TUGAS AKHIR PENGENALAN NADA SULING BAMBU SECARA REALTIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN SIMILARITAS SORENSEN

(1)

TUGAS AKHIR

PENGENALAN NADA SULING BAMBU SECARA

REALTIME

MENGGUNAKAN EKSTRAKSI CIRI DCT DAN

SIMILARITAS SORENSEN

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Elektro

Oleh:

YUSTINUS DEDDY DEWANTARA NIM: 095114009

JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(2)

FINAL PROJECT

REALTIME

BAMBOO FLUTE RECOGNITION USING DCT

FEATURE EXTRACTION AND SORENSEN SIMILARITY

Presented as Partial Fullfillment of The Requirements To Obtain Sarjana Teknik Degree

In Electrical Engineering Study Program

YUSTINUS DEDDY DEWANTARA NIM: 095114009

DEPARTMENT OF ELECTRICAL ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

(3)

(4)

(5)

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa tugas akhir ini tidak memuat karya atau

bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka

sebagaimana layaknya karya ilmiah.

Yogyakarta, 14 April 2014

(6)

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

MOTTO:

Bekerja Keras Dan Fokus Dalam Menjalani Hidup

Sampai Tuhan Berkata

“Waktunya Pulang”

Dengan ini kupersembahkan karyaku ini untuk...

Yesus Kristus Pembimbingku yang setia,

Keluargaku tercinta,

Teman-teman seperjuanganku,

Dan semua orang yang mengasihiku

(7)

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :

Nama : Yustinus Deddy Dewantara

Nomor Mahasiswa : 095114009

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah saya yang berjudul :

PENGENALAN NADA ALAT MUSIK SULING BAMBU MENGGUNAKAN

EKSTRAKSI CIRI DCT DAN SIMILARITAS SORENSEN

beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan

kepada kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpannya,

mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data,

mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media

lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun

memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai

penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Yogyakarta, 14 April 2014

(8)

INTISARI

Kebanyakan orang hanya bisa mendengarkan suatu nada dari alat musik tanpa mengetahui nada apa yang sedang dimainkan, karena kurangnya ketajaman pendengaran serta pengetahuan tentang bermusik sangat terbatas. Alat musik yang digunakan pun juga bervariasi, salah satunya alat musik tiup. Suling adalah salah satu alat musik yang banyak digunakan untuk pemula atau orang yang akan belajar tentang musik, karena penggunaannya yang mudah dan harga yang relatif terjangkau. Sistem pengenalan sangat diperlukan untuk membantu dalam mengenali nada alat musik, khususnya untuk nada dasar (do, re, mi, fa, sol, la ,si, do’) pada alat musik suling bambu.

Sistem pengenalan nada alat musik suling bambu pada tugas akhir ini menggunakan mikrofon dan komputer untuk mengoprasikannya. Mikrofon berfungsi untuk merekam gelombang suara nada alat musik suling bambu. Komputer berfungsi untuk memproses data hasil rekaman, menampilkan gelombang hasil rekaman, menampilkan spektrum frekuensi hasil subproses perhitungna DCT, mengenali nada yang terekam dan menampilkan hasil nada yang dikenali.

Sistem pengenalan nada alat musik suling bambu ini dengan menggunakan Similaritas Sorensen sudah berhasil dibuat dan dapat bekerja. Penampil hasil rekaman, spektrum frekuensi hasil DCT dan mampu menampilkan data-data sesuai perancangan. Program pengenalan nada alat musik suling bambu hanya dapat mengenali nada-nada dasar, sehingga dalam pengembangan berikutnya masih bisa dikembangkan untuk pengenalan nada yang lebih kompleks.

(9)

ABSTRACT

Most of people can only hear a tone from the instrument without knowing what tone is being played, because of the lack of hearing acuity and knowledge of music is very limited. Musical instruments used vary, one wind instrument. Flute is one of the many instruments used for beginners or people who will learn about the music, because of its use easy and relatively affordable prices.Recognition system is needed to assist in recognizing musical tones, especially basic tones (do, re, mi, fa, sol, la, si, do’) of the musical instrument the bamboo flute.

Tone recognition system of flute recorder at the end of this task using a microphone and a computer to operate. Functioning microphone to record sound waves bamboo flute tones of musical instruments. Computer functions to process data recording, featuring a wave of record results, showing the frequency spectrum of the DCT calculation subprocesses, recognize the tone, and displays the results of a recognizable tone.

Musical tone recognition system of flute recorder using Sorensen Similarity has been created and can work. Viewer recorded, the frequency spectrum of the DCT and capable of displaying the data in accordance with the design. Musical tone recognition programs of flute recorder only recognize the basic tones, so it still can be developed for the introduction of other tones.

(10)

KATA PENGANTAR

Puji Tuhan penulis panjatkan kepada Tuhan Yesus Kristus, karena atas berkat dan

anugrah-Nya penulis akhirnya dapat menyelesaikan tugas akhir ini dengan baik dan lancar.

Dalam proses penulisan tugas akhir ini penulis menyadari bahwa ada begitu banyak

pihak yang telah memberikan perhatian dan bantuan dengan cara masing-masing sehingga

tugas akhir ini dapat terselesaikan. Oleh karena itu penulis ingin mengucapkan terima kasih

antara lain kepada :

1. Tuhan Yesus kristus atas berkat dan anugrah-Nya kepada penulis.

2. Drs. Johanes Eka Priyatma, M.Sc., Ph.D Rektor Universitas Sanata Dharma.

3. Paulina Heruningsih Prima Rosa , M.Sc., selaku Dekan Fakultas Sains dan Teknologi.

4. Petrus Setyo Prabowo, S.T., M.T., selaku dosen pembimbing akademik yang telah

mendampingi dan membimbing penulis selama studi.

5. Dr. Linggo Sumarno, selaku pembimbing, atas ide-ide yang berguna, bimbingan,

dukungan, saran dan kesabaran bagi penulis dari awal hingga tugas akhir ini selesai.

6. Wiwien Widyastuti, S.T., M.T dan Martanto, S.T., M.T., selaku penguji yang telah

bersedia memberikan kritik dan saran.

7. Seluruh dosen Teknik elektro atas ilmu yang telah diberikan selama penulis menimba

ilmu di Universitas Sanata Dharma.

8. Staff sekretariat Teknik Elektro atas bantuan dalam melayani mahasiswa.

9. Kedua orang tuaku dan kedua saudaraku yang tercinta atas semangat, doa serta

dukungan secara moril maupun materiil.

10.Teman-teman seperjuanganku angkatan 2009 Teknik Elektro, teman-teman Kenthang

Ireng yang memberikan dukungan kepada penulis dan mau berbagi di saat penulis

membutuhkan kalian.

11.Dan seluruh pihak yang telah ambil bagian dalam proses penulisan tugas akhir ini yang

(11)

Dengan rendah hati penulis menyadari bahwa tugas akhir ini masih jauh dari

sempurna, oleh karena itu berbagai kritik dan saran sangat diharapkan penulis untuk perbaikan

tugas akhir ini. Akhir kata, semoga tugas akhir ini dapat bermanfaat bagi semua pihak. Terima

Kasih.

