Pengenalan nada dan alat musik menggunakan ekstraksi ciri perataan segmen berbasis transformasi sinus diskrit dan similaritas kosinus

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. TUGAS AKHIR. PENGENALAN NADA DAN ALAT MUSIK MENGGUNAKAN EKSTRAKSI CIRI PERATAAN SEGMEN BERBASIS TRANSFORMASI SINUS DISKRIT DAN SIMILARITAS KOSINUS Diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana Teknik pada Program Studi Teknik Elektro Jurusan Teknik Elektro Fakultas Sains dan Teknologi Universitas Sanata Dharma. disusun oleh : ALBERTO MARTUA SIREGAR NIM : 165114034. JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2020.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. FINAL PROJECT. TONES AND MUSICAL INSTRUMENTS RECOGNITION USING SEGMENT AVERAGING FEATURE EXTRACTION BASED ON DISCRETE SINE TRANSFORM AND COSINE SIMILARITY In partial fulfilment of the requirements for the degree of Sarjana Teknik Department of Electrical Engineering Faculty of Science and Technology, Sanata Dharma University. ALBERTO MARTUA SIREGAR NIM : 165114034. DEPARTMENT OF ELECTRICAL ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVESITY YOGYAKARTA 2020.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. HALAMAN PERSEMBAHAN. MOTTO: “SELESAIKAN APA YANG TELAH KAMU MULAI!”. Persembahan Tugas Akhir ini kupersembahkan untuk Tuhan Yesus yang selalu membimbingku Kedua Orang Tua dan keluarga yang selalu mendoakan dan mendukung Dan semua orang yang yang mengasihi dan mendukungku dalam Tugas Akhir vi.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. INTISARI Musik merupakan sebuah karya seni yang sangat digemari oleh banyak lapisan masyarakat. Kebanyakan masyarakat hanya bisa mendengarkan suatu nada dari alat musik tanpa mengetahui nada apa yang sedang dimainkan. Pengenalan nada dan alat musik memampukan banyak orang untuk dapat mempelajari nada-nada pada alat musik. Beberapa contoh alat musik yang dapat dipelajari adalah belira dan pianika. Pengenalan nada dan alat musik oleh komputer merupakan suatu upaya untuk membuat komputer dapat meniru kemampuan manusia dalam mengenali nada dan alat musik. Alat musik yang digunakan dalam Tugas Akhir ini, yaitu belira dan pianika. Alat yang digunakan untuk mengambil data maupun menguji adalah mikrofon dan laptop. Mikrofon berfungsi menerima suara dari alat musik dan laptop berfungsi merekam, memproses, dan menampilkan hasil pengenalan. Sistem pengenalan nada dan alat musik belira dan pianika menggunakan DST berbasis perataan segmen dan similaritas kosinus berjalan sesuai dengan apa yang telah diharapkan. Pengujian pengenalan alat musik dan pengujian nada mampu memperoleh tingkat pengenalan hingga 100%. Pengujian pengenalan alat musik menggunakan zero padding dengan nilai 4096 dan frame blocking dengan nilai 512. Pengujian pengenalan nada alat musik belira menggunakan frame blocking 32 dan perataan segmen 2. Pengujian pengenalan nada alat musik pianika menggunakan frame blocking 64 dan perataan segmen 4. Kata kunci: pengenalan nada dan alat musik, DST, perataan segmen, similaritas kosinus. viii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. ABSTRACT Music is an art that is favored by many stratum of society. Most people can only listen to the tones from a musical instrument without knowing which tones is being played. Tones and musical instruments recognition enable many people to learn about the tones on a musical instrument. Some examples of musical instruments that can be learned are bellyra and pianica. Tones and musical instruments recognition by a computer is an attempt to make a computer can imitate human ability in recognizing the tones and the musical instruments. The musical intruments used in this thesis are bellyra and pianica. The tools that used to retrieve and test the data are microphone and laptop. The microphone functioned to receive the sound from the musical instrument and the laptop functioned to record, process, and display the recognition results. The system of tones and musical instruments recognition for bellyra and pianica using DST based on segment averaging and cosine similarity runs as expected. The testing of musical instruments recognition and tones recognition could give a recognition rate of up to 100%. The testing of musical instruments recognition were achieved using zero padding with 4096 points and frame blocking with 512 points. The testing of bellyra musical instrument’s tone were achieved using frame blocking with 32 points and segment averaging with 2 points. The testing of pianica musical intrument’s tone were achieved using frame blocking with 64 points and segment averaging with 4 points. Keywords: tones and musical instruments recogntion, DST, segment averaging, cosine similarity. ix.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. DAFTAR ISI HALAMAN SAMPUL (BAHASA INDONESIA) ............................................................... i HALAMAN SAMPUL (BAHASA INGGRIS) ................................................................... ii LEMBAR PERSETUJUAN ................................................................................................ iii HALAMAN PENGESAHAN ............................................................................................. iv LEMBAR PERNYATAAN KEASLIAN KARYA ............................................................. v HALAMAN PERSEMBAHAN .......................................................................................... vi LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS .......................................................................................... vii INTISARI .......................................................................................................................... viii ABSTRACT ........................................................................................................................ ix KATA PENGANTAR .......................................................................................................... x DAFTAR ISI ...................................................................................................................... xii DAFTAR GAMBAR......................................................................................................... xiv DAFTAR TABEL ............................................................................................................. xvi BAB I : PENDAHULUAN .................................................................................................. 1 1.1. Latar Belakang ....................................................................................................... 1 1.2. Tujuan dan Manfaat penelitian ............................................................................... 2 1.3. Batasan Masalah ..................................................................................................... 3 1.4. Metode Penelitian ................................................................................................... 3 1.5. Sistematika Penulisan ............................................................................................. 5 BAB II : DASAR TEORI ..................................................................................................... 7 2.1. Belira dan Pianika .................................................................................................. 7 2.2. USB Sound Card .................................................................................................... 8 2.3. Mikrofon................................................................................................................. 9 2.4. Sampling ............................................................................................................... 10 2.5. Normalisasi ........................................................................................................... 10 2.6. Pemotongan Sinyal ............................................................................................... 11 2.7. Frame Blocking .................................................................................................... 12 2.8. Windowing ............................................................................................................ 13 2.9. Discrete Sine Transform (DST) dengan Zero Padding ........................................ 14 xii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 2.10. Penjumlahan Hasil DST ....................................................................................... 15 2.11. Penentuan Jenis Alat Musik ................................................................................. 15 2.12. DST tidak dengan Zero Padding .......................................................................... 16 2.13. Perataan Segmen .................................................................................................. 17 2.14. Similaritas Kosinus............................................................................................... 18 2.15. Penentuan Nada .................................................................................................... 19 2.16. Basis Data ............................................................................................................. 20 BAB III : RANCANGAN PENELITIAN .......................................................................... 21 3.1. Sistem Pengenalan Nada dan Alat Musik ............................................................ 