i
TUGAS AKHIR
PENGENALAN NADA SARON PELOG
MENGGUNAKAN FUNGSI JARAK MINKOWSKI
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Teknik
Program Studi Teknik Elektro
Oleh:
JOKO PRAYITNO
NIM: 075114006
PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA YOGYAKARTA
ii
FINAL PROJECT
TONE RECOGNITION OF SARON PELOG USING
MINKOWSKI DISTANCE FUNCTION
Presented as Partial Fullfillment of Requirements
To Obtain the Sarjana Teknik Degree
In Electrical Engineering Study Program
JOKO PRAYITNO
NIM: 075114006
ELECTRICAL ENGINEERING STUDY PROGRAM SCIENCE AND TECHNOLOGY FACULTY
SANATA DHARMA UNIVERSITY YOGYAKARTA
v
PERNYATAAN KEASLIAN KARYA
Saya menyatakan dengan sesungguhnya bahwa tugas akhir ini tidak memuat karya
atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar
pustaka sebagaimana layaknya karya ilmiah.
Yogyakarta, 30 April 2012
vi
HALAMAN PERSEMBAHAN DAN MOTTO HIDUP
MOTTO
MAJU TAK GENTAR MUNDUR TAK GUYU
MAJU TAK GENTAR MUNDUR TAK GUYU
MAJU TAK GENTAR MUNDUR TAK GUYU
MAJU TAK GENTAR MUNDUR TAK GUYU
SIRO DIRJO DJAYANINGRAT LEBUR
SIRO DIRJO DJAYANINGRAT LEBUR
SIRO DIRJO DJAYANINGRAT LEBUR
SIRO DIRJO DJAYANINGRAT LEBUR
vii
LEMBAR PERNYATAAN PERSETUJUAN
PUBLIKASI KARYA ILMIAH UNTUK
KEPENTINGAN AKADEMIS
Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :
Nama : Joko Prayitno
Nomor Mahasiswa : 075114006
Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan
Universitas Sanata Dharma karya ilmiah saya yang berjudul :
PENGENALAN NADA SARON PELOG
MENGGUNAKAN FUNGSI JARAK MINKOWSKI
beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan
kepada kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpannya,
mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data,
mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media
lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun
memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai
penulis.
Demikian pernyataan ini saya buat dengan sebenarnya.
Yogyakarta, 30 April 2012
viii
INTISARI
Sebagian orang hanya mendengarkan suatu nada alat musik tanpa mengetahui
nada apa yang sedang dimainkan, karena kurangnya ketajaman indera pendengaran dan
pengetahuan tentang musik. Saron adalah salah satu alat musik yang banyak digunakan
wiyaga dalam ensamble musik jawa, Sistem pengenalan sangat diperlukan untuk
membantu dalam mengenali nada alat musik.
Sistem pengenalan nada alat musik saron pelog pada tugas akhir ini
menggunakan mikrofon dan komputer untuk mengoperasikannya. Mikrofon berfungsi
untuk merekam gelombang suara nada alat musik saron pelog. komputer berfungsi untuk
memproses data hasil rekaman, menampilkan gelombang hasil rekaman, menampilkan
spektrum frekuensi hasil subproses perhitungan FFT, mengenali nada terekam, dan
menampilkan hasil nada yang dikenali. Proses pengenalan nada meliputi subproses
merekam, frame blocking, windowing, normalisasi 1, FFT, normalisasi 2, fungsi jarak, dan
penentuan nada.
Sistem pengenalan nada alat musik saron pelog menggunakan fungsi jarak
Minkowski sudah berhasil dibuat dan dapat bekerja dengan baik. Penampil hasil rekaman,
spektrum frekuensi hasil FFT, jarak setiap nada, dan hasil pengenalan nada mampu
menampilkan data-data sesuai dengan perancangan. Program pengenalan nada alat musik
saron pelog hanya mengenali nada-nada dasar(1’, 2’, 3’, 4’, 5’, 6’, dan 7”).
Kata kunci: Saron pelog, Fast Fourier Transform(FFT), Fungsi Jarak Minkowski,
ix
ABSTRACT
Some people heard a tone of musical instrument that knowed nothing about it,
because sense of hearing is less sharp and less of knowledge about music. Saron is a
musical intrument that use by wiyaga in Java Music.
Identification system of the Saron Pelog’s tones used michrophone and computer
on it’s operation. The function of Michrophone is to record sound wave of Saron Pelog’s
tone, the function of computer is to process recording data, to view the wave of
recordings, to view frequency spectrum that the result of FFT, to identify recorded tone
and to view the identifying tone. Tone identifying process invoved recording, frame
blocking, windowing, first normalization, FFT, second normalization, the function of
distance and determination of tone.
Indentification system of Saron Pelog’s tone using Minkowski’s distance function
that could be maked and could worked well. The viewing of recordings, frequency
specrum of FFT, distance of every tone and the result of tone’s identifying could viewed
the recordings data same as the design. The program of identification tone of Saron Pelog
only identificate basic tones (1’, 2’, 3’, 4’, 5’, 6’, 7’’).
keyword: Saron pelog, Fast Fourier Transform (FFT), Minkowski Distance Functions, tone
x
KATA PENGANTAR
Puji dan Syukur penulis panjatkan kepada Tuhan Yesus Kristus karena telah
memberikan rahmad-Nya sehingga penulis dapat menyelesaikan laporan akhir ini dengan
baik. Laporan akhir ini disusun untuk memenuhi syarat memperoleh gelar sarjana.
Penulis mengucapkan terima kasih kepada :
1. Paulina Heruningsih Prima Rosa, M.Sc., Dekan Fakultas Sains Dan Teknologi
Universitas Sanata Dharma Yogyakarta.
2. B. Wuri Handayani, S.T., M.T., Ketua Program Studi Teknik Elektro Universitas
Sanata Dharma Yogyakarta.
3. Dr. Linggo Sumarno, dosen pembimbing yang dengan penuh pengertian dan
ketulusan hati memberi bimbingan, kritik, saran, serta motivasi dalam penulisan
skripsi ini.
4. Damar Widjaja,S.T., M.T., Wiwien Widyastuti, S.T., M.T., dosen penguji yang
telah memberikan masukan, bimbingan, saran dalam merevisi skripsi ini.
5. Staff sekretariat Teknik Elektro, atas bantuan dalam melayani mahasiswa.
6. Kedua orang tua saya (Miyono dan Darmi) atas dukungan, doa, cinta, perhatian,
kasih sayang yang tiada henti.
7. Kawan-kawan seperjuangan angkatan 2007 Teknik Elektro, kawan-kawan
basecamp, dan semua kawan yang mendukung saya dalam mendukung dalam
menyelesaikan tugas akhir ini.
8. Semua pihak yang tidak dapat disebutkan satu persatu atas semua dukungan yang
telah diberikan dalam penyelesaian skripsi ini.
Penulis menyadari bahwa dalam penyusunan laporan akhir ini masih mengalami
kesulitan dan tidak lepas dari kesalahan. Oleh karena itu, penulis mengharapkan masukan,
kritik dan saran yang membangun agar skripsi ini menjadi lebih baik. Dan semoga skripsi
ini dapat bermanfaat sebagaimana mestinya.
