ABSTRAK
SIMULASI GELOMBANG SUARA LUMBA-LUMBA BERDASARKAN REKAMAN
HYDROPHONE SQ26-H1 BERBASIS MATLAB
Oleh
JAYA PRALATAMA
Lumba-lumba hidung botol merupakan mamalia laut yang cerdas dan memiliki sistem alamiah yang melengkapi tubuhnya sangat kompleks. lumba-lumba juga memiliki sistem untuk berkomunikasi dan menerima rangsang yang dinamakan Sound Navigation and Ranging (SONAR). Gelombang suara yang merambat pada media air dapat ditangkap dengan Hydrophone SQ26-H1. Teknologi alat ini dapat merekam karakteristik gelombang suara lumba-lumba di bawah air dengan baik karena tidak sedikit penelitian perekaman suara lumba-lumba menggunakan Microphone internal Personal Computer (PC) yang hasilnya kurang baik. Terapi autisme dengan lumba-lumba dapat menurunkan level keautisan pada individunya. Oleh karena itu analisa karakteristik suara lumba-lumba perlu dilakukan karena penelitian berikutnya karakteristik tersebut dapat diimplementasikan pada individu autistik.
Ketiga karakteristik suara lumba-lumba (siulan, lengkingan dan klik) memiliki fungsi yang berbeda-beda dalam sistem komunikasinya, penelitian ini dilakukan untuk menganalisa ketiga karakteristik tersebut dengan Software Wavelab 6 dan menyimulasikan hasil yang didapat dari analisa menggunakan metode pengkodean wicara Code-Excited Linear Prediction (CELP) pada Matrix Laboratory (Matlab).
Hasil penelitian yang telah dilakukan karakteristik gelombang suara lumba-lumba
“klik” paling banyak keluar saat berlangsung terapi. Dan pengujian metode CELP
pada laju bitrate 9,6 dan 16 kbps hanya mendekati kualitas sinyal asli.
ABSTRACT
SIMULATION OF DOLPHIN SOUND WAVES
RECORDING USING
HYDROPHONE SQ26-H1 BASED ON MATLAB
By
JAYA PRALATAMA
Bottlenose dolphin is an intelligent marine mammals that has a natural system in the body which is very complex. Dolphins also have a system to communicate and receive stimulus, called Sound Navigation and Ranging ( SONAR ) .Sound waves propagating in aqueous media can be captured by hydrophones SQ26-H1. Technology tools can record dolphins sound wave characteristics underwater well many research dolphins records voice using the Personal Computer (PC) internal microphone that the results are less good. Autism therapy with dolphins can reduce autism at the individual level. Therefore, the analysis of the characteristics of dolphin sounds subsequent research needs to be done because these characteristics can be implemented in autistic individuals.
The third characteristic of dolphin sounds ( whistling, burst and click ) have different functions within the communication system, this study was conducted to analyze three of these characteristics with Wavelab 6 Software and simulate the results obtained from the analysis using speech coding method Code-Excited Linear Prediction (CELP) based on Matrix Laboratory (Matlab).
Results of research conducted sound wave characteristics dolphins " click " at the most out during a therapy. With CELP methods at a rate of 9.6 and 16 kbps bitrate only approximate the original signal quality.
SIMULASI GELOMBANG SUARA LUMBA-LUMBA
BERDASARKAN REKAMAN
HYDROPHONE SQ26-H1
BERBASIS
MATLAB
(Skripsi)
OLEH
JAYA PRALATAMA
FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
DAFTAR GAMBAR
Halaman
Gambar 2.1. Ilustrasi bunyi dapat terdengar telinga manusia ... 7
Gambar 2.2. Spektrum bunyi ... 11
Gambar 2.3. Hydrophone SQ26-H1 ... 14
Gambar 2.4. Spesifikasi Hydrophone SQ26-H1 ... 15
Gambar 2.5. Fitur dan fungsi dari handy recorder zoom H1 ... 16
Gambar 2.6. Lumba-lumba hidung botol ... 18
Gambar 2.7. Proses pemancaran dan penerimaan suara lumba-lumba ... 21
Gambar 2.8. Anatomi kepala lumba-lumba ... 21
Gambar 2.9. Ekolokasi pada lumba-lumba ... 23
Gambar 2.10. Sinyal analog ... 24
Gambar 2.11. Sinyal digital ... 25
Gambar 2.12. Pengolahan sinyal analog menjadi digital ... 26
Gambar 2.13. Bentuk sinyal sinus asli ... 27
Gambar 2.14. Sinyal sinus yang telah di sampling ... 27
Gambar 2.15. Proses pencuplikan suara ... 27
Gambar 2.16. Fenomena aliasing ... 29
Gambar 2.17. Proses kuantisasi ... 30
Gambar 2.18. (a) Kuantisasi seragam (kuantisasi tak seragam) ... 31
Gambar 2.19. Kuantisasi sinyal analog menjadi 16 selang (interval) ... 32
Gambar 2.20. Tampilan depan Matlab ... 34
Gambar 2.21. Contoh gambar tampilan dari script M-file ... 38
Gambar 2.22. Skema dasar CELP ... 40
Gambar 2.23. Stuktur frame dan sub-frame ... 42
Gambar 3.1. Sinyal yang telah di filter pada pasien pertama... 48
Gambar 3.2. Sinyal yang telah di filter pada pasien kedua ... 49
Gambar 3.3. Contoh proses cropping sound ... 50
Gambar 3.4. Diagram alir penelitian ... 53
Gambar 4.1. Tampilan spectrum analysis settings pada wavelab 6 ... 57
Gambar 4.2. Tampilan Multiband compressor sebelum memfilter ... 58
Gambar 4.3. Tampilan Multiband compressor setelah memfilter ... 59
Gambar 4.4. Tampilan audio error detection and correction ... 60
Gambar 4.5. Spektrum suara lumba-lumba dari rekaman pasien pertama .... 61
Gambar 4.6. Spektrum suara lumba-lumba dari rekaman pasien kedua ... 62
Gambar 4.7. Grafik amplitudo terhadap frek. biner pasien pertama ... 63
Gambar 4.8. Grafik amplitudo terhadap frek. biner pasien kedua ... 63
Gambar 4.9. Data karakter suara lumba-lumba per-detik pasien pertama ... 65
Gambar 4.10. Data karakter suara lumba-lumba per-detik pasien kedua ... 65
Gambar 4.11. Karakter suara siulan ... 67
Gambar 4.12. Karakter suara lengkingan ... 68
Gambar 4.13. Krakter suara klik ... 68
Gambar 4.14. FFT karakter suara siulan ... 69
Gambar 4.15. FFT karakter suara lengkingan ... 70
Gambar 4.16. FFT karakter suara klik ... 71
Gambar 4.17. Perbandingan sinyal asli siulan dengan 9,6 kbps CELP... 73
Gambar 4.18. Perbandingan sinyal asli siulan dengan 16 kbps CELP ... 74
Gambar 4.19. Grafik keseluruhan sinyal sintetk dan sinyal asli siulan ... 75