21 3.2. Basis Data Ekstraksi Ciri ...................................................................................... 25 3.3. Nada Uji ............................................................................................................... 26 3.4. Perancangan Tampilan GUI Octave ..................................................................... 27 3.5. Perancangan Diagram Alir ................................................................................... 29 3.6. Perancangan Subsistem ........................................................................................ 43 BAB IV : HASIL DAN PEMBAHASAN.......................................................................... 45 4.1. Implementasi GUI Sistem Pengenalan Nada Dan Alat Musik............................. 45 4.2. Pengujian Pengenalan Jenis Alat Musik .............................................................. 51 4.3. Pengujian Pengenalan Nada ................................................................................. 55 BAB V : KESIMPULAN DAN SARAN ........................................................................... 61 5.1. Kesimpulan........................................................................................................... 61 5.2. Saran ..................................................................................................................... 61 DAFTAR PUSTAKA ......................................................................................................... 62 LAMPIRAN. xiii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. DAFTAR GAMBAR Gambar 2.1. Alat Musik Belira.......................................................................................... 7 Gambar 2.2. Alat Musik Pianika ....................................................................................... 8 Gambar 2.3. USB Sound Card........................................................................................... 9 Gambar 2.4. Mikrofon Taffware BM-900 ......................................................................... 9 Gambar 2.5. Hasil Sampling ............................................................................................ 10 Gambar 2.6. Hasil Normalisasi ........................................................................................ 11 Gambar 2.7. Hasil Pemotongan Sinyal daerah Silence .................................................... 12 Gambar 2.8. Hasil Pemotongan Sinyal daerah Transisi .................................................. 12 Gambar 2.9. Frame Blocking [7] ..................................................................................... 13 Gambar 2.10. Hasil Frame Blocking ................................................................................. 13 Gambar 2.11. Hasil Windowing Hamming ........................................................................ 14 Gambar 2.12. Hasil DST dengan Zero Padding ................................................................ 15 Gambar 2.13. Hasil DST tidak dengan Zero Padding ....................................................... 17 Gambar 2.14. Hasil Perataan Segmen ............................................................................... 18 Gambar 3.1. Diagram Blok Sistem Pengenalan Nada dan Alat Musik ........................... 21 Gambar 3.2. Diagram Blok Proses Pengenalan Alat Musik ............................................ 23 Gambar 3.3. Diagram Blok Proses Pengenalan Nada ..................................................... 23 Gambar 3.4. Diagram Blok Proses Pengambilan Basis Data .......................................... 25 Gambar 3.5. Proses pengambilan nada uji ....................................................................... 27 Gambar 3.6. Rancangan tampilan sistem pengenalan nada dan alat musik menggunakan GUI Octave ......................................................................................................................... 28 Gambar 3.7. Diagram Alir Keseluruhan Sistem .............................................................. 30 Gambar 3.8. Diagram Alir Rekam ................................................................................... 32 Gambar 3.9. Diagram Alir Normalisasi ........................................................................... 32 Gambar 3.10. Diagram Alir Pemotongan Sinyal ............................................................... 34 Gambar 3.11. Diagram Alir Frame Blocking .................................................................... 35 Gambar 3.12. Diagram Alir Windowing ............................................................................ 36 Gambar 3.13. Diagram Alir DST dengan Zero Padding ................................................... 37 Gambar 3.14. Diagram Alir Hasil Penjumlahan DST ....................................................... 37 Gambar 3.15. Diagram Alir Penentuan Alat Musik .......................................................... 38 xiv.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Gambar 3.16. Diagram Alir DST tidak dengan Zero padding .......................................... 40 Gambar 3.17. Diagram Alir Perataan Segmen .................................................................. 40 Gambar 3.18. Diagram Alir Similaritas Kosinus ............................................................... 42 Gambar 3.19. Diagram Alir Penentuan Nada .................................................................... 43 Gambar 4.1. Hasil Keluaran Nada C Alat Musik Belira ................................................. 45 Gambar 4.2. Masukan Nada C Alat Musik Belira Untuk Gambar 4.1. ........................... 46 Gambar 4.3. Hasil Keluaran Nada D# Alat Musik Belira ............................................... 46 Gambar 4.4. Masukan Nada D# Alat Musik Belira Untuk Gambar 4.3. ......................... 46 Gambar 4.5. Hasil Keluaran Nada G Alat Musik Belira ................................................. 47 Gambar 4.6. Masukan Nada G Alat Musik Belira Untuk Gambar 4.5. ........................... 47 Gambar 4.7. Hasil Keluaran Nada Alat Musik Belira pada GUI tidak tepat ................... 47 Gambar 4.8. Masukan Nada B Alat Musik Belira Untuk Gambar 4.7. ........................... 48 Gambar 4.9. Hasil Keluaran Nada C Alat Musik Pianika ............................................... 48 Gambar 4.10. Masukan Nada C Alat Musik Pianika Untuk Gambar 4.9. ......................... 48 Gambar 4.11. Hasil Keluaran Nada D# Alat Musik Pianika ............................................. 49 Gambar 4.12. Masukan Nada D# Alat Musik Pianika Untuk Gambar 4.11...................... 49 Gambar 4.13. Hasil Keluaran Nada B Alat Musik Pianika ............................................... 49 Gambar 4.14. Masukan Nada B Alat Musik Pianika Untuk Gambar 4.13. ....................... 50 Gambar 4.15. Hasil Keluaran Nada Alat Musik Pianika tidak tepat ................................. 50 Gambar 4.16. Masukan Nada D Alat Musik Pianika Untuk Gambar 4.15........................ 50 Gambar 4.17. Grafik Pengujian Alat Musik ...................................................................... 51 Gambar 4.18. Grafik Pengujian Alat Musik Belira ........................................................... 52 Gambar 4.19. Grafik Pengujian Alat Musik Pianika ......................................................... 52 Gambar 4.20. Grafik Pengujian Secara Tidak Real Time Nada Alat Musik Belira .......... 56 Gambar 4.21. Grafik Pengujian Secara Tidak Real Time Nada Alat Musik Pianika ........ 57 Gambar 4.22. Grafik Pengujian Secara Real Time Nada Alat Musik Belira ..................... 59 Gambar 4.23. Grafik Pengujian Secara Real Time Nada Alat Musik Pianika................... 60. xv.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. DAFTAR TABEL Tabel 1.1.. Perbandingan Penlitian .................................................................................... 2. Tabel 3.1.. Basis data setiap alat musik pada pengenalan nada dan alat musik .............. 26. Tabel 3.2.. Nada uji setiap alat musik ............................................................................. 27. Tabel 3.3.. Keterangan tampilan GUI Octave ................................................................. 28. Tabel 4.4.. Nilai Tertinggi dan Nilai Terendah Penjumlahan Hasil DST ....................... 53. xvi.