Penulis
xi
DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN PERSETUJUAN ... iii
HALAMAN PENGESAHAN ... iv
PERNYATAAN KEASLIAN KARYA ... v
HALAMAN PERSEMBAHAN DAN MOTTO HIDUP... vi
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
ILMIAH UNTUK KEPENTINGAN AKADEMIS ... vii
xii
2.5. Discrete Fourier Transform(DFT) ... 8
2.6. Fast Fourier Transform(FFT) ... 8
2.7. Fungsi Jarak Minkowski(Minkowski Distance Function) ... 9
2.8. Mikrofon(Microphone) ... 9
3.1.9. Hasil Tampilan Pengenalan……….. 15
3.2. Perancangan Nada Referensi ... ……… 15
3.2.1. Tampilan Program Pada Gui Matlab……… 16
3.3. Perancangan Alur Program ... 17
3.3.1. Subsistem Sampling………... 23
3.3.2. Subsistem Pengenalan Nada……….... 23
BAB IV HASIL DAN PEMBAHASAN
4.1. Pengujian Program Pengenalan Nada Alat Musik Saron Menggunakan Fungsi Jarak Minkowski ... 254.1.1. Tombol Pengenalan ... 27
4.2. Hasil Pengujian Program Pengenalan Terhadap Tingkat Pengenalan Nada Alat Musik Saron Pelog ... 31
4.2.1. Hasil Perbandingn Parameter Fungsi Jarak dan Windowing yang Digunakan Dalam Pengenalan Nada Saron ... 32
xiii
BAB IV KESIMPULAN DAN SARAN
5.1. Kesimpulan ... 40
5.2. Saran ... 40
DAFTAR PUSTAKA ... 41
xiv
3.3. Diagram BlokProses Pengambilan Nada Referensi ... 14
3.4. Gambar Utama Program Dalam Komputer ... 15
4.3. Tampilan Utama Program Pengenalan Nada Alat Musik Saron Pelog ... 26
4.4. Tampilan Setelah Penekanan Tombol Pengenalan Nada ... 30
4.5. Pengaruh Nilai Alpha Terhadap Tingkat Pengenalan (Recognition Rate) ... 34
4.6. Grafik Hasil FFT 128 point dengan alpha (a) 0 (b) 100 (c) 500) (d) 1000 ... 34
4.7. Pengaruh Nilai FFT Terhadap Tingkat Pengenalan (Recognition Rate) ... 37
xv
DAFTAR TABEL
2.1. Keterangan Spesifikasi Microphone ... 9
3.2. Keterangan Tampilan Utama Program Dalam Komputer ... 17
4.1. Tampilan Hasil Pengenalan Nada Yang Dikenali ... 31
xvi
DAFTAR LAMPIRAN
L.1. Percobaan Mencari Spektrum Frekuensi Dari Nada Gamelan Dengan Matlab…L1
L.2. Percobaan Pengaruh Variasi Pada Nilai Alpha dan FFT Pada Pengenalan Nada
Gamelan saron Pelog Dengan Matlab ……….L5
L.3. Sintak Alpros………..L17
L.4. Sintak Variasi FFT dan Alpha……….L20
L.5. Sintak Database………...L23
L.6. Sintak Fungsi Jara………...L24
L.7. Sintak GUI………..L26
L.8. Sintak Normalisasi………..L41
L.9. Sintak Prosespros………L42
L.10. Sintak Pengenalana Nada………L43
L.11. Sintak Rekam Nada………...L44
1
BAB I
PENDAHULUAN
1.1
Latar Belakang
Musik merupakan ekspresi yang timbul dari dalam jiwa manusia yang
diwujudkan dalam bentuk karya seni. Musik terbentuk dari kumpulan nada-nada yang
tersusun secara harmonis sehingga menghasilkan “sesuatu yang indah” menurut indera
pendengaran yang dimiliki manusia. Salah satunya adalah gamelan. Gamelan adalah
ensemble musik yang biasanya menonjolkan metalofon (alat musik pukul yang terbuat dari
bahan metal) seperti, gambang, saron dan gong [1]. Istilah gamelan merujuk pada
instrumennya yang merupakan suatu kesatuan utuh yang diwujudkan bunyi bersama. Kata
gamelan berasal dari bahasa Jawa gamel yang berarti memukul atau menabuh, diikuti
akhiran “an” yang menjadikannya kata benda. Orkes gamelan banyak ditemukan di Pulau
Jawa, Madura, Bali, dan Lombok.
Alat musik alami maupun pita suara manusia dapat menghasilkan gelombang
bunyi dengan berbagai jenis nada. Tinggi rendahnya nada ditentukan oleh frekuensi dasar
gelombang bunyi. Semakin besar frekuensi dasarnya, semakin tinggi nada yang
dihasilkan. Semakin kecil frekuensi dasarnya, semakin rendah pula nada yang dihasilkan.
Indera pendengaran manusia tidak dapat mengetahui secara pasti jenis nada apa yang
didengar olehnya. Dalam bidang musik, tidak semua orang langsung bisa mengerti suatu
jenis nada pada alat musik yang dimainkan. Terkecuali bagi para musisi profesional. Hal
ini amatlah penting bagi seorang pemusik untuk mengetahui apakah alat musiknya sudah
menghasilkan nada-nada yang tepat.
Untuk itu penulis merancang dan membuat program komputer yang dapat
melakukan penalaan nada alat musik dengan membandingkan frekuensi dasar gelombang
bunyi alat musik menggunakan metode Minkowski. Kemudian mencocokkan frekuensi
dasar tersebut dengan frekuensi dasar nada dari referensi yang baku. Dengan demikian
jenis nada alat musik dapat diketahui secara pasti untuk melakukan penalaan nada alat
musik. Selain itu, penulis membuat rancangan program yang berfungsi untuk mengenali
nada pada gamelan khususnya pada saron pelog. Sebelum melakukan penelitian ini,
penulis belum mendapati penelitian-penelitan yang serupa tentang pengenalan nada alat
1.2
Tujuan dan Manfaat
Tujuan dari penulisan tugas akhir ini adalah menghasilkan sistem pengenalan
nada saron pelog. Manfaat dari penelitian ini adalah sebagai alat bantu bagi masyarakat
yang membuat alat musik saron supaya mengetahui nada “1, 2, 3, 4, 5, 6, 7”.
1.3
Batasan Masalah
Sistem otomatisasi pengenalan nada suara pada alat musik saron terdiri dari
hardware dan software (komputer). Hardware berfungsi untuk memasukkan nada suara
yang dimainkan pada alat musik saron, sedangkan software pada komputer berfungsi untuk
mengatur semua proses pengenalan nada suara yang dimainkan pada alat musik suling.
Pada perancangan sistem ini, penulis fokus pada pembuatan software komputer
untuk memproses pengenalan nada suara, sedangkan untuk hardware berupa microphone
yang sudah tersedia di pasaran. Penulis menetapkan beberapa batasan masalah yang
dianggap perlu pada perancangan ini, yaitu sebagai berikut:
1. Nada Saron yang digunakan “1, 2, 3, 4, 5, 6, 7”.
2. Hasil pengenalan tidak real time.
3. Menggunakan perangkat lunak komputasi Matlab dalam pembuatan program
pengenalan nada.