Gambar 4.20. Perbandingan sinyal asli lengkingan dengan 9,6 kbps CELP 76
Gambar 4.21. Perbandingan sinyal asli lengkingan dengan 16 kbps CELP .. 77
Gambar 4.22. Grafik keseluruhan sinyal sintetk dan sinyal asli lengkingan . 78 Gambar 4.23. Perbandingan sinyal asli klik dengan 9,6 kbps CELP ... 79
Gambar 4.24. Perbandingan sinyal asli klik dengan 16 kbps CELP ... 80
DAFTAR ISI
Halaman
ABSTRAK ... i
LEMBAR JUDUL ... iii
LEMBAR PERSETUJUAN ... iv
LEMBAR PENGESAHAN ... v
LEMBAR PERNYATAAN ... vi
RIWAYAT HIDUP ... vii
PERSEMBAHAN ... viii
SANWACANA ... x
DAFTAR ISI ... xiii
DAFTAR GAMBAR ... xvii
DAFTAR TABEL ... xviii
BAB I PENDAHULUAN 1.1. Latar Belakang ... 1
1.2. Tujuan Penelitian ... 3
1.3. Manfaat Penelitian ... 4
1.4. Rumusan Masalah ... 4
1.6. Hipotesis ... 5
2.3.1. Tingkah Laku Lumba-lumba... 19
2.3.2. Komunikasi Lumba-lumba ... 20
2.3.3. Ekolokasi ... 22
2.6. Code-Excited Linear Prediction (CELP) ... 38
2.6.1. Pengertian CELP ... 38
2.6.2. Frame dan sub-frame ... 42
2.6.4. CELP decoder ... 43
2.6.5. Linear predictive coding (LPC) ... 44
BAB III METODE PENELITIAN 3.1. Waktu Dan Tempat Penelitian ... 45
3.2. Alat Dan Bahan ... 46
3.3. Tahapan Penelitian ... 46
3.4. Pelaksanaan Penelitian ... 47
3.5. Simulasi Menggunakan Matlab ... 52
3.6. Diagram Alir Penelitian ... 53
BAB IV HASIL DAN PEMBAHASAN 4.1. Hasil Observasi Di Lapangan... 54
4.1.1. Data Hasil Perkaman ... 55
4.2. Pemisahan Karakter Suara Lumba-lumba ... 67
4.2.1. Fast fourier transform (FFT) pada ketiga karakter ... 69
4.3. Hasil pengujian dengan CELP ... 72
4.3.1. Karakter Suara Siulan ... 73
4.3.2. Karakter Suara Lengkingan... 76
4.3.3. Karakter Suara Klik... 79
BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan ... 83
DAFTAR TABEL
Jangan Pernah Takut Pada
Bayangan
Jika Belum Melihat
Objek Dibalik Bayangan
Itu
(
Jaya
Pralatama
)
Nothing Can Replace
hard
work
. Luck Is Something That
Happens When
opportunity
Meets With Preparation
Aku Persembahkan Sebuah Karya
Ilmiah Ini Untuk Kedua Orang Tuaku
Bapak M. Thamrin
&
RIWAYAT HIDUP
Penulis dilahirkan di Prabumulih pada tanggal 2 Januari 1991, sebagai anak kedua dari tiga bersaudara pasangan M.Thamrin dan Rohani.
Pendidikan di Sekolah Dasar Negri 57 Gunung Ibul Timur Prabumulih diselesaikan pada tahun 2003, Meneruskan pendidikan di Madrasah Tsanawiyah Pondok Pesantren Raudhatul Ulum Sakatiga Ogan Ilir diselesaikan pada tahun 2006, dan Sekolah Menengah Kejuruan YPS Prabumulih diselesaikan pada tahun 2009.
SANWACANA
Puji syukur penulis panjatkan kepada Allah S.W.T yang telah memberikan rahmat dan berkat-Nya sehingga skripsi ini dapat diselesaikan. Skripsi dengan judul “Simulasi Gelombang Suara Lumba-lumba Berdasarkan Rekaman Hydrophone SQ26-H1 Berbasis Matlab”. Ini adalah salah satu syarat untuk memperoleh gelar Sarjana Teknik pada Jurusan Teknik Elektro Fakultas Teknik Universitas Lampung.
Penulis menyadari bahwa tanpa bantuan dan bimbingan dari berbagai pihak, baik dari masa perkuliahan sampai pada penyusunan skripsi ini sangatlah sulit bagi penulis untuk menyelesaikan skripsi ini. Untuk itu penulis mengucapkan terima kasih kepada :
1. Bapak Prof. Drs. Suharno, M.Sc., Ph.D., selaku Dekan Fakultas Teknik Universitas Lampung;
2. Bapak Agus Trisanto, Ph.D. selaku Ketua Jurusan Teknik Elektro Universitas Lampung;
4. Ibu Dr. Ir. Sri Ratna Sulistiyanti, M.T., selaku Dosen Pembimbing Kedua
atas kesediaan, arahan, saran, serta dorongan semangat dalam proses penyelesaian skripsi ini;
5. Bapak M. Komaruddin, S.T., M.T., selaku Dosen Penguji yang telah berkenan memberikan masukan, kritik, dan saran dalam penyelesaian skripsi ini;
6. Bapak Herri Gusmedi, S.T., M.T., selaku Dosen Pembimbing Akademik dan bapak/ibu Dosen yang telah memberikan ilmu serta wawasan selama penulis menimba ilmu di Jurusan Teknik Elektro Universitas Lampung;
7. Seluruh staf administrasi Jurusan Teknik Elektro atas bantuannya dalam mengurus masalah administrasi selama penulis menjadi mahasiswa;
8. Kedua Orang Tuaku Bapak M. Thamrin dan Ibu Rohani, Kakak ku Ferlys Natalia dan adik tercinta Yeni Marinata terima kasih atas do’a dan dukungan baik matrial maupun moril kepada penulis untuk mendapatkan gelar Sarjana Teknik.
9. Keluarga besar yang berada di Bandar Lampung, Mak Roni, minan masturah, kak indah bang hendi dll telah membantu baik matrial maupun moril.
10. Septi Maya Falenti sebagai orang spesial yang setia menemani dan membantu dalam perjalanan penulis selama proses penyelesaian skripsi ini.
11. Dolphin Therapy Ocean Dream Samudera Ancol, Pak Chandra, Mas Mio dan lumba-lumba (Marcos dan Wongso) yang telah membantu dalam pengambilan data.
maupun duka selama berada di kampus, serta saling berbagi ilmu dalam obrolan kosong yang memiliki makna tersirat.
13. Angkatan 2010 seperjuangan lahir dari Rahim HIMATRO yang tak terlupakan Fendi, Jerry, Rahmad, Oji, Victor, Anwar, Andri, Aji, Seto, Sam, Budi, Aprizal, Haki, Jo, Nanang, Maulana, Khoirul, Nuril, Bagus, Mahe, Derry, Reja, Reynold, Neas, Jeffry, Ogek, Muth, Ipin, Dani, Bripda Andika, Syi’arandi, wendy dan seluruh angkatan 2010, Terima kasih atas canda tawanya kawan-kawan.
14. Adik-adik HIMATRO Rio, Salim, Winal, Yogi, Sivam, Aji, Ipan, Guntur, Rama, Darma, Panji, Windu, Rizki Krui, Anwar Ciripa, Agung, Aji I, Gita, Didi, Yayan dll terima kasih atas kerjasamanya.
15. Keluarga besar HmI (Himpunan Mahasiswa Islam) Cabang Bandar Lampung Komisariat Teknik UNILA yang telah bersedia berbagi pengalaman berorganisasi.
16. Keluarga besar FOPMALA (Forum Penyelam Mahasiswa Lampung).
17. Seluruh angkatan 2008, 2009, 2011, 2012, 2013, 2014 dan Civitas Jurusan Teknik Elektro.
Setiap karya yang dibuat oleh manusia, tidak lepas dari kesalahan. Begitupun dengan tugas akhir ini. Kami menyadari masih banyak kekurangan, dengan segala kerendahan hati kami memohon maaf.