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. BAB I PENDAHULUAN 1.1. Latar Belakang Musik merupakan kebutuhan universal yang sangat digemari oleh manusia serta menjadi bagian dari seni yang dapat mewarnai watak dan kehidupan manusia [1]. Musik digemari semua lapisan masyarakat mulai dari anak-anak, remaja, dewasa hingga manula. Musik disusun sedemikian rupa, sehingga mengandung irama dan keharmonisan suara yang dihasilkan dari alat-alat yang menghasilkan sebuah bunyi. Alat-alat yang menghasilkan suara yang indah sering dijumpai dalam kehidupan, alat-alat tersebut biasa dikatakan dengan sebutan alat musik yang banyak diciptakan oleh manusia. Alat musik yang diciptakan beragam jenisnya, bentuknya, cara memainkannya dan suara yang dihasilkannya. Banyaknya jenis alat musik membuat seseorang mengalami kesulitan dalam membedakan asal suara dari alat musik tertentu. Berbagai cara dapat mengenali alat musik, biasanya mengenali alat musik dari pengalaman indera pendengaran dalam mendengarkan suara alat musik. Pada saat mendengarkan musik seringkali sebagian pendengar ingin mengetahui alat musik yang mainkan dan nada yang dimainkan di musik tersebut. Selain dengan pengalaman indera pendengaran untuk mendengarkannya, mengenali alat musik juga dapat dilakukan dengan menggunakan laptop dengan bantuan perangkat lunak. Pada penelitian ini perangkat lunak yang digunakan untuk mengenali, yaitu perangkat lunak Octave. Beberapa penelitian yang telah dilakukan untuk membuat sistem pengenalan suara alat musik menggunakan pianika [2]. Perbandingan penenlitian yang dilakukan dengan penelitian Pamungkas dapat dilihat pada Tabel 1.1. Sistem yang telah dibuat pada perangkat lunak menunjukkan bahwa mengenali alat musik dapat dilakukan dengan cara lain. Pengenalan suara alat musik dilakukan menggunakan suatu metode untuk memperoleh hasil pengenalan yang baik. Perbedaan penelitian sebelumnya dengan penelitian yang dilakukan oleh penulis, yaitu terdapat pada metode yang digunakan. Metode yang dilakukan sebelumnya menggunakan segment averaging koefisien DFT dan hanya mengenali nada, sedangkan penelitian yang akan dilakukan oleh penulis menggunakan Ekstraksi Ciri Perataan Segmen Berbasis Transformasi Sinus Diskrit (DST) dan ditambah dengan pengenalan alat musik yang sebelumnya belum dilakukan. 1.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 2. Penelitian ini diharapkan dapat membantu seseorang untuk semakin mampu mengenal dan membedakan nada dan jenis-jenis alat musik. Pengenalan nada dan alat musik ini juga memiliki tujuan dan manfaat agar semua orang dapat mengenali alat musik, tidak menutup kemungkinan pula untuk tunarungu dalam mengenali alat musik yang dimainkan, sehingga pengguna sistem ini mendapatkan manfaatnya. Dalam pembuatan tugas akhir ini penulis melakukan penelitian dengan mengenali alat musik belira dan alat musik pianika yang diharapkan dapat membantu pengguna dalam memainkan alat musik/instrumen. Pada penelitian ini penulis merancang sistem yang dapat menentukan alat musik dan nada apa yang dimainkan dari beberapa alat musik/instrumen secara real time. Nada-nada yang dimainkan akan diolah dengan perhitungan pada perataan segmen sehingga akan dikenali oleh sistem pengenalan nada yang dirancang. Penelitian ini melakukan pengenalan dengan menggunakan Ekstraksi Ciri Perataan Segmen Berbasis Transformasi Sinus Diskrit dan Similaritas Kosinus. Penggunaan perangkat lunak Octave memungkinkan pengenalan lebih mudah dipahami dengan disediakannya tampilan GUI untuk dapat membantu kemudahan dalam mengetahui nada dan alat musik apa yang dimainkan. Tabel 1.1. Perbandingan Penelitian Penelitian Sebelumnya [2] Menggunakan metode Discrete Fourier Transform Mengenali nada alat musik pianika Tidak mengenali alat musik Frequency sampling yang digunakan, yaitu 4800Hz Pengenalan nada menggunakan fungsi korelasi Perangkat lunak yang digunakan Matlab. Penelitian Sekarang Menggunakan metode Discrete Sine Transform Mengenali nada dan alat musik belira dan pianika Dapat mengenali alat musik Frequency sampling yang digunakan, yaitu 5000Hz Pengenalan nada menggunakan fungsi similaritas kosinus Perangkat lunak yang digunakan Octave. 1.2. Tujuan dan Manfaat Tujuan dari penelitian tugas akhir ini, yaitu menghasilkan sistem pengenalan nada dan alat musik belira dan pianika.. Manfaat dari penelitian yang dilakukan, yaitu: 1. Sebagai alat bantu pendukung pembelajaran musik khususnya untuk mengenali nada C, C#, D, D#, E, F, F#, G, G#, A, A#, B..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 3. 2. Sebagai alat bantu pengguna dalam menentukan alat musik yang sedang dimainkan (belira atau pianika). 3. Sebagai referensi untuk pengembangan alat membantu para tunarungu dalam belajar bermain alat musik.. 1.3. Batasan Masalah Sistem pengenalan nada dan alat musik pada belira dan pianika terdiri dari perangkat keras dan perangkat lunak. Perangkat keras berfungsi untuk memberikan masukan suara dari alat musik belira dan pianika yang dimainkan. Perangkat lunak berfungsi untuk mengatur keseluruhan proses pengenalan nada dan alat musik. Perancangan sistem pengenalan nada dan alat musik, penulis menjadikan perangkat lunak untuk mengolah proses pengenalan, sedangkan perangkat keras yang berupa mikrofon hanya menggunakan alat yang telah banyak tersedia di pasaran. Penulis menetapkan batasan masalah yang dianggap perlu dalam perancangan, yaitu: 1.. Alat musik yang digunakan, yaitu belira dan pianika.. 2.. Nada yang digunakan “ C, C#, D, D#, E, F, F#, G, G#, A, A#, dan B”.. 3.. Hasil pengolahan secara real time.. 4.. Menggunakan Hamming Window, fungsi similaritas kosinus.. 5.. Jarak antara alat musik dengan mikrofon, yaitu 10 cm [2].. 6.. Menggunakan perangkat lunak Octave dalam pembuatan program.. 7.. Menggunakan mikrofon taffware BM-900.. 8.. Menggunakan USB sound card.. 9.. Cara memukul belira atau meniup pianika seperti seseorang memainkan alat musik pada umumnya tanpa perlu menggunakan tenaga yang banyak.. 10. Hasil pengenalan alat musik di luar belira dan pianika akan dikenali sebagai belira atau pianika. 11. Hasil pengenalan nada di luar “ C, C#, D, D#, E, F, F#, G, G#, A, A#, dan B” akan dikenali sebagai “ C, C#, D, D#, E, F, F#, G, G#, A, A#, atau B”.. 1.4. Metode Penelitian Sistem pengenalan nada dan alat musik belira dan pianika terdiri dari perangkat keras dan perangkat lunak. Perangkat keras berfungsi untuk memasukkan suara yang dihasilkan oleh alat musik belira dan pianika dengan cara dimainkan dan perangkat lunak berfungsi.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 4. untuk mengatur keseluruhan proses pada sistem pengenalan nada dan alat musik. Prinsip kerja sistem, yaitu masukan berupa suara dari alat musik belira dan pianika. Nada yang dihasilkan alat musik selanjutnya direkam menggunakan mikrofon dan diproses dengan ekstraksi ciri. Setelah melalui proses ektraksi ciri, data yang diperoleh kemudian dicocokkan dengan data yang ada pada basis data ekstraksi ciri perataan segmen berbasis transformasi sinus diskrit. Basis data memiliki 240 data nada yang terdiri dari 12 nada yang direkam sebanyak 10 kali pada masing-masing alat musik yang disimpan dengan 2 (dua) file yang berbeda antara belira dan pianika [2]. Hasil keluaran dari pengenalan nada dan alat musik berupa teks yang ditampilkan pada GUI. Metode penelitian yang digunakan dalam penyusunan tugas akhir ini, yaitu: 1. Studi literatur Pengumpulan bahan-bahan referensi dilakukan dengan cara memperoleh data dari membaca buku, jurnal-jurnal ilmiah dan website yang terkait dengan pengenalan nada dan alat musik. 2. Studi Pustaka Studi pustaka, yaitu mendapatkan sumber informasi berdasarkan data atau arsip yang telah ada, sehingga dapat membantu dalam penulisan tugas akhir. 3. Eksperimen Melakukan secara langsung praktik maupun pengujian terhadap sistem yang dibuat pada tugas akhir. 4. Membuat sistem sebagai alat uji: a. Merekam suara belira dan pianika yang akan digunakan untuk acuan dalam merancang sistem pengenalan nada dan alat musik. b. Membuat program yang akan diuji secara tidak real time sebagai dasar untuk membuat program secara real time dan untuk menguji berjalan atau tidaknya program menggunakan basis data dan data uji. c. Membuat rancangan tampilan GUI dengan menggunakan perangkat lunak Octave. d. Membuat program yang diuji secara real time untuk mengetahui apakah program berjalan atau tidak secara langsung dengan menggunakan basis data dan data uji. e. Melakukan pengujian secara real time dengan menggunakan alat musik belira dan pianika, sehingga didapatkan hasil keluaran sesuai dengan yang diinginkan..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 5. 5. Pengambilan data Pengambilan data dilakukan untuk mendapatkan data yang diinginkan sesuai sistem pengenalan. Penelitian ini menggunakan 2 (dua) alat musik, yaitu belira dan pianika dengan 12 (dua belas) nada yang akan dikenali. Data yang diambil dari 2 (dua) alat musik dibagi menjadi dua jenis, yaitu data uji dan basis data. Pengambilan data di setiap alat musik, yaitu 12 nada seperti C, C#, D, D#, E, F, F#, G, G#, A, A#, dan B. Pengambilan data dilakukan dengan jarak 10 cm [2]. Data yang diambil dari setiap nada berjumlah 10 buah data. Jumlah data yang diambil dari setiap alat musik, yaitu 12 nada × 10 buah data nada = 120 data. 6. Pembuatan basis data Nada setiap alat musik akan diambil dahulu untuk basis data. Data masingmasing nada (12 nada) akan disimpan pada basis data sebanyak 10 data. Proses pembuatan basis data sebagai berikut: a. Pengambilan suara alat musik. b. Suara alat musik disimpan dengan file “.wav”. c. Ekstraksi ciri. d. Hasil ekstraksi ciri berupa angka dan perhitungan data dilakukan di setiap nada. e. Hasil perhitungan disimpan ke dalam array basis data. f. Array tersebut disimpan dalam format “.mat” g. Array basis data digunakan sebagai acuan untuk mengenali nada. 7. Analisa dan penyimpulan hasil percobaan Analisa data dilakukan dengan meneliti pengaruh variasi frame blocking dan variasi ekstraksi ciri perataan segmen berbasis transformasi sinus diskrit terhadap tingkat pengenalan nada dan alat musik belira dan pianika. Penyimpulan hasil percobaan dilakukan dengan mencari jumlah DST untuk menghasilkan tingkat pengenalan alat musik dan memeriksa keakuratan data terhadap hasil pengenalan nada dengan membandingkan antara data yang ada pada laptop dengan data uji.. 1.5. Sistematika penulisan Sistematika penulisan pada tugas akhir adalah sebagai berikut: BAB I PENDAHULUAN Bab ini menjelaskan tentang latar belakang, tujuan dan manfaat penelitian, batasan masalah dan metode penelitian..