TUGAS AKHIR
PENGENALAN NADA GAMELAN KENONG SECARA
REAL TIME
MENGGUNAKAN EKSTRAKSI CIRI DCT DAN
FUNGSI JARAK CHEBYSHEV
Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik
Program Studi Teknik Elektro
Oleh:
YOGI ISWORO WALASAKTI NIM: 095114005
PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
FINAL PROJECT
REAL TIME TONE RECOGNITION OF GAMELAN
KENONG
USING DCT FEATURE EXTRACTION AND CHEBYSHEV
DISTANCE FUNCTION
Presented as Partial Fulfillment of the Requirements To Obtain the Sarjana Teknik Degree
In Electrical Engineering Study Program
YOGI ISWORO WALASAKTI
NIM: 095114005
ELECTRICAL ENGINEERING STUDY PROGRAM
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
HALAMAN PERSEMBAHAN DAN MOTTO HIDUP
MOTTO :
“
MENOLAK KALAH
”
Skripsi ini kupersembahkan untuk….
Yesus Kristus Pembimbingku yang setia
Papa dan Mama tercinta
Keluargaku tercinta
INTISARI
Minat orang untuk dapat memainkan alat musik tradisional semakin tinggi. Sebagian orang dapat memainkan alat musik tersebut. Terkadang mereka tidak mengetahui nada yang sedang mereka mainkan atau tidak hafal dengan nada gamelan. Salah satu contoh alat musik tradisional adalah karawitan atau gamelan. Diperlukan sebuah sistem yang dapat membantu untuk mengenali nada-nada dari alat musik gamelan yang dimainkan. Dalam hal ini alat musik gamelan yang akan dikenali adalah alat musik kenong.
Sistem pengenalan nada gamelan ini menggunakan mikrofon untuk merekam suara nada gamelan. Nada yang terekam diproses menggunakan laptop untuk menjalankan proses pengenalan dan mengenali nada terekam. Proses pengenalan nada meliputi beberapa subproses diantaranya merekam, frame blocking, normalisasi, windowing, ekstraksi ciri, fungsi jarak, dan penentuan hasil nada pengenalan.
Sistem pengenalan nada gamelan kenong menggunakan fungsi jarak Chebyshev. Program pengenalan sudah berhasil dibuat dan dapat bekerja sesuai dengan yang diharapkan. Pada program pengenalan ini menampilkan gelombang suara nada terekam, spektrum ekstraksi ciri DCT, dan nada yang berhasil dikenali. Pada program ini, parameter pengenalan terbaik (100%) yaitu pada panjang terkecil DCT 64 dengan alpha 50, panjang DCT 128 dengan alpha 0, panjang DCT 256 dengan alpha 50, dan 100, dan panjang DCT 512 dengan alpha 0, 50, 100. Program pengenalan nada gamelan kenong hanya mengenali nada-nada dasar (ji, ro, lu, pat, mo, nem, pi).
ABSTRACT
Interest of people to be able to play traditional intruments getting higher. Some people to be able to play this intruments. Sometimes they do not know the tone they're playing or not familiar with the tones of gamelan. For example the traditional musical instrument is called karawitan or gamelan. Needed a system that could help to identify the tones of gamelan musical instruments being played. In this case, the gamelan musical intrument which would to identify is kenong musical instrument.
Tone recognition system of gamelan kenong use microphone to record the sound of gamelan. The recorded tone was processed using laptop which is to run recognition process and recognize the recorded tone. Recognition tone process involve some subprocess including is recording, frame blocking, normalitation, windowing, feature extraction, distance function, and determining the result of tone recognition.
Tone recognition system of gamelan kenong use Chebyshev distance function. Recognition program has successfully created and can work well. In this recognition program is shows the sound wave of recorded tone, spectrum of DCT feature extraction, and the tone which is successfully to recognize. In this program, the best recognition parameter (100%) that is length of DCT 64 with alpha 50, length of DCT 128 with alpha 0, length of DCT 256 with alpha 50, 100, and length of DCT 512 with alpha 0, 50, 100. The tone recognition program of gamelan kenong only recognize the basic tones (ji, ro, lu, pat, mo, nem, pi).
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus karena telah memberikan rahmat-Nya sehingga penulis dapat menyelesaikan laporan tugas akhir ini dengan baik. Laporan tugas akhir ini disusun untuk memenuhi syarat memperoleh gelar sarjana.
Selama pembuatan tugas akhir ini penulis menyadari bahwa ada begitu banyak pihak yang telah memberikan bantuan baik bantuan materi, moral maupun dukungan. Oleh karena itu penulis ingin mengucapkan terimakasih kepada :
1. Drs. Johanes Eka Priyatma, M.Sc., Ph.D, Rektor Universitas Sanata Dharma 2. Paulina Haruningsih Prima Rosa, S.si., M.Sc, Dekan Fakultas Sains dan
Teknologi
3. Petrus Setyo Prabowo, S.T., M.T., Ketua Program Studi Teknik Elektro Universitas Sanata Dharma.
4. Dr.Linggo Sumarno, dosen pembimbing yang dengan penuh setia, kesabaran dan pengertian untuk membimbing dalam menyelesaikan Tugas Akhir ini. 5. Wiwien Widyastuti, S.T., M.T. dan Dr.Iswanjono selaku dosen penguji yang
telah memberi masukkan, kritik dan saran serta merevisi penulisan tugas akhir ini.
6. Bapak dan Ibu dosen yang telah mengajarkan banyak ilmu yang bermanfaat selama menempuh pendidikan di Universitas Sanata Dharma.
7. Kedua orang tua penulis yang telah banyak memberikan dukungan doa, kasih sayang dan motivasi selama menempuh pendidikan di Universitas Sanata Dharma.
8. Keluarga besarku yang telah memberi dukungan selama menempuh pendidikan di Universitas Sanata Dharma.
9. Teman – teman seperjuangan Teknik Elektro 2009 yang telah menemani pada saat menempuh pendidikan di Universitas Sanata Dhama.