Yogyakarta, 14 Aprir 2014

Penulis

(12)

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

(13)

2.8.. Sound Card ... 8

BAB IV HASIL DAN PEMBAHASAN

4.1. Pengujian Program Pengenalan Nada Alat Musik Suling Bambu dengan Similaritas Sorensen ... 23

4.1.1. Pengenalan Nada... 25

4.2. Hasil Pengujian Program Pengenalan Terhadap Tingkat Pengenalan Nada Alat Musik SulingBambu ... 30

4.2.1. Pengujian Parameter Pengaturan Pengenalan Nada ... 30

4.2.2. Pengujian Untuk Menentukan Batasan Nilai Jarak yang Optimal ... 37

4.2.3. Pengujian Dengan Nada Masukan Gamelan Saron ... 38

BAB IV KESIMPULAN DAN SARAN

5.1. Kesimpulan ... 40

5.2. Saran ... 40

DAFTAR PUSTAKA

... 41

(14)

DAFTAR GAMBAR

3.11. Diagram Alir Penentuan Nada Hasil Pengenalan... 20

3.12. Diagram Alir Proses Pengambilan Nada Referensi (database) ... 21

4.1. Icon Matlab ... 23

4.2. Tampilan Awal Matlab ... 24

4.3. Tampilan Pengaturan Pengenalan Nada ... 24

4.4. Tampilan Utama Program Pengenalan Nada Alat Musik Suling Bambu ... 25

4.5. Tampilan GUI Matlab Setelah Program Eksekusi ... 29

4.6. Pengaruh Nilai Ekstraksi Ciri DCT Terhadap Tingkat Pengenalan Secara Tidak Realtime ... 31

4.7. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (16) ... 32

4.10. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (128)... 33

(15)

4.12. Grafik Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan Nada

(16)

DAFTAR TABEL

3.1. Keterangan Tampilan Program ... 13

4.1. Hasil Pengenalan Nada Yang Dikenali ... 28

4.2. Persentase Tingkat PengenalanSecara Tidak Realtime ... 32

4.3. Hasil Nilai Similaritas ... 34

4.4. Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan ... 36

4.5. Jarak Minimal Tiap Nada ... 38

(17)

DAFTAR LAMPIRAN

L.1. Percobaan Mencari Spektrum Frekuensi dari Nada Alat Musik Suling Bambu

dengan MATLAB V.7 ... L 1

L.2. Percobaan Mencari Durasi PerekamanUntuk Sistem Pengenalan Nada Alat

Musik Suling Bambu dengan MALTAB V.7 ... L 8

L.3. Listing Program Utama ... L 11

L.4. Listing Program Database ... L 15 L.5. Listing Program Frame Blocking ... L 16 L.6. Listing Program Normalisai ... L 16

L.7. Listing Program Windowing ... L 16 L.8. Listing Program Ekstraksi Ciri DCT ... L 16

(18)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Musik merupakan ekspresi yang timbul dari dalam jiwa manusia yang diwujudkan

dalam bentuk karya seni. Musik terbentuk dari kumpulan nada-nada yang tersusun secara harmonis sehingga menghasilkan “sesuatu yang indah” menurut indera pendengaran yang dimiliki manusia. Salah satunya Suling Bambu. Suling bambu merupakan alat musik tiup yang

sudah dikenal banyak orang karena harganya yang relatif murah dibandingkan alat musik lain.

Suling terbuat dari bambu, kayu, tulang atau bahkan logam. Suling mampu menghasilkan

bunyi kasar, melengking atau seperti suara siulan. Suara diproduksi ketika dalam posisi

melintang, di situ terdapat lubang tiupan kira-kira sebesar ujung jari. Udara yang masuk ke

dalam tabung, mengalir dan membentur sepanjang dinding tabung yang berfungsi sebagai

resonator. Keras lembutnya hembusan akan menghasilkan frekuensi nada yang berbeda-beda, tinggi atau rendah [1]

Pada penelitian ini penulis merancang dan membuat program komputer yang dapat

mengenali nada alat musik suling bambu secara real time dan dengan menggunakan ekstraksi ciri DCT dan metode Similaritas Sorensen. Penelitian yang sudah dilakukan sebelumnya

menggunakan Fungsi Jarak Eucledian, Fungsi Jarak Chebyshev, Fungsi Jarak Minkowski.

Sebelum melakukan penelitian ini, penulis pernah mendapati penelitian - penelitan yang

serupa tentang pengenalan nada alat musik yang ada sampai saat ini seperti halnya “Pengenalan Nada suling recorder menggunakan fungsi jarak chebyshev” dengan nama peneliti Hendra [2] dan “Pengenalan Nada Alat Musik Pianika Menggunakan Metode

Korelasi” dengan nama peneliti Edwin [3].

(19)

nada yang terdiri dari 8 nada yang masing - masing direkam sebanyak 10 kali. Hasil dari

sistem pengenalan nada ini ditampilkan pada layar yang berupa teks.

1.2 Tujuan dan Manfaat

Tujuan dari penulisan tugas akhir ini adalah menghasilkan sistem pengenalan nada

suling bambu supaya mengetahui nada do, re, mi, fa, sol, la, si, do’. Manfaat dari penelitian ini

diharapkan dapat memudahkan seseorang untuk lebih mengenali nada-nada pada alat musik

suling bambu.

1.3 Batasan Masalah

Sistem otomatisasi pengenalan nada suara pada alat musik suling bambu terdiri dari

hardware dan software (komputer). Hardware berfungsi untuk memasukkan nada suara yang dimainkan pada alat musik suling bambu, sedangkan software pada komputer berfungsi untuk mengatur semua proses pengenalan nada suara yang dimainkan pada alat musik suling bambu.

Pada perancangan sistem ini, penulis fokus pada pembuatan software komputer untuk memproses pengenalan nada suara, sedangkan untuk hardware berupa microphone yang sudah tersedia di pasaran. Penulis menetapkan beberapa batasan masalah yang dianggap perlu pada

perancangan ini, yaitu sebagai berikut:

a. Alat musik yang digunakan adalah suling bambu.

b. Nada suling bambu yang digunakan do, re, mi, fa, sol, la, si, dotinggi.

c. Secara real time.

d. Menggunakan perangkat lunak komputasi (Matlab versi 7.0.4) dalam pembuatan

program.

e. Menggunakan DCT untuk ekstraksi ciri dan Similaritas Sorensen sebagai metode

untuk pengenalannya.

f. Menggunakan Hamming window.

(20)

1.4 Metodelogi Penelitian

Langkah-langkah yang dilakukan dalam pengerjaan tugas akhir :

a. Pengumpulan referensi berupa buku - buku atau jurnal - jurnal.

b. Perancangan subsistem software.

Tahap ini bertujuan untuk mencari bentuk model yang optimal dari sistem yang

akan dibuat dengan mempertimbangkan berbagai faktor – faktor permasalahan dan

kebutuhan yang ditentukan.

c. Pembuatan subsistem software.

Sistem ini akan bekerja apabila User memberikan interupsi melalui PC dengan media push button yang ada pada software. Kemudian sistem akan mengolah interupsi yang diberikan oleh User dan setelah selesai maka komputer akan mengolah data yang berupa nada suling bambu ke dalam proses sampling, frame blocking, normalisasi, windowing, ektraksi ciri DCT, Simililaritas Sorensen dan akan menyajikannya berupa sebuah informasi/teks.

d. Analisa dan Kesimpulan hasil percobaan.

Analisa data dilakukan dengan menyelidiki pengaruh variasi jumlah koefisien DCT

terhadap tingakt pengenalan nada alat musik suling bambu. Penyimpulan hasil

percobaan dilakukan dengan mencari jumlah koefisien DCT untuk menghasilkan

(21)

BAB II

DASAR TEORI

2.1 Alat Musik Suling Bambu

Suling bambu termasuk jenis alat musik tiup yang nadanya dihasilkan dengan

membuka tutup lubang-lubangnya. Ada 7 lubang yang terdapat pada suling bambu, 1 lubang

untuk ditiup dan 6 lubang untuk dibuka tutup seperti pada gambar 2.1. Suling bambu ini

memiliki panjang 40 cm dan lebar 2 cm [4].

Gambar 2.1 Suling Bambu (Jawa)

Cara memainkan alat musik suling bambu ini sebenarnya mudah namun dibutuhkan

teknik meniup yang benar. Jika posisi mulut kurang benar atau kurang menempel pada lubang

tiup maka suara yang akan dihasilkan juga kurang jernih. Adapun posisi jari tangan untuk

memainkan alat musik suling bambu sebagai berikut :

a) Lubang pertama dekat mulut (bulat) untuk jari telunjuk tangan kiri.

b) Lubang kedua untuk jari tengah tangan kiri.

c) Lubang ketiga untuk jari manis tangan kiri.

d) Lubang keempat untuk jari telunjuk tangan kanan.

e) Lubang kelima untuk jari tengah tangan kanan.