4. Menggunakan ekstrasi ciri FFT.
5. Menggunakan evaluasi fungsi jarak Minkowski orde 1, 2, dan 3.
1.4
Metodologi Penelitian
14.1
Variabel Penelitian
1. Proses Perekaman Suara
Variabel bebas yang digunakan dalam proses perekaman suara ialah frekuensi
sampling dan durasi perekaman. Variabel terikatnya ialah besarnya jarak yang
dihasilkan pada proses pembandingan suara acuan dengan suara uji. Penelitian
2. Pengenalan nada suara Saron
Variabel bebas pada penelitian ini ialah nada gamelan saron pelog yang
dimainkan, variasi FFT, alpha pada windowing, dan jarak yang dihasilkan
pada proses perbandingan suara terekam dengan ketujuh suara nada referensi.
14.2
Prosedur Penelitian
Langkah-langkah dalam pengerjaan tugas akhir:
1. Pengumpulan bahan – bahan referensi berupa buku – buku dan jurnal – jurnal.
2. Perancangan subsistem software.
Tahap ini bertujuan untuk mencari bentuk model yang optimal dari sistem
yang akan dibuat dengan mempertimbangkan dari berbagai faktor – faktor
permasalahan dan kebutuhan yang telah ditentukan.
3. Pembuatan subsistem software.
Sistem akan bekerja apabila user memberikan interupsi melalui PC dengan
media push button yang sudah disediakan dalam software. Sistem akan
mengolah interupsi yang diterima dan memulai proses recording sampai user
memberikan interupsi kembali untuk menghentikan proses recording. Setelah
itu, user memberikan interupsi untuk memulai proses pengenalan nada.
Komputer akan mengolah nada dan menyajikannya sebagai sebuah informasi.
4. Analisa dan penyimpulan hasil percobaan.
Analisa data dilakukan dengan memeriksa keakuratan data terhadap hasil
proses pengenalan nada, dengan cara membandingkan antara data di
komputer dengan lapangan dan perancangan. Penyimpulan hasil percobaan
dapat dilakukan dengan menghitung jarak yang terjadi.
4
BAB II
DASAR TEORI
2.1
Gamelan
Gamelan adalah ensemble musik yang biasanya menonjolkan metalofon. Metalofon
adalah alat musik yang bahan dasarnya terbuat dari logam. Seperti gambang, saron, dan gong.
Istilah gamelan merujuk pada instrumennya yang merupakan suatu kesatuan utuh yang
diwujudkan bunyi bersama. Kata gamelan berasal dari bahasa jawa gamel yang bererti
memukul atau menabuh, diikuti akiran an yang menjadikannya kata benda. Orkes gamelan
banyak di temukan di Pulau Jawa, Madura, Bali dan Lombok. Pada perancangan pembuatan
software pengenalan nada gamelan penulis hanya mengenali salah satu jenis dari gamelan
yaitu saron pelog penerus [2].
Saron merupakan bagian ricikan gamelan berbentuk bilah dengan ukuran lebih kecil
dari pada demung. Untuk iringan pakeliran wayang kulit Jawatimuran, minimal terdiri dari 2
set saron Slendro dan 2 set saron Pelog. Jumlah bilah saron Slendro untuk wayangan
Jawatimuran ada 9 bilah, dengan urutan bilah nada di mulai dari nada (nem) rendah atau
ageng sampai dengan nada 3 (lu) tinggi atau alit. Dalam pedalangan Jawatimuran peranan
saron sangat dominan, karena saron sebagai pembuat lagu atau melodi, terutama untuk bentuk
gending-gending Ayak, Gedog Rancak, Krucilan, dan Gemblak/ Alap-alapan. Posisi
keberadaan saron di lihat dari aspek fungsinya dalam iringan pedalangan Jawatimuran bisa
dikategorikan dalam kelompok ricikan garap, karena ricikan saron memiliki berbagai macam
cengkok sekaran atau kembangan sesuai dengan Pathetnya. Adapun teknik tabuhannya
meliputi teknik tabuhan mbalung, imbal, dan kinthilan yaitu khusus teknik tabuhan gaya
Jawatimuran.
Saron penerus atau peking merupakan bagian ricikan gamelan berbentuk bilah yang
ukurannya lebih kecil dari pada ricikan saron. Dalam sajian karawitan bebas atau klenengan
atau iringan pakeliran khususnya gaya Jawatimuran saron penerus atau peking berfungsi
5
sehingga pengrawit menyebut teknik tabuhan saron penerus dengan sebutan teknik tabuhan
timbangan. Dalam pembuatan tugas akir ini penulis meneliti tentang saron peking pelog.
Nampak seperti Gambar 2.1.
Gambar 2.1 Saron Penerus Pelog [2]
2.2
Sampling
Sampling merupakan proses pencuplikan gelombang suara yang akan menghasilkan
gelombang diskret termodulasi pulsa. Dalam proses sampling ada yang disebut dengan laju
pencuplikan (sampling rate). Sampling rate menandakan berapa banyak pencuplikan
gelombang analog dalam 1 detik. Satuan dari sampling rate ialah Hertz (Hz). Pada proses
sampling, sebaiknya sampling rate memenuhi kriteria Nyquist. Kriteria Nyquist menyebutkan
bahwa sampling rate harus lebih besar dari 2 (dua) kali frekuensi tertinggi sinyal suara analog
sesuai persamaan (2.1) [3].
≥ 2 (2.1)
dengan adalah frekuensi sampling (sampling rate) dan adalah frekuensi tertinggi
2.3
Frame Blocking
Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan satu
frame terdiri dari beberapa data sampel[4]. Pengambilan sampel tersebut tergantung dari tiap
detik suara akan disampel dan berapa besar frekuensi samplingnya
Gambar 2.2. Frame Blocking
Gambar 2.2 menjelaskan contoh dari frame blocking dimana keseluruhan dibagi
menjadi 5 M (frame). Setiap M tersebut memiliki jumlah data yang sama yaitu 2N data pada
Gambar 2.2. Pada implementasinya jumlah frame blocking tidak ada ketentuannya, tergantung
dari kebutuhan suatu sistem.
Frame blocking berfungsi untuk memilih data yang akan diproses dalam sistem
pengenalan. Frame blocking juga dapat mempercepat proses perhitungan pada FFT (Fast
Fourier Transform) dengan jumlah data pada setiap frame memiliki 2N data sampel yang
diambil dari keseluruhan data sampel.
2.4
Windowing
Windowing digunakan untuk melewatkan sinyal yang mempunyai frekuensi
sembarang yang dikonvolusikan dengan fungsi window tertentu, karena dapat mereduksi
sinyal-sinyal yang tidak diinginkan sebelum dilakukan proses transformasi. Ada beberapa
7
2.5
Kaiser Windowing
Pada prinsipnya fungsi windowing adalah dengan cara melewatkan sinyal yang
mempunyai frekuensi sembarang dikonvolusikan dengan fungsi window tertentu sehingga
dapat mereduksi sinyal - sinyal yang tidak diinginkan sebelum dilakukan proses transformasi
[6]. Pada penelitian ini, penulis menggunakan Kaiser windowing untuk mereduksi sinyal
sinyal yang tidak diinginkan. Nilai beta berpengaruh terhadap besar kecilnya nilai atenuasi.
Kaiser window didefiniskan dengan:
dengan α adalah parameter yang digunakan untuk menentukan nilai β, dan β adalah parameter
2.6
Discrete Fourier Transform (DFT)
DFT merupakan perluasan dari transformasi Fourier yang berlaku untuk sinyal
sinyal diskret. Semua sinyal periodik terbentuk dari gabungan sinyal sinyal sinusoidal sesuai
persamaan (2.8) [7].
