelah proses perekaman yaitu proses normalisasi. Tujuan dari proses normalisasi ini adalah untuk memaksimalkan aplitudo pada data nada yang sudah direkam pada data nada yang baru, agar lemah atau kuatnya suara yang baru direkam tidak mempengaruhi proses pengenalan. Data nada tersebut akan dibagi dengan nilai absolut tertinggi dari data nada yang sudah terekam persamaan (2.2). Diagram alur proses ini dapat dilihat pada Gambar 3.9.
Gambar 3.9. Diagram alur proses normalisasi 1
3.5.3. Pemotongan Sinyal
Proses pemotongan sinyal berfungsi untuk menghilangkan bagian silence dan transisi pada data nada yang telah terekam yang telah melewati proses normalisasi. Bagian silence tersebut terdapat pada bagian awal saat perekamaan atau dibagian sisi kiri pada sinyal yang telah tercuplik, dan juga tujuan dari pemotongan sinyal untuk menghilangkan noise pada rekaman agar suara yang dinginkan benar-benar suara asli dari belira, pianika dan recorder. Untuk proses pemotongan sinyal ini dapat dilihat pada gambar 3.10.
Input : Suara (Belira, Pianika, Recorder).wav
Proses Membagi Data Masukan Dengan Data Absolut Yang
Telah Terekam Output : Hasil Normalisasi 1 Start End A A
Gambar 3.10. Diagram alur proses pemotongan sinyal
3.5.4. Frame Blocking
Proses selanjutnya dari sistem pengenalan suara alat musik belira, pianika, dan recorder ini adalah frame blocking. Fungsi dari proses ini adalah untuk memilih bagian mana yang akan diproses atau diolah, serta fungsi dari proses ini bisa mempercepat dan mempermudah proses perhitungan. User akan memilih nilai frame yang teleh ditentukan. Pilihan frame yang disediakan yaitu 32, 64, 128, 256 dan 512 [1]. Input proses frame blocking ini adalah output hasil dari proses pemotongan sinyal. Untuk proses frame blocking dapat dilihat pada Gambar 3.11.
Gambar 3.11. Diagram alur proses Frame Blocking Proses Mengambil Data
Sepanjang Nilai Frame
Output : Data Nada Hasil Frame Blocking Start End C C Input :“Pilih Frame”pada GUI Output : Data Suara Hasil Normalisasi1 Proses Pemotongan Bagian Silence Start B Proses Pemotongan Bagian Transisi Output : Data Suara Hasil Pemotongan Sinyal End B
3.5.5. Normalisasi 2
Setelah proses frame blocking adalah proses normalisasi 2. Input pada proses ini adalah hasil Output dari frame blocking. Pada proses ini bertujuan agar amplitudo data nada yang telah di proses pada frame blocking terbentuk pada skala yang sama. Pada proses ini data nada hasil frame blocking dibagi dengan nilai absolut maksimum dari frame blocking persamaan (2.2). Untuk proses Normalisasi 2 dapat dilihat pada Gambar diagram alur 3.12.
Gambar 3.12. Diagram alur proses normalisasi 2
3.5.6. Windowing
Proses selanjutnya pada sistem pengenalan suara alat musik belira, pianika, serta recorder ini yaitu windowing. Penulis menggunakan windowing hamming pada proses ini. Fungsi dari windowing ini adalah untuk menghilangkan efek diskontinuitas pada data sinyal suara yang telah terekam. Windowing tersebut memiliki karakteristik memiliki side lobe yang besar dan main lobe yang kecil pada sumbu frekuensi, sehingga dapat lebih baik untuk menghilangkan efek diskontinuitas. Pada proses ini data suara yang telah dinormalisasi melalui tahap frame blocking yang akan dikalikan dengan windowing hamming dengan persamaan (2.3) yang menggunakan fungsi hamming pada Matlab, sehingga memperoleh
Input : Data Suara Hasil Frame Blocking
Proses Membagi Data Masukan Dengan Nilai
Maksimal Frame Blocking
Output : Hasil Normalisasi 2
Start
hasil output dari windowing hamming tersebut. Kemudian akan dilanjutkan ke proses berikutnya. Untuk proses windowing ini dapat dilihat pada Gambar diagram alur 3.13.
Gambar 3.13. Diagram alur proses windowing
3.5.7. Discrete Sine Transform (DST)
Gambar 3.14. Diagram alur proses DST
Pada proses selanjutnya hasil Output data dari windowing kemudian diproses melalui proses DST dengan persamaan (2.4) yang menggunakan fungsi DST pada Matlab. Pada proses ini, hasil dari windowing dikonversikan dari domain waktu menjadi domain frekuensi yang menghasilkan panjang nilai koefisien. Untuk proses ini dapat dilihat pada Gambar 3.14.
Input : Hasil Windowing Proses Mencari Nilai Absolut DST Output : Hasil DST Start End Input : Hasil Normalisasi 2
Proses Perkalian Data Input
Dengan Windowing Hamming
Output : Hasil Windowing
End Start
3.5.8. Normalisasi 3
Setelah melewati proses DST, proses selanjutnya adalah normalisasi 3. Pada proses ini output dari proses DST dibagi dengan nilai absolut maksimum dari DST persamaan (2.2). Untuk diagram alur proses normalisasi 3 ini dapat dilihat pada Gambar 3.15.