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 6. BAB II DASAR TEORI Bab ini membahas teori-teori pendukung mengenai penelitian, seperti sampling, normalisasi, pemotongan sinyal, frame blocking, windowing, DST dengan zero padding, penjumlahan hasil DST, penentuan alat musik, DST tidak dengan zero padding, perataan segmen, similaritas kosinus dan penentuan nada.. BAB III RANCANGAN PENELITIAN Bab ini membahas tentang rancangan sistem pengenalan nada dan alat musik, rancangan proses-proses pada sistem, menjelaskan dan memaparkan teknik pengolahan suara yang digunakan pada keseluruhan sistem serta.. BAB IV HASIL DAN PEMBAHASAN Bab ini membahas data-data hasil analisa dari pengujian sistem pengenalan nada dan alat musik.. BAB V KESIMPULAN DAN SARAN Bab ini berisi kesimpulan akhir dan saran terhadap pengembangan penelitian selanjutnya..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. BAB II DASAR TEORI 2.1. Belira dan Pianika 2.1.1. Belira Belira adalah alat musik melodi yang biasa digunakan pada drum band untuk mempermudah pendengar dalam mengetahui lagu yang sedang dimainkan. Alat musik belira terdiri dari bilah-bilah logam persegi panjang yang setiap logamnya memiliki nada tersendiri. Setiap bilah-bilah logam memiliki panjang yang berbeda untuk menghasilkan nada yang berbeda-beda. Nada-nada yang dihasilkan dari belira, yaitu C, D, E, F, G, A, B, C#, D#, F#, G#, A#. Alat musik belira dimainkan dengan cara dipukul dengan stik yang terbuat dari plastik padat [3]. Pada permainan drum band alat musik belira dimainkan dengan bantuan besi penyangga yang digantungkan pada bahu pemain belira untuk mempermudah dalam memainkan alat musiknya. Alat musik belira ditunjukkan pada Gambar 2.1.. Gambar 2.1. Alat Musik Belira. 7.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 8. 2.1.2. Pianika Pianika adalah alat musik yang berbentuk menyerupai piano dengan ukuran yang lebih kecil dan cara memainkannya berbeda dengan piano, yaitu dengan cara gabungan antara ditiup dan ditekan. Pianika dimainkan dengan cara ditiup secara langsung atau memakai pipa lentur yang dihubungkan ke mulut. Alat musik pianika biasanya digunakan untuk memainkan melodi pokok, kontra melodi dan bila memungkinkan dapat juga untuk mengiringi lagu [4]. Pianika mempunyai dua bilahan warna tuts, yaitu warna putih dan hitam. Bilahan-bilahan yang berwarna putih untuk nada-nada asli (natural) dan yang berwarna hitam untuk memainkan nada-nada kromatis. Dalam bermain alat musik pianika, posisi tangan kiri memegang pianika dan posisi tangan kanan menekan untuk memainkan melodi lagu, sedangkan mulut meniupnya. Alat musik pianika ditunjukkan pada Gambar 2.2.. Gambar 2.2. Alat Musik Pianika. 2.2. USB Sound Card Sound card adalah alat yang membantu pada proses pengubahan sinyal analog dari mikrofon menjadi sinyal digital berupa file [5]. Sound card yang digunakan dalam penelitian.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 9. ini merupakan USB sound card yang berfungsi secara langsung untuk menangkap sinyal analog dari mikrofon dan mengubahnya menjadi sinyal digital, sehingga sound card pada laptop tidak berfungsi sebagai pengubah sinyal analog ke sinyal digital tersebut. USB sound card ditunjukkan pada Gambar 2.4.. Gambar 2.3. USB Sound Card. 2.3. Mikrofon Mikrofon yaitu suatu alat atau komponen Elektronika yang dapat mengubah atau mengkonversikan energi akustik (gelombang suara) ke energi listrik (Sinyal Audio) [6]. Mikrofon sendiri berguna untuk menangkap sinyal analog yang dihasilkan oleh dua alat musik kemudian direkam. Kegunaan mikrofon adalah sebagai masukan dari sinyal suara yang akan dihubungkan ke USB sound card yang akan diolah pada komputer. Mikrofon ditunjukkan pada Gambar 2.3.. Gambar 2.4. Mikrofon Taffware BM-900.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 10. 2.4. Sampling Sampling adalah proses pencuplikan gelombang suara yang menghasilkan gelombang diskrit termodulasi pulsa [2]. Dalam proses sampling, ada yang disebut dengan laju pencuplikan (sampling rate). Laju pencuplikan menandakan banyak pencuplikan gelombang analog dalam 1 detik. Nilai satuan dari sampling rate yaitu Hertz (Hz). Laju pencuplikan minimum harus memenuhi kriteria dari persamaan nyquist. Laju pencuplikan minimum dikenal sebagai nyquist sampling rate yang menyatakan bahwa frequency sampling dalam pencuplikan harus lebih besar atau sama dengan 2 (dua) kali dari frekuensi tertinggi sinyal suara analog. Secara matematis dapat dituliskan: 𝑓𝑠 ≥ 2𝑓𝑚. (2.1). dengan fs adalah frequency sampling dan fm adalah komponen frekuensi maksimum. Pada proses sampling, waktu yang dibutuhkan dalam perekaman akan mempengaruhi banyaknya data yang tercuplik. Banyak data yang tercuplik dihitung dari persamaan: data 𝑡𝑒𝑟𝑐𝑢𝑝𝑙𝑖𝑘 = 𝑓𝑟𝑒𝑞𝑢𝑒𝑛𝑐𝑦 𝑠𝑎𝑚𝑝𝑙𝑖𝑛𝑔 × waktu 𝑠𝑎𝑚𝑝𝑙𝑖𝑛𝑔. (2.2). Hasil dari sampling berupa sinyal dari data-data yang tercuplik. Hasil sampling belira dan pianika ditunjukkan pada Gambar 2.5.. (a) Belira. (b) Pianika Gambar 2.5. Hasil Sampling. 2.5. Normalisasi Normalisasi merupakan proses pengaturan nilai maksimum suatu runtun data sinyal menjadi 1 atau -1 [8]. Normalisasi juga bertujuan untuk mengatasi jarak antara sumber suara dengan mikrofon. Normalisasi bertujuan untuk menyetarakan amplitudo maksimum pada nada terekam dan nada referensi, sehingga efek kuat lemahnya suara yang dihasilkan alat.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 11. musik tidak terlalu mempengaruhi pada proses pengenalan. Penggunaan normalisasi pada hasil sampling bertujuan supaya amplitudo nada saat memainkan alat musik dapat menjadi maksimal. Proses normalisasi dilakukan dengan cara membagi tiap nilai dari hasil sampling dengan nilai mutlak maksimal dari data hasil sampling. Penulisan secara matematis nilai normalisasi dirumuskan pada persamaan: 𝑋. ℎ𝑎𝑠𝑖𝑙 𝑠𝑎𝑚𝑝𝑙𝑖𝑛𝑔 𝑋𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑠𝑎𝑠𝑖 = max (𝑎𝑏𝑠(𝑥. ℎ𝑎𝑠𝑖𝑙 𝑠𝑎𝑚𝑝𝑙𝑖𝑛𝑔 )). (2.3). dengan Xnormalisasi merupakan data hasil normalisasi Xhasil sampling merupakan data masukan hasil sampling. Hasil normalisasi secara grafis setelah melalui proses sampling ditunjukkan pada Gambar 2.6.. (a) Belira. (b) Pianika Gambar 2.6. Hasil Normalisasi. 2.6. Pemotongan Sinyal Pemotongan sinyal merupakan proses yang bertujuan untuk memotong beberapa bagian sinyal yang tidak termasuk dalam bagian dari sinyal suara. Pada proses pemotongan sinyal akan melalui 2 (dua) kali proses pemotongan. Proses pemotongan sinyal yang pertama, yaitu proses pemotongan daerah hening (silence) atau bagian awal sinyal [2]. Proses pemotongan sinyal yang kedua, yaitu proses memotong daerah transisi sinyal dari suatu sinyal nada. Pemotongan sinyal juga bertujuan untuk menghilangkan efek noise atau suara lain yang ikut terekam agar didapat sinyal yang benar-benar suara dari alat musik belira dan pianika. Sinyal yang dianggap sebagai noise tersebut berasal dari lingkungan sekitar pada saat proses perekaman. Keberadaan suara yang ikut terekam tersebut lebih baik jika diminimalisir dengan cara dihilangkan. Proses ini perlu dilakukan agar pada pengenalan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 12. benar-benar dapat mengenali nada dan alat musik yang diperlukan. Hasil pemotongan sinyal daerah silence ditunjukkan pada Gambar 2.7. dan pemotongan sinyal daerah transisi ditunjukkan pada Gambar 2.8.. (a) Belira. (b) Pianika. Gambar 2.7. Hasil Pemotongan Sinyal daerah Silence. (a) Belira. (b) Pianika. Gambar 2.8. Hasil Pemotongan Sinyal daerah Transisi. 2.7. Frame Blocking Frame blocking merupakan proses pembagian sinyal menjadi beberapa frame atau satu frame dari suatu sinyal masukan yang panjang [7]. Frame blocking bertujuan untuk mengurangi jumlah data sinyal yang akan diproses. Proses frame blocking akan memilih nada terekam, sehingga nada yang dipilih dapat mewakili semua pada nada terekam. Data sinyal yang lebih sedikit akan semakin mempercepat komputasi dan analisa dalam sistem pengenalan nada dan alat musik. Besar data nada terekam telah ditentukan dari nilai frame.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 13. blocking. Durasi waktu akan menentukan panjang dari setiap frame yang nantinya pengguna dapat memilih varian dari frame blocking pada GUI. Frame blocking ditunjukkan pada Gambar 2.9.. Gambar 2.9. Frame Blocking [7]. Sinyal yang dipotong-potong menjadi beberapa frame seperti ditunjukkan pada Gambar 2.9. akan menyebabkan kesalahan pada proses transformasi fourier yang mengakibatkan adanya efek diskontinyuitas pada tepi-tepi potongan. Efek diskontinyuitas yaitu efek timbul dari pemotongan-pemotongan sinyak pada frame blocking. Windowing diperlukan untuk mengurangi efek diskontinyuitas pada tepi-tepi potongan tersebut. Hasil frame blocking dari proses pemotongan sinyal ditunjukkan pada Gambar 2.10.. (a) Belira. (b) Pianika. Gambar 2.10. Hasil Frame Blocking. 2.8. Windowing Windowing adalah suatu proses untuk mengurangi diskontinyuitas pada tepi-tepi hasil dari potongan-potongan sinyal atau dari sinyal digital hasil rekaman [7]. Diskontinyuitas muncul akibat adanya pembagian sinyal pada frame blocking. Diskontinyuitas yang terlalu.