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
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
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
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
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
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.
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.
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
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
DAFTAR ISI
HALAMAN JUDUL
... iHALAMAN PERSETUJUAN
... iiiHALAMAN PENGESAHAN
... ivPERNYATAAN KEASLIAN KARYA
... vHALAMAN PERSEMBAHAN DAN MOTTO HIDUP
... viLEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
ILMIAH UNTUK KEPENTINGAN AKADEMIS
... vii2.8.. Sound Card ... 8
BAB IV HASIL DAN PEMBAHASAN
4.1. Pengujian Program Pengenalan Nada Alat Musik Suling Bambu dengan Similaritas Sorensen ... 234.1.1. 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 ... 405.2. Saran ... 40
DAFTAR PUSTAKA
... 41DAFTAR 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
4.8. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (32) ... 32
4.9. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (64) ... 33
4.10. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (128)... 33
4.12. Grafik Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan Nada
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
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
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].
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.
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
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.
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].
𝑓𝑠 ≥ 2𝑓𝑚 (2.1)
dengan 𝑓𝑠 adalah frekuensi sampling (sampling rate), sedangkan 𝑓𝑚 adalah frekuensi tertinggi sinyal suara analog.
2.3
Frame Blocking
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.
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
𝑑
𝑠𝑜𝑟=
𝑑𝑖=1|𝑃𝑖−𝑄𝑖|(𝑃𝑖+𝑄𝑖) 𝑑
𝑖=1
(2.5)
𝑆
𝑠𝑜𝑟= 1
− 𝑑
𝑠𝑜𝑟(2.6)
𝑃
𝑖 dan𝑄
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].
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
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
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
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
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
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
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
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
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
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.
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
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
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
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
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
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
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
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 :
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
%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
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.
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
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 %
Ket :
Gambar 4.7 Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (16)
Gambar 4.9 Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (64)
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
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 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎𝑣𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% (4.1)
Ket : 𝑣 = jumlah nada suling bambu yang dikenali dan benar.
Perhitungan tingkat pengenalan dari :
a. Koefisien DCT 16
Tingkat pengenalan = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎𝑣𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100%
= 2340 𝑥 100% = 57,5 %
b. Koefisien DCT 32
Tingkat pengenalan = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎𝑣𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100%
c. Koefisien DCT 64
Tingkat pengenalan = 𝑣
𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100%
= 4040 𝑥 100% = 100 %
d. Koefisien DCT 128
Tingkat pengenalan = 𝑣
𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100%
= 4040 𝑥 100% = 100 %
e. Koefisien DCT 256
Tingkat pengenalan = 𝑣
𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100%
= 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
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
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
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 1,69
2 Tidak Dikenali 1,57
3 Tidak Dikenali 1,67
5 Tidak Dikenali 1,69
6 Tidak Dikenali 1,70
1’ Tidak Dikenali 1,68
2’ Tidak Dikenali 1,57
3’ Tidak Dikenali 1,61
Rata-rata 1,64
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
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.
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
0 100 200 300 400 500 600 700 800
0 200 400 600 800 1000 1200 0
0 200 400 600 800 1000 1200 0
0 200 400 600 800 1000 1200 0
0 200 400 600 800 1000 1200
0 200 400 600 800 1000 1200 0
0 200 400 600 800 1000 1200 0
0 200 400 600 800 1000 1200 0
0 200 400 600 800 1000 1200 1400 1600 0
0 200 400 600 800 1000 1200 1400 1600
0 200 400 600 800 1000 1200 1400 1600 0
0 200 400 600 800 1000 1200 1400 1600 0
0 200 400 600 800 1000 1200 1400 1600 0
0 200 400 600 800 1000 1200 1400 1600 0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0
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
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');
0 500 1000 1500 2000 2500
Durasi Perekaman 1 Detik
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.
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
% 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)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
% Hints: contents = get(hObject,'String') returns popupmenu1 contents as cell array % contents{get(hObject,'Value')} returns selected item from
case 5
% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
%Rekam untuk 2 detik ====================================================
for n=1:8
jaraklist(n)=simsor(y,z(:,n)); end
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
%Selesai
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles) delete (figure(guisulbam));
% hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
% --- 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