APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO
SKRIPSI
M. ARDIANSYAH 091402062
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
M. ARDIANSYAH 091402062
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : APLIKASI PENGENALAN SUARA DIGITAL
NADA DASAR PIANO
Kategori : SKRIPSI
Nama : MUHAMMAD ARDIANSYAH
Nomor Induk Mahasiswa : 091402062
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di
Medan, 23 Agustus 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs. Marihat Situmorang, M.Kom NIP. 19631214 198903 1 001
PERNYATAAN
APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 23 Agustus 2014
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini.
Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada :
1. Keluarga penulis, terutama kedua orang tua penulis. Ibunda, Adriaty Handayani dan Ayahanda, R. Epidaryanto yang selalu sabar dalam mendidik dan membesarkan penulis. Adik penulis Ananda Listiarini dan Kakak penulis Annisa Yunita yang selalu memberikan semangat kepada penulis.
2. Bapak Romi Fadillah Rahmat,B.Comp.Sc.,M.Sc. dan Bapak Drs. Marihat Situmorang, M.Kom selaku pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
3. Bapak dan Ibu dosen pembanding.
4. Ketua dan Sekretaris Program Studi Teknologi Informasi Bapak M. Anggia Muchtar, ST.,MM.IT. dan Bapak M. Fadly Syahputra, B.Sc.,M.Sc.IT.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.
6. Kepada Melinda Agustien yang selalu memberikan motivasi, memberikan nasihat agar penulis dapat menyelesaikan penulisan tugas akhir ini dengan baik.
7. Kepada Nurul Khadijah, Ade Maulana yang selalu membantu penulis sehingga
dapat menyelesaikan tugas akhir dengan baik.
8. Seluruh sahabat terbaik penulis yang selalu memberikan dukungan, Ade Tambunan, Ammar Adianshar, Ridzuan Ikram Fadjri, Julia Annisa, Yunisya Aulia Putri, Reza Elfandra, Ibnu setiawan, Raisha Ariani, Fanny sari wulandari, Yogi, Bora, Sheila, Septi, Aat, Ijal,Uti serta seluruh angkatan 09, serta teman-teman seluruh angkatan mahasiswa USU lainnya yang tidak dapat penulis sebutkan satu persatu, Semoga Allah SWT membalas kebaikan kalian dengan nikmat yang berlimpah.
ABSTRAK
Dalam bermain musik khususnya bermain piano, seorang pianist membutuhkan partitur dalam panduan untuk bermain musik. Partitur merupakan tulisan yang digunakan seorang pianist untuk menyimpan atau menyampaikan sebuah lagu. Banyak pianist yang tidak mempunyai keahlian dalam pembuatan partitur, khusunya dalam pembuatan musik yang spontan. Karena itu, diperlukan sebuah aplikasi yang dapat membantu dalam pembuatan partitur dari suara musik piano. Metode ekstraksi
Mel-Frequency Cepstral Coefficient dan metode pencocokan Learning Vector
Quantization digunakan untuk membuat aplikasi tersebut. Metode MFCC digunakan untuk mengambil Vector – vector yang berada didalam sebuah lagu. Dan metode LVQ digunakan untuk mencocokkan data uji dengan data acuan yang telah disimpan terlebih dahulu. Output yang dihasilan dari sistem ini berupa partitur musik dari lagu yang telah diinput kedalam sistem.
VOICE RECOGNITION APPLICATIONS BASIC DIGITAL PIANO TONE
ABSTRACT
In playing music especially playing the piano, a pianist needs score to play music in the guide. Scores are writing who used by a pianist to store or deliver a song. Many pianists do not have expertise in the making of sheet music, especially in spontaneous music-making. Therefore, we need an application that can help in the making of the music scores. Methods for extracting is Mel - Frequency cepstral coefficient and Learning Vector Quantization matching method is used to create such applications. MFCC method is used to retrieve Vectors which resides in a song. And LVQ method is used to match test data with reference data that has been stored in advance. output of this system in the form of sheet music of a song that has been inputed into the system.
