ii
ANALISA DAN IDENTIFIKASI SPEKTRUM SUARA
GAMELAN BONANG
RISET
MUHAMMAD NUR LATIEF 0832400461
Tesis Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Magister
TEKNIK INFORMATIKA Pada
FAKULTAS ILMU KOMPUTER
iii
HALAMAN PERNYATAAN
STATEMENT PAGE
Saya, bernama
MUHAMMAD NUR LATIEF, NIM 0832400461
menyatakan dengan sebenar-benarnya bahwa tesis saya berjudul “Analisa dan Identifikasi Suara Gamelan Bonang” dengan bimbingan utama oleh Bapak Bambang Heru Iswanto, dan pembimbing kedua oleh Bapak Ford Lumban Gaol.Saya juga menyatakan dengan sebenarnya bahwa isi tesis ini tidak merupakan jiplakan dan bukan pula dari karya orang lain, kecuali kutipan dari landasan teori.
Demikian pernyataan ini saya buat dengan sebenarnya dan saya bersedia menerima sanksi apabila ternyata pernyataan saya ini tidak benar.
My name
MUHAMMAD NUR LATIEF, STUDENT ID 0832400461 is
truly knowledge that my thesis with title “Analisa dan Identifikasi Spektrum suara” is my concept and project result with guidance from supervisor. First Supervisor is Mr. Bambang Heru Iswanto, and second supervisor is Mr. Ford Lumban Gaol.
I also truly acknowledge that content of this thesis are not copied and not from another people work, except my citation from literature.
That’s my acknowledge were truly made and if in reality this acknowledge weren’t true, I willing sanction.
Jakarta, 18 Juni 2010 Yang menyatakan
iv
ANALISA DAN IDENTIFIKASI SPEKTRUM SUARA
GAMELAN BONANG
RISET
MUHAMMAD NUR LATIEF 0832400461
Pembimbing 1 : Pembimbing 2 :
BAMBANG HERU ISWANTO, S.Si., M. FORD LUMBAN GAOL
v
PERNYATAAN
STATEMENT
Dengan ini saya,
Nama : Muhammad Nur Latief NIM : 0832400461
Memberikan kepada Universitas Bina Nusantara hak non-eksklusif untuk menyimpan, memperbanyak, dan menyebarluaskan tesis karya saya, secara keseluruhan atau hanya sebagian atau hanya ringkasannya saja, dalam bentuk format tercetak dan atau elektronik.
Menyatakan bahwa saya, akan mempertahankan hak exclusive saya, untuk menggunakan seluruh atau sebagian isi tesis saya, guna pengembangan karya di masa depan, misalnya bentuk artikel, buku, perangkat lunak, ataupun sistem informasi.
Hereby grant to my school, Bina Nusantara University , the non-exclusive right to archive, reproduce, and distribute my thesis, in whole or in part , whether in the form of printed and electronic formats.
I acknowledge that I retain exclusive rights of my thesis by using all or part of it in the future work or outputs, such as article, book, software, and information system.