Gambar 3.15. Diagram alur proses normalisasi 3
3.5.9. Centering dan Windowing Koefisien
Setelah melewati proses normalisai 3 proses selanjutnya adalah Centering. Pada proses ini Centering berfungsi untuk menengahkan data sinyal suara, sinyal dengan amplitudo yang paling tinggi yang akan ditengahkan. Sinyal dengan amplitudo tertinggi yang sudah berada ditengah kemudian akan dilakukan zero padding. Sinyal akan diproses pada bagian sebelah kanan dan bagian sebelah kiri. Setelah pembagian menjadi 2 sisi, kemudian dikalikan dengan Windowing Koefisien. Pemilihan Windowing Koefisienterdapat pada user interface. Untuk proses Centering dan Windowing Koefisiendapat dilihat pada Gambar 3.16.
Input : Hasil DST
Proses Membagi Data Input Dengan Nilai
Maksimum DST
Output : Hasil Normalisasi 3
Start
Gambar 3.16. Diagram alur proses centering dan Windowing Koefisien
3.5.10. Penyekalaan Logaritmis
Proses ini mendapatkan input dari proses outputcentering dan Windowing koefisien. Pada proses ini, bertujuan untuk meningkatkan harmonisasi dan harmonic noise pada amplitudo sinyal suara. Sehingga dapat meninggkatkan amplitudo sinyal suara yang kecil menjadi amplitudo sinyal yang tinggi, begitu juga dengan amplitudo yang tinggi
Proses Sisi Kiri Mencari Nilai Maksimum, potong kanan, kali dengan
Windowing Koefisien, Zero Padding
Proses Penggabungan Sisi Kiri dan Sisi Kanan
Output : Hasil Centering dan Windowing Koefisien Start Proses Mencari Indeks Tertinggi Dan Centering
Proses Sisi Kanan Mencari Nilai Maksimum, potong kiri, kali dengan
Windowing Koefisien, Zero Padding
End Input :”Pilih Windowing Koefisien”
ditingkatkan namun tidak terlalu signifikan dibandingkan dengan sinyal amplitudo yang kecil persamaan (2.6). Untuk proses penyekalaan logaritmis dapat dilihat pada Gambar 3.17.
Gambar 3.17. Diagram alur proses penyekalaan logaritmis
3.5.11. Normalisasi 4
Setelah melalui proses penyekalaan logaritmis, kemudian hasil output data dari penyekalaan logaritmis dinormalisasi kembali. Pada proses ini adalah normalisasi yang paling akhir. Proses ini membagi data input yaitu hasil penyekalaan logaritmis dengan nilai maksimum absolut penyekalaan logaritmis persamaan (2.2). Untuk proses normalisasi ini dapat dilihat pada Gambar 3.18.
Gambar 3.18. Diagram alur proses normalisasi 4 Masukan Hasil
Penyekalaan Logaritmis
Keluaran Hasil Normalisasi 4 Start
Proses Membagi Data Masukan Dengan Nilai Maksimal Penyekalaan Logaritmis
End Start Input : Hasil Centering dan Windowing Koefisien Proses Penyekalaan Logaritmisis Output : Hasil Penyekalaan Logaritmis End
3.5.12. Fungsi Korelasi
Gambar 3.19. Diagram alur proses fungsi korelasi
Setelah melewati proses normalisasi yang terakhir yaitu normalisasi 4, selanjutnya data nada akan diproses pada fungsi korelasi dan akan menentukan hasil keluaran alat musik. Fungsi korelasi pada proses ini adalah untuk membandingkan antara hasil data Suara yang baru dengan data suara yang telah direkam atau database persamaan (2.7). Setelah melalui proses fungsi korelasi hasil data dilakukan sort descending, yang berarti hasil perhitungan pada proses korelasi di urutkan dari yang paling besar ke paling kecil. Untuk proses fungsi korelasi ini dapat dilihat pada Gambar 3.19.
3.5.13. Penentuan Keluaran
Tahap ini adalah menentukan output dari perhitungan korelasi. Setelah memproses data perhitungan fungsi korelasi, data akan dilakukan sort descending, kemudian pengambilan kelas terbesar dan ditentukan hasil output. Setelah mengetahui hasil output kelas yang memiliki nilai paling besar, maka dapat diperoleh hasil output dari suara alat musik belira, pianika, dan recorder. Untuk proses penentuan keluaran dapat dilihat pada Gambar 3.20.
Proses Perhitungan
Fungsi Korelasi Database
Outpur : Hasil Perhitungan Fungsi Korelasi Input : Hasil Normalisasi 4 End Start
Gambar 3.20. Diagram alur proses penentuan keluaran
3.5.14. Keluaran Teks
Pada sistem pengenalan alat musik belira, pianika, dan recorder ini, proses terakhir adalah menampilkan keluaran teks pada interface. Yang akan mengenali alat musik apa yang dimainkan. Untuk menampilkan output berupa teks pada sistem pengenalan alat musik ini menggunakan perintah callback yang terdapat pada GUI Matlab, dengan menginisialisasi kelasout sebagai hasil output dari pengenalan belira, pianika, dan recorder. Untuk proses keluaran teks dapat dilihat pada Gambar 3.21.
Input : Hasil Perhitungan
Korelasi Start
Pilih Kelas Yang Memiliki Nilai Hasil Korelasi Paling Besar
Output : Hasil Penentuan
Keluaran
Gambar 3.21. Diagram alur proses keluaran teks