DAFTAR ISI
1.7 Sistematika Penulisan 4
Bab 2 Landasan Teori 5
2.1 Latar Belakang Pengenalan Ucapan 6
2.2 Suara Musik 7
2.3 Pengolahan Audio 7
2.4 Mel-Frequency Cepstrum Coefficient ( MFCC ) 9
2.4.1 DC – Removal 9
2.4.2 Pre – Emphasize Filtering 10
2.4.4 Windowing 12
2.4.5 Analisis Fourier 13
a. Discrete Fourier Transform ( DFT ) 15
2.4.6 Fast Fourier Transform 16
2.4.7 Mel-Frequency Warping 18
2.4.8 DCT 19
2.5 Jaringan Syaraf Tiruan 19
2.5.1 Learning Vector Quantization ( LVQ ) 20
2.6 Penelitian Terdahulu 21
Bab 3 Analisis dan Perancangan 23
3.1 Analisis Sinyal Suara 24
3.2 Analisis Ekstraksi Fitur Suara Menggunakan MFCC 24
3.2.1 Input Suara 24
3.2.2 DC- Removal 25
3.2.3 Pre-Emphasize 26
3.2.4 Frame Blocking 27
3.2.5 Windowing 28
3.2.6 Analisis Fourier 28
3.2.7 Filter Bank 29
3.2.8 Discrete Cosine Transform ( DCT ) 29
3.3 Pencocokan dengan Metode Learning Vector Quantization 30
3.3.2 Algoritma LVQ 30
3.4 Database 34
3.5 Antarmuka Sistem 35
Bab 4 Impelemntasi dan Pengujian Sistem 38
4.2 Skenario Uji Coba Sistem 39
Bab 5 Kesimpulan dan Saran 50
5.1 Kesimpulan 50
5.2 Saran 52
DAFTAR TABEL
Hal
Tabel 2.1. Fungsi – fungsi window dan Formulanya 13
Tabel 2. 2 Penelitian Terdahulu 21
Tabel 4.1 Rencana Pengujian Sistem 45
Tabel 4.2 Pengujian Sistem ( input data acuan ) 46
Tabel 4.3 Pengujian Sistem ( pengenalan data ) 46
Tabel 4.4 Sampe data pengujian sistem 47
Tabel 4.5 Processing time 48
DAFTAR GAMBAR
Hal
Gambar 2.1 Tahapan dalam Speech Recognition 7
Gambar 2.2 Struktur WAV 8
Gambar 2.3 Contoh Dari Pre- Emphasize Pada Sebuah Frame 10
Gambar 2.4 Contoh Frame Blocking 11
Gambar 2.5 Contoh Dari Spectogram 14
Gambar 2.6 Tiga Gelombang Sinusoidal Dan Superposisinya 15
Gambar 2.7 Domain Waktu Menjadi Domain Frekuensi 16
Gambar 2.8 Grafik Perbandingan Kecepatan Direct Calculation Dengan
Algoritma FFT 17
Gambar 2.9 Pembagian Sinyal Suara Menjadi Dua Kelompok 17
Gambar 2.10 Arsitektur Jaringan LVQ 20
Gambar 3.1Arsitektur Umum Aplikasi 23
Gambar 3.2 Flowchart DC-Removal 25
Gambar 3.3 Flowchart Pre-Emphasize Filter 26
Gambar 3.4 Flowchart Frame Blocking 27
Gambar 3.5 Database Aplikasi 35
Gambar 3.6 Rancangan Halaman Awal 36
Gambar 3.7 Rancangan Halaman Pengenalan 36
Gambar 4.1 Tampilan Awal Aplikasi 40
Gambar 4.2 Tampilan Menu Pengenalan 40
Gambar 4.3 Tampilan Menu Pengenalan 41
Gambar 4.4 Tampilan Spectogram Untuk Suara Input 41
Gambar 4.5 Tampilan Spectogram Suara Potong 42
Gambar 4.6 Partitur Hasil 43
Gambar 4.7 Tampilan Menu Admin 44