(22)

Setelah posisi jari tangan sudah pas dan benar selanjutnya cara memainkan alat musik

suling bambu agar menghasilkan nada Do, Re, Mi, Fa, Sol, La, Si, Dotinggi.[5]

Langkah-langkahnya sebagai berikut :

a) Untuk menghasilkan nada Do = lubang ditutup semua

b) Nada Re = lubang paling bawah di buka 1 (dari bawah; lubang 6 dibuka)

c) Nada Mi = lubang dibuka 2 (dari bawah; lubang 6 dan 5 dibuka)

d) Nada Fa = lubang dibuka 3 (dari bawah; lubang 6, 5 dan 4 dibuka)

e) Nada Sol = lubang dibuka 4 (dari bawah; lubang 6, 5, 4, dan 3 dibuka)

f) Nada La = lubang dibuka 5 (dari bawah; lubang 6, 5, 4, 3, dan 2 dibuka)

g) Nada Si = lubang dibuka 5 (dari bawah; lubang 6, 5, 4, 3, dan 1 dibuka)

h) Nada Dotinggi= lubang dibuka 6 (dari bawah; 6, 5, 4, 3, 2, dan 1 dibuka semua)

2.2 Sampling

Sampling merupakan proses pencuplikan gelombang suara yang akan menghasilkan gelombang diskret. Dalam proses sampling ada yang disebut dengan laju pencuplikan (sampling rate). Sampling rate menandakan berapa banyak pencuplikan gelombang analog dalam 1 detik. Satuan dari sampling rate ialah Hertz (Hz). Pada proses sampling, sebaiknya sampling rate memenuhi kriteria Nyquist. Kriteria Nyquist menyebutkan bahwa sampling rate harus lebih besar dari 2 (dua) kali frekuensi tertinggi sinyal suara analog sesuai persamaan

(2.1) [6].

𝑓_𝑠 ≥ 2𝑓_𝑚 (2.1)

dengan 𝑓_𝑠 adalah frekuensi sampling (sampling rate), sedangkan 𝑓_𝑚 adalah frekuensi tertinggi sinyal suara analog.

2.3 Frame Blocking

(23)

menunjukkan contoh dari frame blocking dimana keseluruhan frame dibagi menjadi 5 M frame. Setiap M memiliki jumlah data yaitu 2𝑁 data, dengan N adalah Bilangan bulat (1,2,3,…).

Gambar 2.2 Frame Blocking [2]

Fungsi frame blocking yaitu untuk memilih data yang akan diproses dalam sistem pengenalan. Frame Blocking juga dapat mempercepat proses perhitungan pada DCT (Descrete Cosine Transform) dengan jumlah data pada setiap frame memiliki 2𝑁 data sampel yang diambil dari keseluruhan data sampel.

2.4 Windowing

Windowing diperlukan untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal dengan cara melewatkan sinyal yang mempunyai frekuensi sembarang yang dikalikan

elemen demi elemen dengan fungsi window tertentu sehingga dapat mereduksi sinyal-sinyal yang tergolong rusak sebelum dilakukan proses transformasi [8]. Ada beberapa fungsi

windows yang telah ada di antaranya kaiser, Hamming, triangular, rectangular, dan lain-lain.

2.5 Hamming Window

Windowing digunakan untuk menghilangkan efek diskontinuitas yang diakibatkan oleh proses Frame Blocking [9]. Dari beberapa macam jenis windowing, proses pengenalan ini menggunakan jenis Hamming window. Menggunakan Hamming window karena Hamming window mempunyai sidelobe yang paling kecil dan mainlobe yang paling besar sehingga Hamming window akan lebih halus dalam menghilangkan efek diskontunitas.

(24)

w [k+1] = 0.54 – 0.46 cos (2𝜋 𝑘

𝑛−1), k = 0, …, n– 1 (2.2) dengan w[k+1] adalah windowing, dan n merupakan jumlah data dari sinyal. Hamming window adalah sebuah vektor yang mempunyai jumlah elemen sebanyak N. Besarnya N akan disesuaikan dengan banyaknya elemen pada frame sehingga banyaknya elemen pada Hamming window akan sama dengan banyaknya elemen pada frame. Variabel N ini mengacu pada sub bab 2.3 tentang data sampel yang ada pada proses frame blocking yang berupa bilangan bulat (1,2,3,…).

2.6 Discrete Cosine Transform

Discrete Cosine Transform (DCT) biasa digunakan untuk mengubah sebuah sinyal menjadi komponen frekuensi dasarnya. Discrete Cosine Transform mencoba untuk mengkorelasi ulang data suara atau gambar. Setelah mengkorelasi ulang, setiap koefisien

transform dapat dikodekan secara independen tanpa kehilangan efisiensi kompresi. Discrete Cosine Transform dari sederet n bilangan real s(x), x=0, …,n-1, dapat dirumuskan sebagai

Setiap elemen dari hasil data transformasi S(u) merupakan hasil dari masukan s(x) dan basis vektor. Persamaan diatas menyatakan s sebagai kombinasi linier dari basis vektor (masukan) dan S menyatakan banyaknya setiap frekuensi yang ada didalam masukan s, serta n merupakan jumlah data dari sinyal masukan. Faktor konstanta dipilih sedemikian rupa

sehingga basis vektornya orthogonal dan ternomalisasi [10].

2.7 Similaritas Sorensen

Similaritas Sorensen merupakan metode yang digunakan untuk menghitung

(25)

𝑑

_𝑠𝑜𝑟

=

𝑑𝑖=1|𝑃𝑖−𝑄𝑖|

(𝑃_𝑖+𝑄_𝑖) 𝑑

𝑖=1

(2.5)

𝑆

_𝑠𝑜𝑟

= 1

− 𝑑

_𝑠𝑜𝑟

(2.6)

𝑃

𝑖 dan

𝑄

_𝑖 merupakan nilai perbandingan dan nilai kemiripan antara data masukan dengan data yang sudah ada (database). Kemudian variabel d pada rumus di atas merupakan fungsi jarak Sorensen dan S merupakan Similaritas Sorensen.

2.8 Sound Card

Sound card merupakan sebuah periperal pada komputer sebagai I/O suara yang disediakan computer untuk menghasilkan suara yang dapat didengar oleh pengguna baik

melalui speaker atau headphone. Pada dasarnya setiap sound card memiliki :

a. Digital Signal Processor (DSP) yang akan menghasilkan 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 penyimpan data.

e. Musical instrument Digital Interface (MIDI) untuk menyambungkan beberapa peralatan musik eksternal.

f. Jack untuk menyambungkan sound card dengan speaker pada jalur line out atau microphone pada jalur line in.

Beberapa soundcard biasanya sudah terpasang secara pabrikan (on board) pada motherboard komputer, tetapi bisa juga ditambahkan untuk keperluan lebih lanjut pada slot PCI motherboard [12].

(26)

2.9 Microphone

Microphone adalah salah satu perangkat keras yang berguna untuk merubah suara menjadi getaran listrik sinyal analog untuk selanjutnya diperkuat dan diolah sesuai kebutuhan

dan pengolahan berikutnya dengan power amplifier dari suara yang berintensitas rendah menjadi lebih keras terakhir diumpan ke speaker [13].

Gambar 2.3 Contoh Microphone pada laptop

Pada gambar 2.3 menunjukkan bahwa microphone yang digunakan adalah microphone yang sudah tersedia pada laptop.

2.10 Matlab

Matlab merupakan bahasa pemrograman dengan fungsi dan karakteristik yang berbeda

dengan bahasa pemrograman lain. Matlab memungkinkan user dapat menyelesaikan banyak masalah komputasi teknik, visualisasi dan pemrograman seperti komputasi matematik, analisis

data, pengembangan algoritma, simulasi dan pemodelan dan grafik-grafik perhitungan [14].