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
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... 2
1.4. Metodologi Penelitian ... 2
BAB II DASAR TEORI ... 4
2.1. Alat Musik Gamelan Kenong... 4
2.2. Sampling ... 5
2.3. Frame Blocking ... 5
2.4. Kaiser Window ... 6
2.5. Discrete Cosine Transform(DCT) ... 7
2.6. Fungsi Jarak Chebyshev (Chebyshev Distance Function) ... 8
2.8. Mikrofon (Microphone) ... 9
2.9. Matlab ... 10
BAB III PERANCANGAN PENELITIAN ... 12
3.1. Sistem Pengenalan Nada Alat Musik Gamelan Kenong ... 12
3.2. Perancangan Nada Referensi... 16
3.3. Nada Uji ... 17
3.4. Tampilan Program Pada GUI Matlab ... 17
3.5. Perancangan Diagram Blok... 18
3.6. Perancangan Subsistem Program ... 24
3.6.1 Subsistem Sampling ... 24
3.6.2 Subsistem Pengenalan Nada ... 24
BAB IV HASIL DAN PEMBAHASAN ... 26
4.1. Pengujian Program Pengenalan Nada Gamelan Kenong Secara Real Time Menggunakan Ekstrasi Ciri DCT dan Fungsi Jarak Chebyshev ... 26
4.1.1 Pengenalan Nada ... 28
4.2. Hasil Pengujian Program Pengenalan Terhadap Tingkat Pengenalan Nada Gamelan Kenong ... 34
4.2.1 Pengujian Parameter Pengaturan Nada Gamelan Kenong ... 34
4.2.2 Pengujian Untuk Menentukan Batasan Nilai Jarak Optimal ... 40
4.2.3 Pengujian Dengan Nada Masukkan Gamelan dan Bonang ... 41
BAB V KESIMPULAN DAN SARAN ... 46
5.1. Kesimpulan ... 46
5.2. Saran ... 46
DAFTAR PUSTAKA ... 47
DAFTAR GAMBAR
Gambar 1.1 Blok Model Perancangan ... 3
Gambar 2.1 Kenong ... 4
Gambar 2.2 Frame Blocking ... 6
Gambar 2.3 Kaiser window dengan nilai atau β yang berbeda-beda ... 6
Gambar 2.4 Contoh Kartu Suara... 9
Gambar 2.5 Tampilan window Matlab ... 11
Gambar 3.1 Blok Diagram Keseluruhan Sistem ... 12
Gambar 3.2 (a) Gamelan Kenong, (b) Tabuh Gamelan ... 13
Gambar 3.3 Desktop Microphone INTOPIC JAZZ-012 ... 13
Gambar 3.4 Diagram Blok Pengenalan Nada ... 15
Gambar 3.5 Diagram blok Proses Pengambilan Nada Referensi ... 16
Gambar 3.6 Tampilan Utama Program ... 17
Gambar 3.7 Diagram blok Keseluruhan ... 19
Gambar 3.8 Diagram alir Proses Rekam ... 19
Gambar 3.9 Diagram alir Frame Blocking ... 20
Gambar 3.10 Diagram blok normalisasi ... 21
Gambar 3.11 Diagram blok windowing Kaiser ... 22
Gambar 3.12 Diagram blok DCT ... 22
Gambar 3.13 Diagram blok Fungsi Jarak ... 23
Gambar 3.14 Diagram blok Penentuan Nada Hasil Pengenalan ... 24
Gambar 4.1 Ikon Matlab 7.0.4 ... 26
Gambar 4.2 Tampilan Matlab ... 27
Gambar 4.3 Tampilan Program Pengenalan Nada Gamelan Kenong ... 27
Gambar 4.5 Grafik Pengaruh Panjang DCT Pada Tingkat Pengenalan ... 35
Gambar 4.6 Grafik Pengaruh Nilai Alpha Pada Tingkat Pengenalan... 35
Gambar 4.7 Grafik Jarak Antara Nada Lu dan Pat dengan Nilai Alpha 0 dan Panjang DCT (a) 16, (b) 32, (c) 64, (d) 128, (e) 256 ... 36
Gambar 4.8 Grafik Jarak Antara Nada Lu dan Pat dengan Panjang DCT 256 dan Nilai Alpha (a) 0, (b) 50, (c) 100, (d) 1000... 39
Gambar 4.9 Sound Level Meter ... 42
Gambar 4.10 Gamelan Bonang ... 44
DAFTAR TABEL
Tabel 3.1 Spesifikasi Desktop Microphone INTOPIC JAZZ 012 ... 14
Tabel 3.2 Keterangan Tampilan Program ... 18
Tabel 4.1 Jarak antara nada lu dan pat dengan nilai alpha 0 ... 36
Tabel 4.2 Jarak antara nada lu dan pat dengan panjang DCT 256... 38
Tabel 4.3 Hasil Pengujian Real-Time ... 40
Tabel 4.4 Jarak minimal tiap nada ... 41
Tabel 4.5 Pengujian Jarak Mikrofon dan Volume Suara ... 42
Tabel 4.6 Hasil pengujian dengan gamelan kenong ... 43
Tabel 4.7 Hasil pengujian dengan gamelan bonang ... 43
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Seni musik sudah menjadi sorotan di banyak kalangan masyarakat. Seni musik ada yang dinamakan seni musik tradisional. Banyak orang yang mau untuk dapat memainkan alat musik tradisional. Salah satu contoh alat musik tradisional adalah karawitan atau gamelan. Sebagian orang dapat memainkan alat musik tersebut. Terkadang mereka tidak mengetahui nada yang sedang mereka mainkan atau tidak hafal dengan nada gamelan. Diperlukan sebuah sistem yang dapat membantu untuk mengenali nada-nada dari alat musik yang dimainkan. Dalam hal ini adalah alat musik gamelan khususnya alat musik kenong. Alat musik kenong mempunyai dua jenis yaitu slendro dan pelog.
Berdasarkan hal di atas, penulis ingin membuat sebuah sistem berupa software
yang dapat mengenali nada alat musik gamelan. Pada kasus ini alat musik gamelan kenong khususnya kenong pelog. Sistem ini meniru kepekaan seorang pelaras. Pelaras sendiri adalah seorang pembuat alat musik gamelan. Sistem ini dapat juga membantu seorang pelaras saat melakukan penyetelan nada alat musik gamelan. Sistem ini juga dapat berfungsi sebagai pengenalan nada kepada anak kecil. Anak kecil perlu untuk mengenal tentang musik sejak dini karena merangsang perkembangan otak. Pengenalan musik tradisional dari dini dapat pula menjaga kelestarian budaya yang dimiliki Indonesia.
Sistem ini membandingkan secara langsung nada 1, 2, 3, 4, 5, 6, 7 yang akan dimainkan. Nada yang akan dimainkan dibandingkan dengan nada yang telah tersimpan pada sistem tersebut (data base). Setelah itu, dilakukan proses ekstrak ciri menggunakan
Discrete Cosine Transform (DCT). Pembandingan nada yang dimainkan menggunakan fungsi jarak Chebyshev. Dari langkah ini diperoleh perbandingan yang terkecil dengan nada data base. Perbandingan terkecil ini merupakan nada yang dimainkan dan dipilih sebagai keluaran.
Sebelumnya sudah ada yang melakukan penelitian pengenalan nada. Penelitian
yang sudah pernah dilakukan adalah “Pengenalan Nada Suling Recorder Menggunakan
memilih metode ini untuk mengembangkan tentang pengenalan nada alat musik dan metode ekstraksi ciri yang digunakan.
1.2.
Tujuan dan Manfaat
Tujuan dari penulisan tugas akhir ini adalah menghasilkan sistem pengenalan nada suara pada alat musik gamelan kenong.
Manfaat dari penelitian ini adalah :
1. Sebagai alat bantu masyarakat untuk mengenali nada pada alat musik gamelan kenong pelog meliputi 1, 2, 3, 4, 5, 6, 7.
2. Membantu seorang pelaras untuk pembuatan dan penyetelan nada alat musik gamelan kenong pelog.
1.3.
Batasan Masalah
Penulis menetapkan beberapa batasan masalah yang dianggap perlu pada perancangan ini, yaitu sebagai berikut:
a. Nada gamelan kenong pelog yang dikenali adalah nada 1, 2, 3, 4, 5, 6, dan 7. b. Menggunakan MATLAB dalam pembuatan program pada komputer.
c. Pengambilan suara melalui line in microphone pada komputer. d. Sistem yang dibuat bersifat realtime.
e. Menggunakan ekstrak ciri Discrete Cosine Transform (DCT), Kaiser Window, fungsi jarak Chebyshev.
1.4.
Metodologi Penelitian
Langkah-langkah dalam pengerjaan tugas akhir:
a. Mencari dan mengumpulkan bahan–bahan referensi berupa buku–buku dan jurnal–jurnal.
b. Merancang 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. Gambar 1.1 memperlihatkan blok model yang akan dirancang.
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.
d. Analisa dan penyimpulan hasil percobaan. Analisa data dilakukan dengan meneliti pengaruh variasi DCT, variasi nilai alpha pada window Kaiser sebanyak 700 percobaan ( 7 nada x 5 variasi DCT x 4 variasi alpha x 5 pengujian). Penyimpulan hasil percobaan dilakukan dengan mencari nilai DCT, dan variabel alpha pada Kaiser yang tertinggi dalam pengenalan nada.
Pada analisa juga akan dilakukan perbandingan hasil pengenalan dengan alat musik gamelan yang lain yaitu Gong dan Bonang.
Sebagai indikator keberhasilan sistem pemrosesan suara dilihat dari tingkat pengenalan program dalam mengenali nada suara gamelan kenong.
Gambar 1.1 Blok Model Perancangan
Microphone SoundCard Komputer
BAB II
DASAR TEORI
2.1.
Alat Musik Gamelan Kenong
Gamelan kenong merupakan satu set instrumen jenis gong yang berposisi horizontal, ditumpangkan pada tali yang ditegangkan pada bingkai kayu[2]. Dalam memeberi batasan struktur suatu gendhing, kenong adalah instrumen kedua yang paling penting setelah gong. Satu set gamelan lengkap biasanya memiliki sebanyak sepuluh kenong. Slendro kenong 2 3 5 6 1, pelog kenong 2 3 5 6 7 1. Dalam tumbuk nem gamelan (di mana nada nem (6) di pengaturan slendro sama dengan nada nem (6) di pengaturan pelog), kenong 6 slendro dapat dipertukarkan dengan kenong 6 pelog. Kenong 5 slendro juga dapat digunakan sebagai kenong 4 pelog. Dalam tumbuk lima gamelan, kenong 5 slendro dipertukarkan dengan kenong 5 pelog. Kenong 7 pelog juga dapat digantikan untuk kenong 6 slendro.