Bandar Lampung, 28 Maret 2015 Penulis
BAB I PENDAHULUAN
1.1.Latar Belakang
2
Lumba-lumba adalah mamalia laut yang sangat cerdas, selain itu sistem alamiah yang melengkapi tubuhnya sangat kompleks. Sehingga banyak teknologi yang terinspirasi dari lumba-lumba. Salah satu contoh lumba-lumba memiliki sistem yang digunakan untuk berkomunikasi dan menerima rangsang yang dinamakan sistem Sound Navigation And Ranging (SONAR), sistem ini dapat menghindari benda-benda yang ada di depan lumba-lumba, sehingga terhindar dari benturan (Judirman Djalimin. 2010).
3
Dari beberapa hal di atas penulis ingin menyimulasikan data hasil rekaman hydrophone SQ26-H1 untuk mengetahui karakteristik gelombang suara lumba-lumba, dan memisahkan karakter-karakter suara tersebut satu sama lain serta menganalisa gelombang suara lumba-lumba yang terekam pada hydrophone SQ26-H1 saat berlangsungnya terapi. juga tidak sedikit penelitian mengenai identifikasi gelombang suara lumba-lumba, tetapi tidak menggunakan hydrophone. Hanya mengandalkan microphone internal dari personal computer (PC) yang hasil dari rekaman kurang akurat. Ketika karakter suara sudah diketahui dan kualitas sinyal telah teruji baik, maka penelitian ini akan menjadi referensi penelitian lanjutan untuk membuktikan efek dari pengaruh gelombang suara lumba-lumba pada individu autistik.
1.2.Tujuan Penelitian
Tujuan dari penelitian yang akan dilakukan adalah :
1. Merekam gelombang suara yang dikeluarkan lumba-lumba hidung botol yang terdapat di gelanggang samudra ancol.
2. Mengolah gelombang suara lumba-lumba dalam ekstensi “.wav” menggunakan software wavelab 6.
3. Menganalisa data perekaman gelombang suara lumba-lumba saat proses terapi berlangsung.
4
1.3.Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah :
1. Dapat digunakan sebagai referensi dalam menganalisa karakter gelombang suara lumba-lumba (siulan, lengkingan, klik).
2. Dapat diimplementasikan sebagai media terapi individu autistik jika dalam penelitian selanjutnya suara ini terbukti menurunkan level autisme.
1.4.Rumusan Masalah
Rumusan masalah pada penelitian ini adalah sebagai berikut :
1. Bagaimana memproses sinyal dalam ekstensi “.wav” menggunakan software Matlab.
2. Bagaimana memfilter frekuensi rendah yang tercampur pada karakter suara lumba-lumba menggunakan software wavelab 6.
3. Bagaimana memproses ketiga karakter suara lumba-lumba dengan metode CELP pada software Matlab.
5
1.5.Batasan Masalah
Penelitian ini akan dibatasi oleh hal-hal sebagai berikut:
1. Pengambilan data dilakukan di gelanggang samudra ancol dengan dua ekor lumba-lumba (Marcos dan Wongso) terlatih.
2. Gelombang suara yang diambil dari perekaman adalah gelombang suara lumba-lumba dan semua noise yang terekam oleh hydrophone.
3. Data yang akan diproses adalah data dengan ekstensi “.wav”.
4. Hydrophone yang digunakan adalah SQ26-H1 dengan range frekuensi 0,02 sampai 50 kHz.
5. Software Matlab hanya digunakan untuk penerapan metode Code-Excited Linear Prediction (CELP) pada bit rate 9,6 kbps dan 16 kbps.
6. Software wavelab 6 hanya digunakan untuk memfilter frekuensi rendah dan memisahkan ketiga karakter suara lumba-lumba.
7. Hanya menganalisa suara lumba-lumba saat proses terapi berlangsung.
1.6.Hipotesis
6
1.7.Sistematika Penulisan
Sistematika penulisan dalam penelitian ini yaitu terdiri atas : BAB I PENDAHULUAN
Berisikan tentang latar belakang, tujuan, perumusan masalah, batasan masalah, manfaat, hipotesis, dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bagian ini menerangkan tentang teori dan literatur penggunaan hydrophone SQ26-H1 sebagai perekam gelombang suara lumba-lumba, karakteristik suara lumba-lumba hidung botol, dan teori-teori dasar yang mendukung dalam penyimulasian.
BABIII METODE PENELITIAN
Berisikan tentang penelitian yang dilakukan diantaranya waktu dan tempat penelitian, alatdan bahan, langkah-langkah pemrograman.
BAB IV HASIL DAN PEMBAHASAN
Membahas tentang pengambilan data, analisa terhadap kinerja program yang telah dilakukan, dan hasil perbandingan data
BAB V KESIMPULAN DAN SARAN
Memuat tentang kesimpulan dan saran tentang penelitian yang telah dilakukan.
DAFTAR PUSTAKA
BAB II
TINJAUAN PUSTAKA
2.1. Bunyi
Sumber bunyi adalah semua benda yang bergetar dan menghasilkan bunyi yang merambat melalui medium atau zat perantara. Gelombang bunyi terdiri dari molekul-molekul yang bergetar merambat ke segala arah, molekul-molekul itu berdesakan dibeberapa tempat, sehingga menghasilkan wilayah tekanan tinggi atau perapatan (compression), tapi ditempat lain merenggang (rarefaction), sehingga menghasilkan wilayah tekanan rendah. Gelombang bertekanan tinggi dan rendah secara bergantian bergerak melalui medium atau zat penghantar berupa udara, gas, zat cair dan zat padat. Dengan prinsip tersebut gelombang ini termasuk gelombang longitudinal. (Tipler, Paul A. 1998)
8
Gambar 2.1 merupakan ilustrasi dari proses perambatan gelombang bunyi melalui medium udara. Sumber bunyi dihasilkan oleh sumber suara yaitu speaker yang berfungsi sebagai osilator (penghasil getaran). Pada medium udara terjadi proses peregangan dan perapatan pada partikel-partikel dimedia udara, proses itu terjadi dengan sangat cepat dan semakin lama bunyi dari sumber akan diterima oleh pendengar dengan menggetarkan membran yang ada pada telinga manusia.
2.1.1. Laju Bunyi
Laju dari sembarang gelombang mekanik (transversal dan longitudinal), bergantung pada sifat-sifat inersial medium (yang menyimpan energi kinetik) dan sifat-sifat elastik medium (yang menyimpan energi potensial) yang diformulasikan secara matematis ;
√ √
dimana (untuk gelombang transversal) τ adalah tegangan dalam dawai dan adalah kerapatan linear dawai. Jika medium adalah udara dan gelombang adalah longitudinal, kita dapat menebak bahwa sifat inersial, berkaitan dengan , adalah kerapatan volume ρ udara.
9
suatu elemen medium berubah volumenya ketika tekanan (gaya per satuan luas) pada elemen tersebut berubah disebut modulus Bulk (B) dengan satuan Pascal (Pa).
⁄
Di sini ΔV/V adalah perubahan fraksi dalam volume yang dihasilkan oleh
perubahan Δp. Satuan SI untuk tekanan adalah N/m2, yang diberi nama
khusus, Pascal (Pa). Dari persamaan 2-2 dapat kita lihat bahwa satuan untuk modulus Bulk (B) juga Pascal (Pa). Tanda Δp dan ΔV selalu berlawanan. Ketika kita meningkatkan tekanan pada elemen (Δp positif), volumenya menurun (ΔV negatif). Kita menyertakan tanda negatif dalam persamaan 2-2 sehingga B selalu bilangan positif. Sekarang gantikan B untuk τ dan ρ untuk dalam persamaan 2-1, maka menghasilkan.