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 14. besar akan memunculkan sinyal-sinyal tambahan yang biasa disebut sebagai sinyal-sinyal harmonik pada sinyal hasil transformasi. Proses windowing yang digunakan pada penelitian ini yaitu Hamming windowing. Secara luas Hamming windowing banyak digunakan pada proses pengolahan sinyal. Secara matematis Hamming windowing h(n) dengan panjang N dirumuskan sebagai: 𝑛. ℎ(𝑛) = 0,54 − 0,46 𝑐𝑜𝑠 (2𝜋 𝑁−1) , 0 ≤ 𝑛 ≤ 𝑁 − 1. (2.4). Pada penelitian ini, penulis menggunakan panjang windowing 2n, dengan n bilangan bulat positif. Panjang dari windowing sama dengan panjang dari frame blocking. Hasil windowing hamming ditunjukkan pada Gambar 2.11.. (a) Belira. (b) Pianika. Gambar 2.11. Hasil Windowing Hamming. 2.9. Discrete Sine Transform (DST) dengan Zero Padding Discrete Sine Transform (DST) dengan Zero padding merupakan proses yang dibutuhkan untuk memberi nilai pada DST yang akan dijumlahkan dan meningkatkan resolusi dari sebuah frekuensi [10]. DST dengan Zero padding bertujuan untuk penambahan nilai nol pada sinyal untuk penyesuaian ukuran sinyal matriks dari data yang telah ditentukan. DST dengan Zero padding juga berfungsi untuk mengetahui spektrum suara atau karakteristik suara dari alat musik, sehingga nantinya pada perhitungan DST dapat mengetahui alat musik yang digunakan. Perhitungan secara matematis sesuai dengan persamaan (2.4). Hasil dari DST dengan Zero padding ditunjukkan pada Gambar 2.13..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 15. (a) Belira. (b) Pianika. Gambar 2.12. Hasil DST dengan Zero Padding. 2.10. Penjumlahan Hasil DST Penjumlahan hasil DST bertujuan untuk menghitung nilai puncak pada Discrete Sine Transform. Penjumlahan hasil DST sebagai nilai untuk penentuan perbedaan antara alat musik belira dan pianika. Secara matematis penjumlahan dapat dijelaskan sebagai: 𝑋𝑛 = 𝑝𝑒𝑛𝑗𝑢𝑚𝑙𝑎ℎ𝑎𝑛(𝑥ℎ). (2.5). dengan Xn merupakan hasil penjulahan DST dan xh merupakan hasil DST dengan zero padding.. 2.11. Penentuan Jenis Alat Musik Penentuan jenis alat musik adalah suatu cara yang digunakan untuk membedakan jenis alat musik yang digunakan. Penentuan jenis alat musik diperoleh dari hasil penjumlahan DST dengan zero padding yang selanjutnya diberi batasan dari hasil penjumlahannya. Penentuan jenis alat musik oleh sistem pengenalan dengan melakukan perhitungan untuk memperoleh batas nilai antara alat musik belira dan alat musik pianika. Penentuan alat musik bertujuan untuk mengetahui jenis alat musik yang digunakan oleh pengguna sistem pengenalan. Hasil penentuan alat musik yang dikenali dapat diketahui oleh pengguna berupa tampilan kata. Jenis alat musik yang dikenali dan ditampilkan yaitu belira dan pianika. Perhitungan secara matematis untuk mentukan jenis alat musik yang digunakan ditunjukkan pada persamaan berikut. 𝑋≤𝑌 dengan X merupakan nilai hasil penjumlahan DST dan Y merupakan batas nilai.. (2.6).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 16. Nilai-nilai yang mengisi variabel pada persamaan (2.6) diperoleh dari nilai hasil penjumlahan DST (variabel X) dan nilai ditentukan dari hasil perhitungan pada basis data dari kedua alat musik yang selanjutnya ditentukan batas nilai (variabel Y). Pada penentuan jenis alat musik, cara yang digunakan untuk menentukan keputusan alat musik belira atau pianika, yaitu saat X kurang dari atau sama dengan Y akan menghasilkan keputusan alat musik belira, sedangkan keputusan memilih alat musik pianika saat nilai X lebih besar dari nilai Y. Persamaan (2.6) akan diperjelas melalui contoh berikut: Nilai penjumlahan DST belira pada basis data: h1=1;. h2=2;. h3=1.5. Nilai penjumlahan DST pianika pada basis data: h1=4;. h2=4.5;. h3=5. Batas nilai variabel Y ditentukan dengan melihat beberapa nilai yang digunakan pada contoh. Batas nilai antara belira dan pianika yaitu 3 (tiga) diperoleh dari nilai penjumlahan DST belira yang paling besar dan nilai penjumlahan DST pianika yang paling kecil. Nilai paling besar pada belira = 2 (dua), sedangkan nilai paling kecil pada pianika 4 (empat), sehingga batasnya (4+2)/2 = 3. 𝑋≤𝑌 𝑋≤3 Nilai masukan dari hasil penjumlahan DST akan menjadi variabel X. Nilai tersebut akan menjadi penentu alat musik yang dimainkan, • Keputusan memilih alat musik belira X=1.8, sehingga nilai 1.8 ≤ 3 akan diketahui bahwa alat musik yang dimainkan yaitu belira disebabkan nilai masukan dari penjumlahan DST lebih kecil. • Keputusan memilih alat musik pianika X=3.5, sehingga nilai 3.5 ≤ 3 akan diketahui bahwa alat musik yang dimainkan yaitu pianika disebabkan nilai masukan dari penjumlahan DST lebih besar..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 17. 2.12. DST tidak dengan Zero Padding DST merupakan suatu proses untuk mengubah sinyal dari ranah waktu ke ranah transformasi yang disebut ranah DST [8]. Proses DST dilakukan dengan menggunakan proses penghitungan nilai mutlak DST karena tidak memungkinkan nilai negatif dalam proses DST. DST dari suatu runtun y(n) yang memiliki panjang N titik, secara matematis dirumuskan sebagai: 𝑁−1. 𝑦(𝑘) = ∑ 𝑦(𝑛) sin [ 𝑛=0. 𝜋(𝑘 + 1)(𝑛 + 1) ] 𝑁+1. (2.7). dengan 0 ≤ n ≤ N - 1. Panjang DST yaitu 2n, dengan n bilangan bulat positif. Panjang dari DST sama dengan panjang dari frame blocking dan windowing. Hasil dari DST tidak dengan Zero padding ditunjukkan pada Gambar 2.12.. (a) Belira. (b) Pianika. Gambar 2.13. Hasil DST tidak dengan Zero Padding. 2.13. Perataan Segmen Perataan segmen adalah suatu proses untuk mengurangi jumlah data dari suatu frame data sinyal dengan data masukan disegmentasi dengan lebar segmen yang selanjutnya dicari rata-rata di setiap segmen [8]. Frame data sinyal dengan jumlah data yang berkurang masih dapat memperlihatkan bentuk dasar dari pola sinyal aslinya. Proses perataan segmen bertujuan untuk melakukan segmentasi pada ekstraksi ciri. Algoritma perataan segmen dapat ditunjukkan sebagai [8]: 1. Misalkan suatu frame data masukan y(k)={y(1),y(2),...,y(N-1)} dengan N=2p dan p ≥ 0..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 18. 2. Cari panjang segmen L dengan L = 2q untuk 0 ≤ q ≤ p. 3. Bagi runtun Y(k) dengan menjadi segmen-segmen sepanjang L. Dengan demikian akan dihasilkan sejumlah M segmen: 𝑁. 𝑀 = 𝐿,. (2.8). dan juga runtun f(r)={f(1),f(2),...,f(L)} di setiap segmen. 4. Hitung rerata di setiap segmen z(v) sebagai berikut: 𝐿. 1 𝑧(𝑣) = ∑ 𝑓𝑣 (𝑟), 1 ≤ 𝑣 ≤ 𝑀 𝐿. (2.9). 𝑟=1. Perataan segmen bertujuan untuk mengurangi ukuran sinyal setelah proses DST. Hasil perataan segmen ditunjukkan pada Gambar 2.14.. (a) Belira. (b) Pianika. Gambar 2.14. Hasil Perataan Segmen. 2.14. Similaritas Kosinus Fungsi similaritas adalah fungsi untuk menerima dua buah objek dan mengembalikan nilai kemiripan (similaritas) antara objek tersebut berupa bilangan riil [9]. Nilai yang dihasilkan dari fungsi similaritas berada pada jangkauan antara 0 (nol) dan 1 (satu), dengan nilai 0 (nol) diartikan sebagai kedua objek berbeda, sedangkan nilai 1 (satu) diartikan sebagai kedua objek sama persis. Similaritas kosinus adalah perhitungan kesamaan antara dua vektor dengan mencari kosinus dari sudut di antara keduanya dan biasa digunakan untuk perbandingan data. Similaritas kosinus berfungsi untuk membandingkan antara basis data dengan data hasil masukan alat musik secara langsung. Perbandingan bertujuan untuk mengidentifikasikan masukan yang nantinya akan menghasilkan keluaran pada sistem program. Proses perbandingan ini dilakukan antara nada terekam dengan 12 nada dari dua.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 19. alat musik yang berbeda. Persamaan similaritas kosinus dapat dilihat pada persamaan berikut [9]: 𝑆𝑐𝑜𝑠 =. ∑𝑑𝑖=1 𝑃𝑖 ∗ 𝑄𝑖 2. √∑𝑑𝑖=1 𝑃𝑖 √∑𝑑𝑖=1 𝑄𝑖. (2.10) 2. dengan P merupakan elemen matriks pertama, Q merupakan elemen matriks kedua dan d merupakan matriks elemen tertentu. Persamaan (2.10) akan diperjelas melalui contoh matriks sederhana sebagai berikut: Elemen matriks A : (1, 2, 3) Elemen matriks B : (2, 3, 4) Elemen matriks C : (3, 4, 5) • Similaritas kosinus matriks A dan matriks B 𝑆𝑐𝑜𝑠 = = =. (1𝑥2) + (2𝑥3) + (3𝑥4) √12 + 22 + 32 √22 + 32 + 42 2 + 6 + 12 √1 + 4 + 9√4 + 9 + 16 20 √14√29. = 0,992 • Similaritas kosinus matriks A dan matriks C 𝑆𝑐𝑜𝑠 = = =. (1𝑥3) + (2𝑥4) + (3𝑥5) √12 + 22 + 32 √32 + 42 + 52 3 + 8 + 15 √1 + 4 + 9√9 + 16 + 25 26. -. √14√50. = 0,982. 2.15. Penentuan Nada Penentuan nada, yaitu suatu proses untuk menentukan keluaran nada yang bersesuaian dengan nada dari sinyal masukan dengan perbandingan dengan data yang ada pada basis data. Penentuan nada menghasilkan pengenalan yang ditentukan berdasarkan nilai maksimum. Fungsi similaritas kosinus melakukan perhitungan antara ekstraksi ciri sinyal masukan dengan ekstraksi ciri dari basis data nada. Penentuan nada berfungsi sebagai.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 20. indikator terakhir untuk mengetahui nada apa yang dimainkan oleh pengguna. Indikator penentuan nada agar dapat mengetahui nada yang dimainkan, yaitu berupa huruf. Huruf yang ditampilkan akan sesuai dengan nada yang mainkan ketika perbandingan pada similaritas kosinus sesuai.. 2.16. Basis Data Basis data adalah kumpulan informasi yang disusun dan merupakan suatu kesatuan yang utuh yang disimpan didalam perangkat keras (laptop) secara sistematis, sehingga dapat diolah menggunakan perangkat lunak [11]. Data yang terhimpun dalam suatu basis data dapat menghasilkan informasi yang berguna. Dalam penggunaan basis data, semakin banyak informasi yang diperlukan, semakin banyak juga data yang akan disimpan. Dalam penelitian ini, basis data digunakan pada proses similaritas kosinus untuk perbandingan data masukan dengan basis data. Pembuatan basis data dapat ditunjukkan sebagai: 𝑏𝑎𝑠𝑖𝑠 𝑑𝑎𝑡𝑎𝑗 =. ∑10 𝑖=1(𝑒𝑘𝑠𝑡𝑟𝑎𝑘𝑠𝑖 𝑐𝑖𝑟𝑖 𝑛𝑎𝑑𝑎 𝑠𝑎𝑚𝑝𝑒𝑙𝑗 ). 𝑖. 10. dengan j merupakan jumlah nada yang dikenali dan i merupakan banyak data nada.. (2.11).