Kenong merupakan instrumen penting berikutnya setelah gong dalam melukiskan struktur gendhing. Kenong membagi Gongan menjadi dua atau empat frase kenong atau kenongan. Selain berfungsi untuk menggaris bawahi struktur musik, kenong juga berhubungan dengan melodi gendhing.
2.2.
Sampling
Proses sampling adalah proses mengubah sinyal analog, menjadi nilai-nilai waktu diskrit, yang dinyatakan sebagai
dengan adalah periode sampling[3]. Istilah lain yang sering digunakan dalam sampling
adalah frekuensi sampling, yang tidak lain adalah kebalikan dari periode sampling, yaitu
Secara praktis, proses sampling dilakukan dengan mengalikan sinyal analog
dengan deretan sinyal impuls. Jika sinyal tertinggi dari sinyal analog adalah maka sinyal harus di-sampling dengan frekuensi sampling paling sedikit dua kali frekuensi tertinggi sinyal analog tersebut, atau
Prinsip tersebut disebut sebagai kriteria Nyquist. Frekuensi disebut sebagai Nyquist rate. Jika dinyatakan dalam bentuk periode sampling, dapat dinyatakan sebagai:
2.3.
Frame Blocking
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.
2.4. Kaiser Window
Kaiser window adalah salah satu jenis window. Dalam Kaiser window, parameter β menentukan ketinggian dari sidelobe seperti yang terlihat pada Gambar 2.3. Untuk pemberian nilai β, ketinggian sidelobe tergantung dengan panjang window[5].
Gambar 2.3. Kaiser window dengan nilai atau β yang berbeda-beda
Dimana adalah orde 0 dari fungsi Bessel:
Biasanya Kaiser window diparameterkan dengan:
Kaiser window juga dapat didefinisikan dari , , , , dan :
dan
2.5.
Discrete Cosine Transform
(DCT)
Discrete Cosine Transform adalah teknik untuk mengubah sinyal ke dalam komponen frekuensi dasar[6]. Discrete Cosine Transform proses ekstraksi ciri suatu data suara maupun gambar. Setelah mengekstraksi ciri, setiap koefisien transform dapat dikodekan secara independen tanpa kehilangan efisiensi kompresi[7]. Definisi DCT yang paling umum panjang N adalah:
untuk ….., N-1. Dengan cara yang sama, transformasi inverse didefinisikan sebagai:
untuk = 0, 1, 2,….., N-1. Pada persamaan (2.1) dan (2.2) didefinisikan sebagai
Hal ini jelas dari (2.1) bahwa untuk . Koefisien
transformasi pertama adalah nilai rata-rata urutan sampel. Nilai ini disebut DC koefisien. Semua koefisien transformasi lainnya disebut koefisien AC.
2.6.
Fungsi Jarak Chebyshev (
Chebyshev Distance Function
)
Fungsi Jarak Chebyshev juga disebut nilai jarak maksimum, menghitung besarnya absolut perbedaan koordinat dari sepasang obyek. Fungsi Jarak ini dapat digunakan untuk variabel baik ordinal maupun kuantitatif. Fungsi jarak Chebyshev dapat dilihat pada persamaan(2.16) merupakan pengembangan dari fungsi jarak Minkowski dapat dilihat pada persamaan(2.15)[8].
(2.15)
Jika lambda (λ) bernilai tak terhingga ( ), maka
(2.16)
dengan: = obyek pertama. = jarak antara obyek dan . = obyek kedua. = orde.
2.7.
Kartu Suara (
Sound Card
)
Kartu suara merupakan sebuah periperal pada komputer sebagai I/O suara yang memberikan kemampuan pada komputer untuk menghasilkan suara yang dapat didengar oleh pengguna baik melalui speaker atau headphone. Pada dasarnya setiap kartu suara memiliki:
a. Digital Signal Processor (DSP) yang akan menangani semua jenis komputasi. b. Digital to Analog Converter (DAC) sebagai keluaran suara ke speaker.
c. Analog to Digital Converter (ADC) sebagai masukan suara. d. Read Only Memory (ROM) atau Flash sebagai penyimpanan data.
e. Musical Instrument Digital Interface (MIDI) untuk menyambungkan beberapa peralatan musik eksternal.
f. 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[9]. Gambar 2.6 adalah contoh dari sound card dengan 1 line in
dan 3 line out.
Gambar 2.4 Contoh Kartu Suara
Dalam proses perekaman suara dengan menggunakan kartu suara ada beberapa pengaturan awal, yaitu:
a. SamplingRate, telah dijelaskan pada poin 2.2 b. Channel yang digunakan, yaitu mono atau stereo.
Satu channel menandakan mode mono, 2 Channel menandakan mode stereo.
2.8.
Mikrofon
(Microphone)
untuk merubah suara menjadi getaran listrik sinyal Analog untuk selanjutnya diperkuat dan diolah sesuai dengan kebutuhan, pengolahan berikutnya dengan power amplifier dari suara yang berintensitas rendah menjadi lebih keras terakhir diumpan ke-speaker.
Pemilihan mikrofon harus dilakukan dengan lebih hati-hati. Hal ini dilakukan untuk mencegah berkurangnya kemampuan mikrofon dari performa yang optimal. Karakteristik mikrofon yang harus diperhatikan ketika akan memilih sebuah mikrofon adalah:
a. Prinsip cara kerja mikrofon dari jenis mikrofon itu sendiri
b. Daerah respon frekuensi suara yang mampu dicuplik oleh mikrofon c. Sudut atau arah pencuplikan mikrofon
d. Output sinyal listrik yang dihasilkan mikrofon e. Bentuk fisik mikrofon
Agar lebih efektif, mikrofon yang digunakan haruslah sesuai kebutuhan dan seimbang antara sumber suara yang ingin dicuplik, misalnya suara manusia, alat musik, suara kendaraan, atau yang lainnya dengan sistem tata suara yang digunakan seperti sound
sistem untuk live music, alat perekaman, dan sebagainya[10].
2.9.
Matlab
Matlab merupakan bahasa pemrograman yang hadir dengan fungsi dan karakteristik yang berbeda dengan bahasa pemrograman lain[11]. Matlab merupakan bahasa pemrograman level tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan pemrogaman. Matlab dikembangkan oleh Mathworks, yang pada awalnya dibuat untuk mengakses data matrik pada proyek LINPACK dan EISPACK. Pada lingkungan kerja Matlab, ada beberapa bagian dari window yang dipakai, yaitu:
1. Current Directory
Current Directory menampilkan isi dari direktori kerja saat menggunakan Matlab. Direktori ini dapat diganti sesusai dengan tempat direktori kerja yang diinginkan.
2. Command History
3. Command Window
Command Window adalah window utama dari Matlab. Di sini adalah tempat untuk, menjalankan fungsi, mendeklarasikan variabel, menjalankan proses, serta melihat isi variabel.
4. Workspace
Workspace berfungsi untuk menampilkan seluruh variabel yang sedang aktif pada saat pemakaian Matlab. Apabila variabel berupa data matriks berukuran besar, maka user dapat melihat isi dari seluruh data dengan melakukan double click pada variabel tersebut. Matlab secara otomatis akan menampilakn window
“array editor” yang berisikan data pada setiap variabel yang dipilih user. Gambar 2.4 menunjukan tampilan dari software Matlab yang digunakan dalam perancangan program pengenalan nada.
Bab III
PERANCANGAN
3.1.
Sistem Pengenalan Nada Alat Musik Gamelan Kenong
Sistem pengenalan nada alat musik gamelan kenong menggunakan sebuah
software yang berfungsi untuk userinterface. Software yang dibuat menggunakan program Matlab. Software bertujuan untuk memudahkan user saat melakuan pengenalan nada.
Software ini berperan sebagai pusat proses pengenalan nada, seperti memulai perekaman hingga menampilkan hasil nada yang dikenali.
