MODULPRAKTIKUM. M.K Dasar-dasar Akustik Kelautan ITK-IPB 2016 Bagian Akustik dan Instrumentasi Kelautan

(1)

Oleh : Dr.Ir. Sri Pujiyati, M.Si dan Muhammad Zainuddin Lubis, SIk, M.Si

PEMROSESAN SINYAL ( FFT, DE-NOISED, SPEKTOGRAM, BAND PASS FILTER DAN BIOAKUSTIK) MENGGUNAKAN MATLAB

Tujuan Praktikum :

1. Mahasiswa dapat menghasilkan FFT, Waveform, spektogram, band pass filter, dan transformasi wavelet (de-noised menggunakan mother wavelet haar) dengan suara stridulatory Guppy dan whistle lumba-lumba menggunakan perangkat lunak MATLAB. 2. Mahasiswa dapat membedakan hasil spektogram dengan panjang window 128, 256, dan

384 dengan melihat color bar dan nilai frekuensi suara yang dihasilkan menggunakan perangkat lunak MATLAB.

3. Mahasiswa dapat melihat puncak frekuensi tertinggi, dan menghasilkan maksimum frekuensi suara stridulatory Guppy dan whistle lumba-lumba yang dianalisa menggunakan perangkat lunak MATLAB.

PENDAHULUAN

Ilmu akustik saat ini sangat sangat berkembang pada lumba-lumba, peneliti sebelumnya telah menjelaskan dalam tulisannya yaitu pada perekaman dan analisis vokalisasi (Wartzok et al. 2004). Studi mengenai bioakustik hewan-hewan air membutuhkan pemahaman tentang ilmu perambatan suara dalam medium air. Kecepatan suara dalam air kurang lebih mencapai 1500 meter/detik. Studi tentang bioakustik adalah ilmu yang menggabungkan biologi dan akustik yang biasanya merujuk pada penelitian mengenai produksi suara, dispersi melalui media elastis, dan penerimaan pada hewan, termasuk manusia. Hal ini melibatkan neurofisiologi dan anatomi untuk produksi dan deteksi suara, serta hubungan sinyal akustik dengan medium dispersinya. Temuan pada bidang ini memberikan bukti bagi kita tentang evolusi mekanisme akustik, dan dari sana, evolusi hewan yang menggunakannya (Simmonds dan MacLennan 2005).

Suara whistle dari lumba-lumba umumnya digunakan untuk tujuan ekolokasi, dan whistle juga berfungsi sebagai peran utama dalam komunikasi antar individu dan antar kelompok (Azzolin et al. 2013). Suara whistle yang terus menerus, memberikan sinyal frekuensi (Papale et al. 2013), dengan berbagai lebar pancaran 800 Hz dan 28,5 kHz (Janik 2009) sering terdapat

(2)

komponen harmonik (Papale et al. 2013). Seekor Lumba-lumba memulai interaksi dengan pemberian sinyal, dengan informasi, dalam panjang frekuensi tertentu. Sumber sinyal kemudian bergantung pada sumber pendengaran dan akan menimbulkan reaksi terhadap suara. Pendengaran pada Lumba-lumba berkisar dari sekitar 50 Hz-150 kHz, dengan variasi tambahan di antara spesies (Janik 2009). Contoh spektogram whistle yang masih terdapat derau atau noise di dalamnya (Branstetter et al.2016) dapat dilihat pada Gambar 1.

Gambar 1 Suara whistle lumba-lumba . (A) Bentuk gelombang dari whistle dan (B) spektogram suara whistle yang menampilkan frekuensi yang didalamnya masih terdapat noise. (Branstetter

et al.2016).

Suara stridulatory adalah suara yang dihasilkan dengan menggerakkan atau menggemertakkan bagian-bagian tubuh, misalnya: sirip, gigi, dan bagian tubuh lainnya yang keras (Walker 1907; Pitcher 1993). Ikan bertulang keras (teleost) memiliki suara yang dihasilkan dari kepakan sirip dan beberapa jenis suara stridulatory lainnya memiliki amplitudo besar, yang tersebar secara seragam diseluruh frekuensi. Frekuensi yang dicapai dapat berkisar hingga lebih dari 6000 Hz (Winn 1991).