√
dimana :
v = kecepatan atau laju bunyi di udara (m/s)
B = modulus Bulk (Pa)
10
Setiap zat penghantar gelombang bunyi memiliki laju perambatan yang berbeda-beda bergantung pada sifat zat tersebut (Halliday, D. resnick, R. walker, J. 2010). Dapat dilihat pada tabel 2.1 dibawah ini.
Tabel 2.1 laju bunyi berdasarkan mediumnya
Medium Laju Bunyi
11
Gambar 2.2. Spektrum bunyi
Penting untuk diingat bahwa kata “bunyi” (sound) mengacu kepada sebuah fenomena perambatan gelombang pada sebuah medium, sedangkan kata
“suara” (voice) mengacu kepada bunyi yang dihasilkan dari organ tubuh manusia, yaitu membran getar pada organ-organ bicara manusia. Kata
“audio”, “sonik", “audiosonik”, dan “akustik” secara umum diartikan
sebagai jangkah frekuensi (frequency range) dari spektrum bunyi yang dapat dideteksi / didengar oleh manusia, walaupun sebenarnya kata
“akustik” (acoustic) sendiri merupakan suatu inter-disiplin ilmu yang mempelajari bunyi. (Tipler, Paul A. 1998)
2.1.3. Pitch
12
juga dinyatakan bahwa bunyi itu semakin melengking. Gelombang bunyi sendiri tidak mempunyai pitch.
Istilah pitch hanya dipakai bila gelombang bunyi yang didengar hanya terdiri dari satu buah frekuensi tunggal. Jika istilah pitch dipakai dalam sebuah sumber bunyi dengan frekuensi tidak tunggal (seperti alat musik dan suara manusia), maka istilah pitch mengacu pada perubahan frekuensi dasarnya (frekuensi fundamental).
Frekuensi (f) gelombang bunyi menyatakan berapa banyaknya osilasi yang terjadi selama waktu tertentu, biasanya dalam satu detik. Frekuensi diekspresikan dalam banyaknya siklus per detik dengan satuan ukur dalam Hertz (Hz). Lima Hz diartikan sebagai osilasi lima siklus penuh (sempurna) per-detik.
Kebalikan dari frekuensi, yaitu periode (T). Periode suatu gelombang diartikan sebagai berapa lamanya waktu yang dibutuhkan untuk melakukan sebuah osilasi sempurna.
dimana f ialah frekuensi dalam Hz dan T ialah periode dalam detik. (Raymond A. Serway dan John W. Jewett, Jr. 2011).
13
atau dengan mengganti T dengan f, maka didapat :
dimana : v = kecepatan atau laju gelombang (m/s) = panjang gelombang (m)
T = periode gelombang (s) f = frekuensi gelombang (Hz)
2.1.4. Loudness
Loudness berhubungan dengan sensasi perubahan amplitudo pada bunyi oleh si pendengar (manusia). Loudness sangat dekat hubungannya dengan intensitas bunyi (I), tetapi keduanya sebenarnya berbeda. Intensitas ialah sebuah objek, suatu konsep ilmiah, sedangkan loudness subjektif. Loudness hanya sebuah persepsi subjektif pendengar (manusia) yang menyatakan suatu bunyi itu besar atau kecil. Makin besar intensitas (dalam besaran fisika), maka manusia akan menyatakan bahwa loudness dari bunyi tersebut makin besar, terkadang juga dinyatakan bahwa bunyi itu semakin bising.
Berdasarkan teori gelombang, amplitudo (ym) dari suatu gelombang adalah
14
kesetimbangannya ketika gelombang melewati posisi tersebut. Pada ym,
Subskrip m menandakan maksimum. Karena ym adalah magnitudo, maka ym
selalu kuantitas positif, Amplitudo gelombang tidak mempengaruhi laju (v) gelombang, yang berarti juga tidak mempengaruhi frekuensi (f) dan panjang gelombang ( ). (Raymond A. Serway dan John W. Jewett, Jr.2011).
2.2. Hydrophone
Hydrophone adalah perangkat elektronika yang digunakan untuk menangkap bunyi di bawah air. Bunyi yang dihasilkan berbentuk gelombang suara kemudian diubah menjadi sinyal audio yang diterjemahkan dalam bentuk data yang terukur. Komponen utama dari hydrophone ini adalah piezoelektrik yang berfungsi sebagai pengubah gelombang suara menjadi sinyal audio.
15
Gambar 2.3 merupakan gambar hydrophone profesional dengan teknologi yang tinggi dan harga yang mahal. Transduser yang digunakan memiliki jangkauan frekuensi dari audiosonik sampai ultrasonik yaitu 20 Hz sampai 50 kHz. menggunakan kabel penghubung yang rendah noise dan bebas oksigen dengan panjang 10 meter sangat memungkinkan kabel ini menjadi media yang tepat sebagai konduktor untuk penunjang teknologi tranduser dari perangkat hydrophone tersebut. Data yang didapat dari tranduser akan di simpan oleh handy recorder dengan menggunakan micro memory card (MMC).
16
Gambar 2.4 merupakan spesifikasi dari hydrophone yang akan digunakan dalam proses pengambilan contoh suara. Mempunyai spesifikasi yang tinggi sehingga memungkinkan untuk melakukan pemrosesan suara dengan baik. Tedapat banyak jenis hydrophone yang diproduksi oleh Cetacean Research Technology salah satunya jenis transduser SQ26 yang digunakan dalam penelitian ini. Sedangkan H1 adalah jenis handy recorder yang diproduksi oleh perusahaan tersebut.
17
handy recorder pada gambar 2.5 merupakan alat perekam dari pengaplikasian piezoelektrik SQ26 yang dirancang khusus untuk pendukung perangkat piezoelektrik tersebut. Fitur-fitur yang tersedia pada handy recorder adalah prosedur standar untuk melakukan proses perekaman seperti tombol power (on/off), record (start/stop), volume (+,-), speaker internal, low cut (on/off), screen indicator dan lain-lain. Setelah data diterima dan direkam oleh handy record, data tersebuat akan tersimpan pada micro memory card (MMC). (Cetacean Research Technology).
2.3. Lumba-lumba
18
berbadan lebih ramping hidup di perairan lepas pantai, sedangkan yang lebih besar memiliki badan dan kepala yang lebih tegap dan hidup di perairan dalam. Paruhnya cukup pendek dengan rata-rata 40 buah gigi pada setiap rahangnya. Panjang tubuhnya mencapai 4 m dengan berat 150-650 kg. Punggungnya berwarna abu-abu kebiruan atau abu-abu kecoklatan yang dilengkapi sirip punggung setinggi 23 cm. Sementara bagian perut, dada dan lehernya berwarna putih atau abu-abu pucat. Lumba-lumba jenis ini memiliki intelegensi yang tinggi terbukti dari kemampuannya untuk dilatih dengan cepat dalam melakukan prosedur-prosedur rumit seperti gerakan akrobat dengan hanya memperhatikan beberapa contoh yang diberikan. Dan juga sering menampik air dengan menggunakan ekornya dan melompat sampai ketinggian beberapa meter dari permukaan laut lalu mereka mengikuti gelombang ombak atau gelombang yang ditimbulkan oleh kapal laut. (Destari, Ayu. 2007).