Sistem pengenalan nada ini dilakukan secara real time. Diperlukan beberapa komponen selain software yang digunakan dalam pengenalan nada. Diantaranya alat musik gamelan kenong sebagai sumber suara, mikrofon, laptop yang didalamnya terdapat soundcard. Gambar 3.1 memperlihatkan blok diagram keseluruhan dari sistem pengenalan nada pada alat musik gamelan kenong.
Gambar 3.1 Blok Diagram Keseluruhan Sistem
1. Gamelan Kenong
(a) (b) Gambar 3.2 (a) Gamelan Kenong (b) Tabuh Gamelan
2. Mikrofon
Mikrofon yang digunakan adalah desktop microphone INTOPIC dengan model JAZZ-012 yang dapat dilihat pada gambar 3.3. Desktop microphone sangat mudah digunakan dan dibawa karena bentuknya yang sangat ringan. Desktop microphone
hanya dapat mendengar suara dari jarak dekat (±10 cm dari sumber suara). Penentuan jarak mikrofon dengan sumber suara berdasarkan beberapa kali percobaan yang telah dilakukan. Pada saat jarak melebihi dari 10 cm, hasil pada percobaan memperlihatkan ada noise yang tertangkap oleh mikrofon. Pada saat pengambilan nada mikrofon perlu didekatkan dari sumber resonansi suara untuk mendapatkan hasil yang baik tanpa ada distorsi dan noise. Spesifikasi dari desktop mikrofon INTOPIC JAZZ 012 dapat dilihat pada tabel 3.1.
Tabel 3.1 Spesifikasi Desktop Microphone INTOPIC JAZZ 012
Frequency Response 100 Hz - 16 KHz
Sensitivity -58 dB ± 3 dB
Output Impedance 2.2 KΩ
Cable Length 2.5 m
Audio Output Connector 3.5 mm Stereo
Dimension 250(H)×75(W)×80(D) mm
Weight 220 gram
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 laptop. Dalam konversi sinyal analog menjadi sinyal digital dan kemudian disimpan diperlukan pengaturan sampling rate (frekuensi sampling). 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 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
fungsi jarak, dan penentuan. Proses pengenalan nada dapat dilihat pada Gambar 3.4.
Gambar 3.4 Diagram Blok Pengenalan Nada
a. Frame blocking
Proses ini memilih data dari data nada terekam, sehingga data yang dipilih dapat mewakili semua data pada nada terekam. Besarnya data nada terekam yang dipilih sesuai dengan nilai frame blocking yang sudah ditentukan pada program.
b. Normalisasi
Proses ini bertujuan untuk menyetarakan amplitudo maksimum baik nada terekam dengan nada referensi, sehingga efek dari kuat lemahnya suara yang dikeluarkan gamelan kenong tidak terlalu mempengaruhi proses pengenalan. c. Windowing
Windowing merupakan perkalian antar elemen yang berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil rekaman. Dalam perancangan ini penulis menggunakan window Kaiser dari jenis-jenis
windowing yang ada.
d. Discrete Cosine Transform (DCT)
Proses Discrete Cosine Transform merupakan proses ekstraksi ciri suatu data suara maupun gambar. Evaluasi DCT yang digunakan berdasarkan frame blocking yang digunakan. Setelah menentukan besarnya frame blocking, kemudian frame blocking tersebut dievaluasi basis data koefisiennya.
e. Fungsi Jarak
selanjutnya. Pada proses pengenalan, yang diambil adalah jarak yang terdekat dengan nada terekam. Dalam proses ini penulis menggunakan fungsi jarak Chebyshev.
f. Hasil Pengenalan
Hasil pengenalan adalah subproses terakhir dari proses pengenalan nada. Pada proses ini, hasil pengenalan nada ditentukan berdasarkan nilai jarak minimum yang diperoleh setelah proses fungsi jarak.
3.2.
Perancangan Nada Referensi
Sebagai penentuan pengenalan nada alat musik gamelan kenong dibutuhkan nada acuan yang disebut nada referensi. Nada referensi hendaknya memiliki ciri yang sudah diketahui oleh sistem. Nada referensi diperlukan sebagai data base yang nantinya akan dibandingkan dengan nada yang akan dikenali. Untuk memperoleh nada refrensi pada setiap nada yang akan dikenali pada sistem pengenalan nada alat musik gamelan kenong, penulis mengambil 10 sampel pada setiap nada yang akan dikenali tersebut (nada 1, 2, 3, 4, 5, 6, 7). Pengambilan nada refrensi melalui beberapa proses. Proses pengambilan nada referensi dapat dilihat pada Gambar 3.5. Pengambilan nada yang akan dijadikan nada referensi melalui proses sampling, frame blocking, normalisasi, windowing, dan DCT. Pengambilan dilakukan dengan menggunakan program Matlab yang akan dibuat.
Gambar 3.5 Diagram blok Proses Pengambilan Nada Referensi
Nada referensi yang didapat kemudian disimpan dalam fungsi yang ada dalam sistem pengenalan nada alat musik gamelan kenong. Sehingga sewaktu-waktu nada referensi dapat dipanggil dalam proses fungsi jarak yang ada dalam sistem pengenalan alat musik gamelan kenong.
3.3.
Nada Uji
Nada uji merupakan nada terekam selain nada referensi. Nada uji berfungsi untuk mengetahui nilai alpha pada windowing dan DCT yang baik untuk pengenalan nada. Pengambilan nada uji sama halnya dengan pengambilan nada referensi. Proses yang dilakukan yaitu sampling, frameblocking, normalisasi, windowing, dan DCT.
3.4.
Tampilan Program Pada GUI Matlab
Tampilan program sebagai interface dengan user.Program tersebut berfungsi mempermudah user dalam mengoperasikan pengenalan nada alat musik gamelan kenong. Program tersebut menampilkan plotting hasil perekaman dan hasil dari ekstraksi ciri DCT dan nilai jarak yang diperoleh. Pada program ini juga memberikan pilihan nilai DCT dan alpha pada windowing yang akan digunakan untuk pengenalan nada. Tampilan program dibuat menggunakan software Matlab. Penjelasan lebih lanjut tentang tampilan program terdapat pada tabel 3.2. Gambar 3.6 memperlihatkan tampilan program pengenalan nada alat musik gamelan kenong.
Tabel 3.2 Keterangan Tampilan Program
Nama Bagian Keterangan
Tombol Rekam
Digunakan untuk mengambil suara nada alat musik gamelan kenong yang sedang
dimainkan.
Nada yang dikenal
Untuk menampilkan nada yang didapat setelah dilakukan proses pengenalan.
Variasi Alpha
Windowing
Untuk memilih nilai alpha yang akan digunakan pada proses pengenalan nada, pilihan nilai alpha pada windowing seperti 0, 50, 100, dan 1000.
Variasi DCT
Untuk memilih nilai DCT yang akan digunakan pada proses pengenalan nada, pilihan nilainya adalah 16, 32, 64,128, dan 256.
Tombol Reset
Digunakan bila ingin memulai proses pengenalan nada yang baru.
Tombol Keluar
Digunakan untuk mengakhiri dan keluar aplikasi.
Plot Hasil Rekaman
Tampilan grafik suara hasil perekaman.
Plot Hasil DCT
Tampilan data berupa grafik data hasil DCT baik dari rekaman maupun dari 7 nada referensi.
3.5.
Perancangan Diagram Blok
Mulai
Gambar 3.7. Diagram blok Keseluruhan
Gambar 3.8 memperlihatkan alir program saat melakukan proses rekam. Pada proses perekaman ada proses delay. Proses delay digunakan untuk memberikan jeda waktu pada user sebelum melakukan perekaman. Besarnya delay yang diberikan sesuai dengan percobaan durasi waktu yang telah dilakukan. Pada proses perekaman ini menggunakan frekuensi sampling yang telah ditentukan yang sesuai dengan karakteristik nada gamelan kenong. Hasil proses rekam tersebut kemudian ditampilkan dalam bentuk plot grafik sesuai dengan alir program keseluruhan pada Gambar 3.7. Proses yang dilakukan selanjutnya adalah proses frame blocking.
