Gambar 2.1 Harmonika
3.1. Sistem Pengenalan Nada Alat Musik Harmonika
3.1.7 Windowing koefisien
Untuk sistem pengenalan nada Harmonika. Disini penulis menggunakan windowing koefisien DST. Sebagian sinyal diambil dari koefisien DST yang dapat digunakan sebagai ekstraksi ciri. Untuk pengambilan sebagian sinyal dapat diambil dari koefisien DST ke-1 hingga nilai ke-n (nilai maksimal), dengan n adalah panjang DST. Dalam proses pengenalan nada Harmonika ini dievaluasi sejumlah n dari panjang DST, yaitu 16, 32, 64, 128, 256 titik. Dari panjang setiap n DST akan dipilih sejumlah c koefisien dengan rumus :
c = p x n (3.2) Dengan : p = 10%, 20%, 30%, 40%, 50%, 60%, 70% dan 80%, n = panjang DST Fungsi Jarak
Proses ini membandingkan nada yang terekam. Hasil dari perbandingan adalah jarak yang kemudian akan digunakan dalam proses selanjutnya. Pada proses pengenalan, yang diambil adalah jarak yang terdekat dengan nada terekam. Dalam proses ini penulis menggunakan fungsi jarak Matusita.
Penentuan Nada
Proses ini bertujuan mengenali nada yang terekam dari jarak minimum di peroleh setelah proses fungsi jarak.
Hasil Tampilan Pengenalan
Hasil pengenalan adalah subproses terakhir dari proses pengenalan nada. Pada proses ini, hasil pengenalan nada diperoleh setelah proses kemudian ditampilkan dalam komputer dalam GUI Matlab dalam bentuk text.
3.2 Perancangan Nada Referensi
Untuk merancang suatu pengenalan nada maka dibutuhkan nada acuan atau sering juga disebut nada refrensi. Nada refrensi harus memiliki ciri yang sudah diketahui oleh sistem terlebih dahulu. Nada refrensi diperlukan untuk menjadi data base. Fungsi database untuk perbandingan nada yang akan dikenali. Pada sistem pengenalan nada Harmonika ini penulis menggambil nada sebagai nada uji dan 10 sebagai database. Pengambilan nada untuk nada refrensi melalui proses sampling, frame blocking, normalisasi, windowing ,DST dan windowing koefisien. Untuk mendapatkan nada refrensi maka dilakukan perhitungan :
Nada referensi yang telah di dapat akan disimpan dalam fungsi yang ada dalam sistem pegenalan nada Harmonika. Nada refrensi yang disimpan dalam sistem pengenalan nada Harmonika ini berfungsi jika sewaktu - waktu dibutuhkan dapat langsung dipanggil dalam proses fungsi jarak yang ada dalam sistem. Alur proses pengenalan nada referensi terlihat pada gambar 3.2.
Gambar 3.2 Diagram Proses Pengambilan Nada Referensi
3.2. Tampilan Program Pada GUI Matlab
Tampilan program sebagai interface dengan user.Program tersebut berfungsi mempermudah user dalam mengoperasikan pengenalan nada Harmonika. Program tersebut menampilkan plotting hasil perekaman dan hasil dari DFT dan nilai jarak yang diperoleh. Pada program ini juga memberikan
DST Windowing Normalisasi Frame Blocking Sampling Windowing koefisien Pemotongan sinyal
pilihan nilai DFT dan alpha pada windowing yang akan digunakan untuk pengenalan nada. Tampilan program dibuat menggunakan software Matlab. Penjelasan lebih lanjut tentang tampilan program terdapat pada tabel 3.5. Gambar 3.3.
Gambar 3.3 Tampilan Utama Program Tabel 3.1 Keterangan Tampilan Program
Nama Bagian Keterangan
Tombol Pengenalan Nada Digunakan untuk memulai proses pengenalan Tombol Input Data Digunakan untuk mengambil suara nada
pengenalan harmonika
Variasi Windowing koefisien
Untuk variasi windowing Koefisien DST menggunakan 10%, 20%, 30%, 40%,50%,60%,70% dan 80%
Variasi DST Untuk memilih nilai DST yang akan digunakan pada proses pengenalan nada, pilihan nilainya
adalah 16, 32, 64,128,256. Jarak
Tampilan nilai jarak
Tombol Exit Digunakan untuk mengakhiri dan keluar aplikasi. Plot Hasil Rekaman Tampilan grafik suara hasil perekaman.
Plot Hasil DST Tampilan data berupa grafik data hasil DST baik dari rekaman maupun dari 8 nada referensi.
3.3. Perancangan Diagram Blok
Ketika pengguna akan memulai program pengenalan nada Harmonika, pengguna dihadapkan tampilan yang sederhana dari interface Matlab. Masukkan nada uji ke input data, variasi nilai DST dan variasi windowing koefisien pada list box, setelah user selesai memilih nilai variasi yang diinginkan kemudian pada plot hasil perekaman tertampil. proses selanjutnya adalah penekanan tombol pengenalan nada yang tersedia pada tampilan awal. Sistem akan mengenali nada secara tidak real time pada nada harmonika. Proses perekaman aktif selama durasi 1.5 detik. Setelah dilakukan pengenalan maka kemudian tergambar grafik pada hasil pengenalan DST dan kemudian berbentuk keluaran text pada hasil pengenalan nada Dalam gambar 3.4 akan menjabarkan mengenai alur proses utama dalam program.
