PENGENALAN DAN ANALISIS KONVERSI NADA TUNGGAL PIANO KE DALAM NOT BALOK MENGGUNAKAN METODE JST-SOM

(1)

PENGENALAN DAN ANALISIS KONVERSI NADA TUNGGAL PIANO KE DALAM NOT BALOK MENGGUNAKAN METODE JST-SOM

Agus Santoso Tampubolon¹, Iwan Iwut Tritoasmoro², I Made Kusuma Wardana.³

¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

Abstrak

Nada adalah bunyi yang beraturan. Dalam penulisannya, nada dilambangkan dengan not atau notasi. Penerjemahan nada menjadi not membutuhkan pendengaran yang bagus dan pengetahuan tentang nada dengan baik. Pendengaran manusia mampu membedakan tiap-tiap nada, tetapi untuk merepresentasikan nada yang didengarkan menjadi sebuah not dengan tepat tidaklah mudah. Nada biasanya dihasilkan oleh alat musik, salah satunya adalah piano. Dalam penulisan jenis nada pada piano dapat ditulis secara notasi baik itu notasi angka maupun notasi not balok.

Biasanya seorang pemain piano memainkan piano berpatokan pada not-not pada notasi not balok, namun bagaimana apabila sesorang bermain secara bebas dan hasil nadanya dituliskan pada not balok. Masalah ini yang akan dibahas pada tugas akhir ini.

Dalam tugas akhir ini akan dibangun sistem yang mampu mengenali nada tunggal piano dengan menggunakan metode JST-SOM dan menuliskan nada hasil deteksi ke dalam not balok. Sistem mengekstraksi nada tunggal piano yang berbeda-beda menjadi dua macam ciri yaitu

Fundamental-FFT dan Harmonic-FFT. Dua macam ciri tersebut dijadikan masukan dalam metode JST-SOM sehingga memberikan keluaran berupa notasi dan juga sistem memberikan keluaran berupa not balok.

Dalam sistem yang menggunakan metode JST-SOM ini diperoleh performansi maksimum 100%

untuk akurasi sistem dalam mengenali nada. Sehingga dapat disimpulkan bahwa metode JST- SOM dapat digunakan sebagai salah satu metode pengklasifikasian nada tunggal piano karena performansinya yang cukup bagus.

Kata Kunci : Not Balok, Nada, Piano, JST-SOM

Abstract

The tone is the sound of a uniform. In writing, the tone is represented by notes or notation.

Translating the tone becomes not require good hearing and good knowledge of the tone. Human hearing is able to distinguish each tone, but to represent the tones are listened to a note by right is not easy. Tones are usually generated by a musical instrument, one of which is the piano. In writing the kind of tone on the piano can be written in both notation notation notation numbers or musical notes. Usually a player piano to play the piano based on the notes on the notation musical notes, but what if someone play freely and tone of musical notes written on.

This issue will be discussed in this thesis. In the final task is to construct a system capable of recognizing a single piano tones using the ANN-SOM and write tone detection results into musical notes. The system extracts a single piano tones varying characteristics into two kinds of Fundamental-Harmonic-FFT and FFT. Two kinds of features are used as inputs in the ANN-SOM method so as to provide output in the form of notation and the system also gives output in the form of musical notes.

In the system that using JST-SOM is obtained a maximum performance 100% for aquracy of tone detection. So it can be concluded that the JST-SOM method can be used as a method for

classifying a single tone piano because its performance is quite good.