Matlab dikembangkan oleh Mathhworks, yang pada awalnya dibuat untuk mengakses data

matriks pada proyek LINPACK dan EISPACK. Software ini memiliki ratusan fungsi yang dapat digunakan sebagai problem solver mulai dari simple masalah-masalah yang kompleks dai berbagai disiplin ilmu [15]. Pada Lingkungan kerja Matlab, ada beberapa bagian Window

yang dipakai, yaitu :

1. Current Directory

Current Directory menampilkan isi dari direktori kerja saat menggunakan Matlab. Direktori ini dapat diganti sesuai dengan tempat direktori kerja yang

(27)

2. Command History

Window ini berfungsi untuk menyimpan perintah-perintah apa saja yang sebelumnya dilakukan oleh pengguna terhadap Matlab.

3. Command Window

Command Window adalah window utama dari Matlab yang digunakan untuk menjalankan fungsi, mendeklarasikan variabel, menjalankan proses-proses,

serta melihat isi variabel.

4. Workspace

Workspace berfungsi untuk menampilkan seluruh variabel-variabel yang sedang aktif pada saat pemakaian Matlab. Apabila variable berupa data matriks

(28)

BAB III

PERANCANGAN

3.1 Sistem Pengenalan Nada Alat Musik Suling Bambu

Blok sistem pengenalan nada alat musik suling bambu secara keseluruhan

diperlihatkan pada Gambar 3.1. Pada gambar tersebut ditunjukkan bahwa pengenalan nada

tidak memakai microphone eksternal tetapi memakai microphone yang sudah ada pada laptop.

Gambar 3.1 Blok Diagram Keseluruhan Sistem

3.1.1 Masukan (input) suara wav

Masukan (input) adalah hasil dari sampling nada suling bambu yang direkam dengan format wav. Format wav ini digunakan karena merupakan file audio yang tidak terkompressi dan bisa disebut juga file universal karena bisa dikompressi ke beberapa jenis format file audio yang lain.

3.1.2 Frame Blocking

(29)

meliputi 80 sampel nada pada database. Nilai frame blocking yang digunakan meliputi 16, 32, 64, 128, dan 256 yang disesuaikan dengan koefisien DCT yang digunakan.

3.1.3 Normalisasi

Normalisasi bertujuan untuk menyamakan nilai maksimum nada suling bambu baik

yang sudah direkam atau belum direkam supaya amplitude saat dibunyikan bernilai sama, meskipun terjadi perbedaan pada saat pengambilan sampel nada.

3.1.4 Windowing

Data yang telah dinormalisasikan mengalami proses windowing. Proses windowing menggunakan Hamming Window. Windowing berfungsi untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal. Proses windowing ini mengacu pada persamaan (2.2).

3.1.5 Discrete Cosine Transform

Discrete Cosine Transform (DCT) biasa digunakan untuk mengubah sebuah sinyal menjadi komponen frekuensi dasarnya. Pada pengenalan nada alat musik suling bambu ini

koefisien DCT sama dengan nilai frame blocking. Koefisien yang digunakan meliputi 16, 32, 64, 128, dan 256. Proses penghitungan DCT ini mengacu pada persamaan (2.3). Pada

persamaan (2.2) tentang Hamming window variabel koefisien DCT yang digunakan dilambangkan dengan k. Pada persamaan (2.3) tentang DCT, variabel koefisien DCT ini dinyatakan dengan u.

3.1.6 Similaritas Sorensen

Similaritas Sorensen merupakan metode yang digunakan untuk menghitung

perbandingan dan nilai kemiripan antara hasil sampling dengan data yang ada pada database. Proses Similaritas Sorensen ini mengacu pada persamaan (2.5) dan (2.6).

3.1.7 Penentuan Nada

Proses ini bertujuan mengenali nada yang terekam setelah melalui proses metode

(30)

3.1.8 Tampilan Pengenalan

Hasil akhir dari pembuatan software yang mengenali nada alat musik suling bambu,

ditampilkan dalam komputer dalam bentuk visual GUI Matlab.

Gambar 3.2 Tampilan Pengenalan Nada

Tabel 3.1 Keterangan Tampilan Program

Nama Bagian Keterangan

Tombol Pengenalan Digunakan untuk memulai aplikasi

Tombol Selesai Digunakan untuk mengakhiri aplikasi

Penggunaan DCT Untuk memilih titik DCT yang akan digunakan dalam

proses pengenalan nada, pilihan berupa 16, 32, 64, 128,

dan 256 Pada tampilan ini nilai DCT sama dengan nilai

frame blocking. Variabel yang digunakan untuk koefisien DCT sudah disinggung pada pembahasan

sebelumnya.

Plot Rekam Untuk menampilkan grafis suara hasil rekaman

Plot DCT Untuk menampilkan data yang berupa grafik hasil proses

DCT

Hasil Pengenalan Untuk menampilkan nada yang didapat setelah proses

(31)

3.2 Nada Referensi

Pada nada referensi ini menggunakan beberapa variasi koefisien DCT yaitu 16, 32, 64,

128, dan 256. Untuk memperoleh nada referensi setiap nada yang akan dikenali pada sistem

pengenalan nada alat musik suling bambu, penulis mengambil 10 sampel untuk setiap nada

yang akan dikenali ( do, re, mi, fa, sol, la, si, dotinggi). Total sampel nada yang didapatkan

sebanyak 80 sampel. Jadi setelah nada pertama direkam sebanyak 10 kali kemudian nada

tersebut diproses hingga mendapatkan hasil ekstraksi ciri setelah itu dari kesepuluh nada

sampel dicari nilai rata-ratanya. Kemudian nada kedua juga direkam sebanyak 10 kali dan

diproses hingga mendapatkan rata seterusnya sampa nada kedelapan. Proses pengambilan nada

dapat dilihat pada gambar 3.3. Pengambilan nada yang akan dijadikan nada referensi harus

melalui proses sampling, frame blocking, normalisasi, windowing, dan DCT.

Sampling Frame

Blocking Normalisasi Windowing DCT

Gambar 3.3 Diagram Blok Proses Ekstraksi Ciri Nada Referensi

Nada Referensi = 𝑒𝑘𝑠𝑡𝑟𝑎𝑘𝑠𝑖 𝑐𝑖𝑟𝑖 𝑛𝑎𝑑𝑟𝑒𝑓 1+𝑒𝑘𝑠𝑡𝑟𝑎𝑘𝑠𝑖 𝑐𝑖𝑟𝑖 𝑛𝑎𝑑𝑟𝑒𝑓2+ ..+𝑒𝑘𝑠𝑡𝑟𝑎𝑘𝑠𝑖 𝑐𝑖𝑟𝑖𝑛𝑎𝑑𝑟𝑒𝑓10

10

(3.1)

3.3 Nada Uji

Nada uji merupakan nada terekam selain nada referensi. Nada uji berfungsi untuk

mengetahui nilai 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 Perancangan Pembuatan Software

Perencanaan pembuatan software untuk pengenalan nada ini menggunakan pemrograman Matlab. Gambar 3.2 adalah GUI yang dirancang sebagai tampilan program

(32)

3.5 Perancangan Diagram Alir

Program pengenalan nada alat musik suling bambu akan berjalan ketika user mulai menjalankan program ini. Setelah tampilan utama terlihat, proses pengujian sudah dapat

dilakukan.

Gambar 3.4 Diagram Alir Keseluruhan

Sistem pengenalan nada alat musik suling bambu terdiri dari software yang berfungsi sebagai user interface. Program sistem pengenalan ini dibuat dengan menggunakan program Matlab versi 7.0.4. Program berperan dalam mengatur setiap proses yang akan dilalui untuk

mendapatkan hasil pengenalan nada. Sistem pengenalan nada ini dibuat dengan hasil

(33)

Sampling

Gambar 3.5 Diagram Alir Sampling

Menurut teori Nyquist bahwa penentuan frekuensi sampling harus dua kali lebih besar daripada frekuensi tertinggi dari nada suling bambu. Untuk penelitian ini frekuensi sampling yang digunakan ialah 1600Hz karena frekuensi tertinggi dari nada suling bambu sebesar

789Hz.

