BAB III PERANCANGAN
3.4 Perancangan Diagram Blok
3.4.1
Proses Perekaman
Gambar 3.4 Diagram Alir Proses program rekam
Gambar 3.4 memperlihatkan alir program saat melakukan proses rekam. Pada proses perekaman ada proses delay. Proses delay digunakan untuk memberikan jeda waktu sebelum melakukan perekaman. Pada proses perekaman ini menggunakan frekuensi sampling yang telah ditentukan yang sesuai dengan karakteristik nada barung pelog . Hasil yang didapat dari proses rekam yaitu sampling nada yang berupa wave. Perekaman nada barung dari nada 1,2,3,4,5,6 dan 7 dilakukan sebanyak 20 kali pada setiap nada, 10 data rekaman berupa wav untuk data base dan 10 data rekaman untuk pengujian. Hasil proses rekam tersebut kemudian ditampilkan dalam bentuk plot grafik sesuai dengan alir program.
3.4.2 Proses Pengenalan Nada Barung Pelog
Ketika pengguna akan memulai program pengenalan nada barung pelog, pengguna dihadapkan tampilan yang sederhana dari interface Matlab. Masukkan nada uji yang berupa data wav ke input data, variasi nilai DFT dan variasi windowing koefisien pada list box, setelah user selesai memilih nilai variasi yang diinginkan kemudian pada plot hasil perekaman tertampil. proses selanjutnya
Delay
Sampling Nada Mulai
adalah penekanan tombol pengenalan nada yang tersedia pada tampilan awal. Sistem akan mengenali nada secara tidak real time pada nada barung pelog. Setelah dilakukan pengenalan maka kemudian tergambar grafik pada hasil pengenalan DFT dan plot windowing koefisien kemudian berbentuk keluaran text pada hasil pengenalan nada Dalam gambar 3.5 akan menjabarkan mengenai alur proses utama dalam program.
Gambar 3.5. Diagram Alir Proses Block Keseluruhan Input nada DFT Fungsi Jarak Keluaran Text Frame Blocking Pemotongan Sinyal Windowing Hamming Penentuan Nada Windowing Koefisien Mulai Selesai Normalisasi
3.4.3 Proses Normalisasi
Gambar 3.6 Diagram Alir Proses Normalisasi
Pada proses normalisasi seperti gambar 3.6 di atas proses tersebut harus mempunyai nilai maksimum. Normalisasi tersebut berfungsi untuk mengkonversi data maksimum dalam deretan hasil frame blocking menjadi bernilai 1. Dalam pengkonversian menjadi data maksimum menggunakan perintah xmax=max(abs(xframe)). Setelah mencari nilai maksimum, kemudian dilakukan proses normalisasi dengan cara membagi data dengan nilai maksimum yang berisikan perintah xnorm=xframe/xmax. Diperoleh keluaran
hasil normalisasi berupa matriks yang digunakan untuk proses selanjutnya sebagai masukan.
Hasil input nada
Hasil Normalisasi Normalisasi
y=y/max(y);
Selesai Mulai
3.4.4 Pemotongan Sinyal
Gambar 3.7 Diagram Alir Proses Pemotongan sinyal
Proses setelah normalisasi yaitu proses pemotongan sinyal. Pemotongan sinyal berguna untuk memotong kekosongan pada sinyal nada atau data nada yang terdapat pada awal dan akhir sinyal.Proses pemotongan sinyal ditentukan oleh variabel batas potong. Dengan cara visual (pada lampiran 2) maka penulis dapat menggunakan |0,2| sebagai batas potong, untuk menghilangkan kekosongan pada sinyal nada Barung pelog.
Pemotongan sinyal yang dilakukan adalah masukan yang berupa sinyal nada Barung pelog akan dipotong pada sisi kiri, dan akan menghasilkan sinyal nada Barung pelog dan akan menghasilkan keluaran data nada Barung pelog dan akhir data nada Barung pelog
Proses pemotongan sinyal ini bergantung nilai batas potong yang terdapat pada m-file. Proses pemotongan sinyal bagian awal akan dipotong bagian awalnya, sehingga memperoleh data nada Barung pelog dan data akhir.
Masukan hasil normalisasi
Hasil pemotongan
Menentuka variabel batas potong [0,2] ( dilihat pada hasil dan lampiran secara visual )
Selesai Mulai
3.4.5 Proses Frame Blocking
Gambar 3.8 Diagram Alir Proses Frame Blocking
Dari gambar ditampilkan pada Gambar 3.8. Proses frame Frame blocking bertujuan untuk mengurangi jumlah data sinyal yang akan di proses.
Jumlah data yang diambil dalam proses ini sesuai dengan variasi DFT yang dipilih user sehingga data yang dipilih dapat mewakili semua data yang di ambil pada nada input. Pada proses ini, sample diambil dari data nada terekam. Nada terekam diperoleh dari data sampling. Langkah pertama yaitu dengan pemotongan sinyal untuk bagian kiri . yang didapat di tentukan besar data yang akan di ambil untuk proses pengenalan nada selanjutnya.