Keywords : Not Balok, Tones, Piano, SOM-ANN

(2)

1 BAB I PENDAHULUAN

1.1 Latar Belakang

Nada adalah bunyi yang beraturan. Dalam penulisannya, nada dilambangkan dengan not atau notasi. Penerjemahan nada menjadi not membutuhkan pendengaran yang bagus dan pengetahuan tentang nada dengan baik. Pendengaran manusia mampu membedakan tiap-tiap nada, tetapi untuk merepresentasikan nada yang didengarkan menjadi sebuah not dengan tepat tidaklah mudah. Nada biasanya dihasilkan oleh alat musik, salah satunya adalah piano. Dalam penulisan jenis nada pada piano dapat ditulis secara notasi baik itu notasi angka maupun notasi not balok. Biasanya seorang pemain piano memainkan piano berpatokan pada not-not pada notasi not balok, namun bagaimana apabila sesorang bermain secara bebas dan hasil nadanya dituliskan pada not balok. Masalah ini yang akan dibahas pada tugas akhir ini.

Pada tugas akhir terdahulu yang berjudul “Pengenalan dan Analisis Kualitas Penalaan Nada Tunggal Piano Secara Real Time Menggunakan Metode JST-SOM”

pernah dilakukan penelitian mengenai identifikasi nada dasar piano. Sistem tersebut disimulasikan dengan menggunakan keyboard yang dihubungkan dengan sistem.

Dalam analisisnya terdapat perbandingan metode yang digunakan dan disimpulkan bahwa metode korelasi baik digunakan untuk pendeteksian yang diberi noise sedangkan metode DCT dan FFT baik digunakan untuk yang mempunyai noise kecil.

Sehingga simpulan tersebut dapat digunakan sebagai bahan pembelajaran. Namun sistem tersebut masih terbatas pada pengenalan nada saja belum termasuk pada penggambaran not balok.

Dalam tugas akhir ini akan dibangun sistem yang mampu mengenali nada tunggal piano dengan menggunakan metode JST-SOM dan menuliskan nada hasil deteksi ke dalam not balok. Sistem mengekstraksi nada tunggal piano yang berbeda- beda menjadi dua macam ciri yaitu Fundamental-FFT dan Harmonic-FFT. Dua macam ciri tersebut dijadikan masukan dalam metode JST-SOM sehingga memberikan keluaran berupa notasi dan juga sistem memberikan keluaran berupa not balok.

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

(3)

PENDAHULUAN

PENGENALAN DAN ANALISIS KONVERSI NADA TUNGGAL PIANO KE DALAM NOT BALOK MENGGUNAKAN METODE JST-SOM

2 1.2 Rumusan Masalah

Rumusan masalah yang menjadi acuan dalam pembuatan tugas akhir ini adalah:

1. Bagaimana membuat aplikasi pendeteksi nada tunggal piano dengan menggunakan metode JST-SOM.

2. Bagaimana tingkat ketepatan pengenalan nada tersebut.

3. Bagaimana menggambarkan hasil deteksi pada not balok.

4. Bagaimana tingkat ketepatan sistem dalam menggambarkan not balok.

5. Bagaimana pengaruh preprocessing terhadap akurasi sistem.

6. Bagaimana pengaruh ekstraksi ciri dan parameter-parameternya terhadap akurasi sistem.

7. Bagaimana pengaruh parameter arsitektur JST-SOM dan parameter training terhadap akurasi sistem.

8. Bagaimana pengaruh noise terhadap akurasi sistem.

1.3 Tujuan

Adapun tujuan dari penelitian untuk tugas akhir ini adalah:

1. Membuat aplikasi pendeteksi nada tunggal piano dengan menggunakan metode JST-SOM dan menggambarkan not baloknya.

2. Mengetahui akurasi pendeteksian tersebut.

3. Mengetahui tingkat ketepatan sistem dalam menganalisis kualitas penalaan.

4. Mengetahui pengaruh preprocessing terhadap akurasi sistem.

5. Mengetahui pengaruh ekstraksi ciri dan parameter-parameternya terhadap akurasi sistem.

6. Mengetahui pengaruh parameter arsitektur JST-SOM dan parameter training terhadap akurasi sistem.

7. Mengetahui pengaruh noise terhadap akurasi sistem.

1.4 Batasan Masalah

Dalam pembahasannya, penelitian tugas akhir ini dibatasi oleh hal-hal berikut:

1. Format penyimpanan file nada adalah format wave (*.wav).

2. Menggunakan frekuensi sampling 44100 Hz.

(4)

3 3. Nada piano yang diamati sebanyak 25 nada dari nada A-1 (1 oktaf lebih rendah dari nada A tengah) sampai nada A+1 (1 oktaf lebih tinggi dari nada A tengah).