Transformasi Fourier

Dasar dari karakteristik frekuensi pada sinyal adalah Transformasi Fourier (Brook dan Wynne 1991). Fast Fourier Transform (FFT) merupakan suatu algoritma untuk menghitung Discrette Fourier Transform (DFT).

Transformasi Gelombang Singkat (Transformasi Wavelet)

Gelombang singkat merupakan fungsi yang memenuhi persyaratan matematika tertentu yang mampu melakukan dekomposisi terhadap sebuah fungsi tunggal. Wavelet digunakan untuk mendefinisikan ruang multiresolusi. Pengembangan untuk kasus sinyal pada dimensi 2-D biasanya dilakukan dengan menerapkan struktur bank filter secara terpisah terhadap sinyal citra.

(3)

Digunakan sebuah Band Pass Filter (BPF), Low-Pass Filter atau LPF (L) dan High Pass Filter atau HPF (H). Wavelet mempunyai banyak jenis tergantung pada fungsi yang digunakannya seperti Haar Wavelet, Symlet Wavelet, Daubechies Wavelet, Coiflet Wavelet, dan lain sebagainya.

Perbedaan wavelet induk ini menentukan bagaimana pen-skalaan sinyal dan bagaimana wavelet didefenisikan (Lijun dan Yong 2004). Wavelet induk (fungsi dasar) Haar dapat dipakai karena kesederhanaannya, sementara Daubechies (db) sering digunakan karena baik dalam kompresi data (Edwards 1991).

Analisis wavelet merupakan metode yang mirip dengan metode analisis fourier, metode ini digunakan untuk mengubah sinyal menjadi bagian-bagian yang sederhana. Wavelet merupakan persamaan matematis yang memisahkan sinyal ke dalam frekuensi yang berbeda, dan selanjutnya menganalisis masing-masing komponen dengan suatu resolusi yang disesuaikan dengan skala. Pada pemrosesan sinyal, wavelet merupakan suatu bentuk energi yang menggambarkan kondisi sesaat setiap bagian sinyal yang hendak dianalisis.

Wavelet juga merupakan sebuah basis. Basis wavelet berasal dari sebuah fungsi penskalaan atau dikatakan juga sebuah scaling function. Scaling function memiliki sifat yaitu dapat disusun dari sejumlah salinan dirinya yang telah didilasikan, ditranslasikan dan diskalakan [GLA95]. Fungsi ini diturunkan dari persamaan dilasi (dilation equation), yang dianggap sebagai dasar dari teori wavelet. Persamaan dilasi berbunyi demikian :





 (2 )

)

(x c_k x k

 ……….. ……….. (1)

dari persamaan scaling function ini dapat dibentuk persamaan wavelet yang pertama (atau disebut juga mother wavelet), dengan bentuk sebagai berikut :



   _ k k k k x c x) ( 1) (2 ) ( ₁ 0   ………(2)

Dari mother wavelet ini kemudian dapat dibentuk wavelet-wavelet berikutnya (ψ1, ψ2dan seterusnya) dengan cara mendilasikan (memampatkan atau meregangkan) dan menggeser mother wavelet.

(4)

ALAT DAN BAHAN

Alat dan bahan yang digunakan adalah :

- PC computer / laptop - MATLAB dan Syntax program

- Soundcard - Microsoft Office ( Excel dan Word)

- Suara Lumba-lumba dan Guppy (.Wav) - Headset ( Headphone)

METODOLOGI

A. Pengolahan data suara

1. Install software MATLAB pada PC Komputer/ Laptop, pastikan memiliki soundcard dan bisa digunakan untuk kegiatan perekaman data.

2. Setiap kelompok terdiri dari 4 orang, setiap kelompok mendapatkan 1 data suara stridulatory Guppy dan 1 suara whistle lumba-lumba (.wav) dengan total suara yaitu 2 suara .