Masukan Nada pemotongan sinyal
Fr=16 Fr=32 Fr=64 Fr=128
Ambil data sesuai Frame Keluaran hasil frame blocking ya ya ya ya Tidak Tidak Tidak Tidak Selesai Mulai Fr=256
3.4.6 Proses Hamming Windowing
Gambar 3.9 Diagram Alir Proses Hamming windowing
Untuk gambar proses windowing hamming tertera diatas pada gambar 3.9. Pada proses Hamming window ini melakukan perhitungan dengan persamaan (2.1). w[k+1] merupakan hasil dari perhitungan persamaan yang berupa matrik
�1 �2 �
kemudian hasilnya
dikalikan dengan nilai matrik masukan
�1. 1 �2. 2 � .
. Hasil dari proses windowing ini berupa
matriks ℎ1 ℎ2 ℎ
yang selanjutnya menjadi masukan proses DFT.
Hasil Frame blocking
w [k+1] = 0,54 – 0,46 cos(2� −1)
Hasil Windowing
Perkalian antara data masukkan dengan hasil windowing hamming
Selesai Mulai
3.4.7 Proses Discrete Fourier Transform (DFT)
Gambar 3.10 Diagram Alir Proses DFT
Dari hasil windowing hamming kemudian ditransformasikan menggunakan Discrete Fourier Transform (DFT) .Proses ini mengkonversi data nada suara dalam domain waktu menjadi domain frekuensi pada persamaan pada 2.2 di atas dengan fungsi
adalah masukan dari hasil windowing. Nilai dari DFT yang diperoleh kemudian dicari nilai absolutnya. Pada proses ini diperoleh keluaran hasil ekstraksi ciri berupa matriks
1
2 . Diagram alir dari proses DFT diperlihatkan pada Gambar 3.9. Hasil windowing
X(k) = x(j)�� −1 ( −1)
�
=1
Hasil DFT Mencari Nilai Absolut
Selesai Mulai
3.4.8 Proses Windowing Koefisien DFT
Gambar 3.11 Diagram Alir Proses Windowing koefisien DFT
Setelah Proses Discrete Fourier Transform (DFT) diproses menghasilkan panjang nilai koefisien, Dari panjang nilai nilai koefisien DFT kemudian akan dipilih dengan windowing koefisien dengan rumus 3.2 diatas, dengan c sebagai hasil windowing koefisien, p adalah nilai persen koefisien dan n adalah panjang DFT.Pilihan variasi windowing koefisien tergantung user memberi masukan. Variasi windowing koefisien berupa pilihan dari 10%,20%,30%,40% dan 50%. kemudian komputer menjalankan proses plotting hasil konversi tersebut. Proses windowing koefisien diperlihatkan pada Gambar 3.9.
Hasil DFT
c = p x n
Hasil DFT
Mulai
3.4.9 Proses Fungsi Jarak Squared Chord
Gambar 3.12 Diagram Alir Proses fungsi jarak Squared chord
Setelah didapat hasil dari windowing koefisien kemudian proses selanjutnya yaitu perhitungan jarak menggunakan fungsi jarak Squared Chord. Gambar 3.12 memperlihatkan diagram alir proses fungsi jarak Squared Chord. Pada proses ini
menghitung jarak antara rerata hasil (data base) dengan data hasil ekstraksi ciri. Penghitungan proses ini menggunakan persamaan 2.3 diatas dengan dan merupakan nilai perbandingan dan nilai kemiripan antara data masukan dengan data yang sudah ada (database) dan adalah banyak data. Hasil penghitungan jarak ini adalah nilai angka hasil perbandingan yang bukan matrix dan sebagai penentu hasil pengenalan nada. Perbandingan menghasilkan nilai jarak dan data – data tersebut dicari nilai terkecilnya. Pencarian nilai terkecil di hasilkan dengan jarak minimal pada data base. Hasil penghitungan jarak ini adalah sebagai penentu hasil pengenalan nada. Gambar 3.13 memperlihatkan diagram alir penentuan nada hasil pengenalan. Nada hasil pengenalan ditampilkan dalam tampilan program dalam bentuk teks. Jika sudah mencapai pada proses tersebut maka proses pengenalan nada barung pelog sudah selesai. User dapat keluar dari
= − ² =1
Hasil perhitungan jarak Hasil windowing koefisien DFT
Selesai Mulai
program pengenalan nada tersebut dengan menekan tombol “Exit”. User juga dapat mengulang kembali pengenalan nada barung pelog yang lain dengan pilihan input nada sesuai pilihan user . Jika user hendak mengulang maka user memulai nada lain yang ingin dikenali kemudian menekan tombol “Pengenalan Nada”.
Gambar 3.13 Diagram Alir Proses Penentuan Nada