19
2.3.1. Tingkah Laku Lumba-lumba
Mamalia laut melakukan berbagai macam gerakan dan tingkah laku yang berhubungan dengan kehidupannya. Tingkah laku lumba-lumba ini sangat beragam, mulai dari yang sangat jelas terlihat sampai yang sangat jarang dilakukan, namun dapat dipelajari beberapa jenis tingkah laku dari lumba-lumba sehingga bisa mengartikan tingkah laku tersebut. (Siahainenia, S. R. 2010).
Berikut adalah tingkah laku lumba-lumba :
A. Bow riding adalah gerakan lumba-lumba berenang mengikuti gerakan kapal.
B. Aerials adalah Gerakan lumba-lumba melompat sangat tinggi, salto, berbalik dan berputar di udara.
C. Stationary adalah lumba-lumba diam tidak melakukan pergerakan. D. Travelling adalah Gerakan lumba-lumba membentuk kelompok dalam
kegiatan mencari mangsa dan pergerakan untuk migrasi.
E. Lobtailing adalah Gerakan mengangkat fluks ke luar permukaan air dan memukul-mukulkan ke permukaan air.
F. Feeding adalah Kegiatan yang dilakukan ketika sedang mencari makan, biasanya ditandai adanya schooling ikan di dekat lumba-lumba.
20
2.3.2. Komunikasi Lumba-lumba
21
Gambar 2.7. proses pemancaran dan penerimaan suara lumba-lumba.
Gambar 2.8. anatomi kepala lumba-lumba
22
2.3.3. Ekolokasi
Ekolokasi merupakan lacak gaung yang menjadi sensor utama lumba-lumba karena akustik merupakan sarana yang paling efektif dan efisien untuk berkomunikasi pada lingkungan perairan. Lumba-lumba mentransmisikan sinyal akustik pada bagian kepala (melon) dan menerima pantulannya dari rahang bawah. Pantulan tersebut memungkinkan lumba-lumba untuk mengetahui bentuk, ukuran, tekstur dan jarak dari obyek. Hal ini sangat berguna sebagai alat navigasi, untuk mencari mangsa dan menghindar dari predator. Suara dengan durasi, panjang gelombang, amplitudo, frekuensi, interval dan pola suara yang berbeda ditransmisikan untuk tujuan yang berbeda pula. Karakter dari suara yang dihasilkan lumba-lumba dapat digunakan sebagai teknik untuk terapi bagi anak-anak yang memiliki masalah psikis maupun keterbelakangan mental atau individu autistik dan untuk penderita stroke.
23
Gambar 2.9. ekolokasi pada lumba-lumba
2.4. Sinyal Dan Sistem
Konsep dan ide mengenai sinyal dipergunakan dan memainkan peran penting di berbagai bidang seperti elektronika, komunikasi, penerbangan, biomedis, sistem produksi dan distribusi energi, sistem kendali, serta pengolahan suara / bunyi. Sinyal adalah fenomena dari lingkungan yang terukur atau terkuantisasi, sementara sistem adalah bagian dari lingkungan yang menghubungkan sinyal dengan sinyal lainnya atau dengan kata lain merespon sinyal masuk dengan menghasilkan sinyal keluaran.
24
berdasarkan analisis fourier, suatu sinyal analog dapat diperoleh dari perpaduan sejumlah gelombang sinus. Dengan menggunakan sinyal analog, maka jangkauan transmisi data dapat mencapai jarak yang jauh, tetapi sinyal ini mudah terpengaruh oleh noise. Gelombang pada sinyal analog yang umumnya berbentuk gelombang sinus memiliki tiga variabel dasar, yaitu amplitudo, frekuensi dan fasa.
1. Ampitudo merupakan ukuran tinggi rendahnya tegangan dari sinyal analog.
2. Frekuensi adalah jumlah gelombang sinyal analog dalam satuan detik. 3. fasa adalah besar sudut dari sinyal analog pada saat tertentu.
Gambar 2.10. sinyal analog
25
Gambar 2.11. sinyal digital
Sinyal digital merupakan bentuk sampling dari sistem analog. Digital pada dasarnya dikodekan dalam bentuk biner (hexa). Besarnya nilai suatu sistem digital dibatasi oleh lebarnya atau jumlah bit (bandwidth).
Sinyal digital memiliki berbagai keistimewaan yang unik, yang tidak dapat ditemukan pada teknologi analog, yaitu :
1. Mampu mengiriman informasi dengan kecepatan cahaya yang dapat membuat informasi dapat dikirim dengan kecepatan tinggi.
2. Penggunaan yang berulang-ulang terhadap informasi tidak mempengaruhi kualitas dan kuantitas informasi itu sendiri.
3. Informasi dapat dengan mudah diperoses dan dimodifikasi kedalam berbagai bentuk.
4. Dapat memproses informasi dalam jumlah yang sangat besar dan mengirimnya secara interaktif.
26
Gambar 2.12. pengolahan sinyal analog menjadi sinyal digital
2.4.1. Sampling
27
Gambar 2.13. bentuk sinyal sinus asli
Gambar 2.14. bentuk sinyal sinus yang telah di sampling
28
Gambar 2.13 memperlihatkan bentuk sinyal sinus asli dan gambar 2.14 memperlihatkan bentuk sinyal sinus yang sudah di sampling melalui proses pencuplikan sinyal seperti terlihat pada gambar 2.15. untuk mendapatkan sinyal waktu diskrit yang mampu mewakili sifat sinyal aslinya, proses sampling harus memenuhi teorema sampling atau syarat Nyquist. Bahwa banyaknya sampling (sampling frekuensi = fs) yang dilakukan untuk suatu sinyal analog paling sedikit harus sebesar dua kali frekuensi tertinggi sinyal analog. Misalnya, untuk sinyal suara (voice grade) yang mempunyai spektrum frekuensi tertinggi 4 kHz, maka frekuensi sampling yang diperlukan adalah 2 x 4000 = 8000 Hz. Atau secara matematis dapat ditulis :
Dimana :
fs = frekuensi sinyal sampling
fi = sinyal informasi yang akan di sampel
29
sinyal berfrekuensi tinggi
dicuplik pada frekuensi
yang kurang tepat
kelihatan seperti ini
sinyal berfrekuensi rendah
Gambar 2.16. fenomen aliasing
Disebut aliasing karena frekuensi tertentu terlihat sebagai frekuensi yang lain (menjadi alias dari frekuensi lain). Dari beberapa keterangan pada gambar 2.16 dapat disimpulkan bahwa teorema sampling sangat diperlukan dan sangat diperhatikan saat mengubah suatu sinyal analog menjadi diskrit. Teorema sampling diciptakan agar pembacaan data analog dan diskrit jangan ada yang hilang karena proses aliasing, tetapi untuk frekuensi sampling kritis yaitu dua kali bandwidth sinyal, performansi dari hasil sampling masih belum memenuhi indeks performansi secara umum. Untuk dapat mendapatkan hasil yang sampling secara baik, maka frekuensi sampling tidak sekedar dua kali bandwidth sinyal. beberapa kriteria dalam menentukan frekuensi sampling :
1. Frekuensi sampling yang diambil harus menyebabkan sinyal yang tersampling memiliki indeks performansi minimal 85% dari sinyal asli. 2. Frekuensi sampling yang diambil berada sekitar 15-20 kali frekuensi
30
3. Untuk satu kali rise time, ada sekitar 4-10 sample.
2.4.2. Kuantisasi
Kuantisasi adalah proses representasi nilai sampel sinyal menjadi bilangan biner. Representasi sampel dalam bentuk sinyal pulsa dengan amplitudo proposional terhadap sinyal yang disampel. Proses representasi ini disebut dengan Pulse Amplitude Modulation (PAM). Amplitudo dari setiap pulsa PAM dibulatkan ke n-bit bilangan bulat terdekat. Jumlah bit per sampel yang digunakan untuk merepresentasikan sampel menentukan jumlah level analog yang dapat direpresentasikan. Apabila digunakan 8 bit per sampel maka akan terdapat representasi 256 (28) level yang berbeda. Sinyal digital terdiri dari suatu blok dari n-bit, dimana setiap bit angka menunjukan amplitudo sinyal aslinya. Karena adanya proses kuantisasi ini, maka sinyal hasil proses balik dari diskrit (digital) ke kontinu (analog) hanya mendekati sinyal aslinya. Proses ini disebut dengan error kuantisasi.
