Pengenalan nada barung pelog menggunakan Windowing Koefisien DFT dan jarak Squared Chord.

INTISARI

Seni musik merupakan suatu seni hiburan yang sudah melekat di masyarakat. Salah satu seni musik yang masih tetap lestari sampai sekarang adalah seni musik tradisional jawa. Seni musik tradisional jawa berupa kerawitan atau gamelan. Alat gamelan yang paling khas dan menonjol bunyinya adalah saron barung. Tidak banyak orang yang bisa memainkan alat tersebut atau tidak hafal dengan nada nadanya. Oleh karena itu diperlukan sistem untuk mengenali nada alat musik gamelan tersebut. Alat gamelan yang digunakan untuk sistem pengenalan nada ini yaitu saron jenis Barung pelog.

Sistem pengenalan ini membutuhkan Barung Pelog sebagai masukan nada, microphone, untuk merekam nada dari Barung Pelog dan laptop untuk memproses. Sistem pengenalan nada ini melalui beberapa proses meliputi merekam, memanggilnya kembali pada input nada, normalisasi, pemotongan sinyal, frame blocking, windowing, ekstraksi ciri, fungsi jarak, dan penentuan nada.

Sistem pengenalan nada menggunakan ekstraksi ciri DFT, windowing hamming, fungsi jarak Squared Chord. Tampilan program meliputi hasil nada yang di input, ekstraksi ciri DFT, Windowing Koefisien serta tampilan hasil pengenalan (teks). Parameter optimal untuk tingkat pengenalan nada secara 100% dengan menggunakan nilai semua DFT, dan windowing koefisien 50%. Sistem pengenalan nada hanya mengenali nada 1(siji), 2(loro), 3(telu), 4 (papat), 5 (limo), 6 (enem), dan 7 (pitu).

ABSTRACT

Musical arts is a entertainment already fused in the community. One of the music are still used until now is the traditional music java. Musical arts javanese traditional is kerawitan or gamelan. Instrument gamelan have a characteristic sound is plain of saron barung. Not many people who can play this instrument or not has with the tone of voice. Because of that is required system to recognize tone a musical instrument the gamelan. Instrument gamelan applied to a system the introduction of tone is plain of sharon kind of barung pelog

Knowing system need Barung Pelog to input tune, microphone to record tunes from Barung pelog and laptop to processing. This knowing tune system through some process there are recording, normalization, signal cutting, frame blocking, windowing, feature ectraction DFT, range function , tune fixed.

Knowing system use extract feature DFT, windowing Hamming, range function and Squaredchord. Feature program include product of input tune, spektrum extraction feature DFT, and feature output knowing (text). Parameter optimum to increase tune knowing on 100% with use of all DFT and windowing coefficient 50%. Knowing tune ststem just recognize 1(siji), 2(loro), 3(telu), 4(papat), 5(limo), 6(enam) and 7(pitu)’.

i

TUGAS AKHIR

PENGENALAN NADA BARUNG PELOG

MENGGUNAKAN WINDOWING KOEFISIEN DFT

DAN JARAK SQUARED CHORD

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Elektro

Oleh :

MAULANA AKBAR TOBING

NIM : 105114022

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

ii

FINAL PROJECT

BARUNG PELOG VOICE RECORDNITION

USING WINDOWING KOEFISIEN DFT

AND SQUARED CHORD DISTANCE

Presented As Partial Fulfillment Of The Requirement

To Obtain The Sarjana Teknik Degree

In Electrical Engineering Study Program

MAULANA AKBAR TOBING

NIM : 105114022

ELECTRICAL ENGINEERING STUDY PROGRAM

SCIENCE AND TECHNOLOGY FACULTY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

vi

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

MOTTO

Berimajinatif Berkreatif

Persembahan

Karya ini ku persembahakan untuk

Allah SWT yang selalu setia bersamaku,

Keluargaku bapak ibu adek dan nenek yang selalu ada

untuk selalu member ikan doa dan motivasi yang terbaik,

Keluarga baruku pacar dan mantan yang tak bosan memberikan motivasi

Teman- teman seperjuangan Teknik Elektro 2010 yang selalu membantu saat

mendapatkan kesulitan,

viii

INTISARI

Seni musik merupakan suatu seni hiburan yang sudah melekat di masyarakat. Salah satu seni musik yang masih tetap lestari sampai sekarang adalah seni musik tradisional jawa. Seni musik tradisional jawa berupa kerawitan atau gamelan. Alat gamelan yang paling khas dan menonjol bunyinya adalah saron barung. Tidak banyak orang yang bisa memainkan alat tersebut atau tidak hafal dengan nada nadanya. Oleh karena itu diperlukan sistem untuk mengenali nada alat musik gamelan tersebut. Alat gamelan yang digunakan untuk sistem pengenalan nada ini yaitu saron jenis Barung pelog.

Sistem pengenalan ini membutuhkan Barung Pelog sebagai masukan nada, microphone, untuk merekam nada dari Barung Pelog dan laptop untuk memproses. Sistem pengenalan nada ini melalui beberapa proses meliputi merekam, memanggilnya kembali pada input nada, normalisasi, pemotongan sinyal, frame blocking, windowing, ekstraksi ciri, fungsi jarak, dan penentuan nada.

Sistem pengenalan nada menggunakan ekstraksi ciri DFT, windowing hamming, fungsi jarak Squared Chord. Tampilan program meliputi hasil nada yang di input, ekstraksi ciri DFT, Windowing Koefisien serta tampilan hasil pengenalan (teks). Parameter optimal untuk tingkat pengenalan nada secara 100% dengan menggunakan nilai semua DFT, dan windowing koefisien 50%. Sistem pengenalan nada hanya mengenali nada 1(siji), 2(loro), 3(telu), 4 (papat), 5 (limo), 6 (enem), dan 7 (pitu).

ix

ABSTRACT

Musical arts is a entertainment already fused in the community. One of the music are still used until now is the traditional music java. Musical arts javanese traditional is kerawitan or gamelan. Instrument gamelan have a characteristic sound is plain of saron barung. Not many people who can play this instrument or not has with the tone of voice. Because of that is required system to recognize tone a musical instrument the gamelan. Instrument gamelan applied to a system the introduction of tone is plain of sharon kind of barung pelog

Knowing system need Barung Pelog to input tune, microphone to record tunes from Barung pelog and laptop to processing. This knowing tune system through some process there are recording, normalization, signal cutting, frame blocking, windowing, feature ectraction DFT, range function , tune fixed.

Knowing system use extract feature DFT, windowing Hamming, range function and Squaredchord. Feature program include product of input tune, spektrum extraction feature DFT, and feature output knowing (text). Parameter optimum to increase tune knowing on 100% with use of all DFT and windowing coefficient 50%. Knowing tune ststem just recognize 1(siji), 2(loro), 3(telu), 4(papat), 5(limo), 6(enam) and 7(pitu)’.

x

KATA PENGANTAR

Puji dan Syukur kepada Allah SWT karena telah memberikan Berkah-Nya

sehingga penulis dapat menyelesaikan laporan tugas akhir dengan baik, dan dapat

memperoleh gelar sarjana.

Dalam penulisan tugas akhir ini, penulis menyadari bahwa tidak lepas dari seluruh

bantuan dan bimbingan dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis

mengucapkan banyak terimakasih kepada:

1. Allah SWT atas berkah dan anugerah-Nya kepada penulis

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 yang dengan tenang dan penuh

kesabaran untuk membimbing dalam menyelesaikan penulisan Tugas Akhir ini.

5. Dr. Iswanjono, Wiwien Widyastuti, S.T., M.T., selaku dosen penguji yang telah

memberikan bimbingan, saran, dan merevisi Tugas Akhir ini.

6. Orang tua bapak dan ibu, H.Sugiyanto dan H.Wahyu Hidayah, atas semua

perhatian, dukungan dan doanya kepada penulis.

7. Adik dan nenek, Saqina Eva Maulina dan H.Marsinatun yang selalu memberikan

doa dan mendoakan.

8. Roisyah Sofaningrum dan Farida Afif yang memberi motivasi semangat dan doa.

9. Blasius Air Dahsyat Pamungkas, Rendi Pradhana, Yohanes Robby Setiawan, Rake

Selferian, Widi Eko Wardoyo, Ignasius Agung Nugroho, Vitrali Demastok yang

memberi masukan, dan membantu dalam penulisan Tugas Akhir ini.

10.Segenap staff secretariat, dan laboran Teknik Elektro yang telah memberikan

dukungan secara tidak langung dalam kelancaran tulisan tugas Akhir ini.