1.5 Metode Penelitian

Beberapa langkah penelitian yang dilakukan dalam tugas akhir ini adalah:

1. Studi literatur

Bertujuan untuk mempelajari dasar teori yang digunakan untuk mengimplementasikan aplikasi deteksi nada tunggal piano, jenis-jenis not balok,dan aturan pada not balok.

2. Observasi lapangan

Bertujuan untuk mendapatkan data yang akan diteliti.

3. Studi pengembangan aplikasi

Bertujuan untuk menentukan rancangan suatu sistem dan melakukan analisis terhadap sistem tersebut.

4. Implementasi perangkat lunak

Bertujuan untuk melakukan implementasi metode pada perangkat lunak sesuai dengan analisa perancangan yang telah dilakukan.

5. Analisis performansi

Bertujuan untuk melakukan analisis performansi yang dapat dicapai oleh sistem.

6. Pengambilan simpulan

Bertujuan untuk mengambil simpulan berdasar analisis yang sudah didapatkan.

1.6 Sistematika Penulisan

Penelitian ini disusun menjadi dengan rincian sebagai berikut:

BAB I PENDAHULUAN

Berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan, metode penelitian dan sistematika penulisan.

(5)

PENDAHULUAN

4 BAB II DASAR TEORI

Berisi tentang dasar teori yang diperlukan serta literatur yang mendukung dalam tugas akhir ini.

BAB III PERANCANGAN SISTEM DAN SIMULASI Membahas tentang sistem dalam tugas akhir.

BAB IV ANALISIS HASIL SIMULASI

Menjelaskan dan menganalisis hasil keluaran dari sistem dan performansi sistem.

BAB V PENUTUP

Berisi simpulan dan saran pengembangan lebih lanjut.

(6)

49 BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Dari hasil penelitian yang telah dilakukan pada program konversi Instrumentasi Alat Musik Piano ke dalam Not Balok dengan Metode JST-SOM, dapat diambil beberapa kesimpulan sebagai berikut:

1. Semakin besar titik yang digunakan dalam perhitungan algoritma FFT, maka data yang dihasilkan akan menunjukkan hasil yang semakin baik. Nilai titik FFT yang mewakili dalam program konversi ini adalah 44100.

2. Kualitas penentuan onset dan segmentasi ditentukan oleh besarnya nilai parameter lebar frame dan overlap. Lebar frame dan overlap yang mewakili dalam program konversi ini adalah 1024 dan 512 (50% dari lebar frame).

3. Filter tercocok yang dipakai dalam sistem ini adalah tipe Butterworth dengan orde lima, frekuensi cut-off bawah 90 Hz dan frekuensi cut-off atas 2200 Hz.

4. Nilai cropping threshold tercocok untuk sistem ini adalah 0,02.

5. Nilai-nilai threshold paling baik dalam ektraksi ciri Harmonic-FFT adalah threshold atas 35, threshold bawah 25 dan magnitude threshold 180.

6. Dalam analisis pengaruh ekstraksi ciri terhadap kinerja sistem didapat dua macam ekstraksi ciri terbaik yang sama-sama menghasilkan akurasi 80% yaitu ekstraksi ciri Fundamental-FFT dan Harm-Fun-FFT. Namun dipilih Harm-Fun-FFT untuk ekstraksi ciri dalam sistem ini karena mempunyai ciri yang lebih kompleks.

7. Epoch terbaik menghasilkan akurasi 80% yaitu epoch 1000. Epoch 1000 mempunyai waktu training JST-SOM 13,4333 menit. Walaupun epoch 1000 mempunyai waktu training cukup lama, hal itu tidak menjadi hal yang terlalu buruk karena training hanya dilakukan satu kali untuk membuat satu buah jaringan. Sehingga dari pemaparan tadi dapat diambil simpulan bahwa epoch 1000 mempunyai performansi yang paling baik untuk digunakan.