31
Kuantisasi melakukan pengelompokan pada selang-selang (interval) tertentu. Besarnya selang kuantisasi ini disebut juga dengan istilah step size. Berdasarkan besarnya step size dapat dibedakan dua jenis kuantisasi, yaitu :
1. Kuantisasi seragam adalah interval kuantisasi sama besar.
2. Kuantisasi tak seragam adalah interval kuantisasi tidak sama besar.
(a)
(b)
32
Banyaknya selang (inverval) bergantung pada banyaknya bit yang akan digunakan untuk proses penyandian. Jika konverter A/D n-bit maka jangkauan sinyal analog akan dikuantisasikan (dikelompokan) menjadi sejumlah 2n selang (interval). Pada gambar 2.18 diperhatikan ilustrasi kuantisasi sinyal analog menjadi 16 selang (n-4).
Gambar 2.19. kuantisasi sinyal analog menjadi 16 selang (interval)
33
interval, maka proses pemodulasian akan semakin teliti, sehingga sinyal yang diperoleh semakin mendekati sinyal aslinya. (Dewi P, Silvia. 2011)
2.4.3. Coding
Untuk proses pentransmisian melewati jalur transmisi yang diganggu noise maka keluaran dari proses kuantisasi bentuknya harus disesuaikan dengan kondisi kanal. Proses konversi yang diperlukan disebut encoding (pengkodean). Encoding menyatakan batas spesifikasi tempat antara elemen dua buah karakter. Bentuk yang mungkin adalah kode biner. Kode biner hanya menggunakan elemen 0 dan 1 untuk tiap karakter yang disebut bit (binary digital). (Dewi P, Silvia. 2011)
2.5. Sekilas MATLAB
Matlab adalah singkatan dari matrix laboratory, merupakan bahasa pemrograman yang dikembangkan oleh The Mathwork Inc. yang hadir dengan fungsi dan karakteristik yang berbeda dengan bahasa pemrograman lain yang sudah ada lebih dahulu seperti Delphi, Basic maupun C++. Matlab merupakan bahasa pemrograman level tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan pemrograman seperti komputasi matematik, analisis data, pengembangan algoritma, simulasi, pemodelan dan grafik-grafik perhitungan. Pada awalnya Matlab dibuat untuk memberikan kemudahan mengakses data matrik.
34
Mudah dalam memanipulasi struktur matriks dan perhitungan berbagai operasi matriks yang meliputi penjumlahan, pengurangan, perkalian, invers dan fungsi matriks lainnya.
Menyediakan fasilitas untuk memplot struktur gambar (kekuatan fasilitas grafik tiga dimensi yang sangat memadai).
Script program yang dapat diubah sesuai dengan keinginan user.
Jumlah routine-routine powerful yang berlimpah dan terus berkembang.
Dilengkapi dengan toolbox, simulink, stateflow dan sebagainya, serta mulai melimpahnya source code di internet yang dibuat dalam matlab (contoh toolbox misalnya : signal processing, control system, neural networks dan sebagainya). (Leis, John W. 2011)
35
2.5.1. M-File
Penulisan barisan ekspresi dalam Matlab command window dilakukan baris perbaris dan biasanya untuk menyimpan barisan perintah dan hasil outputnya dengan menggunkan command diary. Hal ini sangatlah tidak efisien dikarenakan barisan yang telah tersimpan di diary tidak dapat diulangkan kembali seandaianya telah keluar dari Matlab. Apalagi jika dilakukan banyak sekali perulangan barisan perintah yang sama, misalkan dilakukan pengolahan data dan perhitungan yang samayang melibatkan data atau fungsi yang berbeda. Untuk itu Matlab menyediakan suatu struktur untuk membuat fungsi sendiri atau suatu teknik pemrograman dalam bentuk M-File. Fungsi M-file hampir sama dengan script file dimana keduanya merupakan suatu file teks dengan ekstensi “m” Fungsi M-file ini tidak dimasukkan dalam command window, melainkan suatu file tersendiri yang dibuat dalam editor teks (Matlab editor/debugger). Suatu fungsi M-File harus mengikuti beberapa aturan, fungsi M-file juga mempunyai sejumlah sifat penting. Aturan-aturan dan sifat-sifat tersebut meliputi :
1. Nama fungsi dan nama file harus identik. Contohnya flipud disimpan dalam file yang bernama flipud “m”.
36
fungsi juga melibatkan pemanggilan ke fungsi M-file yang lain, fungsi M-file yang dipanggil itu juga akan dikompilasi ke dalam memori. 3. Baris komentar sampai dengan baris bukan komentar yang pertama
adalah teks help yang ditampilkan. Jika anda meminta help, misalnya >>help flipud yang menampilkan 9 baris komentar pertama dari contoh di atas. Baris komentar yang paling atas disebut baris H1 adalah baris yang dicari oleh perintah look for.
4. Setiap fungsi memiliki ruang kerjanya sendiri yang berbeda dengan ruang kerja Matlab. Satu-satunya hubungan antara ruang kerja Matlab dengan variabel-variabel dalam fungsi adalah variabel-variabel input dan output fungsi. Jika suatu fungsi mengubah nilai dalam bentuk suatu variabel input, perubahan itu hanya tampak dalam fungsi dan tidak mempengaruhi ruang kerja Matlab.
5. Jumlah dari argument input dan output yang digunakan jika suatu fungsi dipanggil hanya ada dalam fungsi tersebut.
6. Fungsi dapat berbagi variabel dengan fungsi lain, ruang kerja Matlab dan pemanggilan rekursi untuk dirinya sendiri jika variabelnya dideklarasikan sebagai variabel global.
7. Fungsi M-file berhenti dieksekusi dan kembali ke prompt jika telah mencapai akhir dari M-file atau jika menemui perintah return. Perintah return merupakan cara sederhana untuk menghentikan fungsi sebelum mencapai akhir file.
