viii
INTISARI
Musik adalah suara yang disusun sedemikian rupa, sehingga mengandung irama, lagu, dan keharmonisan terutama dari suara yang dihasilkan dari alat-alat yang dapat menghasilkan irama. 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 petik. Gitar akustik klasik merupakan satu dari beberapa alat musik petik. Dalam Sistem pengenalan sangat diperlukan untuk membantu dalam mengenali nada alat musik, khususnya untuk nada dasar (do, re, mi, fa, sol, la ,si dan do tinggi pada tangga nada C mayor) gitar akustik klasik.
Sistem pengenalan nada gitar akustik klasik pada tugas akhir ini menggunakan mikrofon dan komputer untuk mengoperasikannya. Mikrofon berfungsi untuk menerima gelombang suara nada gitar akustik klasik. Komputer berfungsi untuk memproses data hasil rekaman, menampilkan plot perekaman, menampilkan plot Harmonic Product Spectrum dan menampilkan hasil nada yang dikenali berupa teks. Sistem ini akan membangkitkan spektrum frekuensi yang kemudian hasilnya akan dikalikan dengan metode Harmonic Product Spectrum yaitu beberapa perkalian spektrum frekuensi untuk mendapatkan hasil frekuensi yang sesungguhnya dari sebuah nada yang dimainkan yang kemudian akan dikenali dalam bentuk teks.
Sistem pengenalan ini berjalan sesuai dengan perancangan, dan dapat menampilkan plot perekaman, plot Harmonic Product Spectrum, dan teks hasil pengenalan nada, serta dapat mengenali nada secara optimal hingga 100% pada saat frame blocking
256, 128, dan 64.
Kata kunci: Gitar Akustik Klasik, DFT (Discrete Fourier Transform), Look Up Table, HPS (Harmonic Product Spectrum), Pengenalan Nada.
ix
ABSTRACT
Music is organized sound such that it contains rhythm, song, and especially the harmony of the sounds produced from the tools that can generate rhythm. Most people can only hear a tone from the instrument without knowing the tone of what is being played, due to lack of hearing acuity and knowledge about music is very limited. Musical instruments used were also varied, one stringed instruments. Classic acoustic guitar is one of several stringed instruments. In recognition system is needed to help in recognizing the tone of a musical instrument, particularly for the basic tone (do, re, mi, fa, sol, la, si and do high on the scale of C major) classical acoustic guitar.
Recognition system of classical acoustic guitar tone on this thesis using a microphone and a computer to operate it. Microphone function to receive sound waves classical acoustic guitar tones. Computers used to process data recording, featuring plot recording, featuring the plot Harmonic Product Spectrum and display the results of the recognized text tone. This system will generate a frequency spectrum which can then be multiplied by the method of Harmonic Product Spectrum is some multiplication of the frequency spectrum to get the actual frequency of a tone is played which will then be recognized in text form.
This recognition system run in accordance plot with the design, and can display the recording plot, Harmonic Product Spectrum, and text recognition results tones, it can recognize the tones optimally up to 100% at the time of frame blocking 256, 128, and 64. Keywords: Classic Acoustic Guitar, DFT (Discrete Fourier Transform), Look Up Table,
TUGAS AKHIR
PENGENALAN NADA GITAR AKUSTIK KLASIK
MENGGUNAKAN HARMONIC PRODUCT
SPECTRUM
Diajukan untuk memenuhi salah satu syarat
memperoleh gelar Sarjana Teknik pada
Program Studi Teknik Elektro
disusun oleh :
CHRIS BATARA NAINGGOLAN
NIM : 115114012
PROGRAM STUDI TEKNIK ELEKTRO
JURUSAN TEKNIK ELEKTRO
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
FINAL PROJECT
ACOUSTIC CLASSIC GUITAR TONE
RECOGNITION USING HARMONIC PRODUCT
SPECTRUM
In partial fulfilment of the requirements
for the degree of
Sarjana Teknik
Electrical Engineering Study Program
CHRIS BATARA NAINGGOLAN
NIM : 115114012
ELECTRICAL ENGINEERING STUDY PROGRAM
ELECTRICAL ENGINEERING DEPARTMENT
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
vi
HALAMAN PERSEMBAHAN DAN MOTTO HIDUP
MOTTO :
HIDUP BENAR DAN SETIA DIHADAPAN
TUHAN
Karya ini kupersembahkan untuk……..
Tuhan Yesus Kristus, Pembimbing dan Pemberi Harapan ku,
Keluarga Tercinta,
Keluarga Keduaku dijogja GMS Miracle dan kekasih tercinta
Teman-teman yang luar biasa TE 2011,
viii
INTISARI
Musik adalah suara yang disusun sedemikian rupa, sehingga mengandung irama, lagu, dan keharmonisan terutama dari suara yang dihasilkan dari alat-alat yang dapat menghasilkan irama. 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 petik. Gitar akustik klasik merupakan satu dari beberapa alat musik petik. Dalam Sistem pengenalan sangat diperlukan untuk membantu dalam mengenali nada alat musik, khususnya untuk nada dasar (do, re, mi, fa, sol, la ,si dan do tinggi pada tangga nada C mayor) gitar akustik klasik.
Sistem pengenalan nada gitar akustik klasik pada tugas akhir ini menggunakan mikrofon dan komputer untuk mengoperasikannya. Mikrofon berfungsi untuk menerima gelombang suara nada gitar akustik klasik. Komputer berfungsi untuk memproses data hasil rekaman, menampilkan plot perekaman, menampilkan plot Harmonic Product Spectrum dan menampilkan hasil nada yang dikenali berupa teks. Sistem ini akan membangkitkan spektrum frekuensi yang kemudian hasilnya akan dikalikan dengan metode Harmonic Product Spectrum yaitu beberapa perkalian spektrum frekuensi untuk mendapatkan hasil frekuensi yang sesungguhnya dari sebuah nada yang dimainkan yang kemudian akan dikenali dalam bentuk teks.
Sistem pengenalan ini berjalan sesuai dengan perancangan, dan dapat menampilkan plot perekaman, plot Harmonic Product Spectrum, dan teks hasil pengenalan nada, serta dapat mengenali nada secara optimal hingga 100% pada saat frame blocking
256, 128, dan 64.
Kata kunci: Gitar Akustik Klasik, DFT (Discrete Fourier Transform), Look Up Table, HPS (Harmonic Product Spectrum), Pengenalan Nada.
ix
ABSTRACT
Music is organized sound such that it contains rhythm, song, and especially the harmony of the sounds produced from the tools that can generate rhythm. Most people can only hear a tone from the instrument without knowing the tone of what is being played, due to lack of hearing acuity and knowledge about music is very limited. Musical instruments used were also varied, one stringed instruments. Classic acoustic guitar is one of several stringed instruments. In recognition system is needed to help in recognizing the tone of a musical instrument, particularly for the basic tone (do, re, mi, fa, sol, la, si and do high on the scale of C major) classical acoustic guitar.
Recognition system of classical acoustic guitar tone on this thesis using a microphone and a computer to operate it. Microphone function to receive sound waves classical acoustic guitar tones. Computers used to process data recording, featuring plot recording, featuring the plot Harmonic Product Spectrum and display the results of the recognized text tone. This system will generate a frequency spectrum which can then be multiplied by the method of Harmonic Product Spectrum is some multiplication of the frequency spectrum to get the actual frequency of a tone is played which will then be recognized in text form.
This recognition system run in accordance plot with the design, and can display the recording plot, Harmonic Product Spectrum, and text recognition results tones, it can recognize the tones optimally up to 100% at the time of frame blocking 256, 128, and 64. Keywords: Classic Acoustic Guitar, DFT (Discrete Fourier Transform), Look Up Table,
x
KATA PENGANTAR
Puji dan Syukur kepada Tuhan Yesus Kristus karena atas berkat dan penyertaan- Nya penulis dapat menyelesaikan laporan tugas akhir ini dengan baik dan dapat memperoleh gelar sarjana.
Selama penyelesaian penulisan tugas akhir ini, penulis menyadari bahwa banyak pihak yang telah memberikan dukungan dan bantuan. Oleh karena itu, penulis ingin mengucapkan banyak terimakasih kepada:
1. Tuhan Yesus Kristus atas berkat penyertaan-Nya sehingga Tugas Akhir ini selesai dengan baik.
2. Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma.
3. Petrus Setyo Prabowo, S.T., M.T., selaku Ketua Program Studi Teknik Elekro
Universitas Sanata Dharma.