X[k] = DKEJL %( ) EFGHIJ (2.8)
dengan X[k] adalah koefisien DFT untuk nilai sampel x(n), N adalah jumlah sampel
yang akan diproses, x(n) adalah nilai sampel sinyal, eN adalah cos α + j sin α, wo adalah
koefesien digital, dan k adalah bilangan konstanta 1, 2, 3,…, N-1.
2.7
Fast Fourier Transform (FFT)
Perhitungan DFT secara langsung dalam komputerisasi dapat menyebabkan proses
perhitungan yang lama. Karena itu dibutuhkan cara lain untuk menghitung DFT dengan cepat.
Hal ini dapat dilakukan Algoritma FFT dan perhitungan FFT menghilangkan perhitungan
yang sama dalam DFT.
Ada 2 (dua) jenis algoritma FFT yaitu, Fast Fourier Transform Decimation In Time
(FFT DIT) dan algoritma Fast Fourier Tansform Decimation In Frequensi (FFT DIF). Pada
FFT DIT, input disusun dalam kelompok ganjil dan genap sedangkan pada FFT DIF input
tetap tetapi pada output dikelompokkan menjadi ganjil dan genap.
Jumlah sampel input sinyal ke dalam algoritma ini harus kelipatan 2 (dua) (2O).
Algoritma FFT dimulai dengan membagi sinyal menjadi 2 (dua) bagian, yaitu bagian pertama
berisi sinyal suara pada indeks waktu genap dan bagian lainnya berisi sinyal suara pada indeks
waktu ganjil sesuai persamaan (2.9) [8].
P(() = ∑KEJL %( )RKJG ( = 0, … . . , O − 1
(2.9)
dengan X[k] adalah koefisien FFT untuk nilai sampel x(n), N adalah jumlah sampelyang akan diproses, x(n) adalah nilai sampel sinyal dan k adalah bilangan konstanta 1, 2, 3,…,
9
2.8
Minkowsky
Rumus fungsi jarak yang digunakan ditunjukkan pada persamaan (2.10).
TUN=V∑ WX(=1 U(− XN(WY Y
(2.10)
dengan TUNadalah jarak antara Minkowski data i dan j, k indeks dari variabel, n jumlah variabel
y, dan λ urutan dari metrik Minkowski. Meskipun didefinisikan untuk setiap λ> 0, jarang
digunakan untuk nilai-nilai lain dari 1, 2 dan ∞[9]
2.9
Microphone
Microphone adalah salah satu perangkat keras dari system penalaan ini yang
berfungsi sebagai perekam nada alat musik. Dalam pengambilan sampel nada, microphone
dihubungkan dengan souncard yang berada di komputer.
Tabel.2.1 Keterangan spesifikasi microphone [10]
No Nama Keterangan
1 Frekeunsi response 100HZ-10KHz
2 Sensitivity -62dB
2.10
Soundcard
Kartu suara merupakan sebuah periperal pada komputer sebagai I/O suara. Pada
dasarnya setiap kartu suara memiliki [10]:
1. Digital Signal Processor (DSP) yang akan menangani semua jenis komputasi.
2. Digital to Analog Converter (DAC) sebagai keluaran suara ke speaker.
3. Analog to Digital Converter (ADC) sebagai masukan suara.
4. Read Only Memory (ROM) atau Flash sebagai penyimpanan data.
5. Musical Instrument Digital Interface (MIDI) untuk menyambungkan beberapa
peralatan musik eksternal.
6. Jack untuk menyambungkan kartu suara dengan speaker pada jalur line out atau
microphone pada jalur line in.
Beberapa kartu suara, sudah terpasang secara pabrikan (on board) pada motherboard
komputer, tetapi bisa juga ditambahkan untuk keperluan yang lebih lanjut pada slot PCI
motherboard. Gambar 2.3 adalah contoh dari sound card dengan 1 line in dan 3 line out.
Gambar 2.4. Contoh Kartu Suara [10]
Dalam proses perekaman suara dengan menggunakan kartu suara , ada beberapa
pengaturan awal, yaitu:
1. Sampling Rate.
2. Channel yang digunakan, yaitu mono atau stereo. Satu channel menandakan
11
2.11
Matlab
Matlab merupakan bahasa pemrograman 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 dan pemodelan dan grafik-grafik perhitungan.
Matlab hadir dengan membawa warna yang berbeda. Hal ini karena matlab membawa
keistimewaan dalam fungsi-fungsi matematika, fisika, statistik, dan visualisasi. Matlab
dikembangkan oleh MathWorks, yang pada awalnya dibuat untuk memberikan kemudahan
mengakses data matrik pada proyek LINPACK dan EISPACK. Saat ini Matlab memiliki
ratusan fungsi yang dapat digunakan sebagai problem solver mulai dari simple sampai
12
BAB III
RANCANGAN PENELITIAN
3.1
Sistem Pengenalan Nada Alat Musik Saron
Blok sistem pengenalan nada alat musik saron pelog secara keseluruhan diperlihatkan pada Gambar 3.1.
Gambar 3.1. Diagram blok keseluruhan system
Sistem pengenalan nada alat musik saron terdiri dari software pada laptop yang
berfungsi sebagai user interface dalam proses pengenalan. Software laptop yang dibuat dalam
bentuk user interface dengan Matlab berperan sebagai pusat pengaturan semua proses
pengenalan nada alat musik saron pelog, seperti merekam suara nada saron dan mengenali
suara nada yang terekam. Perekaman suara dilakukan oleh laptop melalui mikrofon dan jalur
line in pada SoundCard.
1. Saron
Alat musik saron yang digunakan sebagai obyek penelitian oleh penulis, saron yang
13
2. Mikrofon
Mikrofon yang digunakan adalah mini multimedia microphone Genius MIC-01A
dapat dilihat pada Gambar 3.1. Mikrofon berfungsi untuk menangkap sinyal analog
dan kemudian menyalurkannya ke sound card pada leptop melewati line in yang ada
pada sound card.
3. Sound Card
Sound card berfungsi mengubah sinyal analog dari mikrofon menjadi sinyal digital.
Sound card yang digunakan adalah sound card yang sudah terpasang pada
motherboard. Dalam konversi sinyal analog menjadi sinyal digital dan kemudian
disimpan diperlukan pengaturan yang meliputi pengaturan sampling rate (frekuensi
sampling) dan channel. Pengaturan tersebut dilakukan pada proses perekaman oleh
program yang akan dibuat.
4. Proses Perekaman
Proses perekaman adalah proses masuknya data nada terekam berupa sinyal digital. Saat proses perekaman berlangsung sinyal analog dikonversi menjadi sinyal digital dengan frekuensi sampling dan tipe data berupa channel yang sudah ditentukan. Sinyal digital kemudian disimpan dan digambarkan dalam sebuah plot. Data nada yang telah disimpan disebut nada terekam dan kemudian dapat diproses untuk dikenali lewat proses pengenalan nada.
5. Proses Pengenalan Nada
Proses ini terdiri dari subproses normalisasi, windowing, FFT, fungsi jarak,
penentuan nada, dan hasil tampilan pengenalan dapat dilihat pada Gambar 3.2.
3.1.1 Suara Gamelan (Wav)
Hasil dari sampling nada gamelan yang direkam.
3.1.2 Frame Blocking
Proses ini memilih data dari data nada terekam, sehingga data yang dipilih dapat
mewakili semua data pada nada terekam.