Delay
Proses frame blocking mengambil sampel data dari data suara terekam (data yang diperoleh dalam proses sampling). Langakah awal dalam frame blocking adalah menetukan titik tengah dari data sampling dengan perintah length(x)/2. Jumlah data yang diambil dalam proses ini sesuai dengan variasi DCT yang dipilih user. Dari titik tengah data yang diperoleh, ditentukan besarnya data yang akan diambil untuk proses selanjutnya. Setelah itu, data hasil proses dari frame blocking dilakukan penormalisasian data. Diagram alir proses frame blocking ditampilkan pada Gambar 3.9.
Mencari titik tengah data: Length(x)/(2)
Masukan: Nada terekam
Keluaran: Hasil frame
blocking
Frame=16 Frame=32 Frame=64 Frame=128 Frame=256
Ya
Tidak Tidak Tidak Tidak
Ya Ya Ya Ya
Mulai
Selesai
Menentukan data yang akan diambil dari titik tengah data
Gambar 3.9 Diagram alir Frame Blocking
xnorm=xframe/xmax. Diperoleh keluaran hasil normalisasi berupa matriks yang digunakan untuk proses selanjutnya sebagai masukan. Diagram alir proses normalisasi dapat dilihat pada Gambar 3.10. Proses yang dilakukan setelah normalisasi adalah windowing.
Mencari nilai maksimum dari data yang ada di frame:
xmax=max(abs(xframe))
Membagi data dengan nilai maksimum: xnorm=xframe/xmax
Masukan: Hasil frame blocking
Keluaran: Hasil normalisasi
Mulai
Selesai
Gambar 3.10 Diagram blok normalisasi
Pada proses windowing ini menggunakan windowing Kaiser. Proses ini menggunakan parameter alpha untuk perhitungan dalam program. Perhitungan dalam program merupakan perkalian elemen antara data hasil normalisasi dengan fungsi jendela
Kaiser yang berupa matriks . Perkalian elemen yang terdapat dalam proses ini adalah
Masukan: Hasil normalisasi
Perkalian elemen
Keluaran: Hasil windowing
Mulai
Selesai
Gambar 3.11 Diagram blok windowing Kaiser
Setelah dilakukan proses windowing, dilanjutkan ke dalam proses pengekstraksian ciri. Ekstraksi ciri ini menggunakan transformasi DCT dengan rumus
dengan fungsi adalah masukan dari hasil windowing. Nilai dari DCT yang diperoleh kemudian dicari nilai absolutnya. Pada proses ini diperoleh
keluaran hasil ekstraksi ciri berupa matriks . Diagram alir dari proses DCT diperlihatkan pada Gambar 3.12. Hasil dari proses ini kemudian ditampilkan dalam bentuk grafik.
Masukan: Hasil windowing
DCT
Menghitung nilai absolut DCT
Keluaran: Hasil ekstraksi ciri
Mulai
Selesai
Proses penghitungan ini menggunakan fungsi jarak Chebyshev. Gambar 3.14 memperlihatkan diagram alir proses fungsi jarak Chebyshev. Pada proses ini menghitung
jarak antara rerata hasil ekstraksi ciri (data base) dengan data hasil ekstraksi ciri. Penghitungan proses ini menggunakan rumus . Hasil
penghitungan jarak ini adalah dan sebagai penentu hasil pengenalan nada. Penentuan ini dengan melihat jarak yang terdekat atau selisih terkecil dengan data base. Gambar 3.15 memperlihatkan diagram alir penentuan nada hasil pengenalan. Nada hasil pengenalan ditampilkan dalam tampilan program dalam bentuk teks. Jika sudah mencapai pada proses tersebut maka proses pengenalan nada alat musik gamelan kenong sudah selesai. User dapat keluar dari program pengenalan nada tersebut dengan menekan tombol
“KELUAR”. User juga dapat mengulang kembali pengenalan nada alat musik gamelan
kenong dengan nada yang berbeda. Jika user hendak mengulang maka user perlu menekan
tombol “RESET” dan memulai merekam kembali nada lain yang ingin dikenali.
Masukan: Hasil ekstraksi ciri
Penghitungan jarak Chebyshev
Keluaran: Hasil penghitungan jarak
Mulai
Selesai
Keluaran= Jarak minimal Masukan: Hasil penghitungan
jarak
Keluaran: Teks Mulai
Selesai Jarak minimal < r
Dikenali Tidak dikenali
YA TIDAK
Gambar 3.14 Diagram blok Penentuan Nada Hasil Pengenalan
3.6.
Perancangan Subsistem Program
Terdapat dua subsistem penting dalam sistem pengenalan nada gamelan reong, yaitu subsistem sampling dan subsistem pengenalan nada. Perancangan subsistem tersebut memerlukan variabel terikat, sehingga pengenalan dapat berhasil dan dengan waktu proses yang optimal. Pengujian awal untuk mencari variabel tersebut sangat diperlukan karena dalam program tersebut memiliki fungsi–fungsi menunjang subsistem dari sistem program pengenalan nada.
3.6.1 Subsistem Sampling
Dalam subsistem ini terdapat dua variabel terikat berupa frekuensi sampling dan durasi perekaman. Setelah melakukan pengujian awal, dapat disimpulkan:
3.6.2
Subsistem Pengenalan Nada
Subsistem ini terdiri dari tiga proses menggunakan variabel terikat yaitu proses
frame blocking, windowing dan DCT. Pengujian berikutnya adalah mencari nilai-nilai yang optimal untuk proses pengenalan nada khususnya dalam subsistem pengenalan nada ini, karena subsistem ini adalah inti dari sistem pengenalan gamelan kenong. Pencarian nilai-nilai yang optimal berpengaruh pada unjuk kerja dalam subsistem ini.
a. Windowing yang digunakan adalah Kaiser window. Pada windowing Kaiser menggunakan variabel alpha. Variasi nilai alpha pada windowing adalah 0, 50, 100, 1000.
b. Variasi DCT yang digunakan untuk mengkonversi data hasil windowing adalah 16, 32, 64, 128, 256. Dalam subsistem pengenalan nada, data hasil DCT yang digunakan adalah data riil atau amplitudonya.
BAB IV
HASIL DAN PEMBAHASAN
Program yang telah dibuat perlu dilakukan sebuah pengujian. Pengujian berguna untuk mengetahui kinerja program tersebut dalam melakukan pengenalan nada. Pada pengujian akan diperoleh hasil pengujian berupa data-data. Data-data hasil pengujian menunjukan program yang telah dirancang dapat berjalan dengan baik atau tidak. Pada bab ini akan dilakukan analisa dan pembahasan pada data hasil pengujian yang telah diperoleh.
4.1
Pengujian Program Pengenalan Nada Gamelan Kenong Secara
Real-Time
Menggunakan Ekstraksi Ciri DCT dan Fungsi Jarak
Chebyshev
Perancangan program menggunakan software Matlab 7.0.4. Pada pengujian program menggunakan laptop dengan spesifikasi:
Prosesor : Intel® Core™ i5-2430M CPU @ 2.40 GHz RAM : 8.00 GB
Tipe sistem : Sistem operasi 64 bit
Proses pengenalan nada gamelan kenong dapat dilakukan dengan menjalankan langkah-langkah di bawah ini:
1. Mengklik dua kali ikon Matlab pada layar desktop dengan gambar ikon seperti Gambar 4.1.
Gambar 4.1 Ikon Matlab 7.0.4
Gambar 4.2 Tampilan Matlab
3. Sebelum membuka tampilan program, perlu memastikan terlebih dahulu pada
Current Directory sudah sesuai dengan tempat penyimpanan program yang telah dirancang.
4. Mengetikan perintah gui2 pada Comand window untuk memunculkan tampilan program pengenalan nada. Setelah itu akan muncul tampilan program pengenalan nada seperti pada Gambar 4.3.
Gambar 4.3 Tampilan Program Pengenalan Nada Gamelan Kenong
yang disediakan adalah 16, 32, 64, 128, 256, dan 512. Nilai variasi alpha yang disediakan adalah 0, 50, 100, 1000.
6. Apabila langkah 5 sudah dilakukan, user dapat memulai pengenalan nada dengan
menekan tombol “Rekam”. Hasil pengenalan nada gamelan kenong terlihat seperti
pada gambar 4.4.