4. Dr. Linggo Sumarno, selaku dosen pembimbing Tugas Akhir yang selalu sabar membimbing dan mendorong untuk cepat menyelesaikan Tugas Akhir ini.
5. A. Bayu Primawan, S.T., M. Eng. dan Dr. A n a s t a s i a Rita Widiarti selaku dosen penguji yang telah memberikan bimbingan, saran, dan merevisi Tugas Akhir ini. 6. Ir. Theresia Prima Ari Setiyani, M.T., selaku dosen pembimbing akademik yang
telah mendampingi, membimbing, dan memberikan saran kepada penulis selama menempuh pendidikan di Universitas Sanata Dharma.
7. Bapak dan Ibu dosen yang telah mengajarkan banyak ilmu yang bermanfaat selama menempuh pendidikan di Universitas Sanata Dharma.
8. Papa, Mama, dan adik serta semua keluarga yang selalu mendoakan, mendukung dan membantu segala sesuatunya mulai dari awal studi hingga pencapaian menyelesaiakan studi di jenjang perkuliahan.
DAFTAR ISI
Halaman
HALAMAN JUDUL
. ... iHALAMAN PERSETUJUAN
.. ... iiiHALAMAN PENGESAHAN
. ... ivPERNYATAAN KEASLIAN KARYA
... vHALAMAN PERSEMBAHAN DAN MOTTO HIDUP
... viLEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
ILMIAH UNTUK KEPENTINGAN AKADEMIS
. ... viiINTISARI
. ... viiiABSTRACT
. ... ixKATA PENGANTAR
. ... xDAFTAR ISI
. ... xiiDAFTAR GAMBAR
... xvDAFTAR TABEL
... xviiBAB I PENDAHULUAN
1.1. Latar Belakang... 11.2. Tujuan dan Manfaat ... 2
1.3. Batasan Masalah ... 2
1.4. Metodologi Penelitian... 3
BAB II DASAR TEORI
2.1. Gitar Akustik Klasik... 42.2. Mikrofon ... 5
2.3. Sound Card……... 6
2.4. MatLab……….. ... 7
2.5. Teorema Pencuplikan……….. 8
2.6. Preprocessing ... 8
2.5.1. Normalisasi……... 8
2.5.2. Pemotongan Sinyal ... 9
2.5.3. Frame Blocking ... 11
2.7.
2.5.4. Windowing………... 12
DFT (Dicerete Fourier Transform)………..……… …..….. 13
2.8. HPS (Harmonic Product Spectrum) ... 14
BAB III RANCANGAN PENELITIAN
3.1. Sistem Pengenalan Nada Gitar Akustik... 163.1.1. Gitar Akustik Klasik... 16
3.1.2. Mikrofon ... 16
3.1.3. Sound Card……… 16
3.1.4. Proses Perekaman ... 17
3.1.5. Proses Pengenalan Nada ... 17
3.1.6. Keluaran : Teks... 19
3.2. Look Up Table ... 19
3.3. Nada Uji... 19
3.4. Perancangan Tampilan Program GUI MATLAB... 20
3.5. Perancangan Alur Program... 21
3.5.1. Rekam ... 22
3.5.2. Normalisasi……... 22
3.5.3. Pemotongan Awal... 23
3.5.4. Frame Blocking ... 24
3.5.5. Windowing……... 24
3.5.6. DFT dan Spektrum Frekuensi... 25
3.5.7. Harmonic Product Spectrum... 26
3.5.8. Penentuan Frekuensi... 28
3.5.9. Penentuan Teks Nada... 27
3.5.10.Keluaran Teks ... 28
BAB IV HASIL DAN PEMBAHASAN
4.1. Pengujian Program Pengenalan Nada Gitar Akustik Klasik Dengan Menggunakan Harmonic Product Spectrum…... 294.1.1. Pengenalan Nada ... 31
a. Popup Menu ... 32
b. Push Button, Axes, dan Static Text ... 32
4.2. Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat Pengenalan Nada Gitar Akustik Klasik... 37 4.2.1. Pengujian Parameter Pengenalan Nada ... 37 4.2.2. Pengujian Parameter Pengenalan Nada Tanpa Harmonic Product Spectrum
... 42
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan ... 42 5.2. Saran ... 42
DAFTAR PUSTAKA
... 43LAMPIRAN
LAMPIRAN 1 PERCOBAAN UNTUK MENENTUKAN RANGE FREKUENSI PADA
LOOK UP TABLE UNTUK MASING-MASING NADA GITAR
AKUSTIK KLASIK………... L1 LAMPIRAN 2 LISTING PROGRAM TIDAK REAL-TIME ... L5 LAMPIRAN 3 LISTING PROGRAM PENGAMBILAN NADA UJI ... L8
LAMPIRAN 4 LISTING PROGRAM PENGENALAN NADA GITAR AKUSTIK
KLASIK………..………... L9
DAFTAR GAMBAR
Halaman
Gambar 2.1. Gitar Akustik Klasik... 4
Gambar 2.2. Mikrofon Intopic Jazz-013... 6
Gambar 2.3. Sound Card……….……... 7
Gambar 2.4. Sinyal Sebelum Normalisasi… ... 9
Gambar 2.5. Hasil Setelah Normalisasi... 9
Gambar 2.6. Sinyal Sebelum Pemotongan... 10
Gambar 2.7. Hasil Pemotongan Bagian Silence... 10
Gambar 2.8. Hasil Pemotongan Bagian Transisi…... 11
Gambar 2.9. Bagian Sinyal yang Akan Diambil untuk Frame Blocking... 11
Gambar 2.10. Hasil Frame Blocking dari Gambar 2.9…... 12
Gambar 2.11. Hasil Windowing dari Gambar 2.10………... 13
Gambar 2.12. Spektrum Frekuensi dari Gambar 2.11.... ... 14
Gambar 2.13. Hasil Harmonic Product Spectrum dari Gambar 2.12... 15
Gambar 3.1. Diagram Blok Sistem Pengenalan Nada Gitar Akustik Klasik... 16
Gambar 3.2. Diagram Blok Proses Pengenalan Nada Gitar Akustik Klasik... 17
Gambar 3.3. Proses Penentuan Frekuensi Tengah untuk Look Up Table………... 19
Gambar 3.4. Diagram Blok Proses Pengambilan Nada Uji... 20
Gambar 3.5. Tampilan Proses pada GUI MATLAB………... 20
Gambar 3.6. Diagram Alir Sistem Pengenalan Nada Gitar Akustik Klasik... 21
Gambar 3.7. Diagram Alir Sub Rutin Rekam……... ... 22
Gambar 3.8. Diagram Alir Normalisasi………... 22
Gambar 3.9. Diagram Alir Pemotongan Awal... 23
Gambar 3.10. Diagram Alir Frame Blocking………..……… ... 24 Gambar 3.11. Diagram Alir Windowing... 25
Gambar 3.12. Diagram Alir DFT dan Spektrum Frekuensi... 25
Gambar 3.13. Diagram Alir Harmonic Product Spectrum... 26
Gambar 3.14. Diagram Alir Penentuan Frekuensi... 26
Gambar 3.15. Diagram Alir Proses Penentuan Teks Nada ... 27
Gambar 4.1. Tampilan Utama………... 29 Gambar 4.2. Tampilan Program Pengenalan Nada Gitar Akustik... 30 Gambar 4.3. Tampilan dari program GUI Matlab yang dioperasikan dengan input nada 1(La), dengan nilai frame blocking adalah 512………….……… 31 Gambar 4.4. Program Variasi Nilai Frame Blocking……….… 32 Gambar 4.5. Program Proses Perekaman Suara……….……… 33 Gambar 4.6 Program Untuk Menampilkan Harmonic Product Spectrum………… 34 Gambar 4.7. Program Untuk Menampilkan Teks Keluaran Nada………. 36 Gambar 4.8 Program Untuk Mengakhiri Pengenalan Nada………. 37 Gambar 4.9. Grafik Pengaruh Panjang Frame Blocking terhadap Tingkat Pengenalan
Nada………... 41 Gambar 4.10. Grafik Pengaruh Panjang Frame Blocking terhadap Tingkat Pengenalan
Nada Tanpa Harmonic Product Spectrum……….. 46
DAFTAR TABEL
Halaman
Tabel 2.1. Nilai Frekuensi Gitar…... 5
Tabel 2.2. Spesifikasi Mikrofon Intopic Jazz-013... 6
Tabel 3.1. Keterangan Tampilan Utama Sistem……… ... 20
Tabel 3.2. Frekuensi Look Up Tableuntuk penentuan nada…………... 28
Tabel 4.1. Pengujian nada dengan nilai frame blocking1024………... 37
Tabel 4.2. Pengujian nada dengan nilai frame blocking 512 …………... 38
Tabel 4.3. Pengujian nada dengan nilai frame blocking 256………...…………... 38
Tabel 4.4. Pengujian nada dengan nilai frame blocking 128………... 38
Tabel 4.5. Pengujian nada dengan nilai frame blocking 64…………...…………... 39
Tabel 4.6. Pengaruh Panjang Frame Blocking terhadap Tingkat Pengenalan……… 40
Tabel 4.7. Pengujian nada dengan nilai frame blocking 1024... 42
Tabel 4.8. Pengujian nada dengan nilai frame blocking 512………... 42
Tabel 4.9. Pengujian nada dengan nilai frame blocking 256………... 43
Tabel 4.10. Pengujian nada dengan nilai frame blocking 128…………... 43
Tabel 4.11. Pengujian nada dengan nilai frame blocking64………...………... 44
Tabel 4.12. Pengaruh Panjang Frame Blocking terhadap Tingkat Pengenalan Tanpa Harmonic Product Spectrum………..……… 45
1
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. Baik musik tradisional maupun musik pop, rock dan jazz yang masing- masing memberikan keindahan dalam bermusik. Musik juga bisa menjadi efektif di bidang akademis dengan membantu pembentukan pola belajar, mengatasi kebosanan dan menangkal kebisingan eksternal yang mengganggu [1].