11.Teman- teman Teknik Elektro 2010 yang telah memberikan semangat pada saat

menempuh pendidikan di Universitas Sanata Dharma.

12.Semua Pihak yang tidak bisa disebutkan satu persatu yang telah banyak

mendukung, dan memberikan banyak bantuan dalam menyelesaikan Tugas Akhir

xii

DAFTAR ISI

HALAMAN JUDUL ... i

HALAMAN PERSETUJUAN ...iii

HALAMAN PENGESAHAN ... iv

PERNYATAAN KEASLIAN KARYA ... v

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP ... vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS ... vii

INTISARI ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI ... xii

DAFTAR GAMBAR ... xvi

DAFTAR TABEL ... xvii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Tujuan dan Manfaat Penelitian ... 2

1.3 Batasan Masalah ... 2

1.4 Metodologi Penelitian ... 3

BAB II DASAR TEORI ... 4

2.1 Alat Musik Barung Pelog ... 4

2.2 Frekuensi Dasar ... 5

2.3 Sampling ... 5

2.4 Frame Blocking ... 6

xiii

2.6 Discrate Fourier Transform (DFT) ... 7

2.7 Fungsi Jarak Squared Chord ... 8

2.8 Metode Template Matching ... 8

2.9. Sound Card ... 9

2.10. Mikrofon ... 9

2.11. Matlab ... 10

BAB III PERANCANGAN ... 12

3.1. Sistem Pengenalan Nada Alat Musik Barung Pelog ... 12

3.1.1 Input Nada ... 12

3.1.2 Normalisasi ... 13

3.1.3 Frame Blocking ... 13

3.1.4 Windowing ... 13

3.1.5 Discrete Fourier Transform (DFT) ... 13

3.1.6 Windowing Koefisien ... 13

3.1.7 Fungsi Jarak ... 14

3.1.8 Penentuan Nada ... 14

3.1.9 Hasil Tampilan Pengenalan ... 14

3.2 Perancangan Nada Referensi ... 14

3.3 Perancangan Program Pada GUI Matlab ... 15

3.4 Perancangan Diagram Blok ... 17

3.4.1 Proses Perekaman ... 17

3.4.2 Proses Pengenalan Nada Barung Pelog ... 17

3.4.3 Proses Normalisasi ... 19

3.4.4 Pemotongan Sinyal ... 20

3.4.5 Proses Frame Blocking ... 21

3.4.6 Proses Hamming Windowing ... 22

xiv

3.4.8 Proses Windowing Koefisien DFT ... 24

3.4.9 Proses Fungsi Jarak Squared Chord ... 25

3.5 Perancangan Subsistem Program ... 26

3.5.1 Subsistem Sampling ... 27

3.5.2 Subsistem Pengenalan Nada ... 27

BAB IV HASIL DAN PEMBAHASAN ... 28

4.1. Pengujian Program Pengenalan Nada Barung Pelog menggunakan Windowing Koefisien DFT dan Jarak Squared Chord ... 28

4.1.1 Pengenalan Nada ... 30

4.2. Hasil Pengujian Program Pengenalan Nada Terhadap Terhadap Tingkat Pengenalan Nada Barung Pelog ... 37

4.2.1 Pengujian untuk Menentukan Batasan Nilai Jarak yang Optimal ... 37

4.2.2 Pengujian Pengaturan Pengenalan Nada ... 38

4.2.2 Pengujian dengan Masukan Nada Gamelan Peking ... 40

BAB V KESIMPULAN DAN SARAN ... 42

5.1 Kesimpulan ... 42

5.2 Saran ... 42

DAFTAR PUSTAKA... 43

LAMPIRAN

xv

LAMPIRAN Tabel Tingkat Pengenalan ... L 19

DAFTAR GAMBAR

Gambar 2.1 Barung Pelog dan Alat Tabuh ...

Gambar 2.2 Frame Blocking ...

Gambar 2.4 Sound Card ...

Gambar 2.5 Tampilan awal Matlab ...

Gambar 3.1 Diagram blok Pengenalan Nada Barung Pelog ...

Gambar 3.2 Diagram Blok Proses Pengenalan Nada Referensi ...

Gambar 3.3 Tampilan Utama Program ...

Gambar 3.4 Diagram Alir Proses rekam ...

Gambar 3.5 Diagram Blok Keseluruhan ...

Gambar 3.6 Diagram Alir Proses Normalisasi ...

Gambar 3.7 Diagram Alir Proses Pemotongan Sinyal ...

Gambar 3.8 Diagram Alir Proses Frame Blocking ...

Gambar 3.9 Diagram Alir Proses Windowing Hamming ...

Gambar 3.10 Diagram Alir Proses DFT ...

Gambar 3.11 Diagram Alir Proses Windowing Koefisien ...

Gambar 3.12 Diagram Alir Proses Fungsi Jarak Squared Chord...

Gambar 3.13 Diagram Alir Proses Penentuan Nada...

Gambar 4.1 Ikon Matlab 7.0.4 ...

Gambar 4.2 Tampilan Matlab ...

Gambar 4.3 Tampilan Program Pengenalan Nada Barung Pelog...

Gambar 4.4 Tampilan Hasil Pengenalan ...

Gambar 4.5 Grafik Tingkat Pengenalan ...

xvi

DAFTAR TABEL

Tabel 2.1 Frekuensi Dasar Gamelan Jenis Pelog ...

Tabel 3.1 Keterangan Tampilan Progrm ...

Tabel 4.1 Jarak Minimum pada Percobaan...

Tabel 4.2 Hasil Pengenalan DFT ...

1

BAB I

PENDAHULUAN

1.1.

Latar Belakang

Seni musik merupakan suatu seni hiburan yang sudah melekat di masyarakat dari

jaman kerajaan dahulu sampai jaman sekarang. Salah satu seni musik yang masih tetap

lestari sampai sekarang adalah seni musik tradisional jawa. Seni musik tradisional jawa

berupa kerawitan atau gamelan.

Dari sekian banyak alat kerawitan atau gamelan terdapat jenis alat yaitu saron.

Saron tersebut terbagi menjadi tiga bagian yaitu saron demung, saron barung, saron

panerus. Dalam penulisan ini penulis mengambil alat saron barung. Barung sendiri

dibedakan menjadi dua lagi yaitu barung slendro dan barung pelog. Slendro memiliki lima

nada per oktaf, yaitu 6-1-2-3-5-6-1 dengan rentang nada yang sangat kecil. Sedangkan pelog memiliki tujuh nada per oktaf, yaitu 1-2-3-4-5-6-7 dengan rentang nada yang besar.

Tidak banyak orang yang bisa memainkan alat-alat gamelan tersebut. Terkadang

mereka tidak mengetahui nada yang sedang mereka mainkan atau tidak hafal dengan nada

gamelan. Diperlukan sebuah sistem yang dapat membantu untuk mengenali nada-nada dari

alat musik yang dimainkan. Sistem ini dapat juga membantu seorang pelaras saat

melakukan penyetelan nada alat musik gamelan. Sistem ini juga dapat berfungsi sebagai

pengenalan nada kepada anak kecil. Anak kecil perlu untuk mengenal tentang musik sejak

dini karena merangsang perkembangan otak. Pengenalan musik tradisional dari dini dapat

pula menjaga kelestarian budaya yang dimiliki Indonesia.

Untuk itu penulis merancang dan membuat program komputer yang dapat

melakukan pengenalan nada alat musik dengan membandingkan frekuensi dasar

gelombang bunyi alat musik menggunakan metode squared chord. Kemudian

mencocokkan frekuensi dasar tersebut dengan frekuensi dasar nada dari nada referensi atau

yang di sebut database . Dengan demikian jenis nada alat musik dapat diketahui secara

pasti untuk melakukan pengenalan nada musik tersebut. Penulis membuat rancangan

program yang berfungsi untuk mengenali nada pada gamelan khususnya barung pelog.

Pemrograman sistem ini menggunakan software Matlab dan program interface user

Sebelumnya sudah ada yang melakukan penelitian pengenalan nada. Penelitian

yang sudah pernah dilakukan adalah “Pengenalan Nada gamelan kenong secara real time

Menggunakan Fungsi Jarak Chebyshev” yang dilakukan oleh Yogi isworo walasakti[1].

Peneliti memilih metode ini untuk mengembangkan tentang pengenalan nada alat musik

gamelan dan metode ekstraksi ciri yang berbeda.

1.2.