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. BAB III RANCANGAN PENELITIAN 3.1. Sistem Pengenalan Nada dan Alat Musik Sistem pengenalan nada dan alat musik menggunakan perangkat lunak dan Perangkat keras. Penggunaan perangkat lunak berfungsi sebagai interface yang bertujuan untuk mempermudah pengguna dalam pengenalan nada dan alat musik. Perangkat lunak yang digunakan dalam pengenalan, yaitu Octave. Perangkat lunak berperan sebagai pusat dalam pengenalan mulai dari perekaman hingga menampilkan keluaran nada dan jenis alat musik. Komponen pendukung (Perangkat keras) dibutuhkan dalam penelitian pengenalan nada dan alat musik. Perangkat keras yang digunakan dalam pengenalan, yaitu mikrofon, laptop, belira dan pianika. Pengenalan secara real time dilakukan melalui beberapa proses. Awalnya, masukan didapatkan melalui suara pianika dan belira. Setelah itu, proses perekaman dilakukan oleh laptop melalui mikrofon. Selanjutnya, hasil perekaman tersebut memasuki tahapan pengenalan yang dilakukan dengan menggunakan pemrograman Octave. Sistem secara real time inilah yang dapat mempermudah pengguna dalam pengenalan nada dan alat musik. Sistem pengenalan nada dan alat musik secara real time ditunjukkan pada Gambar 3.1.. Gambar 3.1. Diagram Blok Sistem Pengenalan Nada dan Alat Musik. Sistem terdiri dari beberapa proses untuk menghasilkan keluaran pengenalan. Proses pengenalan nada dan alat musik mempunyai beberapa sub proses yang dilakukan dengan. 21.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 22. fungsi masing-masing yang berbeda.. 3.1.1. Belira dan Pianika Alat musik yang digunakan berupa alat musik belira dan alat musik pianika. Kedua alat musik tersebut merupakan alat musik yang penulis gunakan sebagai masukan pada penelitian ini. Suara dari alat musik tersebut memiliki frekuensi yang dapat didengar oleh manusia, yaitu 20 hz - 20 Khz. Suara yang sumbernya dari alat musik belira dan pianika direkam menggunakan Octave melalui mikrofon. Pada penelitian ini, nada yang digunakan oleh penulis berjumlah 12 pada setiap alat musiknya. Nada-nada tersebut, yaitu: C, C#, D, D#, E, F, F#, G, G#, A, A#, B.. 3.1.2. USB Sound Card Sound card, yaitu alat yang membantu pada proses pengubahan sinyal analog mikrofon menjadi sinyal digital. Sound card yang digunakan merupakan USB sound card yang berfungsi secara langsung untuk menangkap sinyal analog dari mikrofon dan mengubahnya menjadi sinyal digital, sehingga laptop dapat langsung mengolah sinyal digital tersebut.. 3.1.3. Mikrofon Sistem menggunakan mikrofon yang befungsi untuk menangkap sinyal analog yang dihasilkan oleh dua alat musik. Mikrofon terhubung dengan USB sound card selanjutnya mengirimkan data analog menuju USB sound card yang ada pada laptop. Pada penelitian ini penulis menggunakan mikrofon dengan merek taffware BM-900. Penggunaan mikrofon tersebut dipilih dikarenakan harga terjangkau dengan memiliki beberapa fasilitas yang mempermudah pada proses perekaman. Fasilitas tersebut di antaranya terdapat volume yang dapat diatur dan terdapat echo untuk mengatur gema pada mikrofon.. 3.1.4. Proses Perekaman Proses perekaman merupakan proses masuknya data suara alat musik yang terekam berupa sinyal digital. Dalam proses perekaman suara dari kedua alat musik, suara yang dihasilkan alat musik ditangkap mikrofon berupa sinyal analog yang terhubung USB sound card selanjutnya data tersebut direkam. Saat proses perekaman, sinyal analog dikonversi menjadi sinyal digital dengan frequency sampling yang telah ditentukan oleh penulis pada.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 23. penelitian ini. Sinyal digital tersebut selanjutnya disimpan dan digambarkan dalam sebuah plot. Nada terekam kemudian diproses dan dikenali lewat proses pengenalan.. 3.1.5. Proses Pengenalan Proses pengenalan nada bertujuan untuk mengenali suara alat musik yang terekam selanjutnya mendeteksi termasuk dalam nada dan alat musik apa suara yang terekam. Proses pengenalan ini mempunyai tahapan-tahapan yang dilalui seperti normalisasi, pemotongan sinyal, frame blocking, windowing, DST, perataan segmen dan fungsi similaritas kosinus. Proses pengenalan alat musik ditunjukkan pada Gambar 3.2. dan proses pengenalan nada ditunjukkan pada Gambar 3.3. Masukan Normalisasi. suara. Pemotongan Sinyal. Frame Blocking. Windowing. (wav). Keluaran. Penentuan Alat Musik. Penjumlahan hasil DST. DST dengan Zero padding. (Kata). Gambar 3.2. Diagram Blok Proses Pengenalan Alat Musik. Masukan suara. Normalisasi. Pemotongan Sinyal. Frame Blocking. Penentuan Nada. Similaritas kosinus. Perataan Segmen. Windowing. (wav). keluaran (huruf). DST tidak dengan zero padding. Basis Data Gambar 3.3. Diagram Blok Proses Pengenalan Nada. 3.1.5.1. Normalisasi Proses normalisasi bertujuan untuk menyetarakan amplitudo maksimum pada nada terekam dan basis data, sehingga efek kuat lemahnya suara yang dihasilkan alat musik tidak terlalu mempengaruhi pada proses pengenalan..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 24. 3.1.5.2. Pemotongan Sinyal Proses pemotongan sinyal bertujuan untuk menghilangkan efek noise atau suara lain yang ikut terekam. Proses ini perlu dilakukan agar proses pengenalan benar-benar dapat mengenali nada dan alat musik yang diinginkan.. 3.1.5.3. Frame Blocking Proses ini memilih nada terekam, sehingga nada yang dipilih dapat mewakili semua pada nada terekam. Besar data nada terekam telah ditentukan dari nilai frame blocking.. 3.1.5.4. Windowing Proses windowing bertujuan untuk mengurangi efek diskontinyuitas dari sinyal digital hasil rekaman atau dari potongan-potongan sinyal. Proses windowing yang digunakan pada perancangan ini yaitu hamming windowing.. 3.1.5.5. DST dengan Zero Padding Proses DST dengan Zero padding bertujuan untuk penambahan nilai 0 pada sinyal untuk penyesuaian sinyal ukuran matriks dari data yang telah ditentukan.. 3.1.5.6. Penjumlahan Hasil DST Proses DST, yaitu penjumlahan hasil DST dengan tujuan menghitung nilai puncak pada Discrete Sine Transform. Penjumlahan hasil DST sebagai nilai untuk penentuan perbedaan antara alat musik belira dan pianika.. 3.1.5.7. Penentuan Alat Musik Proses penentuan jenis alat musik yang dilakukan oleh sistem pengenalan dengan melakukan perhitungan untuk memperoleh batas nilai antara alat musik belira dan alat musik pianika.. 3.1.5.8. DST tidak dengan Zero Padding Proses DST tidak dengan zero padding digunakan untuk mengubah sinyal menjadi komponen frekuensi dasarnya. Proses DST dilakukan dengan menggunakan penghitungan nilai mulak DST..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 25. 3.1.5.9. Perataan Segmen Proses perataan segmen bertujuan untuk melakukan segmentasi pada ekstraksi ciri dengan mencari rata-rata di setiap segmen.. 3.1.5.10. Similaritas Kosinus Proses similaritas kosinus, yaitu membandingkan antara data hasil sampling dan data yang ada pada basis data. Proses perbandingan ini dilakukan antara nada terekam dengan 12 nada dari dua alat musik yang berbeda.. 3.1.5.11. Penentuan Nada Proses penentuan nada menghasilkan pengenalan yang ditentukan berdasarkan jarak maksimum yang diperoleh setelah melalui proses fungsi similaritas kosinus.. 3.2. Basis Data Ekstraksi Ciri Basis data ekstraksi ciri sangat dibutuhkan pada proses similaritas kosinus. Nada acuan yang dibutuhkan dalam penentuan pengenalan nada dan alat musik disebut basis data. Setiap basis data hendaknya memiliki ciri yang telah diketahui oleh sistem pengenalan nada dan alat musik. Basis data digunakan untuk perbandingan dengan nada yang akan dikenali. Proses pembuatan basis data ditunjukkan pada Gambar 3.4. Pembuatan basis data dilakukan melalui beberapa proses, yaitu masukan nada, normalisasi, pemotongan sinyal, frame blocking, windowing, DST, perataan segmen dan didapatkan basis data ekstraksi ciri. Masukan Nada. Normalisasi. Pemotongan Sinyal. Frame Blocking. Perataan Segmen. DST. Windowing. (wav). Ekstraksi Ciri. Gambar 3.4. Diagram Blok Proses Pengambilan Basis Data. Untuk pembuatan basis data alat musik penulis memiliki 2 (dua) basis data dari dua alat musik dan setiap alat musik memiliki 12 (dua belas) sampel. Setiap sampel memiliki 10 (sepuluh) data nada yang akan dikenali, sehingga total yang diperlukan setiap alat musik, yaitu 120 basis data. Data setiap sampel yang digunakan ditunjukkan pada Tabel 3.1..