Alat musik yang digunakan pun juga bervariasi, salah satunya alat musik petik yaitu gitar. Alat musik gitar terdiri dari 2 jenis, yaitu gitar akustik dan gitar elektrik. Pada bahasan kali ini, yang akan dibahas penulis adalah gitar akustik. Gitar akustik memiliki bagian badan yang berlubang (hollow body) dan dapat menghasilkan suara yang relatif cukup keras tanpa penguatan elektrik. Bunyi dari gitar akustik dihasilkan dari getaran senar yang mengalir antara tulang leher (nut) dengan jembatan (brigde) yang kemudian diperkuat oleh bagian badan gitar yang bertindak sebagai lubang resonansi [2]. Dan gitar akustik adalah salah satu alat musik yang banyak diminati untuk dipelajari, terlebih khususnya oleh anak muda masa kini.
Berkaitan dengan hal tersebut, dari beberapa penelitian sebelumnya telah dilakukan untuk membuat sistem pengenalan nada pada alat musik, seperti alat musik belira yang menggunakan proses look up table, Discrete Fourier Transform untuk mengenali nada alat musik belira yang dari penelitian tersebut menghasilkan sebuah aplikasi untuk mengenali nada belira yang dilihat dari hasil frekuensi tengah yang didapatkan dari proses pengambilan data dengan menggunakan alat musik belira tersebut [3].
2
menggunakan look up table untuk proses akhir penentuan nada gitar akustik klasik yang dimainkan.
Dalam sistem pengenalan nada ini, nada uji do, re, mi, fa, sol, la, si, do’ yang telah melalui proses perekaman diproses terlebih dahulu agar menghasilkan sp ektrum frekuensi untuk menentukan frekuensi tengah dalam look up table. Prosesnya akan melalui tahap perekaman, kemudian preprocessing yang terdiri dari normalisasi, pemotongan sinyal, frame blocking, dan windowing. Kemudian menghitung dengan DFT untuk mendapatkan spektrum frekuensi yang kemudian dilakukan proses pengkalian hasil DFT dengan metode HPS untuk mendapatkan hasil sinyal yang bersih dari harmonisa. Nilai yang dilihat dari hasil plot HPS digunakan sebagai frekuensi tengah. Untuk menentukan range frekuensi pada look up table, dilakukan pengambilan nada sebanyak lima kali untuk masing-masing nada untuk melihat area frekuensi setiap nada tersebut. Frekuensi look up table pada proses akhirnya digunakan untuk mendapatkan keluaran teks nada sesuai dengan nada yang dimainkan.
1.2 Tujuan dan Manfaat Penelitian
Tujuan penelitian ini adalah menghasilkan aplikasi pada pengenalan nada gitar akustik. Manfaat dari penelitian ini adalah:
a. Sebagai alat bantu pendukung pembelajaran musik gitar akustik, khususnya untuk mengenali nada suara (do, re, mi, fa, sol, la, si, do’).
b. Sebagai alat bantu bagi para pemain musik pemula untuk bermain nada melodi pada gitar akustik.
1.3 Batasan Masalah
Batasan masalah dalam penelitian ini adalah: a. Pengenalan nada bersifat real time.
b. Nada gitar akustik yang dikenali adalah nada do, re, mi, fa, sol, la, si, do’ , dengan menggunakan acuan akor C mayor dengan cakupan fret 1 – 3 pada neck gitar. c. Jarak antara gitar akustik dengan mikrofon adalah 15 cm dan mikrofon berada
tepat menghadap lubang resonansi gitar akustik.
d. Cara memetik dawai gitar dengan menggunakan jari jempol, dipetik tepat diatas lubang resonansi gitar akustik.
3
f. Menggunakan metode Harmonic Product Spectrum (HPS), Hamming window,
Discrete Fourier Transform (DFT), dan look up table untuk penentuan keluarannya.
1.4 Metodologi Penelitian
Metodologi yang digunakan pada tugas akhir ini adalah:
a. Pengumpulan bahan-bahan literatur berupa buku, jurnal, dan artikel. b. Perancangan subsistem software
Tahap perancangan subsistem perangkat lunak bertujuan untuk mencari bentuk model yang optimal dari sistem yang akan dibuat dengan mempertimbangkan berbagai faktor–faktor permasalahan dan kebutuhan yang telah ditentukan. Penulis menggunakan software matlab untuk pembuatan program pengenalan nada gitar akustik. Program akan bekerja jika user
memberikan perintah melalui komputer, program akan mengolah perintah yang telah diterima dan memulai proses recording. Setelah proses recording, komputer akan mengolah nada kemudian memberikan keluaran teks nada gitar akustik. c. Analisa dan Kesimpulan
Analisa data dilakukan dengan menyelidiki pengaruh panjang DFT, HPS dan
4
BAB II
DASAR TEORI
2.1.
Gitar Akustik Klasik
Gitar adalah sebuah alat musik berdawai yang dimainkan dengan cara dipetik, umumnya menggunakan jari maupun plektrum. Gitar terbentuk atas sebuah bagian tubuh pokok dengan bagian leher yang padat sebagai tempat senar yang umumnya berjumlah enam didempetkan. Gitar secara tradisional dibentuk dari berbagai jenis kayu dengan senar yang terbuat dari nilon maupun baja. Beberapa gitar modern dibuat dari material polikarbonat. Secara umum, gitar terbagi atas 2 jenis: akustik dan elektrik.
Gitar akustik memiliki bagian badan yang berlubang (hollow body) dan dapat menghasilkan suara yang relatif cukup keras tanpa penguatan elektrik. Bunyi dari gitar akustik dihasilkan dari getaran senar yang mengalir antara tulang leher (nut) dengan jembatan (brigde) yang kemudian diperkuat oleh bagian badan gitar yang bertindak sebagai lubang resonansi.
Terdapat beberapa sub kategori dari pengelompokan gitar akustik, diantaranya: a. Gitar senar-nilon, termasuk gitar klasik dan gitar flamenco
b. Gitar senar-baja, termasuk gitar puncak-datar dan gitar folk c. Gitar archtop
d. Gitar duabelas-senar
Dalam hal ini penulis menggunakan gitar akustik klasik, gitar akustik klasik adalah jenis gitar dimana suara yang dihasilkan berasal dari getaran senar gitar yang dialirkan melalui sadel dan jembatan tempat pengikat senar ke dalam ruang suara. Suara di dalam ruang suara ini akan beresonansi terhadap kayu badan gitar. Jenis dan kualitas kayu serta jenis senar yang digunakan akan memengaruhi suara yang dihasilkan oleh gitar akustik. Gambar 2.1 menunjukan gitar akustik klasik.
5
Setiap gitar rata-rata memiliki setelan nada yang berbeda. Hal ini bergantung kepada penggunaan gitar serta keinginan oleh pengguna gitar itu.
