TUGAS AKHIR

(1)

i

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

(2)

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

(3)

(4)

(5)

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

(6)

vi

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

MOTTO

MAJU TAK GENTAR MUNDUR TAK GUYU

SIRO DIRJO DJAYANINGRAT LEBUR

(7)

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

(8)

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,

(9)

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

(10)

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

(11)

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

(12)

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 ... 25

4.1.1. 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

(13)

xiii

BAB IV KESIMPULAN DAN SARAN

5.1. Kesimpulan ... 40

5.2. Saran ... 40

DAFTAR PUSTAKA ... 41

(14)

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

(15)

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

(16)

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

(17)

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

(18)

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

(19)

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.

(20)

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

(21)

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

(22)

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

(23)

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

(24)

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] = DKE_JL %( ) 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 sampel

yang akan diproses, x(n) adalah nilai sampel sinyal dan k adalah bilangan konstanta 1, 2, 3,…,

(25)

9

2.8 Minkowsky

Rumus fungsi jarak yang digunakan ditunjukkan pada persamaan (2.10).

TUN=V∑ WX(=1 _U(− X_N(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

(26)

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

(27)

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

(28)

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

(29)

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.

(30)

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

(31)

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

(32)

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

(33)

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

(34)

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

(35)

19

Gambar 3.4. Alur program keseluruhan

(36)

Gambar 3.6. Alur program Frame blocking

(37)

21

Gambar 3.8 Alur program windowing

(38)

Gambar 3.10 Alur Program fungsi jarak

(39)

23

Gambar 3.12 Alur program penentuan nada

3.2.1

Subsistem Sampling

Dalam 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 Nada

Dalam 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

(40)

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

(41)

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

(42)

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

(43)

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

(44)

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.

(45)

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%

(46)

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

(47)

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

(48)

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

(49)

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

(50)

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)

(51)

(b)

(c)

(52)

(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

(53)

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)

(54)

(b)

(c)

Gambar 4.8. (Lanjutan ) Grafik Hasil FFT (b) 32 Point, (c) 64 Point

(55)

(d)

Gambar 4.8.(Lanjutan) Grafik Hasil FFT (d) 128 Point

(56)

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

(57)

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

(58)

42

(59)

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

(60)

Nada 3 Nada 4

Nada 5 Nada 6

(61)

L3

Hasil Ploting (Fs=2400)

Nada 1 Nada 2

Nada 3 Nada 4

(62)

Nada 7

Kesimpulan

1. Frekuensi maksimum yang didapat sebesar 1059Hz pada nada “7”.

(63)

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 100 menggunakan FFt 32.

3. Durasi perekaman 1 detik

(64)

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=====

(65)

L7

(66)

(67)

L9

(68)

(69)

(70)

=====================================================================

(71)

L13

(72)

(73)

L15

(74)

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”.