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 26. Tabel 3.1. Basis Data Setiap Alat Musik Pada Pengenalan Nada Dan Alat Musik Sampel_1. [C1, C2, C3, C4, C5, C6, C7, C8, C9, C10]. Sampel_2. [C#1, C#2, C#3, C#4, C#5, C#6, C#7, C#8, C#9, C#10]. Sampel_3. [D1, D2, D3, D4, D5, D6, D7, D8, D9, D10]. Sampel_4. [D#1, D#2, D#3, D#4, D#5, D#6, D#7, D#8, D#9, D#10]. Sampel_5. [E1, E2, E3, E4, E5, E6, E7, E8, E9, E10]. Sampel_6. [F1, F2, F3, F4, F5, F6, F7, F8, F9, F10]. Sampel_7. [F#1, F#2, F#3, F#4, F#5, F#6, F#7, F#8, F#9, F#10]. Sampel_8. [G1, G2, G3, G4, G5, G6, G7, G8, G9, G10]. Sampel_9. [G#1, G#2, G#3, G#4, G#5, G#6, G#7, G#8, G#9, G#10]. Sampel_10. [A1, A2, A3, A4, A5, A6, A7, A8, A9, A10]. Sampel_11. [A#1, A#2, A#3, A#4, A#5, A#6, A#7, A#8, A#9, A#10]. Sampel_12. [B1, B2, B3, B4, B5, B6, B7, B8, B9, B10]. Proses perhitungan rata-rata dilakukan berdasarkan data sampel setiap alat musik. Data diolah pada ekstraksi ciri perataan segmen berbasis transformasi sinus diskrit sesuai dengan perhitungan yang ditunjukkan persamaan (2.11) untuk memperoleh basis data. Persamaan (2.11) tersebut bertujuan untuk memperoleh basis data dengan 12 (dua belas) nada seperti C, C#, D, D#, E, F, F#, G, G#, A, A#, B. Pemrosesan 12 nada berdasarkan Gambar 3.4. akan memperoleh satu set basis data terdiri dari 12 nada seperti C, C#, D, D#, E, F, F#, G, G#, A, A#, B. Basis data tersebut selanjutnya disimpan dalam bentuk file (.mat), sehingga sewaktuwaktu basis data tersebut dapat dipanggil dengan proses fungsi similaritas kosinus dalam pengenalan nada.. 3.3. Nada Uji Nada uji dibutuhkan untuk mengetahui sampai sejauh mana kinerja dari sistem pengenalan nada dan alat musik yang telah dibuat dengan melihat kesesuaian antara nada yang diuji dan basis data. Nada uji, yaitu nada yang direkam sebagai pengujian sistem pengenalan dan berbeda dengan basis data. Nada uji bertujuan untuk mengetahui pengenalan pada fungsi similaritas kosinus secara tidak real time. Proses nada uji melalui alur yang mirip dengan proses basis data. Proses yang dilakukan pada nada uji, yaitu untuk menjalankan sistem pengenalan nada dan alat musik. Pengambilan nada juga sama seperti pangambilan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 27. basis data, yaitu melalui normalisasi, pemotongan sinyal, frame blocking, windowing, DST, perataan segmen. Nada uji memiliki 12 sampel dengan 10 data nada di setiap sampelnya seperti pada Tabel 3.2. Setiap sampel nada masuk dalam proses ini sebelum masuk ke tahap selanjutnya. Proses pengambilan nada uji ditunjukkan pada Gambar 3.5.. Tabel 3.2. Nada Uji Setiap Alat Musik Sampel_1. [C21, C22, C23, C4, C25, C26, C27, C28, C29, C30]. Sampel_2. [C#21, C#22, C#23, C#24, C#25, C#26, C#27, C#28, C#29, C#30]. Sampel_3. [D21, D22, D23, D24, D25, D26, D27, D28, D29, D30]. Sampel_4. [D#21, D#22, D#23, D#24, D#25, D#26, D#27, D#28, D#29, D#30]. Sampel_5. [E21, E22, E23, E24, E25, E26, E27, E28, E29, E30]. Sampel_6. [F21, F22, F23, F24, F25, F26, F27, F28, F29, F30]. Sampel_7. [F#21, F#22, F#23, F#24, F#25, F#26, F#27, F#28, F#29, F#30]. Sampel_8. [G21, G22, G23, G24, G25, G26, G27, G28, G29, G30]. Sampel_9. [G#21, G#22, G#23, G#24, G#25, G#26, G#27, G#28, G#29, G#30]. Sampel_10. [A21, A22, A23, A24, A25, A26, A27, A28, A29, A30]. Sampel_11. [A#21, A#22, A#23, A#24, A#25, A#26, A#27, A#28, A#29, A#30]. Sampel_12. [B21, B22, B23, B24, B25, B26, B27, B28, B29, B30]. Masukan (suara alat. Ekstraksi Ciri. Keluaran Data uji. musik) Gambar 3.5. Proses pengambilan nada uji. 3.4. Perancangan Tampilan GUI Octave Tampilan dari keseluruhan program menggunakan tampilan GUI Octave. Graphical user interface (GUI), yaitu program tampilan interface dengan pengguna. Tampilan GUI Octave dibuat agar pengguna dapat menggunakan sistem pengenalan dengan mudah dan dapat mengetahui hasil dari pengenalan nada dan alat musik. Tampilan GUI pengenalan nada dan alat musik menampilkan plot dari hasil perekaman secara langsung dan plot ekstraksi ciri perataan segmen berbasis transformasi sinus diskrit. Pada sisi bagian lain GUI selain dari menampilkan plot terdapat juga nilai variasi dari frame blocking dan perataan segmen..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 28. Hasil dari pengenalan setelah melalui proses ditampilkan pada GUI dengan tampilan jenis alat musik dan nada keluaran. Rancangan tampilan GUI ditunjukkan pada Gambar 3.6.. Gambar 3.6. Rancangan tampilan sistem pengenalan nada dan alat musik menggunakan GUI Octave. Tampilan interface dirancang semenarik mungkin dan mudah untuk dipahami dikarenakan tujuan dari pembuatan GUI, yaitu agar pengguna mudah dalam mengoperasikan sistem pengenalan. Masing-masing bagian pada GUI memiliki fungsi yang ditunjukkan pada Tabel 3.3. Nilai variasi akan menjadi evaluasi pada pengenalan nada dan alat musik.. Tabel 3.3. Keterangan tampilan GUI Octave Nama Bagian. Keterangan. Tombol Rekam. Digunakan untuk memulai perekaman dan menampilkan plot hasil rekam. Tombol Reset. Berfungsi untuk menghapus data yang telah dikenali pada GUI. Tombol Selesai. Digunakan untuk mengakhiri proses pengenalan. Frame Blocking. Nilai variasi dari frame blocking yang dapat dipilih, nilainya f1, f2, f3 dan f4 (nilai variabel akan menjadi bahan untuk evaluasi program).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 29. Tabel 3.3. (Lanjutan) Keterangan tampilan GUI Octave Nama Bagian. Keterangan. Perataan Segmen. Nilai variasi dari perataan segmen yang dapat dipilih, nilainya p1, p1, p3, p4, p5, p6 dan p7 (nilai variabel akan menjadi bahan untuk evaluasi program). Alat Musik. Menampilkan jenis alat musik apa yang dikenali oleh sistem. Nada Keluaran. Menampilkan nada yang dikenali dari alat musik pada sistem pengenalan. Plot Hasil Rekam. Menampilkan plot hasil rekaman yang dimulai saat tombol Rekam ditekan. Plot Hasil Ekstraksi Ciri. Menampilkan plot hasil dari ekstraksi ciri perataan segmen berbasis transformasi sinus diskrit.. 3.5. Perancangan Diagram Alir Diagram alir merupakan penjelasan mekanisme dari sistem yang dibuat dalam pengenalan nada dan alat musik. Sistem pengenalan nada dan alat musik akan berjalan saat pengguna mulai menggunakannya. Saat pengguna akan memulai sistem pengenalan, pengguna akan memperoleh tampilan sederhana dari GUI Octave. Sebelum pengguna merekam nada dari alat musik yang akan dikenali, pengguna terlebih dahulu memasukkan variasi nilai perataan segmen dan frame blocking selanjutnya pengguna menekan tombol yang ada pada GUI. Tampilan GUI memperlihatkan beberapa tombol yang tersedia dengan masing-masing fungsi yang berbeda. Tombol awal yang ditekan, yaitu tombol “REKAM” saat pengguna menekan tombol tersebut, proses perkaman dan proses pengenalan akan berjalan. Sistem pengenalan ini akan merekam suara dari alat musik secara real time melalui mikrofon yang terhubung dengan USB frame. Durasi yang dibutuhkan dalam merekam, yaitu 2 (dua) detik. Setelah proses perekaman telah selesai, langkah selanjutnya adalah proses pengenalan untuk mendekteksi jenis alat musik apa yang digunakan dan nada apa yang dimainkan. Proses pengenalan akan berhenti saat hasil dari keluaran jenis alat musik dan nada apa yang dimainkan berupa teks pada bagian alat musik dan nada keluaran. Rancangan Diagram alir keseluruhan sistem ditunjukkan pada Gambar 3.7..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 30. Gambar 3.7. Diagram Alir Keseluruhan Sistem.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 31. Gambar 3.7. (Lanjutan) Diagram Alir Keseluruhan Sistem. 3.5.1. Rekam Proses rekam suara alat musik belira dan pianika dimulai dengan laptop menjalankan fungsi untuk merekam. Hasil yang didapatkan dari suara alat musik yang direkam nantinya akan melalui suatu proses, yaitu sampling. Proses sampling bertujuan untuk merekam suara belira dan pianika dengan parameter frequency sampling yang telah ditentukan oleh sistem. Perhitungan matematis dalam menghitung frequency sampling menggunakan persamaan (2.1). Lama waktu dalam penangkapan suara alat musik, yaitu 2 detik [2]. Lama waktu tersebut ditentukan agar hasil nada yang terekam didapat secara utuh. Nilai waktu tersebut juga mempengaruhi akan banyaknya data yang tercuplik. Perhitungan secara matematis untuk mendapatkan data tercuplik diuraikan pada persamaan (2.2). Hasil dari sampling berupa sinyal dari data-data yang tercuplik. Hasil yang didapatkan setelah melalui proses perekaman, yaitu terbentuk spektrum nada yang terekam hasil dari perekaman. Pada proses rekam hasil akhir yang didapat berupa nada terekam dalam sebuah file berbentuk (.wav). Proses rekam ditunjukkan pada Gambar 3.8..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 32. Gambar 3.8. Diagram Alir Rekam. 3.5.2. Normalisasi Normalisasi bertujuan untuk menyetarakan amplitudo dari data sinyal nada yang telah terekam, sehingga suara lemah atau kuat saat memainkan alat musik tidak memengaruhi proses pengenalan nada. Proses normalisasi dapat dijalankan setelah melalui proses rekam dengan mendapatkan keluaran berupa nada terekam (wav). Setelah didapatkan nada terekam selanjutnya proses yang harus dilalui yaitu membagi nilai-nilai data nada terekam dengan nilai mulak maksimal dari data itu sendiri, sehingga menghasilkan sinyal yang telah ternomalisasi untuk nada terekam. Perhitungan secara matematis dapat dilihat pada persamaan (2.3). Proses dari normalisasi ditunjukkan pada Gambar 3.9.. Gambar3.9. Diagram Alir Normalisasi.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 33. Gambar3.9. (Lanjutan) Diagram Alir Normalisasi. 3.5.3. Pemotongan Sinyal Proses pemotongan sinyal berfungsi untuk menghapus suara selain alat musik yang ikut terekam sebelum suara yang ingin dikenali terekam. Pemotongan sinyal di bagian awal yang tidak digunakan terdapat pada sisi kiri dari sinyal, yaitu bagian silence dan bagian transisi. Proses pemotongan sinyal diperlukan agar proses pengenalan mampu dengan benar dalam mengenali suara yang diperlukan. Proses tersebut bertujuan untuk menghilangkan efek noise yang dihasilkan dari suara alat musik itu sendiri juga dari suara lainnya yang ikut terekam. Proses dari pemotongan sinyal ditunjukkan pada Gambar 3.10. Tahapan pertama yang harus dilalui dalam proses ini adalah pemotongan bagian silence, tahap ini telah menentukan nilai batas potong, yaitu sebesar x. Nilai batas potong ini maksudnya untuk menghilangkan sinyal yang tingginya lebih kecil daripada x. Nilai batas potong ditandai sebagai variable x untuk selanjutnya dilakukan percobaan berapa nilai yang cocok untuk dilakukan pemotongannya. Tahapan kedua adalah pemotongan bagian transisi, pemotongan yang dilakukan ini untuk menghilangkan bagian sinyal pada bagian awal. Selanjutnya, hasil dari pemotongan sinyal yang akan di proses dalam frame blocking..