Contoh nilai frekuensi gitar akustik ditunjukan pada tabel 2.1 :
Tabel 2.1. Nilai Frekuensi Gitar
Nada di atas berurutan mulai dari senar pertama hingga senar keenam. Senar pertama memiliki frekuensi paling tinggi, lalu hingga senar keenam yang memiliki frekuensi paling rendah. Nada tersebut dapat dihasilkan dengan melakukan penyetelan pada gitar [2].
2.2.
Mikrofon
6
Pada perancangan ini mikrofon digunakan sebagai alat perekaman suara untuk mendapatkan nada terekam gitar akustik, agar kemudian dapat diproses untuk melalui tahap selanjutnya sehingga mendapatkan keluaran teks yang sesuai dengan nada yang dimainkan. Mikrofon yang digunakan adalah tipe Microphone Intopic Jazz-013 seperti yang ditunjukan Gambar 2.2 dan spesifikasi mikrofon yang ditunjukan pada Tabel 2.2. Dalam proses perekaman, mikrofon dihubungkan langsung dengan kartu suara yang ada di laptop.
Gambar 2.2. Mikrofon Intopic Jazz-013
Tabel 2.2. Spesifikasi Mikrofon Intopic Jazz-013
Frequensi Response 30 – 16000 Hz
Sensitivity -53±3dB
Voltage 3V
Impedance 2.2 Ohms
Turning Direction 360 Degrees
Gold Pin for High Quality Sound Effect
2.3.
Sound Card
Sound card merupakan sebuah periperal pada komputer sebagai I/O suara yang menyediakan kemampuan untuk menghasilkan suara yang dapat didengar oleh pengguna baik melalui speaker atau headphone [5] . Pada dasarnya setiap kartu suara memiliki:
a. Digital Signal Processor (DSP) yang akan menangani semua jenis komputasi.
7
c. Analog to Digital Converter (ADC) sebagai masukan suara. d. Read Only Memory (ROM) atau Flash sebagai penyimpanan data.
e. Musical Instrument Digital Interface (MIDI) untuk menyambungkan beberapa peralatan musik eksternal.
f. Jack untuk menyambungkan kartu suara dengan speaker pada jalur line out
atau microphone pada jalur line in.
Beberapa kartu suara sudah terpasang secara pabrikan (on board) pada
motherboard komputer, tetapi bisa juga ditambahkan untuk keperluan pada slot PCI
motherboard.
Gambar 2.3. Sound Card
2.4. MatLab
MATLAB merupakan bahasa pemrograman yang hadir dengan fungsi dan karakteristik yang berbeda dengan bahasa pemrograman lain yang sudah ada lebih dahulu seperti Delphi, Basic maupun C++ [6]. MATLAB merupakan bahasa pemrograman level tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan pemrograman seperti komputasi matematik, analisis data, pengembangan algoritma, simulasi dan pemodelan, dan grafik-grafik perhitungan. MATLAB adalah software buatan MathWork.Inc., yang sangat bermanfaat untuk menyelesaikan berbagai masalah komputasi numerik.
Beberapa bagian penting yang terdapat pada antar muka MATLAB adalah sebagai berikut:
8
b. Workspace berisi daftar variabel yang diciptakan oleh pemakai dan masih ada dalam memori.
c. Command History mencantumkan perintah-perintah yang pernah diberikan oleh pemakai.
d. Current Directory menyatakan direktori kerja.
2.5.
Teorema Pencuplikan
Sampling adalah 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 1.5 detik. Sampling rate dinyatakan dalam satuan Hertz (Hz). Pada proses sampling, sebaiknya sampling rate memenuhi kriteria Nyquist. Kriteria Nyquist menyatakan bahwa
sampling rate harus lebih besar dari dua kali frekuensi tertinggi sinyal analog[7]. Secara matematis dapat dituliskan:
(2.1) dengan:
fs = frekuensi sampling rate
fm= frekuensi tertinggi sinyal suara analog
2.6.
Preprocessing
Preprocessing adalah proses-proses awal yang dilakukan sebelum proses membangkitkan spektrum. Tujuan dari preprocessing ini adalah untuk menyetarakan sinyal nada masukan agar lebih mudah diproses untuk pengenalan nadanya.
2.6.1
Normalisasi
9
))
(2.2)
Keterangan:
= hasil data sinyal normalisasi = data input
Gambar 2.4 dan gambar 2.5 meperlihatkan gambar sinyal sebelum dan setelah melalui proses normalisasi.
Gambar 2.4. Sinyal Sebelum Normalisasi
Gambar 2.5. Hasil Setelah Normalisasi
2.6.2
Pemotongan Sinyal
10
bagian yang dipotong adalah bagian awal dari sinyal. Tujuan dari pemotongan awal sinyal nada adalah untuk menghilangkan bagian yang tidak termasuk bagian dari sinyal nada serta untuk mengurangi cacat sinyal akibat derau ruangan yang ikut terekam agar didapatkan sinyal yang benar-benar dari gitar akustik. Pada proses pemotongan ini, akan melewati dua kali proses pemotongan. Proses pemotongan yang pertama yaitu memotong bagian silence
atau bagian awal sinyal yang tidak termasuk sinyal nada terekam. Proses pemotongan yang kedua yaitu memotong bagian transisi sinyal. Berikut gambar untuk hasil pemotongan :
Gambar 2.6. Sinyal Sebelum Pemotongan
11
Gambar 2.8. Hasil Pemotongan Bagian Transisi
2.6.3 Frame Blocking
Frame Blocking adalah pembagian sinyal audio menjadi beberapa frame yang nantinya dapat memudahkan dalam perhitungan dan analisa sinyal, satu frame terdiri dari beberapa sampel tergantung berapa detik suara akan disampel dan berapa besar frekuensi sampling. Pada proses ini dilakukan pemotongan sinyal dalam slot-slot tertentu agar memenuhi dua syarat yaitu linear dan time invariant. Gambar 2.10 memperlihatkan contoh hasil frame blocking.
12
Gambar 2.10. Hasil Frame Blocking dari Gambar 2.9
Fungsi frame blocking yaitu mereduksi data yang akan diproses dalam sistem pengenalan. Pada pengenalan ini nilai frame bervariasi, user akan diberikan pilihan variasi untuk nilai frame. Pada gambar di atas nilai frame yang digunakan sebesar 512.
2.6.4
Windowing
Windowing digunakan untuk menghilangkan diskontinuitas yang diakibatkan oleh proses Frame Blocking atau Framing. Ada beberapa fungsi windows yang telah ada diantaranya Kaiser, Hamming, Triangular, dan Rectangular. Dalam proses ini jenis
window yang digunakan adalah Hamming Window. Hamming Window mempunyai side lobe yang paling kecil dan main lobe yang paling besar sehingga hasil windowing akan lebih halus dalam menghilangkan efek diskontinuitas. Hamming Window adalah sebuah vektor dengan jumlah elemen sebanyak n. Biasanya n akan disesuaikan dengan banyaknya elemen pada frame sehingga banyaknya elemen pada Hamming Window akan sama dengan banyaknya elemen pada frame. Persamaan dari windowing hamming[9]:
(2.3)
Keterangan : w(n) = windowing
N = jumlah data dari sinyal
13
Gambar 2.11. Hasil Windowing dari Gambar 2.10
2.7. DFT (Discrete Fourier Transform)
Salah satu formulasi yang ampuh untuk proses pengolahan sinyal adalah menggunakan Discrete Fourier Transform (DFT). Prinsip DFT adalah mentransformasikan (alih bentuk) sinyal yang semula analog menjadi diskret dalam domain waktu, dan kemudian diubah ke dalam domain frekuensi. Hal ini dilakukan dengan mengalikan sinyal diskret dengan suatu fungsi kernel. DFT dan FFT memiliki resolusi sebesar fs/N yang mana fs adalah sampling rate (dalam 1 detik diambil sebanyak fs data) dan N adalah banyaknya data hasil penyamplingan.