37
Untuk membuat M-file click File di Matlab command window selanjutnya pilih New dan click M-File dari menu the pull down. Maka di layar akan ditampilkan Matlab Editor / Debugger .Selanjutnya di layar ini dituliskan argumen-argumen yang diinginkan. Setelah selesai melakukan pengetikan maka File, pada layar Matlab Editor / Debugger pilih Save as. berikan nama yang diinginkan untuk file tersebut, misalnya “firstgraph.m” kemudian click Save. Pastikan bahwa file yang disimpan pada direktori yang mudah untuk dipanggil. Sebagai contoh sederhana file dalam script adalah :
% Script file firstgraph.
x = pi/100:pi/100:10*pi; y = sin(x)./x;
plot(x,y) grid
38
Gambar 2.21. contoh gambar tampilan dari script M-file
Gambar 2.21 merupakan hasil dari deklarasi script M-file untuk menampilkan sebuah grafik sinyal sinus yang diinginkan. Grafik dapat dimodifikasi dengan cara menambahkan script xlabel, ylabel, title dan lain-lain agar grfik mudah dipahami dan dianalisa. (Leis, John W. 2011)
2.6. Code-Excited Linear Prediction(CELP)
2.6.1. Pengertian CELP
39
"Code-Excited " berasal dari codebook eksitasi, yang berisi kode untuk membangkitkan filter sintesis. Pengkodean kompleksitas tinggi CELP awalnya dianggap menjadi tidak praktis namun setelah bertahun-tahun peneliti telah menemukan banyak cara untuk mempercepat proses encoding yang membuat CELP praktis menjadi kenyataan .Ide algoritma CELP terbagi menjadi beberapa bagian utama :
1. Menggunakan source-filter model of speech production pada Linear production (LP).
2. Menggunakan adaptive dan fixed codebook sebagai input pada model LP.
3. Mengaplikasikan vector quantization (VQ).
40
Gambar 2.22. Skema dasar CELP, meminimalkan error dengan pemilihan entry codebook
terbaik.
41
periodisitas jangka panjang. Periode ini dikenal sebagai picth yang dimasukkan ke dalam spektrum lalu disintesis oleh picth filter 1/B (z). Sinyal wicara disintesis oleh filter adalah skala sinyal yang telah dikuatkan gain untuk membuat energi yang sama dengan energi masukan sinyal wicara. Untuk meringkas setiap frame sinyal wicara sintetis (N samples) perlu menghitung LPCs dan pitch dan memperbarui filter. Untuk setiap sub-frame sinyal wicara sintetis (K sampels), kode vektor yang menghasilkan sinyal terbaik dipilih untuk mewakili subframe. Decoder menerima indeks kode vektor yang dipilih dari nilai terkuantisasi untuk setiap subframe. LPCs dan nilai-nilai picth juga harus terkuantisasi dan dikirim ke setiap frame untuk merekonstruksi filter di decoder. Sinyal wicara direkonstruksi pada decoder melewati kode vektor dipilih melalui filter.
Untuk menentukan rate pada CELP coder ditentukan oleh dua faktor :
1. Rate dari VQ = RVQ =
2. Bits yang berlebih perlu untuk diteruskan ke quantized Value of gain untuk setiap sub-frame dan koefisien linear predictive coding (LPC) untuk setiap frame.
Untuk menentukan rate dari coder dalam bits per-second ditentukan sebagai berikut :
42
2.6.2. Frame dan sub-frame
Sebuah model CELP memecah input menjadi 240 sampel frame, sama seperti standar LPC. Selanjutnya memproses 240 sampel frame menjadi 60 sub-frames, yang berarti setiap 1 frame memiliki 4 sub-frame. Jumlah tiap sampel per frame dan sub-frame bergantung pada versi dari CELP.
Gambar 2.23. struktur frame dan sub-frames
2.6.3. Codebook
Pengembangan selanjutnya dari teknik coding ini adalah penggunaan codebook Pada sinyal eksitasi yang berbeda, bergantung pada encoder dan decoder. Encoder akan mencari sinyal yang paling pas, kemudian mengirimkan kedecoder, dimana didalam decoder ini sinyal akan diproses. Ada 2 jenis codebook, yaitu :
43
Pada fixed codebook, encoding dan decoding perangkat memiliki codebook yang sama persis. Sedangkan pada adaptive codebook, codebook diperbarui dengan setiap sub-frame sinyal wicara untuk memberikan pilihan baru kode vektor setiap kali. kode vactor dapat terdiri dari white noise atau pulsa deterministik. Untuk penyederhanaan dipilih codebook yang berisi sample white noise tetap. gaussian white noise membuat kode vektor, dengan panjang 60 sampel. Panjang vektor codebook adalah 256 sehingga membuatnya menjadi 256 x 60 matriks. satu kode vektor digunakan untuk mewakili setiap sub-frame sinyal wicara.
2.6.4. CELP decoder
Gambar 2.24. CELP decoder
44
2.6.5. Linear predictive coding(LPC)
BAB III
METODE PENELITIAN
3.1. Waktu dan Tempat Penelitian
Penelitian tugas akhir ini dilaksanakan pada : Waktu : Juni 2014 – Maret 2015
Tempat : Laboratorium Terpadu Jurusan Teknik Elektro
Universitas Lampung dan Gelanggang Samudra Ancol.
Adapun kegiatan yang akan dilakukan tiap bulannya, dapat dilihat jadwal penelitian pada Tabel 3.1 di bawah ini.
Tabel 3.1 Jadwal penelitian.
3 Pengambilan data sebagai
46
3.2. Alat dan Bahan
Alat dan bahan yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Hydrophone SQ26-H1
Untuk memudahkan analisis dan mengorganisir pembahasan maka penelitian dibagi kedalam beberapa tahapan yaitu :
1. Studi pustaka dan literatur tentang teori yang menunjang penelitian. 2. Menganalisa masalah yang berkaitan dalam pembuatan program dan
simulasi.
3. Merekam gelombang suara lumba-lumba dalam ekstensi “.wav“ dengan menggunakan Hydrophone SQ26-H1 sebagai input dari simulasi.
4. Memfilter frekuensi rendah dan memproses sinyal yang terekam oleh Hydrophone SQ26-H1 menggunakan software wavelab 6.
5. Memisahkan tiga karakter gelombang suara yang akan diproses oleh software Matlab.
6. Merancang program CELP yang akan diimplementasikan pada software Matlab.
47
3.4. Pelaksanaan Penelitian
Pelaksanaan penelitian yang dilakukan adalah sebagai berikut : 1. Pengambilan data menggunakan Hydrophone SQ26-H1
Pengambilan data gelombang suara lumba-lumba dilakukan di gelanggang samudera ancol yang merupakan tempat terapi bagi individu autistik. Dilakukan beberapa kali perekaman data suara lumba-lumba dengan dua pasien yaitu, pasien pertama saat terapi berlangsung di kolam dengan durasi satu jam. Kemudian pasien kedua dengan durasi pengambilan data 48 menit. Dan saat lumba-lumba dikolam tanpa pasien yaitu, dengan durasi 15 menit.
2. Pemfilteran frekuensi rendah dan Cropping Sound
Pemfilteran frekuensi rendah dan Cropping sound menggunakan software wavelab 6 dilakukan untuk mempersingkat durasi contoh suara yang akan dijadikan input pada simulasi, kemudian membedakan karakteristik suara lumba-lumba dan meloloskan frekuensi tinggi pada suara yang terekam
(≥1kHz) agar sesuai dengan literatur yang digunakan dengan cara mendengarkan hasil rekaman dan mengamati FFT meter secara visual. Dalam penelitian ini karakteristik siulan, lengkingan dan klik pada suara lumba-lumba yang akan disimulasikan menggunakan software Matlab. Dalam proses ini juga dilakukan audio error detection and correction yang terdapat pada menu analysis ditampilan awal wavelab untuk mendeteksi sekaligus memperbaiki sinyal yang rusak pada data.
48
Pada pasien pertama, dilakukan pengambilan data dengan durasi satu jam untuk mendapatkan seluruh karakter suara lumba-lumba saat berlangsungnya terapi. Tetapi noise juga ikut terekam oleh hydrophone walaupun swicth low cut telah diarahkan di posisi on pada handy recorder dan dilakukan pemfilteran frekuensi rendah Untuk meminimalisir noise. Ini merupakan tampilan sinyal yang sudah melalui proses deteksi dan koreksi error.