Tujuan dan Manfaat Penelitian

Tujuan dari penulisan tugas akhir ini adalah menghasilkan sistem pengenalan nada

suara pada alat musik barung pelog. Manfaat dari penelitian ini sebagai alat bantu bagi

masyarakat yang membuat alat musik barung pelog supaya mengetahui nada 1(siji),

2(loro), 3(telu), 4(papat), 5(limo), 6(enem) dan7(pitu).

1.3.

Batasan Masalah

Sistem pengenalan nada suara pada barung terdiri dari hardware dan software

(komputer). Hardware berfungsi untuk memasukkan nada suara yang dimainkan pada

barung, sedangkan software pada komputer berfungsi untuk mengatur semua proses

pengenalan nada suara yang dimainkan pada barung.

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. Menggunakan alat musik gamelan jawa jenis barung pelog.

b. Nada gamelan yang dikenali 1(sij) ,2( loro), 3(telu), 4(papat), 5(limo), 6(enem), dan 7(pitu)

c. Menggunakan perangkat lunak komputasi (Matlab) dalam pembuatan program.

d. Menggunakan ekstraksi ciri Discreate fourrier Transform (DFT) fungsi jarak

squared chord.

e. Hasil pengenalan tidak real time.

1.4.

Metodologi Penelitian

Penulisan skripsi ini menggunakan metode :

a. Pengumpulan bahan–bahan referensi berupa buku–buku dan jurnal–jurnal.

b. Perancangan subsistem software. Tahap ini bertujuan untuk mencari bentuk model

yang optimal dari sistem yang akan dibuat dengan mempertimbangkan dari

berbagai faktor–faktor permasalahan dan kebutuhan yang telah ditentukan.

c. Pembuatan subsistem software. sistem akan bekerja apabila user memberikan

interupsi melalui PC dengan media push button yang sudah disediakan dalam

software. Kemudian sistem akan mengolah interupsi ini dan setelah selesai maka

komputer akan mengolah data dan menyajikannya berupa sebuah informasi/teks.

d. Analisa data dilakukan dengan memeriksa keakuratan data terhadap hasil proses

pengenalan nada, dengan cara membandingkan antara data di komputer dengan

lapangan dan perancangan. Penyimpulan hasil percobaan dapat dilakukan dengan

4

BAB II

DASAR TEORI

2.1.

Alat Musik Barung pelog

Barung pelog merupakan satu set instrumen jenis saron yang ada pada gamelan

jawa. Saron barung merupakan bagian ricikan gamelan berbentuk bilah dengan ukuran

yang lebih kecil dari pada saron demung dan lebih besar dari pada saron peking. [2] Saron

berukuran sedang dan oktaf tinggi. Seperti demung, Saron barung memainkan balungan

dalam wilayah yang terbatas. Pada teknik tabuhan imbal imbalan, dua saron barung

memainkan lagu jalin menjalin yang bertempo cepat.

Dalam satu set gamelan biasanya punya 4 saron barung, dan semuanya memiliki

dua pelaras yaitu pelog dan slendro. Dalam pelog memiliki 7 nada peroktafnya yaitu

1-2-3-4-5-6-7 ,sedangkan untuk nada slendro meliliki 5 nada peroktafnya yaitu 6-1-2-3-5-6-1.

Tabuh saron biasanya terbuat dari kayu, dengan bentuk seperti palu

Saron barung pelog merupakan instrumen penting pada gamelan. Menabuh Saron

biasa sesuai nada, nada yang imbal, atau menabuh bergantian antara saron 1 dan saron 2

barung. Penabuhan tergantung pada komando dari kendang dan jenis gendhingnya

2.2.

Frekuensi Dasar Barung Pelog

Kebanyakan nada merupakan nada yang kompleks yaitu terdiri atas satu atau lebih

frekuensi didalamnya. Frekuensi paling dasar dalam sebuah nada disebut sebagai

Fundamental frequency atau frekuensi dasar. Frekuensi dasar ini merupakan komponen

paling penting di karenakan frekuensi inilah yang menentukan pitch dari keseluruhan nada.

Picth merupakan tinggi atau rendahnya sebuah suara atau nada yang berhubungan

langsung dengan frekuensi dari gelombang suara[3]. Nada khususnya memiliki frekuensi –

frekuensi tambahan didalamnya yang merupakan kelipatan dari frekuensi dasarnya.

Frekuensi – frekuensi tersebut dinamakan dengan harmonics, keberadaanya dapat

menentukan kualitas dari nada tersebut.

Dari peneliti sebelumnya sudah ada peneliti yang melakukan penelitian tentang

frekuensi dasar gamelan balungan jenis barung, demung dan peking jenis pelog. Pada tabel

2.1 menunjukkan data frekuensi dasar yang di hasilkan oleh peneliti sebelumnya[4].

Table 2.1 Frekuensi Dasar Gamelan Jenis pelog

Nada 1 2 3 4 5 6 7

Demung 309 331 353 419 441 485 529

Barung 617 661 705 837 903 969 1079

Peking 1233 1321 1453 1695 1871 2003 2201

2.3.

Sampling

Sampling merupakan proses pencuplikan gelombang suara yang akan

menghasilkan gelombang diskret. Dalam proses pencuplikan, ada yang disebut dengan laju

pencuplikan (samplingrate). Sampling rate menandakan berapa banyak pencuplikan

gelombang analog dalam satu detik.Satuan dari sampling rate ialah Hertz (Hz).Secara teori

Nyquist-Shamon yang menyebutkan bahwa untuk mencegah hilangnya informasi dalam

dari sinyal asli [5].Kriteria Nyquist perlu diperhatikan dalam melakukan pencuplikan.Lebih

jelasnya kriteria Nyquist menyatakan sebuah sinyal harus memiliki pencuplikan rate yang

lebih besar dari 2 dengan adalah frekuensi paling tinggi yang muncul di sebuah

sinyal.

2.4.

Frame Blocking

Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan

satu frame terdiri dari beberapa data sampel[6]. Pengambilan sampel tersebut tergantung

dari tiap detik suara akan disampel dan berapa besar frekuensi sampling-nya. Gambar 2.2

menunjukkan contoh dari frame blocking dimana keseluruhan frame dibagi menjadi 5 M

frame. Setiap M memiliki jumlah data yaitu 2� data, dengan N adalah Bilangan bulat

Gambar 2.2. Frame Blocking

Fungsi frame blocking yaitu untuk memilih data yang akan diproses dalam sistem

pengenalan. Frame Blocking juga dapat mempercepat proses perhitungan pada DFT

(Descrete Fourier Transform) dengan jumlah data pada setiap frame memiliki 2� data

sampel yang diambil dari keseluruhan data sampel.

2.5.

Hamming Window

Windowing digunakan untuk menghilangkan efek diskontinuitas yang diakibatkan

oleh proses Frame Blocking [7]. 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.

Persamaan Hamming window adalah :

w [k+1] = 0.54 – 0.46 cos (2�

−1), k = 0, …, n – 1

(2.1)

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 Fourier Transform (DFT)

Discrete Fourier Transform (DFT) adalah Algoritma yang digunakan untuk

mengubah sampel data dari domain waktu ke domain frekuensi . DFT menstabilkan

hubungan antara sampel – sample signal domain waktu dan merepresentasikannya ke

domain frekuensi [8] . Untuk melakukan analisis frekuensi dari sinyal waktu diskrit X(k)

maka perlu mendapatkan representasi domain frekuensi dari sinyal yang biasanya

dinyatakan dalam domain waktu. DFT digunakan untuk melakukan analisa frekuensi dari

sinyal waktu diskrit.

DFT dihitung menggunakan persamaan :

X(k) = x(j)�� −1 ( −1) �

=1

Dengan:

��= (−2� )/�

Keterangan : (2.2)

j= indeks dalam domain waktu

2.7.

Fungsi Jarak Squared Chord

Fungsi jarak squared chord adalah untuk membandingkan antara database

dengan data hasil masukkan. Pembandingan data ini yang akan digunakan untuk

mengidentifikasi masukkan yang nantinya akan menghasilkan keluaran akhir dari sistem

program. Fungsi jarak squared chord merupakan proses yang digunakan untuk penentuan

keluaran sebelum keluaran akhir benar-benar dihasilkan.

Rumus untuk Fungsi jarak squared chord adalah sebagai berikut [9]

�� = − ² =1

(2.3)

dan merupakan nilai perbandingan dan nilai kemiripan antara data masukan

dengan data yang sudah ada (database) dan adalah banyak data.

2.8.

Metode Template Matching

Metode Template Matcing merupakan metode yang sederhana untuk

mencocokkan masing-masing data suara dari sebuah matriks dengan matriks lainnya.