Discrete Fourier Transform (DFT) didefinisikan sebagai:
(2.4)
Dengan : n = indeks dalam domain waktu = 0, 1, ..., N-1,
m = indeks dalam domain frekuensi = 0, 1, ..., N-1
14
Descrete Fourier Transform (DFT) mengubah sinyal atau sistem dari kawasan waktu ke kawasan frekuensi. DFT yang dikenakan pada sinyal akan menghasilkan spektrum frekuensi yang terdiri dari spektrum magnitude dan spektrum fasa yang menunjukkan hubungan antara magnitude, fasa dengan frekuensi. Artinya kita dapat melihat komponen penyusun sinyal tersebut dari magnitude sinyal pada rentang frekuensi. Begitu juga dengan fasenya. Misalnya digunakan untuk analisis nada gitar akustik maka kita dapat melihat sebenarnya nada dari gitar akustik tersebut mempunyai magnitude besar pada frekuensi berapa saja yang menunjukkan dominan frekuensi dari suara nada tersebut. Gambar 2.12 menunjukan hasil spektrum frekuensi.
Gambar 2.12. Spektrum Frekuensi dari Gambar 2.11
2.8. HPS (Harmonic Product Spectrum)
HPS (Harmonic Product Spectrum) merupakan suatu metode yang berfungsi untuk melihat frekuensi dasar yang terdapat pada sinyal input. Secara matematis HPS dapat dirumuskan pada persamaan:
15
Dengan, Y(ω) adalah hasil perkalian spektrum sinyal, r adalah jumlah downsampling
yang digunakan, | X(ωr) | adalah spektrum sinyal. Metode tersebut dilakukan setelah sinyal input telah diubah dalam domain frekuensi menggunakan analisis spektrum dari nilai frekuensi[10].
Suatu nada memiliki tingkatan nada atau biasa disebut harmonik. Harmonik merupakan harmonisasi dari nada dasar atau harmonik pertama, sehingga setiap kelipatan dari nada dasar pertama merupakan harmonisasi nada dari nada dasar. Yang membedakan dari nada dasar dengan nada harmonik terdapat pada besar nilai frekuensi. Oleh karena itu, metode ini digunakan agar dapat diketahui frekuensi dasar dari nada tersebut. Gambar 2.13 menunjukan hasil proses Harmonic Product Spectrum dari perkalian spektrum frekuensi yang didapatkan.
16
BAB III
RANCANGAN PENELITIAN
3.1.
Sistem Pengenalan Nada Gitar Akustik Klasik
[image:35.595.84.519.198.613.2]Blok diagram sistem pengenalan nada alat gitar akustik diperlihatkan pada gambar 3.1.
Gambar 3.1. Diagram Blok Sistem Pengenalan Nada Gitar Akustik Klasik 3.1.1 Gitar Akustik Klasik
Gitar Akustik digunakan sebagai objek penelitian oleh penulis, gitar akustik klasik memiliki 8 nada yang akan dikenali yaitu do, re, mi, fa, sol, la, si, do’.
3.1.2 Mikrofon
Mikrofon berfungsi untuk menangkap suara dari gitar akustik klasik, kemudian menyalurkan pada laptop kemudian diproses untuk pengenalan nada.
3.1.3 Sound card
Sound card berfungsi mengubah sinyal analog dari mikrofon menjadi sinyal digital.
Sound card yang digunakan adalah sound card yang sudah terpasang pada motherboard.
17
3.1.4 Proses Perekaman
Proses perekaman adalah proses masuknya data nada terekam berupa sinyal digital. Saat proses perekaman berlangsung sinyal analog dikonversi menjadi sinyal digital dengan frekuensi sampling. Sinyal digital kemudian disimpan dan digambarkan dalam sebuah plot. Data nada yang telah disimpan disebut nada terekam dan kemudian dapat diproses untuk dikenali lewat proses pengenalan nada.
3.1.5 Proses Pengenalan Nada
[image:36.595.84.520.229.635.2]Proses ini untuk mengetahui nada apa yang direkam. Gambar 3.2 berikut merupakan diagram proses pengenalan nada :
Gambar 3.2. Diagram Blok Proses Pengenalan Nada Gitar Akustik Klasik 1. Masukan
Masukannya adalah hasil dari sampling nada gitar akustik yang direkam langsung (real time) menggunakan mikrofon. Hasilnya dalam bentuk wav.
2. Preprocessing
Preprocessing merupakan proses awal yang berfungsi untuk menyetarakan sinyal masukan. Preprocessing terdiri dari:
a. Normalisasi
18
b. Pemotongan Awal
Proses pemotongan bertujuan untuk menghilangkan efek noise atau suara lain yang ikut terekam pada saat proses perekaman. Sinyal yang dipotong adalah sinyal bagian
silence dan bagian transisi yang terdapat di bagian awal/depan sinyal nada terekam. c. Frame Blocking
Proses frame blocking untuk memilih data dari nada terekam. Data yang dipilih dapat mewakili semua nada yang terekam.
d. Windowing
Data yang telah dinormalisasikan akan melalui proses windowing. Windowing ini berfungsi untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal. Dalam penelitian ini menggunakan Hamming Window.
3. DFT dan Spektrum Frekuensi
Pada pengenalan nada alat musik gitar akustik klasik ini nilai DFT sama dengan nilai
frame blocking. Proses ini untuk membangkitkan spektrum frekuensi. Pada tahap ini frekuensi nada yang dimainkan belum tentu dapat diketahui sehingga perlu dilakukan proses HPS.
4. Harmonic Product Spectrum (HPS)
Proses ini dilakukan setelah nilai dari spektrum frekuensi sudah diketahui. Proses HPS ini digunakan untuk mengalikan nilai spektrum frekuensi yang didapatkan, hal ini bertujuan untuk menghilangkan sinyal harmonik pada frekuensi.
5. Penentuan Frekuensi
Proses ini untuk menentukan frekuensi dari nada gitar akustik klasik yang dimainkan. Pada dasarnya nilai frekuensi dapat diketahui dengan lebih presisi setelah proses HPS. 6. Penentuan Nada
Setelah mengetahui nilai frekuensi yang dihasilkan, maka dapat diketahui nada keluarannya. Penentuan nada ini didalam prosesnya menggunakan look up table.
7. Keluaran (Teks)
19
3.1.6 Keluaran : Teks
Keluaran akhir untuk pengenalan nada ini berupa teks nada yang dikenali dan teks “Nada
Error” jika nada tidak dikenali.
3.2.
Look Up Table
Dalam perancangan pengenalan nada gitar akustik klasik ini, menggunakan look up table pada proses penentuan nadanya. Untuk menentukan frekuensi pada look up table, penulis harus mencari frekuensi tengahnya terlebih dahulu kemudian menentukan range
frekuensi yang digunakan. Untuk memperoleh frekuensi tengah tersebut, penulis mengambil 5 sampel untuk masing-masing nada yang akan dikenali (do, re, mi, fa, sol, la,
si, do’) kemudian menentukan nilai rata-ratanya. Nilai rata-rata tersebut yang digunakan sebagai frekuensi tengah penentu range pada look up table. Pengambilan nada dilakukan melalui tahap perekaman. Setelah proses perekaman maka akan melalui preprocessing
yang terdiri dari proses normalisasi, pemotongan sinyal, frame blocking dan windowing. Setelah itu, menghitung dengan DFT dan penentuan spektrum setelah itu dilakukan proses HPS sehingga didapatkan plot Harmonic Product Spectrum. Prosesnya ditunjukkan pada gambar 3.3.
Gambar 3.3. Proses Penentuan Frekuensi Tengah untuk Look Up Table
3.3.
Nada Uji
Proses ini bertujuan untuk pencuplikan gelombang suara yang akan menghasilkan gelombang diskret termodulasi pulsa. Fungsi dari nada uji ialah untuk menjalankan program pengenalan suara nada gitar akustik klasik secara offline atau belum real-time.
[image:38.595.83.525.208.599.2]20
Gambar 3.4. Diagram Blok Proses Pengambilan Nada Uji
3.4.
Perancangan Tampilan Program GUI MATLAB
[image:39.595.86.526.214.746.2]Gambar 3.5 menunjukan tampilan proses program GUI Matlab dan tabel 3.1 memperlihatkan keterangan tampilan utama sistem.
Gambar 3.5. Tampilan Proses pada GUI MATLAB
Tabel 3.1. Keterangan Tampilan Utama Sistem
Nama Keterangan
Frame Blocking Berfungsi untuk memilih nilai frame
yang digunakan pada proses pengenalan nada, pilihannya berupa 64, 128, 256, 512 dan 1024.
Record Berfungsi untuk memulai proses
perekaman
End Berfungsi untuk mengakhiri program
Frame Blocking
End
Plot Perekaman Plot Harmonic Product Spectrum
Tampilan Teks Nada
21
3.5.