Jakarta, 18 Mei 2010
vii
DAFTAR ISI
HALAMAN JUDUL i
HALAMAN PERNYATAAN ii
PERSETUJUAN PEMBIMBING iii
PERNYATAAN iv
KATA PENGANTAR v
ABSTRAK vi
DAFTAR ISI vii
DAFTAR GAMBAR ix
DAFTAR TABEL xiv
BAB I PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Rumusan Permasalahan 3
1.3 Tujuan dan Manfaat 3
1.3.1 Tujuan 3
1.3.2 Manfaat 3
1.4 Ruang Lingkup dan Batasan 3
1.5 Langkah-Langkah Penelitian 4
BAB II LANDASAN TEORI 5
2.1 Pengertian Identifikasi 5
2.2 Spektrum Gelombang Suara 5
2.3 Gamelan Bonang 13
2.4 Pengenalan Pola dengan Jaringan Syaraf Tiruan (JST) 13
viii
2.4.2 Multi-Layer Precepton 17
Backpropagation 18
Algoritma Training Backpropagation 19
BAB III METODOLOGI 23
3.1 Metode Penelitian 23
3.2 Waktu dan Tempat Penelitian 28
3.3 Sampel 30
3.4 Metode Pengumpulan Data 30
3.5 Metode Eksperimen 32
BAB IV HASIL DAN PEMBAHASAN 39
4.1 Hasil Pengolahan Data dan Pembahasan 39
4.2 Pembahasan Hasil Penelitian 53
BAB V KESIMPULAN DAN SARAN 63
5.1 Kesimpulan 63
5.2 Saran 63
DAFTAR ACUAN 65
DAFTAR PUSTAKA 67
ix
DAFTAR GAMBAR
GAMBAR 2.1. Gelombang Suara (Vesainstwo10, 2009) 6
GAMBAR 2.2. Sinyal pada Domain Frekuensi (Wolfe, 2010) 10
GAMBAR 2.3. Gamelan Bonang (Kuo, 2010) 13
GAMBAR 2.4. Jaringan Syaraf Tiruan (Danikos, 2010) 14
GAMBAR 2.5. Sigmoid (Danikos, 2010) 15
GAMBAR 2.6. Pembelajaran Jaringan Syaraf Tiruan (Danikos, 2010) 16
GAMBAR 2.7. Multilayer-Perceptron (Emerald, 2010) 18
GAMBAR 3.1. Audacity 23
GAMBAR 3.2. Plot Domain Waktu pada Matlab 24
GAMBAR 3.3. Komponen Pertama 25
GAMBAR 3.4. Domain Frekuensi pada Matlab 25
GAMBAR 3.5. Metode Penelitian 27
GAMBAR 3.6. Bagan Waktu 29
GAMBAR 3.7 Mencuplik Suara Berdurasi Satu Detik 33
GAMBAR 3.8. Domain Waktu pada Matlab 33
GAMBAR 3.9. Domain Frekuensi f = 10KHz 34
GAMBAR 3.10. f 100 Hz pada Audacity 35
GAMBAR 3.11. Domain Waktu pada Matlab 35
GAMBAR 3.12. Domain Frekuensi 100 Hz 36
x
GAMBAR 3.14 Power Spectral Density 100 Hz 37
GAMBAR 4.1. Performa Jumlah Neuron 30 46
GAMBAR 4.2. Performa Jumlah Neuron 40 47
GAMBAR 4.3. Performa Jumlah Neuron 50 47
GAMBAR 4.4. Performa Jumlah Neuron 60 48
GAMBAR 4.5. Performa Jumlah Neuron 100 48
GAMBAR 4.6. Performa Jumlah Neuron 150 49
GAMBAR 4.7. Performa Jumlah Neuron 200 49
GAMBAR 4.8. Performa Jumlah Neuron 250 50
GAMBAR 4.9. Performa Jumlah Neuron 300 50
GAMBAR 4.10. Jaringan Backpropagation dengan 2 Layer 52
GAMBAR 6.1. Performa Neuron Berjumlah 30 71
GAMBAR 6.2. Gradient Neuron Berjumlah 30 71
GAMBAR 6.3. Training State Neuron Berjumlah 30 72
GAMBAR 6.4. Training Neuron Berjumlah 30 72
GAMBAR 6.5. Performa Neuron Berjumlah 40 75
GAMBAR 6.6. Gradient Neuron Berjumlah 40 75
GAMBAR 6.7. Training State Neuron Berjumlah 40 76
GAMBAR 6.8. Training Neuron Berjumlah 40 76