Semakin besar simpangan dari matriks pembandingnya, maka tingkat kemiripan semakin

rendah. Metode ini metode yang mudah diimplementasikan dan mempunyai persentasi

keberhasilan pencocokan karakter yang sangat tinggi[10].

Cara kerja metode template matching adalah melakukan pengenalan pada karakter

yang ingin dikenali dan membandingkan antara input suara dengan nada referensi yang

disimpan.

Pada Sistem pengenalan nada barung pelog ini termasuk menggunakan metode

template matching karena di subsistem pengenalan nada tersebut terdapat pembandingan

2.9.

Sound Card

Sond card merupakan sebuah periperal pada komputer sebagai I/O suara yang

memberikan kemampuan pada komputer untuk menghasilkan suara yang dapat didengar

oleh pengguna baik melalui speaker atau headphone. Pada dasarnya setiap kartu suara

memiliki:

a. Digital Signal Processor (DSP) yang akan menangani semua jenis komputasi.

b. Digital to Analog Converter (DAC) sebagai keluaran suara ke speaker.

c. Analog to Digital Converter (ADC) sebagai masukan suara.

d. Read Only Memory (ROM) atau Flash sebagai penyimpanan data.

e. Musical Instrument Digital Interface (MIDI) untuk menyambungkan beberapa

peralatan musik eksternal.

f. Jack untuk menyambungkan kartu suara dengan speaker pada jalur line out atau

microphone pada jalur line in.

Beberapa kartu suara sudah terpasang secara pabrikan (on board) pada

motherboard komputer, tetapi bisa juga ditambahkan untuk keperluan yang lebih lanjut

pada slot PCI motherboard[11].

Gambar 2.4 Sound Card

2.10.

Mikrofon (Microphone)

Mikrofon digunakan pada beberapa alat seperti telepon, alat perekam, alat bantu

dengar, pengudaraan radio, televisi, dan sebagainya [12]. Fungsi mikrofon pada dasarnya

ialah untuk input suara manusia lalu mengubahnya menjadi getaran listrik sinyal analog

untuk selanjutnya diperkuat dan diolah sesuai dengan kebutuhan. Tahap selanjutnya setelah

menjadi sinyal analog ialah dengan menggunakan power amplifier dari suara yang

berintensitas rendah menjadi lebih keras lalu terakhir diumpan ke-speaker.

Dalam memilih mikrofon harus diperhatikan dengan seksama. Ketelitian dalam

nantinya akan dipakai.Karakteristik yang harus diperhatikan ketika akan memilih sebuah

mikrofon adalah:

1. Prinsip cara kerja mikrofon dari jenis mikrofon itu sendiri.

2. Daerah respon frekuensi suara yang mampu dicuplik oleh mikrofon.

3. Sudut atau arah pencuplikan mikrofon.

4. Output sinyal listrik yang dihasilkan mikrofon.

5. Bentuk fisik mikrofon.

Untuk mendapatkan hasil yang maksimal dalam penggunaan mikrofon, maka pemilihan

mikrofon harus disesuaikan dengan kebutuhan dalam hal ini yaitu sumber suara yang ingin

dicuplik, misalnya suara manusia, alat musik, suara kendaraan, atau yang lainnya dengan

sistem tata suara yang digunakan seperti sistem suara untuk pertunjukkan musik, alat

perekaman, dan sebagainya. Hal itu dikarenakan tiap kebutuhan memerlukan hasil output

yang berbeda-beda meskipun tetap memakai satu jenis masukkan yaitu mikrofon.

2.11.

Matlab

Matlab merupakan bahasa pemrograman yang hadir dengan fungsi dan karakteristik

yang berbeda dengan bahasa pemrograman lain. Matlab merupakan bahasa pemrograman

level tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan

pemrogaman. Matlab dikembangkan oleh Mathworks, yang pada awalnya dibuat untuk

mengakses data matrik pada proyek LINPACK dan EISPACK. Software ini memiliki

ratusan fungsi yang dapat digunakan sebagai problem solver mulai dari simple

masalah-masalah yang kompleks dai berbagai disiplin ilmu [13]. 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 sesusai dengan tempat direktori kerja yang

diinginkan.

2. Command History

Window ini berfungsi untuk menyimpan perintah apa saja yang sebelumnya

3. Command Window

Command Window adalah window utama dari Matlab. Di sini adalah tempat

untuk, menjalankan fungsi, mendeklarasikan variabel, menjalankan proses,

serta melihat isi variabel.

4. Workspace

Workspace berfungsi untuk menampilkan seluruh variabel yang sedang aktif

pada saat pemakaian Matlab. Apabila variabel berupa data matriks berukuran

besar, maka user dapat melihat isi dari seluruh data dengan melakukan double

click pada variabel tersebut. Matlab secara otomatis akan menampilakn window

“array editor” yang berisikan data pada setiap variabel yang dipilih user. Gambar 2.4 menunjukan tampilan dari software Matlab yang digunakan dalam

perancangan program pengenalan nada.

12

BAB III

PERANCANGAN

3.1.

Sistem Pengenalan Nada Alat Musik Barung Pelog

. Blok sistem pengenalan nada alat musik Barung pelog di tunjukkan pada gambar

[image:30.595.70.571.190.420.2]

3.1.

Gambar 3.1 Diagram Blok Pengenalan Nada Barung Pelog

Sistem pengenalan nada alat musik barung pelog menggunakan sebuah software

yang berfungsi untuk user interface. Software yang dibuat menggunakan program Matlab.

Software bertujuan untuk memudahkan user saat melakuan pengenalan nada. Software ini

berperan sebagai pusat proses pengenalan nada, seperti merekam suara nada barung pelog

dan mengenali suara nada yang terekam. Perekaman suara dilakukan komputer melalui

mikrofon dan jalur line in pada sondcard.

Pada proses pengenalan nada barung pelog, data berupa input nada yang berupa

wave di normalisasi, kemudian di olah melalui proses windowing untuk analisa sinyal

menggunakan DFT (Discrete Fourier transform) kemudian di windowing koefisien dan

yang terahir penyelesaian dengan fungsi jarak squared chord dalam sistem pengenalan

nada barung pelog.

3.1.1 Input Nada

Input nada merupakan Hasil dari sampling nada barung yang direkam berupa wav. Normalisasi

Fungsi Jarak Keluaran Text

Windowing Hamming

DFT Frame Blocking

Windowing Koefisien Input Nada

DataBase Penentuan Nada

3.1.2 Normalisasi

Proses ini bertujuan untuk menyetarakan amplitudo maksimum baik nada terekam

dengan nada referensi, sehingga efek dari kuat lemahnya suara yang dikeluarkan nada

barung tidak terlalu mempengaruhi proses pengenalan.

Untuk menyetarakan skala amplitudo puncak maka proses normalisasi

menggunakan rumus :

� = � ( )

max⁡ �

(3.1)

3.1.3 Frame Blocking

Proses ini memilih data dari data nada terekam, sehingga data yang dipilih dapat

mewakili semua data pada nada terekam. Frame bloking bertujuan untuk mengurangi

jumlah data sinyal yang akan di proses. Besarnya data nada terekam yang dipilih sesuai

dengan nilai frame blocking yang sudah ditentukan pada program.

3.1.4 Windowing

Windowing merupakan perkalian antar elemen yang berfungsi untuk mengurangi

efek diskontinuitas dari sinyal digital hasil rekaman. Dalam perancangan ini penulis

menggunakan window Hamming.

3.1.5 Discrete Fourier Transform (DFT)

Discrete Fourier Transform berfungsi untuk mengkonversi domain waktu ke

domain frekuensi. Domain frekuensi digunakan untuk melihat ciri dari suatu nada.

3.1.6 Windowing Koefisien

Untuk sistem pengenalan nada barung pelog ini menggunakan windowing koefisien

DFT. Sebagian sinyal diambil dari koefisien DFT yang dapat digunakan sebagai ekstraksi

ciri. Untuk pengambilan sebagian sinyal dapat diambil dari koefisien DFT ke-1 hingga

nilai ke-n (nilai maksimal), dengan n adalah panjang DFT. Dalam proses pengenalan nada

barung pelog ini dievaluasi sejumlah n dari panjang DFT, yaitu 16, 32, 64, 128 titik. Dari

c = p x n

(3.2)

Dengan :

p = 10%, 20%, 30%, 40%, dan 50%,

n = panjang DFT

3.1.7 Fungsi Jarak

Proses ini membandingkan nada yang di input. Hasil dari perbandingan adalah

jarak yang kemudian akan digunakan dalam proses selanjutnya. Pada proses pengenalan,

yang diambil adalah jarak yang terdekat dengan nada terekam. Dalam proses ini penulis

menggunakan fungsi jarak Squared Chord.