Perancangan Alur Program
[image:40.595.81.510.64.634.2]Diagram alir sistem pengenalan nada gitar akustik klasik ditujukan pada gambar 3.6.
Gambar 3.6. Diagram Alir Sistem Pengenalan Nada Gitar Akustik Klasik
Pada sistem pengenalan nada ini terdapat proses-proses yang perlu dilakukan. Bermula dari perekaman hingga hasil akhir yang akan memberikan tampilan teks untuk nada yang dimainkan.
Plot Perekaman Berfungsi untuk menampilkan grafik hasil rekaman nada
Plot Harmonic Product Spectrum
Berfungsi untuk menampilkan grafik spektrum frekuensi HPS
22
3.5.1
Rekam
Diagram alir sub rutin rekam ditujukan pada gambar 3.7.
[image:41.595.85.525.123.714.2]
Gambar 3.7. Diagram Alir Sub Rutin Rekam
Pada proses perekaman, proses pertama akan melewati sampling yang tujuannya untuk merekam nada gitar akustik klasik dengan nilai frekuensi sampling yang telah ditentukan yaitu 10000 Hz. Nilai untuk frekuensi sampling didapatkan berdasarkan rumus (2.1). Jadi semua sampel nada yang diambil dalam proses perekaman, melalui proses
sampling terlebih dahulu sebelum masuk ke tahap selanjutnya. Hasil keluaran untuk proses perekaman dalam bentuk wav.
3.5.2
Normalisasi
Diagram alir normalisasi ditujukan pada gambar 3.8.
23
Tujuan dari proses normalisasi adalah untuk menyetarakan amplitudo dari data sinyal nada terekam sehingga dapat terbentuk pada skala yang sama, agar kuat atau lemahnya suara nada yang dimainkan tidak terlalu memengaruhi proses pengenalan. Dalam proses normalisasi ini, nilai-nilai data masukan nada terekam dibagikan dengan nilai maksimal dari data itu sendiri sehingga didapatkan sinyal yang ternormalisasi untuk nada terekam.
3.5.3
Pemotongan Awal
[image:42.595.84.518.221.550.2]Diagram alir pemotongan awal ditujukan pada gambar 3.9.
Gambar 3.9. Diagram Alir Pemotongan Awal
24
3.5.4
Frame Blocking
[image:43.595.81.522.112.719.2]Diagram alir frame blocking ditujukan pada gambar 3.10.
Gambar 3.10. Diagram Alir Frame Blocking
Setelah proses pemotongan, maka proses selanjutnya yaitu frame blocking. Nilai
frame dipilih oleh user. Pilihan nilai-nilai frame blocking yang diberikan yaitu 64, 128, 256, 512, dan 1024. Nilai-nilai tersebut ditentukan sendiri secara objektif dan nilai-nilai tersebut juga telah digunakan pada penelitian-penelitian sebelumnya [3]. Dalam proses ini, data yang diambil mulai dari sinyal yang paling kiri dan akan diambil sepanjang nilai
frame yang telah dipilih oleh user sehingga dapat memudahkan dalam perhitungan dan analisa sinyal. Data yang diambil dapat mewakili data terekam. Data yang diambil tersebut merupakan keluaran untuk proses frame blocking.
3.5.5
Windowing
Windowing berfungsi untuk mengurangi efek diskontinuitas saat sinyal ditransformasikan ke domain frekuensi. Proses ini menggunakan hamming window. Penggunaan hamming window membuat hasil windowing akan lebih halus dalam menghilangkan efek diskontinuitas. Dalam prosesnya, masukan yaitu hasil normalisasi akhir dikalikan dengan windowing hamming sehingga didapatkan hasil untuk proses
25
Gambar 3.11. Diagram Alir Windowing
3.5.6
DFT dan Spektrum Frekuensi
Diagram alir DFT dan spektrum frekuensi ditujukan pada gambar 3.12.
Gambar 3.12. Diagram Alir DFT dan Spektrum Frekuensi
26
3.5.7
Harmonic Product Spectrum
[image:45.595.83.523.122.757.2]Diagram alir Harmonic Product Spectrum ditujukan pada gambar 3.13.
Gambar 3.13. Diagram Alir Harmonic Product Spectrum
Proses selanjutnya setelah mencari spektrum frekuensi, dilakukan proses Harmonic Product Spectrum (HPS) untuk mendapatkan hasil sinyal yang bebas dari harmonik dan sinyal yang sebenarnya, yaitu dengan cara mengalikan nilai hasil spektrum frekuensi yang ada, lalu dilakukan proses down sampling sebanyak dua kali hingga didapatkan hasil sinyal yang bebas dari harmonik dan frekuensi sinyal sebenarnya dari nada gitar, yang kemudian hasil dari HPS ini diteruskan kedalam proses penentuan frekuensi.
3.5.8
Penentuan Frekuensi
27
Gambar 3.14. Diagram Alir Penentuan Frekuensi
Dalam proses penentuan frekuensi ini adalah dengan melihat hasil dari perkalian spektrum frekuensi menggunakan metode HPS, sehinggga hasil dari perkalian frekuensi yang didapatkan kemudian dijadikan hasil untuk menentukan masuk range nada yang mana dari hasil frekuensi yang didapatkan dalam proses penentuan frekuensi ini. Dari frekuensi tersebut, dapat ditentukan hasil keluaran teks untuk nada gitar akustik klasik.
3.5.9
Penentuan Teks Nada
[image:46.595.86.543.234.621.2]Diagram alir penentuan teks nada ditujukan pada gambar 3.15.
Gambar 3.15. Diagram Alir Proses Penentuan Teks Nada
masing-28
masing nada. Pada gambar diagram alir proses penentuan nada diatas menyertakan keterangan bb sebagai batas bawah dan bt sebagai batas atas.
[image:47.595.84.525.194.630.2]Demikian ditujukan pada tabel 3.2 yang merupakan nilai frekuensi gitar akustik yang mengacu pada Tabel 2.1.
Tabel 3.2 Frekuensi Look Up Table untuk penentuan nada No. Nada Gitar
Akustik Fret Senar Frekuensi
1. Do 3 5 Do_bb ≤ 130,81≤ Do_bt
2. Re 0 4 Re_bb ≤ 146,83≤ Re_bt
3. Mi 2 4 Mi_bb ≤ 164,81≤ Mi_bt
4. Fa 3 4 Fa_bb ≤ 174,61≤ Fa_bt
5. Sol 0 3 Sol_bb ≤ 196,00≤ Sol_bt
6. La 2 3 La_bb ≤ 220,00≤ La_bt
7. Si 0 2 Si_bb ≤ 246,94≤ Si_bt
8. Dot (do tinggi) 1 2 Dot_bb ≤ 261,63≤ Dot_bt
3.5.10
Keluaran (Teks)
29
BAB IV
HASIL DAN PEMBAHASAN
Program yang telah dibuat, akan diuji terlebih dahulu untuk mengetahui cara kerjanya apakah sudah sesuai dengan perancangan. Data yang diperoleh dari pengujian ini memperlihatkan cara kerja dari program yang telah dibuat, dan dari data tersebut dapat dianalisa cara kerjanya. Setelah dianalisa maka dapat ditarik kesimpulan untuk sistem ini.
4.1.
Pengujian Program Pengenalan Nada Gitar Akustik Klasik dengan
Menggunakan Harmonic Product Spectrum
Pengujian program dilakukan untuk mengetahui cara kerjanya apakah sudah sesuai dengan perancangan. Pembuatan program dengan software MATLAB 7.14.0.739 (R2012a). Pengujian program menggunakan komputer dengan spesifikasi sebagai berikut :
CPU : Intel® CoreTM i3-4030U CPU @(1.90GHz, 1.90GHz)
RAM : 2 GB
Berikut langkah-langkah untuk menjalankan program pengenalan nada gitar akustik klasik:
[image:48.595.83.537.284.727.2]1. Tampilan utama yang terlihat setelah melakukan langkah 1 seperti pada gambar 4.1.
30
2. Sesuaikan Current Directory dengan tempat penyimpanan program yang telah dibuat agar dapat dilakukan langkah selanjutnya
[image:49.595.87.562.118.652.2]3. Kemudian ketik perintah gitarku dalam command window dan akan muncul seperti Gambar 4.2.