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 34. Gambar 3.10. Diagram Alir Pemotongan Sinyal. 3.5.4. Frame Blocking Proses frame blocking, yaitu proses yang dilakukan untuk membagi sinyal menjadi beberapa bagian. Frame blocking bertujuan untuk mengurangi jumlah data yang akan diproses. Frame blocking dapat dijalankan dengan sinyal hasil proses pemotongan sinyal. Proses frame blocking menggunakan data hasil pemotongan sinyal. Nilai frame blocking ditentukan oleh pengguna. Nilai variasi frame blocking yang diberikan, yaitu: f1, f2, f3 dan f4. Nilai variasi dari frame blocking diberi variabel untuk bahan evaluasi program pengenalan nada dan alat musik. Pada proses ini data yang diambil sepanjang nilai yang dipilih oleh pengguna. Data yang telah diambil merupakan data yang mewakili data terekam, bertujuan untuk dapat mempermudah dalam perhitungan dan analisa sinyal. Data yang diambil merupakan data dari hasil frame blocking. Proses frame blocking ditunjukkan pada Gambar 3.11..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 35. Gambar 3.11. Diagram Alir Frame Blocking. 3.5.5. Windowing Proses windowing baru dapat dijalankan setelah mendapatkan hasil dari frame blocking. Suara yang dipotong-potong menjadi beberapa frame membuat data suara menjadi diskontinuitas. Proses windowing berfungsi untuk mengurangi efek diskontinyuitas saat sinyal ditransformasikan ke domain frekuensi. Pada pengenalan ini windowing yang digunakan, yaitu hamming windowing. Hamming windowing membuat hasil windowing menjadi lebih halus dalam menghilangkan efek diskontinyuitas. Hamming windowing memiliki side lobe yang kecil dan main lobe yang paling besar, sehingga hasil dari windowing akan lebih halus dalam menghilangkan efek diskontinyuitas. Hamming windowing merupakan sebuah vektor dengan jumlah sebanyak n. Nilai dari n akan disesuaikan oleh banyaknya elemen pada frame. Nilai yang disesuaikan tersebut akan membuat banyak elemen pada Hamming window akan sama dengan banyaknya elemen pada frame. Proses yang dilakukan pada windowing, yaitu masukan dari frame blocking dikalikan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 36. dengan hamming windowing, sehingga didapatkan hasil windowing. Perhitungan matematis yang pada windowing hamming diuraikan pada persamaan (2.4). Proses windowing ditunjukkan pada Gambar 3.12.. Gambar 3.12. Diagram Alir Windowing. 3.5.6. DST dengan Zero Padding Proses DST dengan zero padding, yaitu proses untuk memberikan nilai pada DST yang akan dijumlahkan. Proses DST dengan zero padding berfungsi untuk mengetahui spektrum suara dari alat musik. Setelah melakukan proses-proses pemotongan sinyal dan windowing, panjang sinyal antara satu dengan yang lainnya tidak akan sama. DST dengan zero padding merupakan proses pengolahan sinyal digital yang digunakan untuk menambahkan nilai nol pada sinyal untuk menyesuaikan ukuran sinyal matriks dari data yang telah ditentukan. DST zero padding bermanfaat untuk mempengaruhi banyaknya data tercuplik tiap satuan waktu, sehingga akan meningkatkan resolusi dari sebuah frekuensi [10]. Proses yang dilakukan juga hampir sama dengan proses DST tidak dengan zero padding yang membedakan, yaitu harus menambahkan nilai pada DST, dengan menggunakan persamaan (2.7). Proses yang dijalankan DST dengan zero padding ditunjukkan pada Gambar 2.13..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 37. Gambar 3.13. Diagram Alir DST dengan Zero Padding. 3.5.7. Penjumlahan Hasil DST Proses penjumlah hasil DST, yaitu penjumlahan yang bertujuan untuk memperoleh perhitungan nilai puncak pada DST. Penjumlahan hasil DST bertujuan untuk dapat membedakan jenis alat musik. Perhitungan matematis pada penjumlahan hasil DST diuraikan dari persamaan (2.5). Perhitungan pada penjumlahan hasil DST, yaitu perhitungan dengan menghitung nilai puncak pada hasil DST dengan menggunakan zero padding. Proses penjumlahan hasil DST ditunjukkan pada Gambar 3.14.. Gambar 3.14. Diagram Alir Hasil Penjumlahan DST.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 38. Gambar 3.14. (Lanjutan) Diagram Alir Hasil Penjumlahan DST. 3.5.8. Penentuan Alat Musik Proses penentuan alat musik bertujuan untuk mengetahui jenis dari alat musik yang akan dikenali. Hasil dari proses penentuan alat musik digunakan untuk pengenalan dari alat musik. Pada penentuan alat musik ini data yang diperoleh dari hasil penjumlahan hasil DST. Data yang diperoleh selanjutnya diklasifikasikan sesuai dengan jenis alat musik yang dikenali. Pengklasifikasian data dilakukan dengan melihat nilai hasil penjumlahan apakah nilai tersebut lebih dari nilai yang ditentukan atau kurang dari nilai yang telah ditentukan. Perhitungan secara matematis dapat dilihat pada persamaan (2.6). Hasil pengklasifikasian tersebut akan memperoleh jenis alat musik yang dikenali. Proses penentuan alat musik ditunjukkan pada Gambar 3.15.. Gambar 3.15. Diagram Alir Penentuan Alat Musik.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 39. Gambar 3.15. (Lanjutan) Diagram Alir Penentuan Alat Musik. 3.5.9. DST tidak dengan Zero Padding Proses DST tidak dengan zero padding, yaitu proses yang dilakukan untuk mengubah sinyal dari rana waktu ke rana transformasi. Proses DST dijalankan dengan perhitungan nilai mulak DST. Proses yang dilakukan pada DST tidak dengan zero padding, yaitu dengan menggunakan penjumlahan nilai mutlak DST dari masukan hasil windowing. Proses penjumlahan melalui perhitungan DST diselesaikan dengan persamaan (2.7) yang menggunakan fungsi pada Octave. Pada saat menjalankan proses ini, hasil dari windowing dikonversikan dari domain waktu menjadi domain frekuensi dan menghasilkan panjang nilai koefisien. Proses pada DST tidak dengan zero padding ditunjukkan pada Gambar 3.16..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 40. Gambar 3.16. Diagram Alir DST tidak dengan Zero padding. 3.5.10. Perataan Segmen Perataan segmen merupakan suatu proses untuk mengurangi jumlah data dari suatu frame data sinyal dengan data masukan disegmentasi dengan lebar segmen yang selanjutnya dicari rata-rata disetiap segmen. Pengurangan jumlah data yang dilakukan masih dapat melihat bentuk dasar dari pola sinyal aslinya. Perataan segmen bertujuan untuk melakukan segmentasi pada ekstraksi ciri. Proses perataan segmen akan berjalan saat diperoleh data masukan dari hasil proses windowing. Proses windowing dijalankan dengan fungsi DST pada Octave. Setelah itu, pengguna melakukan pemilihan variasi perataan segmen. Pemilihan variasi bertujuan untuk mengambil data sepanjang nilai yang telah dipilih oleh pengguna. Perhitungan secara matematis pada perataan segmen diuraikan pada persamaan (2.8) dan persamaan (2.9). Perataan segmen ditunjukkan pada Gambar 3.17.. Gambar 3.17. Diagram Alir Perataan Segmen.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 41. Gambar 3.17. (Lanjutan) Diagram Alir Perataan Segmen. Gambar 3.17. (Lanjutan) Diagram Alir Perataan Segmen. 3.5.11. Similaritas Kosinus Similaritas merupakan fungsi yang bertujuan untuk membandingkan suara masukan dengan basis data. Similaritas yang digunakan pada penelitian ini, yaitu simililaritas kosinus..

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 42. Fungsi similaritas kosinus, yaitu membandingkan antara suara masukan hasil ekstraksi ciri dengan basis data hasil ekstraksi ciri. Hasil perhitungan matematis dari fungsi similaritas kosinus antara suara masukan hasil ekstraksi ciri dengan basis data hasil ekstraksi ciri akan dicari nilai similaritas tertinggi. Nilai similaritas tertinggi dicari untuk mempermudah dalam mengenali nadanya dikarenakan semakin tinggi nilai similaritasnya maka pengenalan akan semakin mudah. Similaritas kosinus baru dapat dibandingkan setelah mendapatkan data masukan dari ekstraksi ciri pada perataan segmen. Proses selanjutnya adalah perkalian data masukan dengan basis data, perkalian tersebut menghasilkan similaritas kosinus. Perhitungan matematis yang digunakan diuraikan pada persamaan (2.10). Similaritas kosinus ditunjukkan pada Gambar 3.18.. Gambar 3.18. Diagram Alir Similaritas Kosinus. 3.5.12. Penentuan Nada Proses penentuan nada merupakan proses terakhir dari keseluruhan sistem pengenalan nada dan alat musik. Penentuan nada menghasilkan pengenalan nada yang telah diketahui melalui tampilan pada GUI maupun pada command window secara real time dan tidak real time. Penentuan nada dapat berjalan ketika mendapat masukan dari hasil perbandingan pada fungsi similaritas kosinus. Hasil perbandingan fungsi similaritas kosinus selanjutnya dicari nilai similaritas kosinus tertingginya. Nilai similaritas tertinggi akan digunakan sebagai.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 43. penentuan nada yang sesuai dengan basis data. Penentuan nada ditunjukkan pada Gambar 3.19.. Gambar 3.19. Diagram Alir Penentuan Nada. 3.6. Perancangan Subsistem Sistem pengenalan nada dan alat musik ini memiliki 3 (tiga) sistem penting, yaitu subsistem sampling, subsistem pengenalan nada dan subsistem pengenalan alat musik. Perancangan subsistem ini memerlukan variabel, sehingga pengenalan nada dan alat musik dapat berjalan dengan baik juga dapat menggunakan waktu secara optimal. Variabel didapatkan dari pengujian. Pengujian ini menggunakan aplikasi Octave dikarenakan di dalam aplikasi tersebut telah memiliki fungsi-fungsi yang menunjang untuk subsistem dari sistem pengenalan nada dan alat musik..