Gambar 4.4 Tampilan Hasil Pengenalan
7. User dapat mengulang kembali pengenalan nada dengan menekan tombol “Reset” dan mengulang kembali langkah 5 dan 6.
8. Userdapat mengakhiri pengenalan nada dengan menekan tombol “Keluar”.
4.1.1 Pengenalan Nada
a. Pop Up Menu
Pada tampilan program pengenalan nada terdapat 2 pop up menu yaitu variasi DCT dan variasi alpha. Nilai variasi DCT yang ditampilkan pada pop up menu yaitu 16, 32, 64, 128, dan 256. Nilai variasi alpha yang ditampilkan pada pop up menu yaitu 0, 50, 100, dan 1000. Pada variasi DCT menampilkan menjalankan perintah program yang telah dirancang sebagai berikut:
Pada program di atas, nilai DCT diinisialisai menggunakan nama ndct yang dibagi dalam 5 kondisi sesuai dengan banyaknya variasi. Inisialisasi ndct tersebut diproses menggunakan perintah handles. Perintah ini digunakan untuk data atau nilai DCT yangtelah diinisialisasi sebagai masukan apabila dilakukan callback. Pada pop up menu
variasi alpha menjalankan program sebagai berikut:
case 4
alphawin=1000;
end
handles.alpha=alphawin;
guidata(hObject,handles);
Proses yang dilalui oleh pop up menu pada variasi alpha sama dengan proses pada
pop up menu variasi DCT. Nilai alpha diinisialisasikan dengan nama alphawin.
b. Tombol “Rekam”
Tombol “Rekam” adalah tombol yang berfungsi untuk melakukan pengenalan nada gamelan kenong. User dapat melakukan pengenalan nada gamelan kenong dengan menekan tombol tersebut. Tombol “Rekam” memulai pengenalan nada dengan menjalankan beberapa subproses. Subproses yang dijalankan dimulai dari perekaman nada, ekstraksi ciri DCT, penghitungan jarak Chebyshev, dan penentuan hasil pengenalan nada. Program yang digunakan untuk perekaman nada sebagai berikut:
pause (2)
sample_len=2;
sample_freq=1100;
sample_time=(sample_len*sample_freq);
x=wavrecord(sample_time, sample_freq);
wavwrite(x, sample_freq, 's.wav');
axes(handles.axes1)
plot(x);
Perintah pause (2) merupakan perintah untuk menunda jalannya program selama 2 detik. Pemberian perintah tersebut agar user memiliki waktu untuk bersiap memukul gamelan kenong. Perekaman nada pada Matlab menggunakan perintah wavrecord dan
wavwrite untuk menyimpan nada yang telah direkam. Nada yang telah terekam tersebut diplot pada tampilan program pengenalan menggunakan perintah plot. Nada terekam diplot pada axes yang telah tersedia di dalam tampilan program pengenalan.
Nada terekam dan yang telah disimpan dipanggil kembali menggunakan perintah
load xd256a1000
Program di atas untuk memanggil database yang akan dibandingankan dengan nada yang telah terekam menggunakan perhitungan jarak. Database yang dipanggil sesuai dengan pilihan variasi DCT dan alpha yang telah dipilih user. Proses yang dilakukan selanjutnya adalah membandingkan database dengan nada terekam menggunakan perhitungan jarak. Program perhitungan jarak sebagai berikut:
for n=1:7
jaraklist(n)=jarak(y,z(:,n));
Program di atas melakukan penghitungan jarak nada terekam dengan database dari ketujuh nada gamelan kenong dalam berbagai variasi. Perintah jarak berfungsi untuk menjalankan fungsi jarak Chebyshev. Nilai jarak minimal yang diperoleh digunakan untuk menentukan nada gamelan kenong yang berhasil dikenali. Pada program di atas juga untuk tidak mengenali nada yang akan dikenali. Untuk tidak mengenali nada selain nada gamelan kenong, dengan cara membandingkan jarak minimal yang telah diperoleh saat pengenalan dengan batasan maksimal dari ketujuh nada gamelan. Nada yang telah dikenali ditampilkan pada tampilan program pengenalan dalam bentuk teks.
c. Tombol “Reset”
Tombol Reset digunakan apabila user ingin mengulangi pengenalan nada gamelan kenong menggunakan nada lain atau sama. Tombol Reset akan mengembalikan kembali tampilan program seperti awal mula user membuka program pengenalan. Perintah program pada tombol Reset sebagai berikut:
axes(handles.axes1);
plot(0);
axes(handles.axes3);
plot(0);
set(handles.text2,'String',' ');
Program di atas untuk menghapus data pada axes yang telah ditampilkan dan teks nada yang telah dikenali sebelumnya.
d. Tombol “Keluar”
Tombol “Keluar” digunakan apabila user ingin mengakhiri program pengenalan
nada. Perintah program tombol “Keluar” sebagai berikut:
delete(figure(gui2));
4.2
Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat
Pengenalan Nada Gamelan Kenong
Pengujian program pengenalan nada gamelan kenong melalui 3 tahapan. Pengujian yang dilakukan pertama adalah pengujian parameter pengaturan pengenalan nada. Parameter pengaturan pengenalan nada yang dimaksud adalah panjang DCT dan nilai alpha dari windowing. Pengujian paramater tersebut bertujuan untuk mencari nilai dari panjang DCT dan alpha yang mempunyai tingkat pengenalan terbaik. Pengujian kedua adalah pengujian untuk mencari batas jarak yang optimal. Pengujian ini dilakukan agar program pengenalan tersebut mampu untuk tidak mengenali nada gamelan lain selain gamelan kenong. Pengujian yang ketiga adalah pengujian program tersebut menggunakan suara masukan dari gamelan lain. Gamelan yang digunakan adalah gamelan bonang dan gong.
4.2.1 Pengujian Parameter Pengaturan Pengenalan Nada Gamelan Kenong
Pengujian ini dilakukan untuk mengetahui tingkat pengenalan dari setiap parameter (koefisien DCT dan nilai alpha). Pengujian parameter dilakukan dalam dua cara, yaitu secara tidak real-time dan secara real time. Pengujian tidak real-time adalah pengujian untuk mencari nilai atau persentase tingkat pengenalan tanpa menggunakan program pengenalan nada. Pengujian tidak real-time menggunakan perintah program tersendiri (lihat lampiran L14). Pengujian ini menggunakan nada uji sebagai nada masukannya. Nada uji diperoleh dengan cara yang sama untuk mencari nada referensi atau data base. Pengujian real-time adalah pengujian untuk mengetahui tingkat pengenalan menggunakan program pengenalan nada. Pengujian ini dilakukan secara langsung menggunakan gamelan kenong sebagai masukannya.
a. Pengujian Tidak Real-Time
DCT dan nilai alpha. Grafik dari Gambar 4.5 meninjau tingkat pengenalan nada berdasarkan pengaruh panjang DCT. Pada grafik ini menunjukan semakin besar panjang DCT, tingkat pengenalan nada semakin baik.
Gambar 4.5 Grafik Pengaruh Panjang DCT Pada Tingkat Pengenalan
Gambar 4.6 Grafik Pengaruh Nilai Alpha Pada Tingkat Pengenalan
Grafik dari Gambar 4.6 meninjau tingkat pengenalan nada berdasarkan pengaruh nilai alpha. Grafik ini menunjukkan semakin kecil nilai alpha, tingkat pengenalan nada semakin baik. Semakin besar nilai alpha maka tingkat pengenalan nada semakin rendah. Dari hasil percobaan dapat disimpulkan bahwa tingkat pengenalan yang terbaik didapat pada panjang terkecil DCT 64 dengan alpha 50, panjang DCT 128 dengan alpha 0, panjang DCT 256 dengan alpha 50, dan 100, dan panjang DCT 512 dengan alpha 0, 50, 100. Hal ini disebabkan jarak antara nada satu dengan yang lain tidak berdekatan sehingga jarak yang didapat dari fungsi jarak Chebyshev sesuai dengan yang diharapkan (akurat).
0
Pengaruh Nilai DCT Pada Tingkat Pengenalan
Alpha 0
Pengaruh Nilai Alpha Pada Tingkat Pengenalan
Pada gambar 4.7 memperlihatkan jarak antara nada lu dan pat dengan berbagai panjang DCT (16, 32, 64, 128, 256) dan nilai alpha 0 yang memiliki pengaruh tingkat pengenalan terbaik. Sesuai dengan kesimpulan sebelumnya, pengaruh kombinasi panjang DCT dengan nilai alpha dapat dilihat dari jarak kedua nada tersebut sebagai contohnya.