Gambar 4.2. Tampilan Program Pengenalan Nada Gitar Akustik
4. User memilih panjang nilai frame blocking yang akan digunakan dalam proses pengenalan nada.
5. Setelah memilih nilai frame blocking, program pengenalan dapat dijalankan dengan menekan tombol “Record”.
6. Selanjutnya hasil pengenalan nada akan muncul dalam kotak Static Text. User
dapat melihat plot hasil rekaman nada pada kotak Axes 1, plot hasil Harmonic Product Spectrum pada kotak Axes 2, dan teks hasil pengenalan nada pada kotak
static.
31
4.1.1
Pengenalan Nada
Untuk memulai pengenalan nada, user terlebih dahulu harus memilih panjang nilai
frame blocking. Setelah memilih panjang frame blocking maka user dapat memulai pengenalan nada dengan menekan tombol “Record”. Pada saat menekan tombol “Record”
maka program akan secara otomatis merekam suara nada. Setelah merekam, maka akan ditampilkan keluaran berupa plot perekaman suara, plot Harmonic Product Spectrum, dan hasil keluaran berupa teks sesuai nada yang dikenali. Untuk mengakhiri pengenalan, user
[image:50.595.90.534.212.614.2]dapat menekan tombol ”End”. Berikut merupakan contoh tampilan GUI Matlab yang dioperasikan dengan input 1 (La).
Gambar 4.3 Tampilan dari program GUI Matlab yang dioperasikan dengan input nada 1(La), dengan nilai frame blocking adalah 512
Pada tampilan program GUI Matlab terdapat 1 pop up menu, 2 push button, 2 axes
32
a. PopUp Menu
[image:51.595.87.525.154.598.2]Pada program ini, pop up menu digunakan untuk variasi nilai frame blocking yaitu 1024, 512, 256, 128, dan 64. Listing program untuk variasi nilai frame blocking adalah seperti pada Gambar 4.4.
Gambar 4.4 Program Variasi Nilai Frame Blocking
Nilai-nilai variasi frame blocking diinisialisasikan dengan nama frame kemudian diproses dengan perintah handles.
b. PushButton, Axes, dan Static Text
Dalam program ini menggunakan 2 Push Button, masing-masing untuk memulai dan mengakhiri program pengenalan nada yaitu tombol “Record” dan “End”. Saat user
menekan Push Button 4 atau tombol “Record” maka program akan berjalan otomatis, mulai dari merekam suara, kemudian menampilkan plot hasil rekam pada kotak axes 1, menampilkan plot spektrum pada kotak axes 2, dan menampilkan teks hasil pengenalan pada kotak static text. Saat user menekan Push Button 5 atau tombol “End” maka proses
pengenalan nada berhenti dan menutup program. Berikut listing program untuk proses perekaman suara dan untuk menampilkan plot sinyal perekaman seperti pada Gambar 4.5.
indeks=get(handles.popupmenu1,'Value');
switch indeks
case 1
frameb=1024;
case 2
frameb=512;
case 3
frameb=256;
case 4
frameb=128;
case 5
frameb=64;
end
handles.frame=frameb;
33
Gambar 4.5 Program Proses Perekaman Suara
Pada program perekaman suara, panjang sampel yang digunakan adalah 2 detik, karena proses perekaman membutuhkan waktu untuk mendapatkan sinyal data dan diberikan dengan frekuensi sampling sebesar 10kHz. Waktu sampelnya didapatkan dari panjang sampel dikalikan dengan frekuensi sampel. Untuk menyimpan nada yang direkam, perintah yang digunakan adalah wavrecord dan wavwrite, hasil plot perekaman tersebut ditampilkan pada kotak axes 1.
Listing program untuk menampilkan plot harmonic product spectrum, seperti pada gambar 4.6 berikut :
sample_length=2; % waktu dalam second
fs=10000; % frek sampling
sample_time=(sample_length*fs);
xin=wavrecord(sample_time, fs);
wavwrite(xin, fs, 's.wav');
axes(handles.axes1)
plot(xin);
xlabel('Data Tercuplik')
ylabel('Amplitudo')
bpt=0.25; % batas potong transisi
hfs=fs/2;
bps=0.3; % batas potong silence
fb=handles.frame;
% Normalisasi
y1=xin/max(abs(xin));
% Potong silence
y2=y1;
b1=find(abs(y2)>bps);
34
Gambar 4.6 Program Untuk Menampilkan Harmonic Product Spectrum
Dalam program untuk menampilkan plot harmonic product spectrum, proses pertama yang dilakukan adalah normalisasi untuk sinyal nada terekam yang ditampilkan pada kotak axes 1. Normalisasi dilakukan dengan cara membagi data masukan (data sinyal nada terekam) dengan nilai absolut data tersebut. Proses selanjutnya adalah pemotongan sinyal yang dilakukan sebanyak dua kali. Pemotongan yang pertama pada bagian silence
atau bagian awal sinyal yang tidak termasuk sinyal nada dan pemotongan kedua pada bagian transisi. Tujuan dari proses pemotongan adalah untuk menghilangkan sinyal yang tidak termasuk sinyal nada gitar akustik dan untuk mengurangi cacat sinyal akibat derau
% Potong transisi
y3=y2;
btrans=floor(bpt*length(y3));
y3(1:btrans)=[];
% Frame blocking
y4=y3(1:fb);
% Normalisasi
y5=y4/max(abs(y1));
% Windowing
h=hamming(fb);
y6=y5.*h;
% DFT
y7=abs(fft(y6,fs));
y7=y7(1:hfs);
% HPS
y8=y7(1:2:hfs); % Downsampling
y8(hfs)=0; % Zero padding
y9=y7.*y8; % Perkalian elemen
axes(handles.axes2)
bar(y9);
xlabel('Frekuensi')
35
ruangan yang ikut terekam. Pada pemotongan sinyal silence, b1 diinisialisasikan sebagai data yang tingginya lebih besar dari 0,3 dan lebih kecil dari (-0,3). Data yang tidak memenuhi syarat b1 merupakan sinyal silence sehingga sinyal tersebut dihilangkan. Pada pemotongan sinyal transisi, bpt diinisialisasikan sebagai ¼ bagian sinyal yang terdapat di bagian awal. Sinyal tersebut dihilangkan untuk mendapatkan sinyal yang benar-benar sinyal suara nada gitar akustik. Proses selanjutnya adalah frame blocking yang tujuannya untuk mengambil sebagian data sesuai panjang nilai frame blocking yang dipilih oleh user.
Data yang diambil tersebut untuk mewakili seluruh data yang terekam. Selanjutnya akan melalui proses windowing untuk menghilangkan diskontinuitas yang diakibatkan oleh proses frame blocking. Proses windowing ini menggunakan Hamming Window. Dalam prosesnya, hasil normalisasi dikalikan dengan hamming. Setelah proses windowing, selanjutnya adalah perhitungan dengan DFT, perhitungan ini untuk membangkitkan spektrum yang kemudian akan dianalisis untuk mengetahui nada yang dimainkan oleh
user. Kemudian setelah itu dilakukan perkalian elemen frekuensi dengan menggunakan
Harmonic Product Spectrum sehingga dapat diketahui pasti letak frekuensi sebenarnya dari nada gitar akustik.
Listing program untuk menampilkan hasil teks nada keluaran ditampilkan pada gambar 4.7 berikut:
% Frekuensi keluaran
fout=find(y9==max(y9))-1; %mencari frekuensi dengan
amplitudo tertinggi
% Penentuan keluaran text
if fout>=126 && fout<=136
nadaout='do';
elseif fout>=141 && fout<=151
nadaout='re';
elseif fout>=160 && fout<=170
nadaout='mi';
elseif fout>=170 && fout<=180
36
Gambar 4.7 Program Untuk Menampilkan Teks keluaran Nada
Dari hasil perkalian spektrum dengan menggunakan Harmonic Product Spectrum
tersebut, kemudian dicari nilai frekuensi keluarannya dengan melihat amplitude tertinggi nada tersebut. Hasil dari frekuensi keluaran tersebut didapat dari hasil Look Up Table [L3]. Jika nada tersebut tidak termasuk nada gitar akustik maka keluarannya “nada error” dikarenakan frekuensi yang didapatkan dari senar gitar yang dipetik berbeda dengan nilai frekuensi yang telah ditetapkan didalam program sehingga program akan berhenti, tetapi jika keluaran nada tersebut menghasilkan frekuensi yang mencakup salah satu range
frekuensi nada gitar yang telah ditetapkan maka pada penampil teks nada akan tercantum teks nada yang sesuai dengan frekuensi yang dihasilkan tersebut.