Menentukan titik tengah length((x)/2)

Menentukan data yang akan diambil dari titik tengah

(34)

Proses frame blocking menggunakan beberapa variasi yaitu 16, 32, 64, 128, dan 256. Proses ini mengambil sampel data dari data suara terekam (data yang diperoleh dari proses

sampling). Langkah pertama yaitu menentukan titik tengah dari data sampling dengan perintah length((x)/2). Jumlah data yang diambil dalam proses ini sesuai dengan variasi DCT yang

dipilih oleh user. Dari titik tengah data, akan menentukan besarnya data yang akan diambil untuk proses selanjutnya. Setelah itu data hasil proses frame blocking akan dinormalisasi.

Masukan hasil

frame blocking

START

Mencari nilai maksimal dari data yang ada di frame

xmax = max(abs(xframe))

Membagi data dengan nilai maksimum

Xnorm = xframe/xmax

Keluaran hasil normalisasi

END

Gambar 3.7 Diagram Alir Normalisasi

Proses normalisasi bertujuan untuk menyetarakan nilai amplitudo yang diperoleh dari

proses frame blocking menjadi bernilai 1 dengan perintah xmax=max(abs(xframe)). Setelah mencari nilai maksimum, kemudian dilakukan proses normalisasi dengan cara membagi data

dengan nilai maksimum yang berisikan perintah xnorm=xframe/xmax. Keluaran proses

normalisasi ini berupa matriks yang selanjutnya digunakan sebagai masukan proses

(35)

Masukan

Perkalian elemen antara hasil normalisasi dengan hasil

Hamming window

END

Gambar 3.8 Diagram Alir Windowing

Pada sistem pengenalan nada ini menggunakan salah satu dari beberapa jenis

windowing yang ada yaitu Hamming window. Pada proses Hamming window ini melakukan perhitungan dengan memasukkan nilai frame yang digunakan ke dalam persamaan (2.2). Pada persamaan tersebut nilai frame yang digunakan dinyatakan dengan k. Hasil dari proses

windowing ini berupa matriks

𝑤1

yang selanjutnya menjadi masukan proses ekstraksi ciri

DCT.

(36)

Setelah proses windowing maka proses selanjutnya yaitu mengekstraksi ciri nada

Setelah memperoleh nilai DCT kemudian mencari nilai absolutnya. Koefisien DCT yang

digunakan dalam sistem pengenalan nada ini bermacam-macam yaitu 16, 32, 64, 128, dan 256.

Hasil dari proses ekstraksi DCT ini berupa matriks

transformasi DCT ini mengacu pada persamaan (2.3).

Hasil ekstraksi

Gambar 3.10 Diagram Alir Similaritas Sorensen

Proses ini dilakukan setelah mendapat masukan nilai ekstraksi ciri DCT yang berupa

(37)

nilai ektraksi ciri database untuk mendapatkan nilai similaritas sorensen. Perhitungan nilai Similaritas Sorensen ini menggunakan rumus

𝑆1= 𝑋1− 𝑦1 2+ 𝑋2− 𝑦2 2+ …+ 𝑋𝑛− 𝑦𝑛 2 dan hasilnya berupa matriks .

START

Masukan hasil Similaritas

Sorensen (s1,s2,..s8)

Keluaran = max(s)

max(s) < r

Dikenali Tidak

dikenali

Keluaran berupa teks

END Ya Tidak

Gambar 3.11 Diagram Blok Penentuan Nada Hasil Pengenalan

Proses penentuan nada ini adalah subproses yang terakhir dari proses pengenalan nada.

Pada proses ini hasil pengenalan nada ditentukan berdasarkan jarak maksimum yang diperoleh

setelah melalui proses penghitungan nilai Similaritas Sorensen. Mencari nilai Similaritas

paling maksimum dengan menggunakan rumus (max(s)), dimana s merupakan hasil dari perhitungan nilai Similaritas setiap nada. Dari setiap nada mempunyai nilai Similaritas yang

(38)

tersebut merupakan nilai batasan untuk pengenalan nada alat musik suling bambu. Variabel r dinyatakan untuk nilai batasan Similiaritas maksimal yang digunakan. Semakin tinggi nilai

Similaritas maka semakin tinggi pula tingkat pengenalan nadanya. Setiap nada harus dicari

batasan nilai Similaritas yang paling minimal dan maksimal. Apabila jarak minimum melebihi

batas maka pada penentuan hasil keluaran nada tidak akan dikenali. Setelah mendapatkan

nilainya maka hasilnya akan ditampilkan berupa teks.

START

dengan hasil Hamming

window

(39)

Pada proses pengambilan nada referensi (database) ini setiap nada alat musik suling bambu direkam sebanyak 10 kali. Hasil dari pengambilan setiap nada sebanyak 10 kali, setelah

itu masuk pada proses frame blocking dimana dalam proses ini data masukan diambil dari titik tengah sebanyak n DCT dengan n merupakan variasi DCT yang digunakan. Hasil dari proses

frame blocking masuk pada proses normalisasi dan setelah dinormalisasi hasilnya akan dikalikan elemen demi elemen dengan proses Hamming window. Setelah perkalian elemen maka hasilnya diekstraksi ciri dengan transformasi DCT. Hasil dari ekstraksi ciri DCT

(40)

BAB IV

HASIL DAN PEMBAHASAN

Pengujian program perlu dilakukan untuk mengetahui suatu program dapat bekerja

dengan baik dan sesuai dengan perancangan. Hasil pengujian berupa data-data yang dapat

memperlihatkan bahwa program yang telah dirancang dapat berjalan dengan baik. Analisa

terhadap proses kerja dapat digunakan untuk menarik kesimpulan dari apa yang disajikan

dalam tugas akhir ini.

4.1 Pengujian Program Pengenalan Nada Alat Musik Suling Bambu

dengan Similaritas Sorensen

Pengujian program bertujuan untuk memastikan apakah program yang telah dibuat

dapat bekerja sesuai dengan yang telah dirancang pada bab sebelumnya.

Pengujian program menggunakan komputer dengan spesifikasi :

Processor : Intel® Atom™ CPU N550 @ 1.50GHz 1.50GHz

RAM : 1.00 GB

Program pengenalan ini dapat dijalankan dengan langkah-langkah sebagai berikut :

1. Click dua kali icon Matlab pada layar dekstop dengan gambar icon seperti Gambar 4.1.

Gambar 4.1 Icon Matlab

2. Tampilan pada Gambar 4.1 akan muncul sebelum masuk ke tampilan utama

(41)

Gambar 4.2 Tampilan Awal Matlab

3. Mengetik guide di dalam command window dan pada layar akan muncul seperti pada Gambar 4.2 sebelum masuk ke tampilan utama program.

Gambar 4.3 Tampilan Program Pengenalan Nada Alat Musik Suling Bambu

4. User dapat memulai pengenalan dengan mengisi pengaturan pengenalan nada yakni variasi koefisien DCT yang akan digunakan dalam proses pengenalan seperti

(42)

5. Jika nilai DCT telah dipilih, user dapat memulai pengenalan nada dengan menekan

tombol ”PENGENALAN”.

Gambar 4.4 Tampilan Pengaturan Pengenalan Nada

6. Selanjutnya hasil pengenalan nada akan ditampilkan dalam kotak “Hasil

Pengenalan”. User dapat melihat spektrum hasil rekaman nada dan grafik hasil

proses DCT pada kotak “Plot Hasil Rekam” dan “Plot Hasil Ekstraksi Ciri”. Hasil pengenalan nada suling bambu terlihat seperti pada Gambar 4.4.

7. Userdapat mengulang kembali pengenalan nada dengan menekan tombol “Reset” dan mengulang kembali dengan langkah 4, 5, dan 6.