3.1.8 Penentuan Nada

Proses ini bertujuan mengenali nada yang di input dari jarak minimum di peroleh

setelah proses fungsi jarak.

3.1.9 Hasil Tampilan Pengenalan

Hasil pengenalan adalah subproses terakhir dari proses pengenalan nada. Pada

proses ini, hasil pengenalan nada diperoleh setelah proses kemudian ditampilkan dalam

komputer dalam GUI Matlab bentuk text.

3.2.

Perancangan Nada Referensi

Untuk merancang suatu pengenaan nada maka dibutuhkan nada acuan atau sering

juga disebut nada refrensi. Nada refrensi harus memiliki ciri yang sudah diketahui oleh

sistem terlebih dahulu. Nada refrensi diperlukan untuk menjadi data base. Fungsi database

untuk perbandingan nada yang akan dikenali. Pada sistem pengenalan nada barung pelog

ini menggambil 10 nada sebagai nada uji dan 10 sebagai database. Pengambilan nada

untuk nada refrensi melalui proses sampling, frame blocking, normalisasi, windowing ,DFT

dan windowing koefisien. Untuk mendapatkan nada refrensi maka dilakukan perhitungan :

�� � = � � � 1+ � � � 2+ + � � � 10

Nada referensi yang telah di dapat akan disimpan dalam fungsi yang ada dalam

sistem pegenalan nada barung pelog. Nada refrensi yang disimpan dalam sistem

pengenalan nada barung pelog ini berfungsi jika sewaktu - waktu dibutuhkan dapat

langsung dipanggil dalam proses fungsi jarak yang ada dalam sistem. Alur proses

pengenalan nada referensi terlihat pada gambar 3.2.

Gambar 3.2 Diagram Proses Pengambilan Nada Referensi

3.3.

Tampilan Program Pada GUI Matlab

Tampilan program sebagai interface dengan user.Program tersebut berfungsi

mempermudah user dalam mengoperasikan pengenalan nada barung pelog. Program

tersebut menampilkan plotting hasil perekaman hasil dari DFT dan plot windowing

koefisien. Pada program ini juga memberikan pilihan nilai DFT dan nilai pada windowing

yang akan digunakan untuk pengenalan nada. Tampilan program dibuat menggunakan

[image:33.595.85.528.374.733.2]

software Matlab. Penjelasan lebih lanjut tentang tampilan program terdapat pada tabel 3.5.

Gambar 3.3.

Gambar 3.3 Tampilan Utama Program DFT Windowing

Normalisasi Frame Blocking

[image:34.595.102.494.116.669.2]

Tabel 3.1 Keterangan Tampilan Program

Nama Bagian Keterangan

Tombol Pengenalan

Nada

Digunakan untuk memulai proses pengenalan

Tombol Input Data Digunakan untuk mengambil nada barung

pelog yang berupa wav

Variasi Windowing

koefisien

Untuk variasi windowing Koefisien DFT

menggunakan 10%, 20%, 30%, 40%,dan 50%

Variasi DFT

Untuk memilih nilai DFT yang akan

digunakan pada proses pengenalan nada,

pilihan nilainya adalah 16, 32, 64,128,256

Plot Windowing

koefisien

Tampilan grafik windowing koefisien setelah

DFT

Tombol Exit Digunakan untuk mengakhiri dan keluar

aplikasi.

Plot Hasil Rekaman Tampilan grafik suara hasil perekaman yang di input

3.4.

Perancangan Diagram Blok

3.4.1

Proses Perekaman

Gambar 3.4 Diagram Alir Proses program rekam

Gambar 3.4 memperlihatkan alir program saat melakukan proses rekam.

Pada proses perekaman ada proses delay. Proses delay digunakan untuk

memberikan jeda waktu sebelum melakukan perekaman. Pada proses perekaman

ini menggunakan frekuensi sampling yang telah ditentukan yang sesuai dengan

karakteristik nada barung pelog . Hasil yang didapat dari proses rekam yaitu

sampling nada yang berupa wave. Perekaman nada barung dari nada 1,2,3,4,5,6

dan 7 dilakukan sebanyak 20 kali pada setiap nada, 10 data rekaman berupa wav

untuk data base dan 10 data rekaman untuk pengujian. Hasil proses rekam

tersebut kemudian ditampilkan dalam bentuk plot grafik sesuai dengan alir

program.

3.4.2 Proses Pengenalan Nada Barung Pelog

Ketika pengguna akan memulai program pengenalan nada barung pelog,

pengguna dihadapkan tampilan yang sederhana dari interface Matlab. Masukkan

nada uji yang berupa data wav ke input data, variasi nilai DFT dan variasi

windowing koefisien pada list box, setelah user selesai memilih nilai variasi yang

diinginkan kemudian pada plot hasil perekaman tertampil. proses selanjutnya Delay

Sampling Nada Mulai

[image:35.595.96.521.110.620.2]

adalah penekanan tombol pengenalan nada yang tersedia pada tampilan awal.

Sistem akan mengenali nada secara tidak real time pada nada barung pelog.

Setelah dilakukan pengenalan maka kemudian tergambar grafik pada hasil

pengenalan DFT dan plot windowing koefisien kemudian berbentuk keluaran text

pada hasil pengenalan nada Dalam gambar 3.5 akan menjabarkan mengenai alur

[image:36.595.99.497.195.575.2]

proses utama dalam program.

Gambar 3.5. Diagram Alir Proses Block Keseluruhan Input nada

DFT

Fungsi Jarak

Keluaran Text Frame

Blocking Pemotongan Sinyal

Windowing Hamming

Penentuan Nada Windowing

Koefisien Mulai

Selesai

3.4.3 Proses Normalisasi

Gambar 3.6 Diagram Alir Proses Normalisasi

Pada proses normalisasi seperti gambar 3.6 di atas proses tersebut harus

mempunyai nilai maksimum. Normalisasi tersebut berfungsi untuk mengkonversi data

maksimum dalam deretan hasil frame blocking menjadi bernilai 1. Dalam pengkonversian

menjadi data maksimum menggunakan 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. Diperoleh keluaran

hasil normalisasi berupa matriks yang digunakan untuk proses selanjutnya sebagai

masukan.

Hasil input nada

Hasil Normalisasi Normalisasi

y=y/max(y);

[image:37.595.90.514.83.443.2]

3.4.4 Pemotongan Sinyal

Gambar 3.7 Diagram Alir Proses Pemotongan sinyal

Proses setelah normalisasi yaitu proses pemotongan sinyal. Pemotongan sinyal

berguna untuk memotong kekosongan pada sinyal nada atau data nada yang terdapat pada

awal dan akhir sinyal.Proses pemotongan sinyal ditentukan oleh variabel batas potong.

Dengan cara visual (pada lampiran 2) maka penulis dapat menggunakan |0,2| sebagai batas

potong, untuk menghilangkan kekosongan pada sinyal nada Barung pelog.

Pemotongan sinyal yang dilakukan adalah masukan yang berupa sinyal nada Barung

pelog akan dipotong pada sisi kiri, dan akan menghasilkan sinyal nada Barung pelog dan

akan menghasilkan keluaran data nada Barung pelog dan akhir data nada Barung pelog

Proses pemotongan sinyal ini bergantung nilai batas potong yang terdapat pada

m-file. Proses pemotongan sinyal bagian awal akan dipotong bagian awalnya, sehingga

memperoleh data nada Barung pelog dan data akhir.

Masukan hasil normalisasi

Hasil pemotongan

Menentuka variabel batas potong [0,2] ( dilihat pada hasil dan lampiran secara visual )

[image:38.595.100.502.109.448.2]

3.4.5 Proses Frame Blocking

[image:39.595.67.547.83.557.2]

Gambar 3.8 Diagram Alir Proses Frame Blocking

Dari gambar ditampilkan pada Gambar 3.8. Proses frame Frame blocking bertujuan

untuk mengurangi jumlah data sinyal yang akan di proses.

Jumlah data yang diambil dalam proses ini sesuai dengan variasi DFT yang

dipilih user sehingga data yang dipilih dapat mewakili semua data yang di ambil pada nada

input. Pada proses ini, sample diambil dari data nada terekam. Nada terekam diperoleh dari

data sampling. Langkah pertama yaitu dengan pemotongan sinyal untuk bagian kiri . yang

didapat di tentukan besar data yang akan di ambil untuk proses pengenalan nada

selanjutnya.