Gambar 3.4. Diagram Block Keseluruhan
3.4.1 Proses Perekaman
Mulai Masukan nada
Harmonika DST Fungsi Jarak Keluaran text Selesai Frame Blocking Normalisasi Windowing Hanning Penentuan Nada Windowing Koefisien Pemotongan sinyal Mulai (Rekam) Sampling Nada Plot Grafik (sampling) Selesai
Gambar 3.5Proses program rekam
Gambar 3.5 memperlihatkan alir program saat melakukan proses rekam. Pada proses perekaman ada proses delay. Proses delay digunakan untuk memberikan jeda waktu pada user sebelum melakukan perekaman. Pada proses perekaman ini menggunakan frekuensi sampling yang telah ditentukan yang sesuai dengan karakteristik nada Harmonika . perekaman nada harmonika dilakukan 160 kali, 80 nada untuk nada referensi atau database dan 80 nada perekaman untuk nada uji. Hasil proses rekam tersebut kemudian ditampilkan dalam bentuk plot grafik sesuai dengan alir program.
3.4.2 Pemotongan Sinyal
Gambar 3.6 Proses Pemotongan Sinyal.
Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi ciri. Proses ini bertujuan untuk memotong bagian kiri sinyal yang tidak ada datanya.
3.4.3 Proses frame Blocking
Mulai
Mulai Masukan Nada
Terekam(WAV)
Pemotongan sinyal Keluaran hasil
Gambar 3.7 Proses Frame Blocking
Dari gambar ditampilkan pada Gambar 3.6. Proses frame blocking memilih data dari data nada terekam, Jumlah data yang diambil dalam proses ini sesuai dengan variasi DST yang dipilih user sehingga data yang dipilih dapat mewakili semua data pada nada terekam dan kemudian di normalisasi.
Masukan Nada Terekam(WAV)
Fr=166 Fr=32 Fr=64 Fr=128
Mencari titik tengah Length (x)/(2) Pengambilan Data mulai dari titik tengah
Keluaran hasil Selesai ya ya ya ya Tidak Tidak Tidak Tidak Fr=256
3.4.4 ProsesNormalisasi
Gambar 3.8 Proses Normalisasi
Pada proses normalisasi seperti gambar 3.7 di atas proses tersebut harus mencari nilai maksimum dari data hasil frame blocking sebelum dilakukan penormalisasian. 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. Mulai
Hasil Frame blocking
Hasil Normalisasi
3.4.5 Proses Hanning Windowing
Gambar 3.9 Proses Hanning windowing
Pada sistem pengenalan nada ini menggunakan salah satu dari beberapa jenis windowing yang ada yaitu Hanning window. Untuk gambar proses windowing hamming tertera diatas pada gambar 3.8. Pada proses Hanning window ini melakukan perhitungan dengan memasukkan nilai frame yang digunakan ke dalam persamaan (2.1). Hasil dari proses windowing ini berupa matriks yang selanjutnya menjadi masukan proses DST.
3.4.6 ProsesDST dan windowing koefisien
Dari hasil windowing hamming kemudian ditransformasikan menggunakan Discrete FourierTransform (DST). Proses ini mengkonversi data nada suara dalam domain waktu menjadi domain DST. Proses DST menghasilkan panjang nilai koefisien, Dari panjang nilai nilai koefisien DST kemudian akan dipilih
Mulai
Hasil Normalisasi
w [n] = 0.5 cos
Hasil Windowing
dengan windowing koefisien sejumlah pilihan user. kemudian komputer menjalankan proses plotting hasil konversi tersebut. Proses DST dan windowing koefisien diperlihatkan pada Gambar 3.9.
Gambar 3.10 Proses DST dan windowing koefisie 3.4.7 Prosesfungsi jarak Matusita
Mulai
Mencari Nilai Absolut DST
Pilih Windowing koefisien DST
Hasil windowing koefisien DST Selesai Mulai Hasil windowing koefisien DST Hasil Windowing
Gambar 3.11 Proses fungsi jarak Matusita
Proses penghitungan ini menggunakan fungsi jarak Matusita. Gambar 3.10 memperlihatkan diagram alir proses fungsi jarak Matusita. Pada proses ini Hasil dari keluaran DST kemudian dibandingkan dengan delapan puluh nada referensi atau database. Perbandingan menghasilkan jarak dan data – data tersebut dicari nilai terkecilnya. Setelah nilai jarak terkecil diperoleh maka nada terekam dapat dikenali.
3.4.8 Prosespenentuan nada
Gambar 3.12 Penentuan Nada Selesai
Hasil perhitungan jarak
Mulai
Hasil jarak
Keluaran = jarak minimal
text
Gambar 3.11 merupakan gambar Penentuan Nada. Nada hasil pengenalan ditampilkan dalam tampilan program dalam bentuk teks. Komputer menampilkan nada hasil pengenalan (“ Do, Re, Mi, Fa, Sol, La, Si, Do’ ”)Jika sudah mencapai pada proses tersebut maka proses pengenalan nada Harmonika sudah selesai. User dapat keluar dari program pengenalan nada tersebut dengan menekan tombol “EXIT”.