8. User dapat mengakhiri pengenalan nada dengan menekan tmbol “Selesai”.

4.1.1 Pengenalan Nada

Pengenalan nada suling bambu dapat dilakukan dengan langkah=langkah yang sudah

dijelaskan diatas. Tampilan program dapat dilihat pada Gambar 4.3. Pada tampilan pengenalan

nada terdapat 1 pop up menu, 2 axes, 3 pushbotton dan 1 static text. User dapat memulai pengenalan nada dengan melakukan pengaturan terlebih dahulu pada program pengenalan

nada. Pengaturan yang dilakukan dengan memilih variasi koefisien DCT yang akan

digunakan. Setelah itu, user dapat memulai pengenalan nada suling bambu dengan menekan

tombol “PENGENALAN”. Hasil pengenalan yang akan ditampilkan meliputi plot hasil rekam, plot hasil ekstraksi ciri DCT, dan nada yang dikenali. User dapat mengulang proses

pengenalan nada dengan menekan tombol ”RESET” dan apabilaingin mengakhiri pengenalan

(43)

a. Pop Up Menu

Pada tampilan pengenalan nada terdapat 1 pop up menu yaitu variasi koefisien DCT. Variasi DCT yang disediakan yaitu 16, 32, 64, 128, dan 256. Perintah programyang sudah

dirancang untuk menampilkan dan menjalankan variasi DCT sebagai berikut :

indeks=get(handles.popupmenu1,'Value');

Pada program di atas, koefisien 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 koefisien DCT yang telah diinisialisasi sebagai masukan apabila dilakukan callback.

b. Tombol PENGENALAN

Tombol Pengenalan adalah tombol yang berfungsi untuk melakukan pengenalan nada

yang dimulai dari proses rekam nada, ekstraksi ciri, dan hasil penentuan pengenalan nada.

Tombol Pengenalan menggunakan Push Botton pada tampilan GUI yang digunakan untuk memulai program pengenalan nada. Plotting hasil dari ekstraksi ciri yang akan diteliti. Program yang digunakan untuk perekaman nada sebagai berikut :

(44)

Perintah pause (2) merupakan perintah untuk menunda jalannya program selama 2

detik. Perintah tersebut digunakan agar user memiliki waktu untuk bersiap meniup suling bambu. Perekaman nada pada Matlab menggunakan perintah wavrecord dan setelah direkam kemudian diplot pada tampilan pengenalan nada menggunakan perintah plot. Nada yang

terekam diplto pada axes yang sudah tersedia di dalam tampilan program pengenalan.

Setelah proses perekaman selesai, kemudian program memproses data hasil rekaman

untuk pemilihan data tengah dari deretan data hasil perekaman. Proses ini dinamakan frame blocking.

Selanjutnya, data hasil frame blocking akan diproses melalui proses windowing, dimana proses ini berguna untuk menghilangkan noise suara yang ikut terekam dari proses perekaman nada. Setelah proses windowing selesai dilakukan, maka program akan menjalankan proses normalisasi. Selanjutnya program akan menjalankan inisialisasi variabel

yang akan digunakan dalam proses ekstraksi ciri DCT. Setelah mendapat masukan nilai

variabel dari variasi nilai ekstraksi ciri DCT didapat hasil plotting hasil ekstraksi ciri DCT nada. Selanjutnya proses akan memulai untuk mengenali nada dengan cara membandingkan

nilai Similaritas dari nada yang terekam dengan database. if (frame==16)

Program diatas untuk memanggil database yang akan dibandingkan dengan nada yang telah terekam. Database yang dipanggil sesuai dengan pilihan variasi koefisien DCT yang telah dipilih user.

for n=1:8

jaraklist(n)=simsor(y,z(:,n));

end

(45)

%cari nilai minimum

Program diatas melakukan perhitungan nilai Similaritas antara nada terekam dengan

database. Perintah simsor berfungsi untuk menjalankan fungsi Similaritas Sorensen.

Berdasarkan pengujian yang dilakukan tombol “Pengenalan” dapat bekerja dengan

baik. Saat tombol “Pengenalan” ditekan maka program dapat merekam nada, menampilkan

hasil rekam nada, menampilkan hasil ekstraksi ciri, dan mengenali nada. Hasil penentuan nada

akan muncul pada tampilan hasil pengenalan nada alat musik suling bambu seperti pada Tabel

4.1.

Tabel 4.1 Hasil Pengenalan Nada yang Dikenali

No Nada Masukan (Input) Nada Hasil Pengenalan

1 Do Do Program akan mengeksekusi masukan nada yang terekam dan akan dilakukan proses

(46)

Gambar 4.5 Tampilan GUI Matlab setelah Program Eksekusi

4.1.2 Tombol Reset

Tombol Reset digunakan apabila user ingin mengulangi pengenalan nada alat musik suling bambu menggunakan nada lain atau sama. Tombol Reset akan mengembalikan kembali

tampilan program seperti awal mula ketika user membuka program pengenalan. Perintah program pada tombol Reset sebagai berikut :

axes(handles.axes1); plot(0);

axes(handles.axes2); plot(0);

set(handles.text10,'String',' ')

Program di atas untuk menghapus data pada axes yang telah ditampilkan dan teks nada yang telah dikenali sebelumnya.

4.1.3 Tombol Selesai

Tombol Selesai digunakan apabila user ingin mengakhiri program pengenalan nada alat musik suling bambu.

(47)

Kesimpulan yang didapat pada pengujian adalah tombol yang terdapat pada tampilan

program utama nada suara suling bambu telah bekerja dan alur program secera keseluruhan

telah sesuai dengan perancangan.

4.2 Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat

Pengenalan Nada Alat Musik Suling Bambu

Pada pengujian program pengenalan nada alat musik suling bambu dilakukan satu

tahapan pengujian. Tahapan pengujian program yaitu pengujian parameter pengaturan

pengenalan nada yang terdiri dari nilai DCT dan frame blocking yang digunakan dalam proses pengenalan. Tujuan pengujian parameter pengaturan pengenalan nada dilakukan untuk

mencari nilai dari setiap parameter yang menghasilkan tingkat pengenalan (recognition rate) yang paling baik.

4.2.1 Pengujian Parameter Pengaturan Pengenalan Nada

Percobaan dilakukan untuk melihat seberapa besar tingkat pengenalan nada yang

terjadi setiap penentuan nada pada parameter pengenalan dilakukan untuk menentukan

parameter nilai koefisien DCT dan frame blocking yang digunakan. Langkah-langkah percobaan parameter pengenalan nada yang akan digunakan sebagai berikut :

1. Proses merekam sebanyak 10 kali nada yang dihasilkan alat musik suling bambu

dari nada Do, Re, Mi, Fa, Sol, La, Si, Dotinggi

2. Hasil nada (suara) rekaman disimpan untuk menguji setiap nilai parameter

pengaturan pengenalan nada.

3. Mengenali setiap nada menggunakan nilai koefisien DCT dan frame blocking sebesar 16, 32, 64, 128, 256.

4. Menentukan nilai parameter pengaturan yang menghasilkan pengenalan nada yang

terbaik.

Percobaan ini dilakukan dengan dua cara yaitu secara tidak realtime dan secara realtime. Pada pengujian tidak realtime digunakan untuk mencari nilai atau tingkat persentase pengenalan nada tanpa menggunakan program pengenalan nada namun menggunakan program

(48)

16; 72,5%

Pengaruh Nilai Koefisien DCT terhadap Tingkat

Pengenalan Nada Secara Tidak

Realtime

tingkat pengenalan dengan meggunakan program dan pengujian ini dilakukan secara langsung

dengan menggunakan alat musik suling bambu sebagai masukannya.

a. Pengujian Secara Tidak Realtime

Pada pengujian yang pertama ini menggunakan nada uji yang sudah diperoleh

sebelumnya sebagai masukann. Nada uji yang digunakan sebanyak 80 data, untuk setiap nada

memiliki 10 data. Dari pengujian ini akan diperoleh data berupa persentase tingkat pengenalan

nada berdasarkan variasi koefisien DCT (lampiran). Pada Gambar 4.6 menunjukkan grafik

presentase tingkat pengnenalan berdasarkan variasi koefisien DCT. Berdasarkan dari grafik ini

dapat dilihat bahwa semakin besar nilai ekstraksi ciri DCT maka tingkat pengenalan yang

didapat juga semakin tinggi.