Masukan Nada pemotongan sinyal

Fr=16 Fr=32 Fr=64 Fr=128

Ambil data sesuai Frame

Keluaran hasil frame blocking

ya ya

ya

ya Tidak Tidak

Tidak Tidak

Selesai Mulai

[image:40.595.87.499.82.462.2]

3.4.6 Proses Hamming Windowing

Gambar 3.9 Diagram Alir Proses Hamming windowing

Untuk gambar proses windowing hamming tertera diatas pada gambar 3.9. Pada

proses Hamming window ini melakukan perhitungan dengan persamaan (2.1). w[k+1]

merupakan hasil dari perhitungan persamaan yang berupa matrik �1 �2 �

kemudian hasilnya

dikalikan dengan nilai matrik masukan

�1. 1 �2. 2 � .

. Hasil dari proses windowing ini berupa

matriks ℎ1 ℎ2 ℎ

yang selanjutnya menjadi masukan proses DFT.

Hasil Frame blocking

w [k+1] = 0,54 – 0,46 cos(2� ₋ 1)

Hasil Windowing

Perkalian antara data masukkan dengan hasil windowing hamming

3.4.7 Proses Discrete Fourier Transform (DFT)

Gambar 3.10 Diagram Alir Proses DFT

Dari hasil windowing hamming kemudian ditransformasikan menggunakan

Discrete Fourier Transform (DFT) .Proses ini mengkonversi data nada suara dalam

domain waktu menjadi domain frekuensi pada persamaan pada 2.2 di atas dengan fungsi

adalah masukan dari hasil windowing. Nilai dari DFT yang diperoleh kemudian dicari nilai absolutnya. Pada proses ini diperoleh keluaran hasil ekstraksi ciri berupa

matriks

1

2 _{. Diagram alir dari proses DFT diperlihatkan pada Gambar 3.9.}

Hasil windowing

X(k) = x(j)�� −1 ( −1)

�

=1

Hasil DFT Mencari Nilai Absolut

3.4.8 Proses Windowing Koefisien DFT

Gambar 3.11 Diagram Alir Proses Windowing koefisien DFT

Setelah Proses Discrete Fourier Transform (DFT) diproses menghasilkan panjang

nilai koefisien, Dari panjang nilai nilai koefisien DFT kemudian akan dipilih dengan

windowing koefisien dengan rumus 3.2 diatas, dengan c sebagai hasil windowing koefisien,

p adalah nilai persen koefisien dan n adalah panjang DFT.Pilihan variasi windowing

koefisien tergantung user memberi masukan. Variasi windowing koefisien berupa pilihan

dari 10%,20%,30%,40% dan 50%. kemudian komputer menjalankan proses plotting hasil

konversi tersebut. Proses windowing koefisien diperlihatkan pada Gambar 3.9. Hasil DFT

c = p x n

Hasil DFT

Mulai

[image:43.595.82.519.121.566.2]

3.4.9 Proses Fungsi Jarak Squared Chord

Gambar 3.12 Diagram Alir Proses fungsi jarak Squared chord

Setelah didapat hasil dari windowing koefisien kemudian proses selanjutnya yaitu

perhitungan jarak menggunakan fungsi jarak Squared Chord. Gambar 3.12

memperlihatkan diagram alir proses fungsi jarak Squared Chord. Pada proses ini

menghitung jarak antara rerata hasil (data base) dengan data hasil

ekstraksi ciri. Penghitungan proses ini menggunakan persamaan 2.3 diatas dengan dan

merupakan nilai perbandingan dan nilai kemiripan antara data masukan dengan data

yang sudah ada (database) dan adalah banyak data. Hasil penghitungan jarak ini adalah

nilai angka hasil perbandingan yang bukan matrix dan sebagai penentu hasil pengenalan

nada. Perbandingan menghasilkan nilai jarak dan data – data tersebut dicari nilai terkecilnya. Pencarian nilai terkecil di hasilkan dengan jarak minimal pada data base.

Hasil penghitungan jarak ini adalah sebagai penentu hasil pengenalan nada. Gambar 3.13

memperlihatkan diagram alir penentuan nada hasil pengenalan. Nada hasil pengenalan

ditampilkan dalam tampilan program dalam bentuk teks. Jika sudah mencapai pada proses

tersebut maka proses pengenalan nada barung pelog sudah selesai. User dapat keluar dari

= − ² =1

Hasil perhitungan jarak Hasil windowing koefisien DFT

program pengenalan nada tersebut dengan menekan tombol “Exit”. User juga dapat mengulang kembali pengenalan nada barung pelog yang lain dengan pilihan input nada

sesuai pilihan user . Jika user hendak mengulang maka user memulai nada lain yang ingin

dikenali kemudian menekan tombol “Pengenalan Nada”.

Gambar 3.13 Diagram Alir Proses Penentuan Nada

3.5.

Perancangan Subsistem Program

Sistem pengenalan nada barung pelog mempunyai dua subsistem penting

dalamnya. yaitu subsistem sampling dan subsistem pengenalan nada. Perancangan

subsistem tersebut terdapat variabel dari nilai variasi-variasi yang telah di tentukan yaitu

variasi DFT dan windowing koefisien, sehingga pengenalan dapat berhasil dan dengan

waktu proses yang optimal. Pengujian awal untuk mencari variabel tersebut sangat

diperlukan karena dalam program tersebut memiliki fungsi–fungsi menunjang subsistem dari sistem program pengenalan nada.

Hasil jarak

Keluaran = jarak minimal

( perbandingan jarak nilai yang terkecil )

Text Dikenali

Mulai

3.5.1 Subsistem Sampling

Dalam subsistem ini terdapat dua variabel terikat berupa frekuensi sampling dan

durasi perekaman. Setelah melakukan pengujian awal, dapat disimpulkan:

a. Secara teori nada dasar frekuensi samplingnya 2158Hz secara praktek di dapat

1110Hz. Sehingga Penggunaan frekuensi 2200Hz sudah memenuhi kriteria

nyquist.(lihat lampiran L3)

b. Durasi perekaman yang digunakan adalah 1.5 detik.(lihat lampiran L4)

3.5.2

Subsistem Pengenalan Nada

Subsistem ini terdiri dari tiga proses, menggunakan variabel tetap yaitu proses

fungsi jarak dan menggunakan variabel bebas yaitu variasi DFT dan variasi windowing

koefisien. Variabel yang akan di evaluasi untuk membangun sistem nada yang optimal

adalah kedua variabel bebas tersebut.

a. Windowing yang digunakan adalah Hamming window. .

b. Frame blocking mengambil sampel data dari data suara terekam (data yang diperoleh

dalam proses sampling). Nilai variasi frame blocking sama dengan nilai variasi dari

DFT yaitu 16, 32, 64, 128, 256.

c. Windowing Koefisien DFT mengevaluasi proses variasi nilai jumlah koefisien DFT.

28

BAB IV

HASIL DAN PEMBAHASAN

Pengujian program perlu dilakukan untuk mengetahui kinerja program 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 proses kerja dapat digunakan untuk menarik kesimpulan dari apa yang

disajikan dalam tugas akhir ini.

4.1

Pengujian Program Pengenalan Nada Barung Pelog Menggunakan

Windowing Koefisien DFT dan Jarak Squared Chord

Perancangan program menggunakan software Matlab 7.0.4. Pada pengujian

program menggunakan laptop dengan spesifikasi:

Prosesor : Intel® Core™ 2 Duo processor CPU @ 2.1 GHz

RAM : 2.00 GB

Tipe sistem : Sistem operasi 32 bit

Proses pengenalan nada Barung Pelog dapat dilakukan dengan menjalankan

langkah-langkah di bawah ini:

[image:46.595.81.530.221.604.2]

1. Mengklik dua kali ikon Matlab pada layar desktop dengan gambar ikon seperti

Gambar 4.1.

Gambar 4.1 Ikon Matlab 7.0.4

2. Setelah melakukan langkah 1, akan tampil tampilan utama software Matlab seperti

[image:47.595.86.528.86.615.2]

Gambar 4.2 Tampilan Matlab

3. Mengetikan perintah gui2 pada Comand window untuk memunculkan tampilan

program pengenalan nada. Setelah itu akan muncul tampilan program pengenalan

nada seperti pada Gambar 4.3.