Gambar 3.1 sinyal yang telah di filter pada pasien pertama
49
Gambar 3.2 sinyal yang telah di filter pada pasien pertama
50
sinyal pada sofware Matlab. Berikut adalah tampilan dari pemrosesan cropping sound pada ketiga karakter suara lumba-lumba :
Gambar 3.3 contoh proses cropping sound
51
3. Konversi ekstensi “.wav” ke ekstensi “.txt”
Tujuan dari konversi ekstensi ini adalah untuk merepresentasikan gelombang suara lumba-lumba kedalam bentuk biner agar amplitudo dan frekuensi dapat dilihat secara rinci pada nilai terendah dan tertinggi, ini merupakan prosedur kerja yang akan dilakukan sebelum data dijadikan input dalam software Matlab. Proses konversi ini dilakukan pada software wavelab 6 dengan cara block gelombang secara menyeluruh lalu pilih fast fourier transform meter (FFT meter) pada toolbar yang telah tersedia, kemudian pilih menu analyse selection maka di FFT meter akan tampil grafik antara amplitudo dengan frekuensi. Sebelum export data ke biner dilakukan, FFT meter diatur dengan memilih “analysis block size” pada angka 1024 untuk akurasi dalam domain frekuensi. Selain itu pengaturan FFT meter juga dilakukan pada “smoothing window” dengan memilih metode “hanning” untuk mengoptimalkan tampilan pada spektrum. Langkah terakhir yaitu “export FFT data as ASCII” agar spektrum dapat terkonversi menjadi biner dan data dapat diolah menggunakan microsoft office excel.
4. Analisa hasil simulasi
52
3.5. Simulasi Menggunakan Matlab
Setelah hasil observasi dilapangan didapatkan proses selanjutnya adalah simulasi menggunakan software Matlab dengan input ketiga karakter suara lumba-lumba yang telah melalui proses pemfilteran, cropping sound, noise reduction dan amplifikasi. Metode yang akan diterapkan dalam pengujian yaitu Codebook Excited Linear Prediction (CELP) dengan asumsi bahwa efektifitas pengkodean CELP dalam mengkodekan sinyal suara pada laju bit rendah (9.6 kbps dan 16 kbps). Output dari teknik pengkodean ini yaitu suara yang digambarkan dengan suatu grafik dihasilkan dari program yang merupakan hasil simulasi. Berikut merupakan langkah-langkah yang dilakukan dalam pemrosesan sinyal dengan metode CELP :
Hal yang dilakukan pertama kali adalah membuat folder yang berisikan semua berkas yang terkait dengan pengkodean suara seperti file audio, sintak-sintak yang dibutuhkan untuk pengkodean sinyal dan file dengan ekstensi “.mat” yang merupakan bentuk biner dari suatu sinyal.
53
3.6. Diagram Alir Penelitian
Gambar 3.4 Diagram alir penelitian simulasi gelombang suara lumba-lumba MULAI
Studi Literatur
Pengambilan sempel suara lumba-lumba Saat proses terapi
Karakteristik suara siulan, lengkingan
dan klik ??
TIDAK
Membuat program simulasi dengan metode CELP pada software Matlab
YA
SELESAI
Pemilteran frekuensi rendah dengan software wavelab 6
Pemisahan karakteristik suara lumba-lumba dengan software wavelab 6
BAB V
KESIMPULAN DAN SARAN
5.1. kesimpulan
Setelah melakukan analisa dan penelitian, terdapat beberapa kesimpulan sebagai berikut :
1. Dalam proses perekaman gelombang suara lumba-lumba, terdapat tiga jenis karakter suara dan range frekuensinya yaitu siulan (4,3 - 39 kHz), lengkingan (1,6 - 30 kHz) dan klik (8,2 – 41 kHz).
2. Proses pemfilteran frekuensi rendah ≤ 1 kHz, spectrum analysis setting, dan audio error detection and correction dilakukan untuk optimalisasi pengolahan sinyal agar sesuai keinginan.
3. Perekaman dilakukan pada dua sesi dengan durasi waktu 60 dan 48 menit. Pada sesi pertama suara berkarakter klik sebanyak 283 detik dan sesi kedua sebanyak 350 detik dengan demikian hipotesis dalam penelitian ini terbukti.
84
5.2. Saran
Adapun beberapa saran yang dianjurkan untuk penelitian berikutnya adalah sebagai berikut :
1. Hendaknya dilakukan pengambilan data pada individu lumba-lumba yang berbeda-beda dan habitat yang berbeda pula agar contoh suara yang didapatkan bervariasi.
2. Perlu pengkajian yang mendalam tentang suara yang dihasilkan lumba-lumba dan perlakuan lumba-lumba-lumba-lumba terhadap individu autistik saat terapi berlangsung. Agar penelitian selanjutnya bisa diimplementasikan dengan nyata dan merubah wahana terapi.
3. Penerapan metode pengkodean suara perlu dipelajari secara detil untuk menghasilkan kualitas sinyal yang jauh lebih baik. Dan perlu ditambahkan sintak untuk merekam sinyal sintetik yang dihasilkan oleh Matlab agar sinyal sintetik berubah menjadi ekstensi audio
DAFTAR PUSTAKA
Djalimin, J. (2010). Moral Dari Sifat Binatang. Jakarta: Elex Media.
Avilable. Retrieved Februari 15, 2015, From Hydrophone SQ26-H1:
http://.cetaceanreasearch.com/hydrophone-systems/sq26-h1-portable-recording/index.html
Tipler, P. A. (1998). Fisika Untuk Sains Dan Teknik. Jakarta: Erlangga.
Halliday, D. Resnick, R. Walker, J. (2010). Fisika Dasar Edisi 7. Jakarta: Erlangga.
Sarway, R. A And Jewett Jr, J. W. (2011). Fisika Untuk Sains Dan Teknik Edisi 6. Jakarta: Salemba Teknik.
Destari, A. (2007). Studi Karakter Suara Beberapa Spesies Odontoceti Di Perairan Laut Sewu Nusa Tenggara Timur. Bogor: Institud Pertanian Bogor.
Siahainenia, S. R. (2010). Tingkah Laku Lumba-Lumba Di Perairan Pantai Lovina Buleleng Bali. Amanisal, Volume 1, Hal 13-21.
W.L. Wiltlow. Popper, A.N. Fay, R.R. (2000). Hearing by Whales and Dolphins. New York: Springer Verlag.
Leis, J. W. (2011). Digital signal processing using matlab for students and researchers. New jersey: John wiley.
Avilable. Retrieved Januari 2, 2015, From Echolocation Dolphin: http://seaworld.org/en/animal-info/animal-
/bottlenose-dolphins/communication-and-echolocation/
Mulye, M. and Jagtap. S. (2014). Overview of Code Excited Linear Predictive Coder. IJRDET. Volume 3.
Shrestha, R and Chitrakar, S. (2009). Design and Analysis of Vecoder (Code Excited Linear Prediction). Nepal: Khwopa Engineering College.
Avilable, Retrieved Januari 30, 2015, From Yayasan Autisma Indonesia: http://autisme.or.id/istilah-istilah/autisme-masa-kanak/
Avilable. Try an XPath query against "CELP codec". Retrieved Januari 29, 2015, From McBench: http://mcbench.cs.mcgill.ca/benchmark/39038-celp-codec?query=%2F%2FFunction%5B.%2FOutputParamList%5Bcount%28