3.1.3 Normalisasi
Proses ini bertujuan untuk menyetarakan amplitudo maksimum baik nada terekam
dengan nada referensi, sehingga efek dari kuat lemahnya suara yang dikeluarkan alat musik
tidak terlalu mempengaruhi proses pengenalan.
3.1.4 Windowing Kaiser
Windowing berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil
rekaman. Dalam perancangan ini, penulis menggunakan window kaiser dari jenis-jenis
windowing yang ada.
3.1.5 Fast Fourier Transform
Fast Fourier Transform (FFT) adalah cara cepat menghitung Discrete Fourier
Transform (DFT). DFT berfungsi untuk mengkonversi domain waktu ke domain frekuensi.
Domain frekuensi digunakan untuk melihat ciri dari suatu nada.
3.1.6 Normalisasi
Proses ini bertujuan untuk menyetarakan amplitudo maksimum baik nada terekam
dengan nada referensi, sehingga efek dari kuat lemahnya suara yang dikeluarkan alat musik
tidak terlalu mempengaruhi proses pengenalan.
3.1.7 Fungsi Jarak
Proses ini berisi tentang tahap terakir dari system yang akan dikerjakan oleh penulis,
yaitu pengimplementasian metode fungsi jarak Minkowski pada pengenalan nada alat
15
ditampilkan dalam komputer dalam bentuk visual GUI Matlab.
3.2
Perancangan Nada Referensi
Nada acuan yang disebut nada referensi dibutuhkan sebagai penentu pengenalan
nada gamelan pada saron. Untuk memperoleh nada referensi pada setiap nada yang akan
dikenali pada sistem pengenalan nada alat musik pada saron, penulis mengambil 10 sampel
pada setiap nada yang akan dikenali tersebut (“1, 2, 3, 4, 5, 6, 7”). Proses pengambilan dapat
dilihat pada Gambar 3.3. Pengambilan nada yang akan dijadikan nada referensi harus melalui
proses sampling, normalisasi, windowing, dan FFT. Pengambilan nada dilakukan dengan
menggunakan program Matlab yang akan dibuat.
Gambar 3.3. Diagram Blok Proses Pengambilan Nada Referensi
Proses pengambilan nada disesuaikan dengan variabel bebas pada pembuatan sistem
pengenalan nada alat musik saron. Setelah 10 nada sampel pada setiap nada diperoleh,
perhitungan (3.1) dilakukan untuk mendapatkan nada referensi. Hasil FFT yang telah
saron tidak melakukan perhitungan kembali dalam mendapatkan nada referensi dan proses
pada sistem pengenalan nada alat musik saron dapat berjalan lebih cepat.
《=
…
(3.1)
Kemudian nada referensi yang didapat di simpan dalam fungsi m.file yang ada dalam
sistem pengenalan nada saron, sehingga sewaktu-waktu nada referensi dapat dipanggil dalam
proses fungsi jarak yang ada dalam sistem pengenalan alat musik saron.
3.2.1 Tampilan Program pada GUI Matlab
Tampilan program pada Gui Matlab yang di gunakandalam penulisan ini
diperlihatkan pada Gambar 3.4
17
Tampilan utama program dibuat agar user dapat dengan mudah mengoperasikan
program ini serta mengetahui hasil dari pengenalan nada gamelan pada saron pelog.
Pembuatan tampilan menggunakan GUI Matlab. Beberapa keterangan dari tampilan utama
program dijelaskan pada Tabel 3.2.
Tabel 3.2. Keterangan Tampilan Utama Program
Nama Bagian Deskripsi
Tombol Rekam Digunakan untuk mengambil suara nada alat musik saron yang sedang dimainkan
Tombol Pengenalan
Nada
Digunakan untuk memulai proses pengenalan
Variasi FFT Untuk memilih titik FFT yang digunakan pada proses pengenalan
nada, pilihan berupa 16, 32, 64, dan 128 titik. Dibutuhkan 4 (empat) variabel penelitian karena efisiensi waktu.
Variasi ALPHA Untuk memilih nilai alpha yang akan digunakan pada proses pengenalan nada, pilihan nilai alpha seperti 0, 100, 500 dan 1000. Dibutuhkan 4 (empat) variabel penelitian karena efisiensi waktu. Hasil
Pengenalan Nada
Untuk menampilkan nada yang didapat setelah proses pengenalan
Tombol Exit Digunakan untuk mengakhiri aplikasi
Plot Data Hasil FFT
Tampilan data berupa grafik data hasil FFT baik dari rekaman maupun dari 7 nada referensi
Plot Hasil Rekaman
Tampilan grafik suara hasil rekaman
3.2
Perancangan Alur Program
Program pengenalan nada gamelan jenis saron akan dieksekusi saat user mulai
menjalankan program ini. Setelah tampilan utama terlihat, proses pengujian sudah dapat
dilakukan. User pertama kali harus mengisikan parameter yang digunakan dalam pengujian
pada group box “Input nada”. Setelah mengambil data acuan dengan menekan tombol “Input
nada”, selanjutnya program akan melakukan proses pengambilan suara acuan. Jika suara
acuan telah tersimpan, maka user dapat menekan tombol “pengenalan nada”. Proses
Alur program keseluruhan diperlihatkan pada Gambar 3.4. Program ini menjalankan
macam proses. Proses yang pertama ialah proses perekaman nada acuan. Nada acuan ini
dijadikan acuan dalam pengujian pengenalan nada dikarenakan pengambilan nada acuan
diambil pada saat saron sudah menjadi pakem atau aturan gamelan yang sudah pasti. Proses
yang kedua ialah proses pengambilan nada uji. Nada uji ialah nada yang direkam setelah nada
acuan. Setelah nada uji terekam, beberapa nada uji akan dibandingkan dengan nada acuan.
Kualitas suara nada uji dilihat dari besar rata-rata jarak tiap sampling antara nada acuan
dengan nada uji yang sebelumnya telah ditentukan terlebih dahulu tingkat kesalahannya.
Alur program rekam dapat dilihat Pada gambar 3.5. Proses rekam suara nada alat
musik gamelan saron pelog bermula dari komputer menjalankan fungsi untuk merekam.
Sesaat setelah komputer merekam suara yang dihasilkan dari alat musik gamelan saron pelog
yang dimainkan, data suara disimpan sebagai nada terekam.
Alur program normalisasi 1 diperlihatkan pada Gambar 3.7. Hasil proses
normalisasi 1 akan disimpan dalam data “Norml”Data yang telah dinormalisasikan mengalami
proses windowing pada Gambar 3.8. Proses windowing menggunakan Kaiser Window. Hasil
windowing kemudian ditransformasikan menjadi 32 data menggunakan Fast Fourier
Transform. Proses ini mengkonversi data nada suara dalam domain waktu menjadi domain
frekuensi.
Hasil konversi kemudian dinormalisasikan kembali. Kemudian komputer
menjalankan proses plotting hasil konversi tersebut. Data dari tujuh nada referensi dan data
dari nada terekam digambarkan dalam bentuk sinyal. Hasil konversi ternormalisasi kemudian
dibandingkan dengan tujuh nada referensi dengan menggunakan fungsi jarak Minkowski.