Gambar 4.3 Tampilan Program Pengenalan Nada Barung Pelog

4. User memilih input data yang akan di kenali kemudian nilai variasi DFT dan

variasi windowing koefisien yang akan digunakan terlebih dahulu sebelum

melakukan pengenalan nada. Nilai variasi DFT yang disediakan adalah 16, 32, 64,

128, dan 256. Nilai variasi windowing koefisien yang disediakan adalah

5. Apabila langkah 4 sudah dilakukan, user dapat memulai pengenalan nada dengan menekan tombol “Pengenalan Nada”. Hasil pengenalan nada barung pelog terlihat seperti pada gambar 4.4.

[image:48.595.99.530.156.535.2]

Gambar 4.4 Tampilan Hasil Pengenalan

6. User dapat mengulang kembali pengenalan nada yang berbeda dengan mengulang

kembali langkah 4.

7. User dapat mengakhiri pengenalan nada dengan menekan tombol “exit”.

4.1.1 Pengenalan Nada

Pengenalan nada dapat dilakukan dengan melakukan berbagai langkah-langkah

seperti yang telah dijelaskan di atas. Tampilan program pengenalan nada dapat dilihat pada

Gambar 4.3. Pada tampilan pengenalan nada terdapat 2 pop up menu, 2 axes, 3 push

button, dan 1 static text. User dapat memulai pengenalan nada dengan melakukan

pengaturan terlebih dahulu pada program pengenalan nada. Pengaturan yang perlu

dilakukan adalah dengan memilih input nada yang akan di kenali, memilih nilai variasi

DFT dan nilai variasi windowing koefisien yang terdapat pada pop up menu. Setelah itu

menentukan nilai variasi yang akan digunakan, user dapat memulai pengenalan nada

dengan menekan tombol tekan ”pengenalan nada”. Hasil pengenalan yang ditampilkan

adalah plot input data perekaman, plot DFT, dan nada yang berhasil dikenali. User dapat

berbeda dan nilai variasi windowing koefisien yang berbeda. Untuk mengakhiri pengenalan dengan menekan tombol “exit” seperti yang telah dijelaskan di atas.

a. Pop Up Menu

Pada program pengenalan nada Barung pelog ini menggunakan tiga pop up

menu variasi DFT, dan variasi windowing koefisien,. Untuk pop up menu 1 akan

menampilakan input nada yaitu siji, loro, telu, papat, limo, enem, dan pitu dengan

lima macam setiap nadanya. pop up menu 2 digunakan untuk variasi DFT yang

bernilai 16, 32, 64, 128, dan 256. Pop up menu 3 akan menampilkan windowing

koefisien yang bernilai 10, 20, 30, 40, dan 50. Berikut merupakan contoh program

dalam penggunakan pop up menu

%mengambil data (load)

nada=handles.nada; if (nada==1)

[y,fs]=wavread('ji_a.wav'); elseif (nada==2)

[y,fs]=wavread('ji_b.wav'); elseif (nada==3)

[y,fs]=wavread('ji_c.wav'); elseif (nada==4)

[y,fs]=wavread('ji_d.wav'); elseif (nada==5)

[y,fs]=wavread('ji_e.wav'); elseif (nada==6)

[y,fs]=wavread('ro_a.wav'); elseif (nada==7)

[y,fs]=wavread('ro_b.wav'); elseif (nada==8)

[y,fs]=wavread('ro_c.wav'); elseif (nada==9)

[y,fs]=wavread('ro_d.wav'); elseif (nada==10)

[y,fs]=wavread('ro_e.wav'); elseif (nada==11)

[y,fs]=wavread('lu_a.wav'); elseif (nada==12)

[y,fs]=wavread('lu_b.wav'); elseif (nada==13)

[y,fs]=wavread('lu_c.wav'); elseif (nada==14)

[y,fs]=wavread('lu_d.wav'); elseif (nada==15)

[y,fs]=wavread('lu_e.wav'); elseif (nada==16)

[y,fs]=wavread('pa_a.wav'); elseif (nada==17)

[y,fs]=wavread('pa_b.wav'); elseif (nada==18)

[y,fs]=wavread('pa_d.wav'); elseif (nada==20)

[y,fs]=wavread('pa_e.wav'); elseif (nada==21)

[y,fs]=wavread('mo_a.wav'); elseif (nada==22)

[y,fs]=wavread('mo_b.wav'); elseif (nada==23)

[y,fs]=wavread('mo_c.wav'); elseif (nada==24)

[y,fs]=wavread('mo_d.wav'); elseif (nada==25)

[y,fs]=wavread('mo_e.wav'); elseif (nada==26)

[y,fs]=wavread('ne_a.wav'); elseif (nada==27)

[y,fs]=wavread('ne_b.wav'); elseif (nada==28)

[y,fs]=wavread('ne_c.wav'); elseif (nada==29)

[y,fs]=wavread('ne_d.wav'); elseif (nada==30)

[y,fs]=wavread('ne_e.wav'); elseif (nada==31)

[y,fs]=wavread('tu_a.wav'); elseif (nada==32)

[y,fs]=wavread('tu_b.wav'); elseif (nada==33)

[y,fs]=wavread('tu_c.wav'); elseif (nada==34)

[y,fs]=wavread('tu_d.wav'); elseif (nada==35)

[y,fs]=wavread('tu_e.wav'); end

axes(handles.axes1); plot (y)

sound(10*y);

Pada program diatas merupakan program pengambilan nada atau nada yang

sudah di rekam pada barung pelog dengan nada 1 sampai dengan 35 nada yang akan di kenali contoh if (nada==33) [y,fs]=wavread(„tu_c.wav‟) maka program akan mengambil nada dengan nama tu_c.wav pada directory.

end

handles.vardft=frame; guidata(hObject,handles);

Pada program di atas, nilai DFT diinisialisai menggunakan nama ndft yang dibagi

dalam 5 kondisi sesuai dengan banyaknya variasi. Inisialisasi ndft tersebut diproses

menggunakan perintah handles. Perintah ini digunakan untuk data atau nilai DFT yang

telah diinisialisasi sebagai masukan apabila dilakukan callback. Pada pop up menu variasi

windowing koefisien menjalankan program sebagai berikut:

indeks=get(handles.popupmenu3,'Value'); switch indeks

case 1 wk=10; case 2 wk=20; case 3 wk=30; case 4 wk=40; case 5 wk=50; end

handles.koefisien=wk; guidata(hObject,handles);

Proses yang dilalui oleh pop up menu pada variasi windowing koefisien sama

dengan proses pada pop up menu variasi DFT. Nilai windowing diinisialisasikan dengan

wk.

b. Tombol “Pengenalan Nada”

Tombol “pengenalan nada” adalah tombol yang berfungsi untuk melakukan pengenalan nada Barung pelog. User dapat melakukan pengenalan nada Barung pelog dengan menekan tombol tersebut. Tombol “pengenalan nada” memulai pengenalan nada dengan menjalankan beberapa subproses. Subproses yang dijalankan dimulai dari input

nada, normalisasi, frame blocking, windowing hamming, ekstraksi ciri DFT,windowing

koefisien, penghitungan jarak Squaredchord, dan penentuan hasil pengenalan nada.

%mengambil data (load)

nada=handles.nada; if (nada==1)

[y,fs]=wavread('ji_a.wav'); elseif (nada==2)

[y,fs]=wavread('ji_b.wav'); end

axes(handles.axes1); plot (y)

sound(10*y);

Nada yang telah input tersebut diplot pada tampilan program pengenalan

menggunakan perintah plot. Nada terekam diplot pada axes yang telah tersedia di dalam

tampilan program pengenalan. kemudian ditambah kan program sound(10*y); untuk

membunyikan nada input yang di ambil. Setelah proses perekaman, program akan

memproses hasil rekaman tersebut sehingga dapat di kenali. Ada pun proses- proses yang

harus di lakukan dengan cara, yaitu pemotongan sinyal. Nada yang sudah direkam tersebut

akan dipotong dengan batas potong sebesar |0.2| pada sisi kiri sinyal. Setelah proses

pemotongan itu selesai maka langkah selanjutnya memilih data yang dinamakan frame

blocking, langkah selanjutnya yaitu windowing, pada pengenalan nada barung pelog ini

menggunkan windowing hamming. Setelah selesai windowing hamming, dilakukan proses

ekstraksi ciri DFT dan windowing koefisien. berikut ini merupakan proses pengolahan

pemotongan sinyal hingga program windowing koefisien :

% Normalisasi %

y=y/max(y);

%pemotongan sinyal

b0=0.2;

b1=find(y>b0 | y<-b0); y(1:b1(1))=[]; %frame blocking frame=handles.vardft; frame; for p=1:frame; f(p)=y(p+frame); end %windowing hamming w=hamming(frame); for p=1:frame;

wo(p)=f(p)*w(p); %wo(p)==> windowing hamming (p)

end

%ekstraksi ciri DFT

plot (g);

%dftwo

function g=dftwo(wo)

%hitung panjang wo

n=length(wo); %hitung dft g=zeros(1,n) for k=1:n for m=1:n w=exp(-1i*2*pi*(k-1)*(m-1)/n); a=wo(m)*w; g(k)=g(k)+a; end end %windowing koefisien wk=handles.koefisien; h=frame; c=(wk/100)*h; s=floor(c); ya=g(1:s); ya=ya(:); axes(handles.axes6); plot (ya);

Dari hasil windowing koefisien yang di inisialisasikan dengan “ya”, maka akan

diplot pada axes2 yang menggambarkan hasil akhir dari sinyal windowing koefisien.