3. Lakukan penampilan spektrum original suara stridulatory Guppy dan whistle lumba-lumba dengan menggunakan MATLAB.

4. Lakukan proses pengolahan suara menggunakan syntax1.txt untuk hasil spektogram suara.

5. Lakukan proses pengolahan suara menggunakan syntax2.txt untuk hasil Band Pass Filter (BPF) FFT.

6. Lakukan proses pengolahan suara menggunakan syntax3.txt untuk hasil De-Noised menggunakan mother wavelet haar.

B. Analisis Data ( Untuk pembuatan laporan praktikum)

1. Analisis masing-masing data yang diperoleh dengan melihat grafik FFT setelah filtering dan sebelum filtering dan spektogram suara yang dihasilkan.

2. Identifikasi pada frekuensi berapa terjadi perubahan suara dan kemudian buatlah rentangan nilainya dengan melihat sumbu x adalah waktu dan y adalah frekuensi.

3. Tampilkan waveform suara (original suara dari suara) serta hasil de-noised signal,

original signal dan residual signal, bahas perbedaan nilai x dan y secara spesifik . 4. Bandingkan perbedaan suara suara stridulatory Guppy dengan whistle lumba-lumba

yang dianalisa dengan menggunakan FFT Filtering, Original Signal, Residual Signal, De-Noised signal, dan Band Pass Filter (BPF) FFT.

(5)

5. Buatlah laporan praktikum dari point 1,2,3,dan 4 serta bahas masing-masing grafik atau gambar yang telah diperoleh, serta bahas dengan menggunakan jurnal terkait (Jurnal tahun 2000-sekarang minimal 2 jurnal).

6. Template laporan seperti yang disediakan ( berbentuk jurnal ), dan dikumpulkan minggu depan di pertemuan berikutnya pada saat sebelum kuis dilakukan, dan dilarang keras melakukan tindakan kecurangan ( Copy Paste ).

PUSTAKA

Azzolin, M. Papale, E., Lammers, M. O. Gannier, A., & Giacoma, C. 2013. Geographic variation of whistles of the striped dolphin (Stenella coeruleoalba) within the Mediterranean Sea. The Journal of the Acoustical Society of America, 134, 694.

Branstetter, B. K., DeLong, C. M., Dziedzic, B., Black, A., & Bakhtiari, K. 2016. Recognition of Frequency Modulated Whistle-Like Sounds by a Bottlenose Dolphin (Tursiops truncatus) and Humans with Transformations in Amplitude, Duration and Frequency. PloS one, 11(2), e0147512.

Brook,D. and R.J. Wynne. 1991. Signal Processing: Principples and Applications. Edward Arnold, a division of Hodder and Stoughton Limited, Mill Road, Dunton Green. Great Britain.

Edwards, T., 1991, Discrete Wavelet Transforms: Theory and Implementation, Stanford University, USA.

Janik, Vincent M. 2009. "Acoustic communication in delphinids." Advances in the Study of Behavior 40 .

Lijun Xu, Yong Yan, 2004, Wavelet-Based Removal of Sinusoidal Interference From a Signal, Institute of Physics Publishing, United Kingdom.

Papale, E. Azzolin, M., Cascão, I., Gannier, A., Lammers, M. O., Martin, V. M. & Giacoma, C. 2013. Macro-and micro-geographic variation of short-beaked common dolphin’s whistles in the Mediterranean Sea and Atlantic Ocean. Ethology Ecology & Evolution, (ahead-of-print), 1-13.

Pitcher, T.J.1993. Behaviour of Teleost Fishes. 2nd ed. Clays Ltd. St Ives plc. England.

Simmonds J. & MacLennan D. 2005. Fisheries Acoustics: Theory and Practice, second edition. Blackwell.

Walker, W.F.,Jr. 1907. Functional Anatomy of The Vertebrates. CBS College Publishing. United States America.

Wartzok, D., Popper, A. N., Gordon, J., & Merrill, J. 2004. Factors affecting the responses of marine mammals to acoustic disturbance. Marine Technology Society Journal, 37, 6-15. Winn, H.E. 1991. Acoustic Discrimination By The Road FishWith Comments On Signal System.

P 361 – 381. In Howard E. Winn. Dan Bori J. Olla. (ed) Behavior of Marine Animals Vol 2: Vertebrates. Plenum Press. New york.