Perbandingan menghasilkan jarak dan data – data tersebut dicari nilai terkecilnya. Setelah
nilai jarak terkecil diperoleh maka nada terekam dapat dikenali. Komputer menampilkan nada
hasil pengenalan(“1, 2, 3, 4, 5, 6, 7”) dan nilai jarak yang diperoleh ke dalam text box. Jika
19
Gambar 3.4. Alur program keseluruhan
Gambar 3.6. Alur program Frame blocking
21
Gambar 3.8 Alur program windowing
Gambar 3.10 Alur Program fungsi jarak
23
Gambar 3.12 Alur program penentuan nada
3.2.1
Subsistem SamplingDalam subsistem ini terdapat dua variabel terikat berupa frekuensi sampling dan
durasi perekaman. Setelah melakukan pengujian awal, dapat disimpulkan:
a. Frekuensi sampling yang digunakan adalah 2400Hz, karena frekuensi tertinggi yang
akan dikenali adalah 1050Hz. Lebih jelasnya pada Lampiran.
b. Durasi perekaman yang digunakan adalah 1 detik, karena diharapkan dalam waktu 1
detik suara yang dimainkan sudah maksimal.
3.2.2
Subsistem Pengenalan NadaDalam subsistem ini terdapat 1 proses menggunakan variabel tetap dan 2 proses
menggunakan variabel bebas. Satu proses yang menggunakan variabel tetap adalah proses
fungsi jarak. Tiga proses lainnya yang menggunakan variabel bebas adalah variasi FFT dan
nilai alpha pada windowing. Variabel yang akan dievaluasi untuk membangun sistem
pengenalan nada yang optimal adalah kedua variabel bebas tersebut.
a. windowing yang digunakan adalah window Kaiser dengan variasi nilai alpha sebesar
b. Variasi FFT yang digunakan untuk mengkonversi data hasil windowing adalah 16,
32, 64, 128. Dalam subsistem pengenalan nada, data hasil FFT yang digunakan
adalah data riil atau amplitudonya.
Fungsi jarak yang digunakan adalah fungsi jarak Minkowski. Ketujuh nada referensi
yang digunakan pada proses ini adalah data yang sudah dikonversi menggunakan FFT terlebih
25
BAB IV
HASIL DAN PEMBAHASAN
Pengujian program perlu dilakukan untuk mengetahui apakah suatu program dapat
bekerja dengan baik dan sesuai dengan perancangan. Hasil peng ujian berupa data-data
yang dapat memperlihatkan bahwa program yang telah dirancang dapat berjalan dengan
baik. Analisa terhadap proses kerja dapat digunakan untuk menarik kesimpulan dari apa
yang disajikan dalam tugas akhir ini.
4.1
Pengujian Program Pengenalan Nada Alat Musik Saron Pelog
Menggunakan Fungsi Jarak Minkowski.
Pengujian program bertujuan untuk memastikan apakah program yang telah
dibuat dapat bekerja sesuai dengan yang telah dirancang pada bab sebelumnya. Pengujian
program menggunakan komputer dengan spesifikasi:
Processor : Intel® Core™ 2 CPU 4400 @2.00GHz
RAM : 4.00 GB
Program pengenalan dapat dijalankan dengan langkah-langkah di bawah ini:
1. User menekan dua kali icon matlab dengan gambar icon seperti Gambar 4.1.
Gambar 4.1.Icon Program Pengenalan
2. Setelah user menekan icon Gambar 4.1 di atas.
3. User dapat memulai pengenalan dengan mengisi pengaturan pengenalan nada
yang terdiri dari alpha pada windowing dan jumlah point FFT yang akan
digunakan dalam proses pengenalan seperti pada gambar 4.2.
4. Jika alpha pada windowing dan jumlah point FFT telah dipilih oleh user, program
pengenalan dapat dimulai dengan menekan tombol “Pengenalan Nada”.
5. Selanjutnya hasil pengenalan akan muncul dalam kotak “Hasil Pengenalan
Nada”. Jarak yang dihasilkan dari proses pengenalan akan muncul dalam ketujuh
melihat grafik hasil rekaman dan grafik hasil proses FFT dalam kotak “Grafik
Hasil FFT” seperti yang terlihat pada Gambar 4.3.
6. Tombol EXIT digunakan jika user ingin keluar dari program.
Gambar 4.2.Tampilan pengaturan pengenalan nada
Gambar 4.3.Tampilan Utama Program Pengenalan Nada Alat Musik Saron Pelog
Pada implementasi program, tampilan jarak dan nada yang dikenali mengalami
perubahan. Perubahan letak dimaksudkan agar program terlihat lebih simple dan mudah
dilihat secara visual. Perubahan tampilan nada yang dikenali menjadi tampilan hasil
oleh program dari perekaman hingga nada dikenali. Sintak utama secara keseluruhan
terlampir pada halaman L26.
4.1.1. Tombol Pengenalan
Tombol Pengenalan hanya dapat ditekan setelah user mengisi pengaturan
pengenalan. Sistem mengetahui pengaturan pengenalan yang dilakukan user terhadap
sistem dengan menjalankan metode berikut :
Handles.alpha, handles.fftpoint, handles.orde, dan handles.nadano adalah parameter untuk
mengatur pengenalan. Handles.alpha berfungsi untuk mengatur nilai alpha.
Handles.fftpoint untuk mengatur nilai fft. Handles.orde untuk mengatur nilai orde.
Handles.nadano untuk memilih nada yang akan dikenali.
(nadano==1) adalah urutan input nada yang akan dikenali oleh user.
axes(handles.axes2) berfungsi untuk menampilkan grafik, %timed ini berfungsi sebagai
Setelah proses perekaman, program akan memproses data hasil perekaman untuk
pemilihan data tengah dari deretan data hasil perekaman. Proses yang disebut frame
blocking ini menggunakan metode:
Selanjutnya data hasil frame blocking akan melalui proses windowing untuk
menghilangkan noise suara yang ikut terekam dalam proses perekaman. Dalam program
pengenalan ini alpha yang digunakan untuk mengatur windowing bervariasi dan user dapat
menggunakan 3 varian alpha yang terdapat pada popup menu. Pengecekan hasil pilihan
dari user sudah dilakukan sebelum proses perekaman berlangsung. Windowing yang
digunakan adalah Kaiser window dimana menggunakan beta untuk komputasinya.
Perolehan nilai beta tergantung dari alpha yang dipilih user. Dalam perhitungan
nilai beta menggunakan metode:
Variasi nilai alpha yang digunakan dalam parameter pengenalan nada antara lain
0.100, 500, dan 1000. Dan sintak yang digunakan sesuai yang ada pada windowing Kaiser.
Setelah nilai beta diperoleh maka proses Kaiser dapat dilakukan. Metode yang
digunakan dalam proses Kaiser windowing.
Selanjutnya program menjalankan inisialisasi variabel yang akan digunakan dalam
proses FFT untuk menampilkan grafik hasil FFT nada suara uji.
Nada yang akan dikenali dilakukan normalisasi terlebih dahulu secara maximal.
Axes handles.area1berfungsi sebagai penampil hasil plot dari grafik FFT.
Dalam proses penentuan nada hasil jarak terpendek dibandingkan dengan perolehan
jarak dari masing-masing nada referensi. Jika jarak terpendek sama nilainya dengan salah
satu jarak pada nada referensi, maka nada dikenali adalah salah satu nada sesuai dengan
nada referensi. Penentuan nada ini menggunakan sintak berikut:
sethandles.Hasil_Nada,'String',hasil sintak ini berfungsi sebagai penampil nada yang dikenali oleh software pengenalan nada.