Program untuk tombol “End” atau untuk mengakhiri pengenalan nada seperti pada gambar 4.8 berikut:
elseif fout>=192 && fout<=202
nadaout='sol';
elseif fout>=216 && fout<=226
nadaout='la';
elseif fout>=242 && fout<=252
nadaout='si';
elseif fout>=257 && fout<=267
nadaout='dot';
else
nadaout='Nada Error';
end
% Perhitungan benar
% if nadaout==nadain
% yout=1;
% else
% yout=0;
% end
hasilout=nadaout
37
Gambar 4.8 Program Untuk Mengakhiri Pengenalan Nada
4.2.
Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat
Pengenalan Nada Gitar Akustik
Untuk pengujian program pengenalan nada gitar akustik, tahapan pengujian yang dilakukan adalah pada parameter pengenalan nada yaitu nilai frame blocking dan DFT yang digunakan dalam program. Tujuannya adalah untuk mencari nilai perameter yang menghasilkan tingkat pengenalan (recognition rate) yang paling baik.
4.2.1
Pengujian Parameter Pengenalan Nada
[image:56.595.83.531.261.681.2]Pada pengujian ini, penulis mencoba program pengenalan nada gitar akustik menggunakan seluruh nilai pilihan frame blocking yaitu 1024, 512, 256, 128, dan 64. Penulis mengambil data sebanyak 5 kali masing-masing nada tiap nilai frame blocking. Tujuan dari pengujian ini adalah untuk mencari nilai perameter yang menghasilkan tingkat pengenalan (recognition rate) yang paling baik.
Tabel 4.1. Pengujian nada dengan nilai frame blocking 1024 Input
Output
Tingkat Pengenalan
Do Re Mi Fa Sol La Si Do’ Error
Do 2 0 0 0 0 0 0 0 3 40%
Re 0 2 2 0 0 0 0 0 3 40%
Mi 0 0 0 0 0 0 0 0 5 0%
Fa 0 0 0 0 0 0 0 0 5 0%
Sol 0 0 0 0 0 0 3 0 5 0%
La 1 2 0 0 0 0 0 0 5 0%
Si 0 1 0 0 0 0 0 0 5 0%
Dot 0 3 1 1 0 0 0 0 5 0%
38
Tabel 4.2. Pengujian nada dengan nilai frame blocking 512 Input
Output
Tingkat Pengenalan
Do Re Mi Fa Sol La Si Do’ Error
Do 5 0 0 0 0 0 0 0 0 100%
Re 0 5 0 0 0 0 0 0 0 100%
Mi 0 0 5 0 0 0 0 0 0 100%
Fa 0 0 0 0 0 0 0 0 5 0%
Sol 0 0 0 0 0 0 0 0 5 0%
La 0 0 0 0 0 5 0 0 0 100%
Si 0 0 0 0 0 0 5 0 0 100%
Dot 0 0 0 0 0 0 0 5 0 100%
Tabel 4.3. Pengujian nada dengan nilai frame blocking 256 Input
Output
Tingkat Pengenalan
Do Re Mi Fa Sol La Si Do’ Error
Do 5 0 0 0 0 0 0 0 0 100%
Re 0 5 0 0 0 0 0 0 0 100%
Mi 0 0 5 0 0 0 0 0 0 100%
Fa 0 0 0 5 0 0 0 0 0 100%
Sol 0 0 0 0 5 0 0 0 0 100%
La 0 0 0 0 0 5 0 0 0 100%
Si 0 0 0 0 0 0 5 0 0 100%
39
Tabel 4.4. Pengujian nada dengan nilai frame blocking 128 Input
Output
Tingkat Pengenalan
Do Re Mi Fa Sol La Si Do’ Error
Do 5 0 0 0 0 0 0 0 0 100%
Re 0 5 0 0 0 0 0 0 0 100%
Mi 0 0 5 0 0 0 0 0 0 100%
Fa 0 0 0 5 0 0 0 0 0 100%
Sol 0 0 0 0 5 0 0 0 0 100%
La 0 0 0 0 0 5 0 0 0 100%
Si 0 0 0 0 0 0 5 0 0 100%
Dot 0 0 0 0 0 0 0 5 0 100%
Tabel 4.5. Pengujian nada dengan nilai frame blocking 64 Input
Output Tingkat
Pengenalan
Do Re Mi Fa Sol La Si Do’ Error
Do 5 0 0 0 0 0 0 0 0 100%
Re 0 5 0 0 0 0 0 0 0 100%
Mi 0 0 5 0 0 0 0 0 0 100%
Fa 0 0 0 5 0 0 0 0 0 100%
Sol 0 0 0 0 5 0 0 0 0 100%
La 0 0 0 0 0 5 0 0 0 100%
Si 0 0 0 0 0 0 5 0 0 100%
Dot 0 0 0 0 0 0 0 5 0 100%
Dari tabel-tabel data hasil percobaan dapat dicari persen pengenalan melalui pehitungan dari masing-masing panjang nilai frame blocking dan dapat dibuat grafik dari pengaruh panjang DFT terhadap tingkat pengenalan. Untuk mendapatkan tingkat persen pengenalan dari percobaan tersebut digunakan rumus [3]:
Tingkat pengenalan = ∑
40
Ket : ∑ = jumlah nada gitar akustik yang dikenali dan benar. Perhitungan tingkat pengenalan dari :
a. Panjang frame blocking = 1024 Tingkat pengenalan = ∑
=
= b. Panjang frame blocking = 512
Tingkat pengenalan = ∑ =
= 75%
c. Panjang frame blocking = 256 Tingkat pengenalan = ∑
= = 100%
d. Panjang frame blocking = 128 Tingkat pengenalan = ∑
=
= e. Panjang frame blocking = 64
Tingkat pengenalan = ∑ =
41
Tabel 4.6. Pengaruh panjang frame blocking terhadap tingkat pengenalan
Gambar 4.9. Grafik Pengaruh Panjang Frame Blocking terhadap Tingkat pengenalan Nada
Dapat dilihat dari tabel dan grafik hasil percobaan, menunjukkan bahwa nada gitar akustik klasik dapat optimal dikenali hingga 100% pada saat frame blocking yang semakin kecil yaitu mulai dari frame blocking 256, 128 dan 64. Hasil ini didapatkan karena dalam proses HPS, hasil frekuensi yang sudah di down sampling akan memisahkan antara frekuensi fundamental nada gitar dengan frekuensi harmonis yang dihasilkan. Sehingga dapat dideteksi dengan baik dalam rentang frame blocking yang kecil. Tetapi pada rentang
frame blocking yang panjang frekuensi fundamental nada cenderung tidak terdeteksi dengan baik, sehingga pemilihan frame blocking yang kecil akan memaksimalkan pengenalan nada gitar tersebut.
0 20 40 60 80 100 120
64 128 256 512 1024
T ing k a t P eng ena la n ( %)
Panjang Frame Blocking
Pengaruh Panjang Frame Blocking Terhadap Tingkat Pengenalan Nada
Panjang frame
blocking Tingkat pengenalan (%)
1024 10
512 75
256 100
128 100
42
4.2.2
Pengujian Parameter Pengenalan Nada Tanpa Harmonic Product
Spectrum
[image:61.595.85.530.154.744.2]Pada pengujian ini, penulis mencoba program pengenalan nada gitar akustik menggunakan seluruh nilai pilihan frame blocking yaitu 1024, 512, 256, 128, dan 64 tanpa menggunakan Harmonic Product Spectrum. Penulis mengambil data sebanyak 5 kali masing-masing nada tiap nilai frame blocking. Tujuan dari pengujian ini adalah untuk mencari perbedaan antara program yang menggunakan HPS dengan yang tidak menggunakan HPS untuk mengetahui hasil tingkat pengenalan (recognition rate) yang paling baik.
Tabel 4.7. Pengujian nada dengan nilai frame blocking 1024 Input
Output
Tingkat Pengenalan
Do Re Mi Fa Sol La Si Dot Error
Do 0 0 3 0 0 0 0 0 5 0%
Re 0 0 0 0 0 1 0 0 5 0%
Mi 0 1 1 0 2 0 0 0 4 20%
Fa 0 0 1 1 1 0 0 0 4 20%
Sol 0 0 0 0 0 0 0 0 5 0%
La 0 0 0 0 0 1 0 0 4 20%
Si 0 0 0 0 0 0 0 0 5 0%