Gambar 4.6 Pengaruh Nilai Ekstraksi Ciri DCT Terhadap Tingkat Pengenalan Secara

Tidak Realtime

Tabel 4.2 Persentase Tingkat Pengenalan Secara Tidak Realtime Koefisien DCT Tingkat Pengenalan

16 72,5 %

32 93,75 %

64 100 %

128 100 %

(49)

Ket :

Gambar 4.7 Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (16)

(50)

Gambar 4.9 Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (64)

(51)

Gambar 4.11 Pengaaruh Tingkat Pengenalan Terhadap Koefisien DCT (256)

Berdasarkan pada Gambar 4.7 yang membedakan nada satu dengan nada yang lainnya

juga bisa dengan mencari nilai similaritas antara nada yang satu dengan nada yang lain,

dimana semakin kecil nilai similaritasnya tingkat diskriminasinya semakin baik dan semakin

dapat melalukan pengenalan nada satu dengan nada lainnya. Gambar 4.7 nilai similaritas juga

bisa dicari dengan persamaan (2.5) dan (2.6) dengan nilai P adalah data matriks ekstraksi ciri

nada la dan nilai Q adalah data matriks ekstraksi ciri nada si. Dengan cara di atas maka nilai

hasil similaritas yang didapat dari Gambar 4.7 seperti pada Tabel 4.3.

Tabel 4.3 Nilai Hasil Similaritas

Koefisien DCT Nilai Similaritas

16 0,765

32 0,556

64 0,338

128 0,157

256 0,150

Dari Tabel 4.3 dapat disimpulkan bahwa semakin besar nilai koefisien DCT yang

(52)

b. Pengujian Secara Realtime

Pada secara realtime ini dilakukan dengan menggunakan alat musik suling bambu secara langsung sebagai masukannya. Pengujian ini dilakukan sebanyak 5 kali pengujian

untuk setiap nada dari suling bambu. Setelah dilakukan pengujian secara realtime dapat diketahui bahwa pada penggunaan koefisien DCT 16 dan 32 masih terdapat kesalahan dalam

mengenali nada. Sedangkan pada penggunakan koefisien DCT 64, 128 dan 256 sudah tidak

terdapat kesalahan dalam mengenali nada suling bambu.

Dari data hasil percobaan (lampiran) dapat dicari pula persentase pengenalan melalui

perhitungan dari percobaan masing-masing koefisien DCT pada tabel data hasil percobaan

(lampiran) dan grafik dari pengaruh koefisien DCT terhadap tigkat pengenalan. Untuk

mendapatkan tingkat persen pengenalan dari percobaan tersebut digunakan rumus :

Tingkat pengenalan = _{𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎}𝑣_{𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛} 𝑥 100% _(4.1)

Ket : _𝑣 = jumlah nada suling bambu yang dikenali dan benar.

Perhitungan tingkat pengenalan dari :

a. Koefisien DCT 16

Tingkat pengenalan = _{𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎}𝑣_{𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛} 𝑥 100%

= 23₄₀ 𝑥 100% = 57,5 %

b. Koefisien DCT 32

Tingkat pengenalan = _{𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎}𝑣_{𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛} 𝑥 100%

(53)

c. Koefisien DCT 64

Tingkat pengenalan = 𝑣

𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100%

= 40₄₀ 𝑥 100% = 100 %

d. Koefisien DCT 128

= 40₄₀ 𝑥 100% = 100 %

e. Koefisien DCT 256

= 40₄₀ 𝑥 100% = 100 %

Dari perhitungan diatas maka dapat dibuat tabel 4.4 dan grafik pengaruh koefisien

DCT terhadap tingkat pengenalan nada suling bambu seperti terlihat pada gambar 4.11.

Tabel 4.4. Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan

Koefisien DCT Tingkat Pengenalan (%)

16 57,5

32 80

64 100

128 100

(54)

16; 57,5%

Pengaruh Nilai Koefisien DCT terhadap Tingkat

Pengenalan Nada Secara

Realtime

Gambar 4.12 Grafik Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan Nada

Secara Realtime

Sehingga dari hasil perhitungan dan Gambar 4.12 dapat disimpulkan dan ditentukan

nilai parameter yang digunakan dalam proses pengenalan nada secara real time dan nilai koefisien DCT yang digunakan mulai 64, 128, dan 256 karena memiliki tingkat pengenalan

nada suling bambu sebesar 100 %.

4.2.2 Pengujian Untuk Menentukan Batasan Nilai Jarak Yang Optimal

Pengujian ini dilakukan untuk menentukan batasan jarak optimal yang digunakan

dalam sistem pengenalan. Pengujian ini menggunakan parameter koefisien DCT 256 yang

mempunyai tingkat pengenalan terbaik. Pengujian ini dilakukan dengan mencari nilai jarak

minimal dari setiap nada sebanyak 5 kali. Diperoleh jarak minimal 5 data dari tiap nada. Dari

kelima jarak minimal tiap nada tersebut dicari jarak maksimalnya, sehingga diperoleh 8 jarak

(55)

Tabel 4.5 Nilai Similaritas Tiap Nada

Nada Nilai Similaritas

Do 0,62

Re 1,00

Mi 0,77

Fa 0,69

Sol 0,60

La 0,79

Si 1,00

Dot 0,68

Rata-rata 0,84

Berdasarkan tabel diatas bahwa jarak maksimum dari kedelapan jarak minimal di atas

adalah 1,00. Jarak inilah yang akan digunakan sebagai batas atas sistem pengenalan. Pada saat

dilakukan pengenalan nada yang mempunyai jarak minimal di atas 1,00 maka sistem

pengenalan nada tersebut tidak akan mengenali nada yang akan dikenali sistem.

4.2.3 Pengujian Dengan Nada Masukan Gamelan Saron

Pengujian ini dilakukan dengan tujuan untuk mengtaui tingkat kesalahan sistem dalam

mengenali alat musik lainnya. Pada pengujian ini diharapkan sistem mampu untuk tidak

mengenali nada selain nada suling bambu. Langkah – langkah percobaan yang dilakukan

sebagai berikut :

1. Menyiapkan gamelan saron

2. Menggunakan nada-nada yang ada pada gamelan saron.

3. Menggunakan koefisien DCT 64 karena tingkat pengenalan terbaik.

4. Melihat hasil keluaran pengenalan nada, keluaran yang akan muncul “TIDAK

DIKENALI” atau mengenali dengan karakter yang berbeda dari nada masukan atau

(56)

Setelah melakukan langkah – langkah diatas maka diperoleh hasil bahwa program

pengenalan nada masih dapat mengenali nada-nada tertentu. Nada-nada yang dikenali adalah

nada-nada yang memiliki karakter nada sama dengan nada suling bambu. Sistem pengenalan

nada juga menghasilkan pengenalan “TIDAK DIKENALI”. Hal ini disebabkan karena

karakter nada sudah berbeda jauh, sehingga besar jarak dari gamelan penguji di atas nilai

maksimum dari suling bambu.

Tabel 4.6 Hasil Pengujian Dengan Gamelan Saron

Nada Masukan Nada Keluaran Nilai Similariras

6 Tidak Dikenali 1,55

1’ Tidak Dikenali 1,68

Rata-rata 1,64

(57)

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil percobaan dan pengujian sistem pengenalan nada alat musik suling bambu

dapat disimpulkan bahwa :

1. Implementasi dari sistem pengenalan nada alat musik suling bambu sudah bisa bekerja

sesuai dengan perancangan.

2. Pada pengujian parameter pengaturan parameter pengenalan, penetapan nilai parameter

pengaturan pengenalan nada dengan nilai koefisien DCT yang digunakan untuk

mengenali nada berpengaruh terhadap tingkat pengenalan sistem. Semakin besar nilai

koefisien nilai DCT , semakin naik tingkat pengenalan sistem.

3. Pada pengujian paraneter pengenalan nada didapatkan nilai koefisien DCT dari 64,

128, dan 256 yang menghasilkan tingkat pengenalan terbaik yaitu 100%.

5.2 Saran

Sistem pengenalan nada alat musik suling bambu ini masih memiliki kekurangan.

Untuk mengurangi kelemahan maka terdapat beberapa saran sebagai berikut :

1. Program simulasi ini dapat dikembangkan dengan fungsi windows yang lain dan jenis-jenis ekstraksi ciri yang lain pula.