GAMBAR 6.9. Performa Neuron Berjumlah 50 79
xi
GAMBAR 6.11. Training State Neuron Berjumlah 50 80
GAMBAR 6.12. Training Neuron Berjumlah 50 80
GAMBAR 6.13. Performa Neuron Berjumlah 60 83
GAMBAR 6.14. Gradient Neuron Berjumlah 60 83
GAMBAR 6.15. Training State Neuron Berjumlah 60 84
GAMBAR 6.16. Training Neuron Berjumlah 60 84
GAMBAR 6.17. Performa Neuron Berjumlah 100 87
GAMBAR 6.18. Gradient Neuron Berjumlah 100 87
GAMBAR 6.19. Learning State Neuron Berjumlah 100 88
GAMBAR 6.20. Training Neuron Berjumlah 100 88
GAMBAR 6.21. Performa Neuron Berjumlah 150 91
GAMBAR 6.22. Gradient Neuron Berjumlah 150 91
GAMBAR 6.23. Training State Neuron Berjumlah 150 92
GAMBAR 6.24. Training Neuron Berjumlah 150 92
GAMBAR 6.25. Performa Neuron Berjumlah 200 95
GAMBAR 6.26. Gradient Neuron Berjumlah 200 95
GAMBAR 6.27. Learning State Neuron Berjumlah 200 96
GAMBAR 6.28. Training Neuron Berjumlah 200 96
GAMBAR 6.29. Performa Neuron Berjumlah 250 99
GAMBAR 6.30. Gradient Neuron Berjumlah 250 99
xii
GAMBAR 6.32. Training Neuron Berjumlah 250 100
GAMBAR 6.33. Performa Neuron Berjumlah 300 103
GAMBAR 6.34. Gradient Neuron Berjumlah 300 103
GAMBAR 6.35. Training State Neuron Berjumlah 300 104
GAMBAR 6.36. Training Neuron Berjumlah 300 104
GAMBAR 6.37. Grafik Neuron 30 105
GAMBAR 6.38. Grafik Neuron 40 105
GAMBAR 6.39. Grafik Neuron 50 106
GAMBAR 6.40. Grafik Neuron 60 106
GAMBAR 6.41. Grafik Neuron 100 107
GAMBAR 6.42. Grafik Neuron 150 107
GAMBAR 6.43. Grafik Neuron 200 108
GAMBAR 6.44. Grafik Neuron 250 108
GAMBAR 6.45. Grafik Neuron 300 109
GAMBAR 6.46. Grafik Bukan Bonang Pertama 109
GAMBAR 6.47. Grafik Bukan Bonang Kedua 110
GAMBAR 6.48. Grafik Bukan Bonang Keempat 110
GAMBAR 6.49. Grafik Bukan Bonang Kelima 111
GAMBAR 6.50. Grafik Bukan Bonang keenam 111
GAMBAR 6.51. Ruangan Gamelan 113
xiii
GAMBAR 6.53. Gamelan Gong 114
GAMBAR 6.54. Gamelan Kempyang 114
GAMBAR 6.55. Keterangan Gamelan 114
xiv
DAFTAR TABEL
TABEL 2.1. Rentang Frekuensi (Yanto, 2009) 9
TABEL 4.1. Presentasi Domain Frekuensi Gamelan Bonang 40
TABEL 4.2. Presentasi Domain Frekuensi Gamelan Kempyang 41
TABEL 4.3. Presentasi Domain Frekuensi Gamelan Gong 42
TABEL 4.4. Tabel Nilai Gamelan Bonang 43
TABEL 4.5. Tabel Nilai Gamelan Bukan Bonang (Gong dan Kempyang) 45
TABEL 4.6. Batasan Nilai 51
TABEL 4.7. Keterangan Jaringan 51
TABEL 4.8. Nilai Performa Terhadap Data yang Dilatih 53
TABEL 4.9. Nilai Data yang Akan Diuji (Bonang) 54
TABEL 4.10. Nilai Performa dari Data Uji (Bonang) 55
TABEL 4.11. Nilai Data yang Akan Diuji (Bukan Bonang) 56
TABEL 4.12. Nilai Performa dari Data Uji (Bukan Bonang) 57
TABEL 4.13. Rata-Rata Nilai Keseluruhan Performa dari Data Uji 58
TABEL 4.14. Progress Setiap Neuron 58