% menampilkan Hasil Fungsi jarak tiap Nada ke Dalam Text Box%
Berdasarkan pengujian, tombol Pengenalan Nada telah bekerja sesuai sintak. Saat
tombol Pengenalan Nada ditekan, program telah merekam, menampilkan grafik rekaman,
menampilkan grafik hasil FFT, menampilkan hasil jarak masing-masing nada, dan
mengenali nada.
Gambar 4.4 merupakan tampilan GUI yang sudah dioperasikan dengan input nada
Do, variasi FFT 64, variasi Alpha 100, dan menggunakan fungsi jarak orde 2.
Gambar 4.4. Tampilan Setelah Penekanan Tombol Pengenalan Nada.
Hasil penentuan akan muncul pada tampilan hasil pengenalan nada program
Tabel 4.1. Tampilan Hasil Pengenalan Nada Yang Dikenali
4.2
Hasil Pengujian Program Pengenalan Terhadap Tingkat
Pengenalan Nada Alat Musik SaronPelog
Dalam pengujian program pengenalan nada alat musik saron pelogini dilakukan
melalui 1 (Satu) tahapan pengujian. Tahapan pengujian yang pertama adalah pengujian
parameter pengaturan pengenalan yang terdiri dari alpha pada windowing dan FFT point
yang digunakan dalam proses pengenalan. Tujuan pengujian parameter pengaturan
pengenalan dilakukan untuk mencari nilai dari setiap parameter yang menghasilkan tingkat
pengenalan (recognition rate) yang terbaik. Dalam pengujian ini dilakukan 10 kali
4.2.1. Hasil Perbandingan Parameter Fungsi Jarak dan Windowing
yang Digunakan Dalam Pengenalan Nada Saron.
Tabel 4.2 memperlihatkan bahwa orde mencapai nilai recognition rate 100 %.
Tabel hasil perbandingan parameter fungsi jarak dan windowing keseluruhan pada
Lampiran Hal 47.
Tabel 4.2. Hasil Perbandingn Parameter Fungsi Jarak dan Windowing yang Digunakan
Setelah mendapatkan hasil perhitungan perbandingan fungsi jarak dan windowing
yang digunakan. Pada orde 1 (satu), 2 (dua), dan 3 (tiga) mencapai nilai recognition rate
100% pada saat fast fourier transform 64 dan alpha mulai dari 100. Nilai recognition
rate dalam tabel 4.2 diperoleh dari rata-rata nilai perhitungan nada (“1, 2, 3, 4, 5, 6, 7”).
Nilai alpha mempengaruhi lebar grafik hasil komputasi/ perhitungan pada proses FFT.
Semakin tinggi nilai alpha maka semakin lebar spektrum frekuensi hasil perhitungan
proses FFT. Semakin besar nilai alpha nilai recognition rate akan semakin kecil dan semakin besar nilai FFT nilai recognition rate mencapai 100%.
4.2.2. Pengujian Parameter PengaturanPengenalan Nada
Percobaan untuk melihat seberapa besar tingkat pengenalan yang terjadi dari
setiap penentuan pada parameter pengenalan dilakukan untuk menentukan parameter
alpha pada windowing dan FFT point yang digunakan. Langkah-langkah percobaan
1. Merekam sebanyak 10 kali suara yang dihasilkan oleh setiap nada alat
musik saron pelog dari nada 1’, 2’, 3’, 4’, 5’, 6’,dan 7”.
2. Hasil rekaman disimpan dan diambil datanya untuk kemudian digunakan
untuk menguji setiap kombinasi parameter pengaturan pengenalan.
3. Mengenali setiap rekaman menggunakan kombinasi nilai parameter yang
berbeda-beda dengan:
a. Alpha pada windowing = 0, 100, 500, 1000.
b. FFT point = 16, 32, 64, 128.
4. menentukan kombinasi nilai parameter pengenalan yang menghasilkan
tingkat pengenalan terbaik.
5. Pengujian nada masing masing nada dilakukan sebanyak 10 kali. Hasil percobaan
pada Lampiran hal 49
pada Gambar 4.5 dan Gambar 4.7 Pengaruh Nilai Alpha dan Fast Fourier
Transform terhadap tingkat pengenalan (Tabel percobaan dapat dilihat pada lampiran
halaman L45) dapat dilihat bahwa setiap kombinasi antara nilai alpha dengan FFT
point menghasilkan hasil yang berbeda-beda.
Gambar 4.5 memperlihatkan seiring naiknya nilai alpha, semakin turun tingkat
pengenalan pada sistem. Nilai alpha mempengaruhi lebar grafik hasil komputasi/
perhitungan pada proses FFT. Semakin tinggi inilai alpha maka semakin lebar grafik hasil
perhitungan proses FFT seperti pada Gambar 4.6. Lebarnya grafik hasil perhitungan proses
FFT mengakibatkan grafik hasil FFT dari nada uji akan saling tumpang tindih dengan
grafik hasil FFT nada referensi yang berdekatan/ separasi semakin tidak terlihat seperti
Gambar 4.6(d). Sinyal yang tumpang tindih akan mengakibatkan jarak yang dihasilkan
oleh fungsi jarak Minkowski cenderung meningkat untuk hasil perbandingan antara nada
uji dengan nada referensi yang sesuai dengan nada uji tersebut (misal: nada yang
dimainkan adalah nada La(6’) dan nada referensinya adalah nada referensi La(6’)). Tidak
akuratnya hasil dari fungsi jarak untuk masing-masing nada referensi ini mengakibatkan
kesalahan pada saat proses penentuan nada. Kesalahan pada proses penentuan
mengakibatkan turunnya tingkat pengenalan pada saat percobaan dengan pemakaian nilai
alpha yang tinggi. Gambar 4.8 dan 4.6 menggunakan orde 2 pada fungsi jarak Minkowski.
Dalam proses pengenalan nada saron ini menggunakan frekuensi sampling 2400 karena
frekuensi tertinggi yang didapat 1059Hz pada nada 7 (Lampiran hal 4). Sesuai kriteria
Gambar 4.5. Pengaruh N
Gambar 4.6.Gr
Nilai Alpha Terhadap Tingkat Pengenalan (Re
(a)
.Grafik Hasil FFT 128 Point dengan Nilai Alpha
(Recognition Rate)
(b)
(c)
(d)
Gambar 4.6. (Lanjutan) Grafik Hasil FFT 128 Point
Dengan Nilai Alpha, (c) 500 (d) 1000
Pada gambar 4.7 terlihat bahwa semakin tinggi nilai FFT maka semakin tinggi
tingkat pengenalan sistem. Nilai FFT mempengaruhi hasil perhitungan jarak dalam proses
fungsi jarak. Semakin tinggi nilai FFT yang digunakan mengakibatkan hasil FFT dari nada
uji tidak overlapping dengan hasil FFT nada referensi yang berdekatan dan separasi terlihat
jelas seperti pada gambar 4.8. Sehingga jarak yang dihasilkan oleh fungsi jarak minkowski
cenderung menurun untuk hasil perbanding antara nada uji dengan nada referensi yang
sesuai nada uji.
Keakuratan dari hasil fungsi jarak untuk masing-masing nada referensi ini
mengakibatkan ketepatan pada proses penentuan, sehingga mengakibatkan naiknya tingkat
pengenalan pada saat percobaan dengan pemakaian nilai FFT yang tinggi.