2. Untuk penelitian lebih lanjut dan pengembangan ilmu, dapat juga dikembangkan

(58)

DAFTAR PUSTAKA

[1] http://www.majalahpraise.com/asal-usul-suling-229.html diakses pada 15 Maret 2013

[2] Hendra, 2012, Pengenalan Nada Suling Recorder Menggunakan fungsi Jarak Chebyshev, Yogyakarta.

[3] Edwin, 2012, Pengenalan Nada Alat Musik Pianika Menggunakan Metode Korelasi, Yogyakarta.

[4] Bagus, 2013, Proses membuat Suling Bambu, http://kibagusnata.blogspot.com/ diakses pada 4 November 2013

[5] file:///C:/Users/USER/Documents/REFERENSI%20%20TA/asal-usul-suling-229.html diakses pada 15 Maret 2013

[6] Sklar, Bernard, 1988, Digital Communications Fundamental and Application, New Jersey, PTR Prentice Hall.

[7] Eka Kartikasari, Yesika, 2006, Pembuatan Software Pembuka Program aplikasi komputer Berbasis Pengenalan Sinyal Suara, PENS-ITS, Surabaya.

[8] Budi Sontoso, Tri, 2005, Protipe Modul Pengamatan Sinyal Domain Waktu dan Frekuensi Secara Real Time Untuk Praktikum Pengolahan Sinyal Digital,EEPISITS, Surabaya

[9] Sugeng Riyanto, Agus Purwanto, Supardi, 1999, algoritma fast fourier transform (fft) decimation in time (dit) dengan resolusi 1/10 hertz Laboratorium Riset.

[10] http://anoa5.wordpress.com/2010/05/08/perbedaan-discrete-cosine-transform-dct-dan- discrete-wavelet-transform-dwt/ diakses tg 1 mei '13

[11] http://journal.uad.ac.id/index.php/JIFO/article/view/1146 diakses tanggal 1 mei 2013

[12] http://www.computerhope.com/jargon/s/souncard.htm diakses tanggal 1 mei 2013

[13] http://artsites.ucsc.edu/EMS/Music/tech_background/TE-20/teces_20.html diakses tanggal 1 mei 2013

[14] Matlab 7.0.4 Help & Firmansyah, Ahmad,2007, Dasar-dasar Pemrograman Matlab, Teknik Informatika-Institut Teknologi Sepuluh Nopember, Surabaya.

(59)

(60)

PERCOBAAN

MENCARI SEKTRUM FREKUENSI DARI ALAT MUSIK

SULING BAMBU DENGAN MATLAB V.7

Tujuan:

1. Mengetahui frekuensi maksimum pada nada alat musik suling bambu.

2. Mengetahui frekuensi sampling minimum yang dapat digunakan.

Variabel:

1. Frekuensi sampling yang digunakan 1600Hz, 2400Hz, 3200Hz, 4000Hz. 2. Durasi perekaman yang digunakan sebesar 2 detik.

Listing Program

%fs = 4000; %fsampling 4000Hz %fs = 3200; %fsampling 3200Hz %fs = 2400; %fsampling 2400Hz %fs = 1600; %fsampling 1600Hz

y = wavrecord (2*fs,fs,'double'); % 2 detik wavwrite(y,fs,'sample2s24000HzDo.wav'); [y,fs]=wavread('sample2s24000HzDo.wav'); Y=fft(y,fs);

Spek= Y.* conj(Y);

f = fs*(0:(1/2*fs))/fs;

plot(f,Spek(1:(1/2*fs+1)));grid;%output

(61)

(62)

0 100 200 300 400 500 600 700 800

0 200 400 600 800 1000 1200 0

(63)

0 200 400 600 800 1000 1200

0 200 400 600 800 1000 1200 0

0 200 400 600 800 1000 1200 1400 1600 0

(64)

0 200 400 600 800 1000 1200 1400 1600

0 200 400 600 800 1000 1200 1400 1600 0

(65)

0 200 400 600 800 1000 1200 1400 1600 1800 2000

0 200 400 600 800 1000 1200 1400 1600 1800 2000 0

(66)

0 200 400 600 800 1000 1200 1400 1600 1800 2000

0 200 400 600 800 1000 1200 1400 1600 1800 2000 0

Nada Frekuensi Sampling

1600Hz 2400Hz 3200Hz 4000Hz

Do X X X X

1. Frekuensi maksimum yang didapat sebesar 801 Hz untuk nada Dot (tinggi) sehingga

frekuensi minimum yang dapat digunakan sebesar 2400 Hz karena pada fs = 2400Hz

terdapat harmonisa paling minimum

(67)

PERCOBAAN

MENCARI DURASI PEREKAMAN UNTUK SISTEM PENGENALAN

NADA ALAT MUSIK SULING BAMBU 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 2400Hz

2. Durasi perekaman yang digunakan sebesar 1 detik, 2 detik, dan 3 detik

Listing Program

fs =2400;%%fsampling 2400Hz

%y = wavrecord (fs,fs,'double'); % 1 detik %wavwrite(y,fs,'sample1s2400HzDo.wav'); %[y,fs]=wavread('sample1s2400HzDo.wav'); %y = wavrecord (2*fs,fs,'double'); % 2 detik %wavwrite(y,fs,'sample2s2400HzDo.wav');

%[y,fs]=wavread('sample2s2400HzDo.wav'); y = wavrecord (3*fs,fs,'double'); % 3 detik wavwrite(y,fs,'sample3s2400HzDo.wav');

(68)

0 500 1000 1500 2000 2500

Durasi Perekaman 1 Detik

(69)

A

m

pl

itu

do

1000 1500

Sampel 3 detik

Durasi Perekaman 3 Detik

Kesimpulan

1. Pada hasil percobaan terlihat sistem membutuhkan waktu untuk mendapatkan data sinyal

rekaman.

(70)

Listing Program

Pengenalan

function varargout = guisulbam(varargin)

% GUISULBAM M-file for guisulbam.fig

% GUISULBAM, by itself, creates a new GUISULBAM or raises the existing % singleton*.

%

% H = GUISULBAM returns the handle to a new GUISULBAM or the handle to % the existing singleton*.

%

% GUISULBAM('CALLBACK',hObject,eventData,handles,...) calls the local

% function named CALLBACK in GUISULBAM.M with the given input arguments. %

% GUISULBAM('Property','Value',...) creates a new GUISULBAM or raises the % existing singleton*. Starting from the left, property value pairs are

% applied to the GUI before guisulbam_OpeningFunction gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to guisulbam_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 guisulbam

% Last Modified by GUIDE v2.5 06-Dec-2013 14:11:56

% 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

(71)

% End initialization code - DO NOT EDIT

% --- Executes just before guisulbam is made visible.

function guisulbam_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 guisulbam (see VARARGIN)

% Choose default command line output for guisulbam

handles.output = hObject;

% Update handles structure

guidata(hObject, handles);

% UIWAIT makes guisulbam wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line.

function varargout = guisulbam_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 selection change in popupmenu1.

function popupmenu1_Callback(hObject, eventdata, handles)

% hObject handle to popupmenu1 (see GCBO)

% Hints: contents = get(hObject,'String') returns popupmenu1 contents as cell array % contents{get(hObject,'Value')} returns selected item from

(72)

case 5

% --- Executes on button press in pushbutton1.

function pushbutton1_Callback(hObject, eventdata, handles)

%Rekam untuk 2 detik ====================================================

(73)

for n=1:8

jaraklist(n)=simsor(y,z(:,n)); end

% hObject handle to pushbutton1 (see GCBO)

%Selesai

% --- Executes on button press in pushbutton2.

function pushbutton2_Callback(hObject, eventdata, handles) delete (figure(guisulbam));

% hObject handle to pushbutton2 (see GCBO)

% --- Executes during object creation, after setting all properties.

function popupmenu1_CreateFcn(hObject, eventdata, handles)

% hObject handle to popupmenu1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: popupmenu controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white');

end