Tabel 4.1 Jarak antara nada lu dan pat dengan nilai alpha 0
Panjang DCT (titik) Jarak
16 1,55
32 2,3
64 3,24
128 4,14
256 6,16
512 7,7
(a) (b)
(c) (d)
Gambar 4.7 Grafik jarak antara nada lu dan pat dengan
(e) (f) Ket :
Gambar 4.7 (Lanjutan) Grafik jarak antara nada lu dan pat dengan
nilai alpha 0 dan panjang DCT (a) 16, (b) 32, (c) 64, (d) 128, dan (e) 256 dan (f) 512
Nilai jarak dari tabel 4.1 dapat juga diperoleh beradasarkan perhitungan dari rumus
jarak Chebyshev yaitu
. Sebagai permisalan pada panjang DCT 16
antara nada lu dan nada pat. Nada lu diinisialkan dengan xi dan nada pat diinisialkan dengan xj. Nilai nada lu dan nada pat merupakan data base dari kedua nada tersebut. Nilai
dari nada lu (xi) adalah
. Sesuai dengan rumus, nilai
seperti berikut
. Dari data tersebut dicari nilai maksimalnya, dan diperoleh nilai
maksimalnya yang sebagai jarak antara nada lu dan nada pat (dij) yaitu 1,5548.
Pada Tabel 4.1 dan Gambar 4.7 memperjelas pengaruh panjang DCT terhadap sistem pengenalan nada gamelan kenong. Dari tabel dan gambar di atas terlihat semakin besar panjang DCT yang digunakan maka jarak antara kedua nada semakin jauh. Semakin jauhnya jarak antara kedua nada tersebut, tingkat pengenalan nada semakin baik. Pada DCT 16 grafik jarak antara nada lu dan pat memiliki jarak yang tidak jauh, sehingga pengenalan pada DCT 16 kurang maksimal. Grafik jarak DCT 16 tersebut memperlihatkan bahwa pada kedua nada tersebut mengalami tumpang tindih.
Tabel 4.2 Jarak antara nada lu dan pat dengan panjang DCT 512
Nilai Alpha Jarak
0 7,7
50 4,72
100 3,24
(a) (b)
(c) (d)
Ket:
Gambar 4.8 Grafik jarak antara nada lu dan pat
dengan panjang DCT 512 dan nilai alpha (a) 0, (b) 50, (c) 100, (d) 1000.
nada akan semakin sulit. Hal ini yang menyebabkan tingkat pengenalan alpha yang bernilai besar menjadi kurang baik.
b. Pengujian Real-Time
Pengujian real-time dilakukan menggunakan gamelan kenong secara langsung sebagai masukkannya. Pengujian real-time dilakukan sebanyak 5 kali pengujian untuk setiap nada dari gamelan kenong tersebut. Pengujian ini menggunakan variasi paramater pengenalan yang terbaik yaitu dengan panjang DCT 512 dan nilai alpha 0. Hasil dari pecobaan ini memiliki kesamaan dengan pengujian secara tidak real-time. Dari percobaan yang telah dilakukan, sistem pengenalan nada tersebut sudah mampu untuk mengenali nada-nada yang terdapat pada gamelan kenong. Ketujuh nada gamelan kenong sudah dapat dikenali dengan benar dalam pengujian tersebut. Pada pengujian tersebut sudah sesuai dengan pengujian yang telah dilakukan secara tidak real-time. Tabel 4.3 memperlihatkan hasil pengujian secara real-time yang dilakukan 5 kali pengujian dengan panjang DCT 512 dan alpha 0.
Tabel 4.3 Hasil Pengujian Real-Time
Nada Pengujian ke-
1 2 3 4 5
4.2.2 Pengujian untuk menentukan batasan nilai jarak yang optimal
Tabel 4.4 Jarak minimal tiap nada
Nada Jarak Minimal
Ji 2,17
Ro 4,29
Lu 4,92
Pat 4,6
Mo 5,76
Nem 4,78
Pi 3,7
Berdasarkan tabel diatas bahwa jarak maksimum dari ketujuh jarak minimal di atas adalah 5,76. Jarak inilah yang akan digunakan sebagai batas atas sistem pengenalan. Pada saat dilakukan pengenalan nada yang mempunyai jarak minimal di atas 5,76 maka sistem pengenalan nada tersebut tidak aan mengenali nada yang akan dikenali sistem.
4.2.3 Pengujian Dengan Nada Masukan Gamelan Bonang dan Gong
Pengujian ini dilakukan untuk mengetahui tingkat sistem dalam mengenali nada dari alat musik lain, khususnya gamelan. Pada pengujian tersebut diharapkan sistem mampu untuk tidak mengenali nada selain nada gamelan kenong. Pengujian ini menggunakan gamelan bonang dan gong sebagai nada masukkanya. Gamelan bonang dan gong dipilih untuk pengujian karena kedua gamelan tersebut memiliki bentuk yang hampir sama dengan gamelan kenong. Langkah-langkah percobaan yang dilakukan adalah:
1. Menyiapkan gamelan bonang dan gong yang akan digunakan. 2. Mengunakan nada-nada ji, ro, lu, pat, mo, nem, pi.
3. Menggunakan panjang DCT 512 dan nilai alpha 0, karena memiliki tingkat pengenalan terbaik.
4. Melihat hasil pengenalan pada output, output yang akan muncul “tidak
dikenali” atau mengenali nada dengan karakter yang sama pada nada gamelan
Pada pengujian ini dengan berbagai variasi jarak mikrofon dengan gamelan yang diuji (kenong, bonang, gong) dan variasi keras suara dari pemukulan gamelan. Besarnya keras suara pemukulan gamelan diukur menggunakan sound level meter yang ditunjukan pada Gambar 4.9. Tabel 4.5 menunjukan hasil pengujian variasi jarak mikrofon dan keras suara gamelan. Variasi jarak mikrofon yang digunakan adalah 5 cm, 10 cm, dan 15 cm. Variasi keras suara pemukulan menggunakan rentang 90-100 dB dan 100-120 dB. Pada saat menggunakan jarak mikrofon 5 cm dan 10 cm dengan kedua variasi keras suara nada gamelan masih dapat dikenali. Pada jarak mikrofon 15 cm dengan kedua rentang keras suara nada gamelan tidak dapat dikenali.
Tabel 4.5 Pengujian Jarak Mikrofon dan Volume Suara Jarak Mikrofon (cm) Keras Suara (dB) Hasil
5 90 - 100 Dikenali
100 - 120 Dikenali
10 90 - 100 Dikenali
100 - 120 Dikenali
15 90 - 100 Tidak Dikenali
100 - 120 Tidak Dikenali
Setelah melakukan langkah – langkah dan ketentuan di atas diperoleh hasil program pengenalan nada sudah dapat berjalan dengan baik. Hasil pengujian menggunakan gamelan bonang dan gong dapat dilihat pada tabel 4.7 dan tabel 4.8.
Tabel 4.6 Hasil pengujian dengan gamelan kenong
Nada Hasil Jarak
Tabel 4.7 Hasil pengujian dengan gamelan bonang
Gambar 4.10 Gamelan Bonang
Tabel 4.8 Hasil pengujian dengan gamelan gong
Nada Hasil Jarak
3 Tidak Dikenali 5,91
5 Tidak Dikenali 6,22
6 Tidak Dikenali 6,46
7 Tidak Dikenali 6,74
Gong Ageng 1 Tidak Dikenali 7,13
Gong Ageng 2 Tidak Dikenali 7,24
Nilai Rerata 6,62
BAB V
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Dari percobaan dan pengujian sistem pengenalan nada gamelan kenong disimpulkan sebagai berikut :
1. Implementasi dari sistem pengenalan nada gamelan kenong sudah bisa bekerja dengan baik dan sesuai dengan perancangan. Program pengenalan nada gamelan kenong sudah mampu untuk mengenali nada-nada dasar dari gamelan kenong yaitu ji(1), ro(2), lu(3), pat(4), mo(5), nem(6), pi(7).