Dari hasil percobaan dapat disimpulkan bahwa tingkat pengenalan yang terbaik
didapat dari kombinasi nilai alpha dari 0 sampai 1000 dengan FFT sebesar 128 point.
Hal ini disebabkan jarak frekuensi antara nada satu dengan yang lain sangat berdekatan
sehingga jarak yang didapat dari fungsi jarak Minkowski tidak sesuai dengan yang
Gambar 4.7. Pengaruh Nil
Gambar 4.8. G
ilai FFT Point Terhadap Tingkat Pengenalan (
(a)
Grafik Hasil FFT (a) 16 Point dengan Nilai Alph
(Recognition Rate)
(b)
(c)
Gambar 4.8. (Lanjutan ) Grafik Hasil FFT (b) 32 Point, (c) 64 Point
(d)
Gambar 4.8.(Lanjutan) Grafik Hasil FFT (d) 128 Point
40
1. Pada pengujian parameter pengaturan pengenalan, penetapan nilai parameter
pengaturan pengenalan nada dengan nilai alpha pada windowing dan nilai FFT
point yang digunakan untuk mengenali nada berpengaruh terhadap tingkat
pengenalan sistem.
a. Semakin besar nilai FFT point yang digunakan maka semakin naik tingkat
pengenalan sistem karena separasi antara spektrum frekuensi nada uji dan
nada referensi yang dihasilkan oleh nilai FFT point yang besar terlihat jelas.
b. Semakin besar nilai alpha pada windowing yang digunakan maka semakin
turun tingkat pengenalan sistem karena terjadi overlapping antara spektrum
frekuensi nada uji dan nada referensi pada alpha yang tinggi sehingga separasi
antara spektrum frekuensi nada uji dan nada referensi hasil FFT tidak terlihat
jelas.
2. Pada orde 3 pengujian parameter pengaturan didapatkan nilai alpha pada
windowing senilai 0, 100, 500,dan 1000 dengan nilai FFT 128 point yang
menghasilkan tingkat pengenalan terbaik.
5.2
Saran
Saran untuk pengembangan pengenalan nada musik saron pelog adalah sebagai
berikut :
1. Pegenalan diubah menjadi real time supaya penggunaannya lebih mudah.
2. Pemilihan parameter yang paling baik, supaya dsaat menggunakan user tidak perlu
41
DAFTAR PUSTAKA
[1] http://asal-usul-motivasi.blogspot.com/2011/01/asal-usul-sejarah-gamelan.html
diakses pada 10 Oktober 2011
[2] Supriyono, Djumiran Ranta Admaja, Bambang Sukmo Pribadi, Joko Susilo ----
Jakarta : Direktorat Pembinaan Sekolah Menengah Kejuruan, Direktorat Jenderal
Manajemen Pendidikan Dasar dan Menengah, Departemen Pendidikan Nasional,
2008.
[3] Eka Kartikasari, Yesika, 2006, Pembuatan Software Pembuka Program aplikasi
Komputer Berbasis Pengenalan Sinyal Suara, PENS-ITS, Surabaya.
[4] Nurlaily, 2009 Pencocokan Pola Suara dengan Algoritma FFT dan Dc.
[5] Budi Sontoso, Tri, 2005, Protipe Modul Pengamatan Sinyal Domain Waktu dan
Frekuensi Secara Real Time Untuk Praktikum Pengolahan Sinyal
Digital,EEPISITS, Surabaya
[6] http://ssli.ee.washington.edu/courses/ee518/notes/lec17.pdf diakses pada tanggal 3
Oktober 2011.
[7] Sugeng Riyanto, Agus Purwanto, Supardi, 1999, algoritma fast fourier transform
(fft) decimation in time (dit) dengan resolusi 1/10 hertz Laboratorium Riset.
[8]
http://code10.net/index.php?option=com_content&view=article&id=61:articlemink owski- distance&catid=38:cat_coding_algorithms_data-similarity&Itemid=57 diakses pada pada tanggal 14 oktober 2011
[9] http://www.geniusnet.com/wSite/ct?xItem=16664&ctNode=145 diakses tanggal 5
Oktober 2011.
[10]
http://www.realkarachi.com/downloads/books/how-stuff-works/how-sound-cards-work%28www.realkarachi.com%29.pdf diakses tanggal 20 September 2011.
[11] Niamaulidia, 2009 Pembuatan Pengenalan Sinyal Wicara Menggunakan Matlab.
[12] Aris sugiarto,2006 Pemrograman Gui Menggunakan MATLAB. Semarang, Andi
42
L1
PERCOBAAN
MENCARI SPEKTRUM FREKUENSI DARI
NADA GAMELAN DENGAN MATLAB
Tujuan
1. Mengetahui frekuensi maksimum pada nada gamelan.
2. Mengetahui frekuensi sampling minimum yang digunakan.
Variabel
1. Frekuensi sampling yang digunakan 4800Hz dan 2400Hz
2. Durasi perekaman yang dilakukan penulis selama 2 second.
Listing program
fs = 4800;%%fsampling 4800Hz
%fs= 2400;%%fsampling 2400Hz
y = wavrecord (2*fs,fs,'double');%% 2 detik
Nada 3 Nada 4
Nada 5 Nada 6
L3
Hasil Ploting (Fs=2400)
Nada 1 Nada 2
Nada 3 Nada 4
Nada 7
Kesimpulan
1. Frekuensi maksimum yang didapat sebesar 1059Hz pada nada “7”.
L5
PERCOBAAN
PENGARUH VARIASI PADA NILAI ALPHA DAN FFT
PADA PENGENALAN NADA GAMELAN SARON PELOG DENGAN
MATLAB
Tujuan :
1. Mengetahuai pengaruh variasi Alpha yang digunakan dalam windowing Kaiser.
2. Mengetahui pengaruh variasi nilai FFT yang digunakan dalam pengenalan.
3. Mengetahui nilai optimal Alpha yang digunakan dalam system pengenalan.
4. Mengetahui nilai FFT yang optimal dalam pengenalan.
Variabel :
1. Alpha yang digunakan 0, 100, 500, 1000.
2. FF T yang digunakan :
• Untuk Alpha 1000 menggunakan FFT 128.
• Untuk Alpha 500 menggunakan FFT 64.
• Untuk Alpha 100 menggunakan FFt 32.
• Untuk Alpha 0 menggunakan FFT 16.
3. Durasi perekaman 1 detik
Listing Program Pada Matlab
[datsound,fs]=wavread('sample2s4800HzSi1.wav');%input data %extract=128; %variabel ekstraksi ciri FFT 128
%extract=64; %variabel ekstraksi ciri FFT 64 %extract=32; %variabel ekstraksi ciri FFT 32
extract=16; %variabel ekstraksi ciri FFT 16 %=======normalisasi=====
L7
L9
=====================================================================
L13
L15
Kesimpula :
1. Pada saat menggunakan Fs =2400 hanya terdapat satu puncak.
2. Pada saat menggunakan Fs = 4800 terdapat beberapa puncak dalam satu nada serta dalam
notasi ada beberapa nada yang asil plotnya sama.
3. Pada saat Fs = 2400 frekuensi maksimal sebesar 1050Hz pada nada “7”.
4. Pada saat Fs = 4800 frekuensi maksimal sebesar 1950Hz pada nada “3”, “4”, “5”, “6”,
“7”.