Proses selanjutnya setelah penggambaran sinyal nada barung pelog adalah proses

pemanggilan database yang telah disesuaikan dengan 2 variasi masukan yaitu variasi DFT,

dan variasi windowing koefisien yang telah dipilih oleh user sebelumnya. Program

database menggunakan logika if else agar database mempunyai kesamaan dengan nilai

variasi yang telah dipilih sebelumnya oleh user. Program di bawah merupakan contoh dari

program pemanggilan database.

%data base

if (frame==16)&(wk==10) load xciri1610

elseif (frame==16)&(wk==20) load xciri1620

elseif (frame==16) & (wk==30) load xciri1630

elseif (frame==16) & (wk==40) load xciri1640

Program di atas untuk memanggil database yang akan dibandingkan dengan nada

yang telah terekam dengan menggunakan perintah jarak. Database yang dipanggil sesuai

dengan masukan variasi DFT, variasi windowing koefisien yang telah dipilih oleh user

sebelumnya.

Setelah proses pemanggilan database, proses selanjutnya adalah membandingkan

database dengan data masukkan dari user yang telah dimasukkan pada input nada.

Perbandingan data - data tersebut memakai metode jarak Squaredchord. Program

perhitungan jarak sebagai berikut:

function js=jaraksquaredchord(p,q); a1=(sqrt(p));

a2=(sqrt(q)); a3=(a1-a2); js=sum(a3.^2);

%perhitungan jarak

for n=1:7

jaraklist(n)=jaraksquaredchord(ya,z(:,n)); end

%cari nilai minimal

jmin=find(min(jaraklist)==jaraklist);

%deskripsi string

nadalist={'1 (siji)','2 (loro)','3 (telu)','4 (papat)','5(limo)','6 (enem)','7 (pitu)'};

%penentuan keluaran

yy=nadalist(jmin)

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

Program di atas melakukan penghitungan jarak nada input yang sudah direkam

dengan database dari ke tujuh nada barung pelog dalam berbagai variasi. Perintah jarak

berfungsi untuk menjalankan fungsi jarak squaredchord. Nilai jarak minimal yang

diperoleh digunakan untuk menentukan nada barung pelog yang berhasil dikenali. Pada

program di atas juga untuk tidak mengenali (mengenali secara salah) nada yang akan

dikenali. Untuk tidak mengenali nada selain nada Barung pelog, dengan cara

membandingkan jarak minimal yang telah diperoleh saat pengenalan dengan batasan

maksimal dari ketujuh nada barung pelog. Nada yang telah dikenali ditampilkan pada

c. Tombol “exit”

Tombol “exit” atau keluar digunakan apabila user ingin mengakhiri program pengenalan nada. Perintah program tombol “exit” sebagai berikut:

delete(figure(tobing_progrm_meh_fixe));

Kesimpulan dari pengujian program pengenalan barung pelog adalah tombol yang

terdapat pada tampilan program dapat berjalan dengan baik dan alur program telah sesuai

dengan perancangan. Sistem pengenalan nada juga sudah dapat berjalan dengan baik.

sesuai dengan yang di inginkan.

4.2

Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat

Pengenalan Nada Barung Pelog

4.2.1 Pengujian untuk Menentukan batasan Nilai Jarak yang Optimal

Pada pengujian ini dilakukan untuk menentukan batasan nilai jarak yang optimal.

Parameter yang digunakan untuk menentukan batas nilai ini menggunakan windowing

koefisien 50%, dan panjang DFT 256 yang mempunyai tingkat pengenalan yang baik.

Pengujian ini menggunakan 5 kali percobaan setiap nadanya dan dari 5 percobaaan setiap

nada tersebut akan mendapatkan nilai minimal. Setelah mendapatkan nilai minimal dari 5

kali percobaan setiap nada tersebut, nilai yang paling minimal dari ke tujuh nada tersebut

[image:55.595.80.530.246.505.2]

yang akan di kenali.

Tabel 4.1 Jarak Minimum pada percobaan

Percobaan Ke-

Nada

1 (siji) 2 (loro) 3 (telu) 4 (papat) 5 (limo) 6 (enem) 7 (pitu) 1 3.3283 194.9283 192.4405 205.9538 199.4625 212.5251 204.679

Tabel 4.1 memperlihatkan dua percobaan, untuk selengkapnya dari 35 percobaan

dapat di lihat pada lampiran (L18). Dari tabel tersebut menunjukkan nilai minimum pada

percobaan 1 terdapat pada nada 1 (siji) jadi yang di kenali adalah nada 1(siji), pada

percobaan 2 nilai minimum terdapat pada nada 2 (loro) jadi yang dikenali adalah nada 2

(loro).

4.2.2 Pengujian Pengaturan Pengenalan Nada

pengujian untuk melihat seberapa besar tingkat pengenalan yang terjadi setiap

penentuan nada pada DFT dan windowing koefisien. Langkah – langkah pengujian yang

akan digunakan sebagai berikut:

1. Proses pengambilan nada input yang sudah direkam 5 kali setiap nada

2. Mengenali setiap nada yang di input menggunakan kombinasi nilai variasi yang

berbeda-beda dengan nilai:

a. DFT : 16,32,64,128,256

b. Windowing koefisien : 10%,20%,30%,40%,50%

3. Menentukan kombinasi nilai variasi pengenalan yang menghasilkan tingkat

pengenalan terbaik.

Pengujian dilakukan pada variasi yang maksimal yaitu DFT 256 dan windowing

koefisien 50%, di harapkan memperoleh hasil yang baik dan sesuai yang di

[image:56.595.106.528.273.769.2]

inginkan. Tabel 4.2 menunjukkan hasil pengujian :

Tabel 4.2 Hasil Pengenalan DFT:256 dan Windowing Koefisien:50%

Percobaan Ke-

Nada

1 (siji) 2 (loro) 3 (telu) 4 (papat) 5 (limo) 6 (enem) 7 (pitu)

1 O O O O O O O

2 O O O O O O O

3 O O O O O O O

4 O O O O O O O

5 O O O O O O O

6 O O O O O O O

7 O O O O O O O

8 O O O O O O O

9 O O O O O O O

10 O O O O O O O

12 O O O O O O O

13 O O O O O O O

14 O O O O O O O

15 O O O O O O O

16 O O O O O O O

17 O O O O O O O

18 O O O O O O O

19 O O O O O O O

20 O O O O O O O

21 O O O O O O O

22 O O O O O O O

23 O O O O O O O

24 O O O O O O O

25 O O O O O O O

26 O O O O O O O

27 O O O O O O O

28 O O O O O O O

29 O O O O O O O

30 O O O O O O O

31 O O O O O O O

32 O O O O O O O

33 O O O O O O O

34 O O O O O O O

35 O O O O O O O

Keterangan : O = dikenali benar

X = dikenali salah

Pada tabel 4.2 dapat di lihat dari 35 kali percobaan dengan 5 kali percobaan

pada setiap nada tidak terdapat nada yang di kenali secara salah.

Proses pengenalan nada barung pelog pada setiap pengujian memiliki

tingkat presentase proses pengenalan, perhitungan persamaan (4.1) dilakukan

untuk mendapatkan persentase pengenalan keseluruhan nada yang di ujikan setiap

sample nada.

Jumlah Pengenalan(%) = � � ℎ � � �� � �

� � ℎ �� � � � x100% (4.1)

Dari perhitungan persamaan di atas dapat di ketahui tingkat pengenalan nada pada

pengaruh variasi DFT dan windowing koefisien. Hasil presentase tingkat

Gambar grafik 4.5

Dari gambar grafik 4.1 diatas bisa di lihat bahwa pengaruh variasi

windowing koefisien terhadap tingkat pengenalan nada sangat berarti dengan

semakin besar windowing koefisien maka hasil pengenalan semakin baik.

4.2.3

Pengujian Dengan Na