2. Parameter pengenalan nada (panjang DCT dan nilai alpha) mempengaruhi tingkat pengenalan nada. Semakin besar nilai DCT maka tingkat pengenalan nada semakin tinggi atau baik. Semakin kecil nilai alpha maka tingkat pengenalan nada semakin baik.
3. Kombinasi parameter pengenalan dengan panjang terkecil DCT 64 dengan alpha 50, panjang DCT 128 dengan alpha 0, panjang DCT 256 dengan alpha 50, dan 100, dan panjang DCT 512 dengan alpha 0, 50, 100 menghasilkan tingkat pengenalan maksimal (100%).
5.2
Saran
Saran untuk pengembangan sistem pengenalan nada gamelan kenong adalah sebagai berikut :
1. Pengembangan sistem yang mampu untuk mengenali nada dari berbagai jenis gamelan Jawa, tidak hanya satu jenis gamelan supaya untuk tiap jenis gamelan tidak memerlukan sistem pengenalan tersendiri.
DAFTAR PUSTAKA
[1] Hendra Wijaya, M., 2012, Pengenalan Nada Suling Recorder Menggunakan Fungsi Jarak Chebyshev, Seminar Nasional Aplikasi Sains dan Teknologi periode III, Yogyakarta.
[2] ---, 2006, ki-demang.com: Situs Sutresna Jawa,
www.ki-demang.com/index.php/artikel-gambar-gamelan/149-07-kenong diakses pada
tanggal 22 Februari 2013.
[3] Gunawan, D., dan Hilman Juwono, F., 2012, Pengolahan Sinyal Digital dengan Pemrograman Matlab, Graha Ilmu, Yogyakarta.
[4] Eka Kartikasari, Y., 2006, Pembuatan Software Pembuka Program aplikasi Komputer Berbasis Pengenalan Sinyal Suara, PENS-ITS, Surabaya.
[5] The Mathworks, 2005, Signal Pocessing Toolbox For Use with MATLAB.
[6] B. Watson, A., 1994, Image Compression Using the Discrete Cosine Transform, NASA Ames Research Center, p.81-88.
[7] Ali Khayam, S., 2003, The Discrete Cosine Transform, Department of Electrical & Computer Engineering Michigan State University, ECE 802-602.
[8] Teknomo, K., 2006, Chebyshev Distance,
http://people.revoledu.com/kardi/tutorial/Similarity/ChebyshevDistance.html diakses
pada tanggal 26 Maret 2013.
[9]
http://www.realkarachi.com/downloads/books/how-stuff-works/how-sound-cards-work%28www.realkarachi.com%29.pdf diakses pada tanggal 3 April 2013.
[10] Elsea, P., 1996, Microphones,
http://artsites.ucsc.edu/EMS/Music/tech_background/TE-20/teces_20.html diakses
pada tanggal 3April 2013.
PERCOBAAN
MENCARI SPEKTRUM FREKUENSI DARI
NADA ALAT MUSIK GAMELAN KENONG
DENGAN MATLAB V.7
Tujuan:
1. Mengetahui frekuensi maksimum pada nada alat musik gamelan kenong.
2. Mengetahui frekuensi sampling minimum yang dapat digunakan.
Variabel:
1. Frekuensi sampling yang digunakan 4500Hz, 2250Hz, 1100Hz. 2. Durasi perekaman yang digunakan sebesar 2 detik.
Listing Program
fs = 4500;%%fsampling 4500Hz %fs = 2250;%%fsampling 2250Hz %fs = 1100;%%fsampling 1100Hz
y = wavrecord (2*fs,fs,'double');%% 2 detik wavwrite(y,fs,'sample2s2250Hz1.wav');
0 500 1000 1500 2000 2500
0
0 500 1000 1500 2000 2500
Nada 3 (Lu) Nada 4 (Pat)
Nada 5 (Mo) Nada 6 (Nem)
Nada 7 (Pi)
Fs = 2250 Hz
Nada 1 (Ji) Nada 2 (Ro)
0 500 1000 1500 2000 2500
0
0 500 1000 1500 2000 2500
0
0 500 1000 1500 2000 2500
0
0 500 1000 1500 2000 2500
0
0 500 1000 1500 2000 2500
0
0 200 400 600 800 1000 1200 0
Nada 3(Lu) Nada 4 (Pat)
Nada 5 (Mo) Nada 6 (Nem)
Nada 7 (Pi)
Fs = 1100 Hz
Nada 1 (Ji) Nada 2 (Ro)
0 200 400 600 800 1000 1200 0
0 200 400 600 800 1000 1200
0
0 200 400 600 800 1000 1200 1.5
0 200 400 600 800 1000 1200
0
0 200 400 600 800 1000 1200
0
Nada 3 (Lu) Nada 4 (Pat)
Nada 5 (Mo) Nada 6 (Nem)
Nada 7 (Pi)
Tabel Data Percobaan
Nada Frekuensi Sampling
4500Hz 2250Hz 1100Hz
1 (Ji) X X X
Kesimpulan
1. Frekuensi 4500 Hz dan 2250 Hz terdapat harmonisa pada nada 7(pi).
2. Frekuensi 1100 Hz tidak terdapat harmonisa pada semua nada,sehingga frekuensi minimum yang dapat digunakan sebesar 1100 Hz.
3. Frekuensi sampling berguna untuk mencuplik data suara yang diinginkan dan
mem-filter data suara yang tidak diinginkan dalam hal ini harmonisa yang terjadi dan
PERCOBAAN
MENCARI DURASI PEREKAMAN
UNTUK SISTEM PENGENALAN NADA GAMELAN
KENONG DENGAN MATLAB V.7
Tujuan:
1. Mendapatkan durasi perekaman yang tepat untuk perekaman.
2. Mengetahui pengaruh durasi perekaman pada data sinyal yang terekam.
Variabel:
1. Frekuensi sampling yang digunakan 1100 Hz.
2. Durasi perekaman yang digunakan sebesar 1 detik, 2 detik, dan 3 detik.
Listing Program
clc
fs = 1100;%%fsampling 1100Hz
%y = wavrecord (fs,fs,'double');%% 1 detik %wavwrite(y,fs,'sample1s1100Hzji.wav'); %[y,fs]=wavread('sample1s1100Hzji.wav'); %y = wavrecord (2*fs,fs,'double');%% 2 detik %wavwrite(y,fs,'sample2s1100Hzji.wav');
%[y,fs]=wavread('sample2s1100Hzji.wav'); y = wavrecord (3*fs,fs,'double');%% 3 detik wavwrite(y,fs,' sample3s1100Hzji.wav'); [y,fs]=wavread('sample3s1100Hzji.wav'); plot(y);grid;%output
Hasil Ploting
Durasi Perekaman 1 detik
0 200 400 600 800 1000 1200
Durasi Perekaman 2 detik
Durasi Perekaman 3 detik
Kesimpulan
1. Pada hasil percobaan terlihat sinyal tidak berawal dari nilai 0 karena saat perekaman telah dimulai, alat musik baru mulai dimainkan.
2. Pada hasil percobaan, kestabilan sinyal membutuhkan waktu minimal sebesar 2 detik.
0 500 1000 1500 2000 2500
-1
0 500 1000 1500 2000 2500 3000 3500
LISTING PROGRAM
Pengenalan
function varargout = gui2(varargin) % GUI2 M-file for gui2.fig
% GUI2, by itself, creates a new GUI2 or raises the existing
% GUI2('CALLBACK',hObject,eventData,handles,...) calls the local
% function named CALLBACK in GUI2.M with the given input arguments. %
% GUI2('Property','Value',...) creates a new GUI2 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before gui2_OpeningFunction gets called. An
% unrecognized property name or invalid value makes property application % stop. All inputs are passed to gui2_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help gui2
% Last Modified by GUIDE v2.5 10-Dec-2013 13:44:39
% Begin initialization code - DO NOT EDIT gui_Singleton = 1;
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
end
% End initialization code - DO NOT EDIT
% --- Executes just before gui2 is made visible.
function gui2_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to gui2 (see VARARGIN)
% Choose default command line output for gui2 handles.output = hObject;
% Update handles structure guidata(hObject, handles);
% UIWAIT makes gui2 wait for user response (see UIRESUME) % uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line.
function varargout = gui2_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure varargout{1} = handles.output;
% --- Executes on button press in pushbutton1.