8. Didapat kombinasi parameter arsitektur JST-SOM terbaik yang menghasilkan akurasi 80% yaitu kombinasi 22. Kombinasi terbaik ini merupakan kombinasi JST-

(7)

KESIMPULAN DAN SARAN

PENGENALAN DAN ANALISIS KONVERSI NADA TUNGGAL PIANO KE DALAM NOT BALOK MENGGUNAKAN METODE TST-SOM

50 SOM dengan parameter fungsi jarak boxdist, fungsi topologi randtop dan ukuran topologi layar 1x25.

5.2. Saran

Pengembangan yang dapat dilakukan dalam program konversi ini adalah pada penelitian selanjutnya sebaiknya variasi nada yang dimainkan dapat ditambah.

Sehingga bukan hanya nada asli yang diinputkan, tetapi juga nada yang dinaikkan ½ (#) dan bukan nada yang diturunkan ½ (b). Selain itu, pada penelitian selanjutnya not yang digunakan diharapkan tidak hanya sampai not seperdelapan (½ ketuk), tetapi juga not seperenambelas (¹/4 ketuk) dan not sepertigapuluhdua (¹/8 ketuk).

(8)

xix

DAFTAR PUSTAKA

[1] Analisis of a wav

line.http://www.ymec.com/hp/signal2/gitar1.htmdidownloadpada 26 November 2010 pukul 11.08 WIB

[2] Andrew DeBellis, Mark. 1995. Musik and Conceptualization. United States : Cambridge press

[3] Audio Filter.FFT. Filtering. Framming. HFC. Normalization. Root of Unity.

Signal. Window Function.Http://en.wikipedia.org/

[4] Beauchamp, James. 2006. Analysis, Synthesis, and Perception of Musical Sound. New York: Springer

[5] Brigham, E. Organ. 1988. The Fast Fourier Transform And Its Application. Singapore : Prentice Hall, Inc

[6] John G Proakis dan Dimitri G. Monoakis, Digital Signal Processing : Principles,Algorithms, & Applications, Prentice Hall, Inc, Englewood Cliff-New Jersey, 1996.

[7] Hunt, Brian R., Ronald L. Lipsman, dan Jonathan M. Rosenberg. 2001.

“A Guide to Matlab for Beginners and Experienced Users”. New York:

Cambridge University Press.

[8] Kinnunen, Tomi. 2003. Spectral Features for Automatic Text- Independent Speaker Recognition. Finland

[9] Lindsay, Ken. 2006. Optimization Strategies For FFT Use In Musical Audio Analysis. Oregon USA : Ashland

[10] Loren D. Enochson and Robert K. Otnes (1968). Programming and Analysis for Digital Time Series Data. U.S. Dept. of Defense, Shock and Vibration Info. Center. pp. 142.

[11] Manipulated wav files.

http://aldiena.qweinhorn.co.cc/2010/11/mengenal-berbagai-jenis-format- file.htmldidownload pada 26 november 2010 pukul 11.50 WIB

[12] Maragos,Petros . 2008. Multimodal pocessing and interaction : audio, video, text. New York: Spinger Science.

[13] Masri, P.; A. Bateman. 1995. "Identification of nonstationary audio signals using the FFT, with application to analysis-based synthesis of sound" in IEE Colloquium on AudioEngineering.

[14] Marion Mason, Robert. 1985. Modern methods of musik analysis using computers. United States : Schoolhouse Press.

[15] Register, Andi H. 2007. “A Guide To Matlab Object Oriented Programming”. New York : Scitech Publishing.

[16] Schilling, Robert. 2006. Fundamentals of Digital Signal Processing Using MATLAB. New York: Cengange Learning.

Powered by TCPDF (www.tcpdf.org)