PENGENALAN NADA HARMONIKA MENGGUNAKAN WINDOWING KOEFISIEN DST DAN JARAK MATUSITA
Rendi Pradhana
ABSTRAK
Seni musik merupakan suatu seni hiburan yang sudah melekat di masyarakat dunia. Salah satu alat musik yang biasa digunakan untuk mengiringi sebuah alunan musik adalah harmonika.Cara memainkan alat musik harmonika ini yaitu dengan meniup ataupun menyedot yang kemudian dapat menghasilkan suara ataupun nada yang indah.
Harmonika menggunakan sumber bunyi berupa pelat getar (reed) yang dipasangkan pada piring pelat getar (reedplate). Saat dilewati udara, reed akan merespon dengan cara bergetar bolak-balik melalui lubang (slot) yang sudah dibuat pada reed plate dan menghasilkan bunyi.
Ada suatu suatu sistem yang mampu mengenali dan mendefinisikan suara harmonika.Sistem ini membandingkan secara langsung nada Do, Re, Mi, Fa, Sol, La, Si , Do’ yang akan dimainkan. Nada yang akan dimainkan dibandingkan dengan nada yang telah tersimpan pada sistem tersebut (data base).
Setelah itu, dilakukan proses ekstrak ciri menggunakan Discrete Sine Transform (DST). Pembandingan nada yang dimainkan menggunakan fungsi jarak Matusita. Pemrograman sistem ini menggunakan software Matlab dan program interface user menggunakan GUI Matlab.
Kata kunci : Harmonika, DST, windowing Hanning, fungsi jarak Matusita, Windowingkoefisien,
HARMONICA TONE RECOGNITION USING WINDOWING OF DST COEFICIENTS AND MATUSITA DISTANCE
Rendi Pradhana
ABSTRACT
Musical arts is an art entertainment already attached in the world community. One of the music commonly used to follow up a intoning music is harmonica.Way playing a musical instrument harmonica is by blowing or absorb that can then be producing sound or tone beautiful.
Harmonica use up the sound of plates a trill (reed) paired to the plate a trill (reedplate). When passed by air, reed will respond by means of vibrating back and forth over a hole (slot) already made upon a reed plate and produce sounds.
There is a a system that able to recognize and define harmonica playing .This system compare directly
tone do , re , mi , fa , sol , la , the , do’ which will be played. Tones of which are to played compared to the tone
have been stored on those systems (data a base).
After that, the process extracts done features using discrete sine transform so on and so forth.The purpose of comparing the tones of which played using a function of distance matusita .Programming this system uses matlab software programs and user interface uses gui matlab.
i
TUGAS AKHIR
PENGENALAN NADA HARMONIKA MENGGUNAKAN
WINDOWING KOEFISIEN DST DAN JARAK MATUSITA
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Teknik
Program Studi Teknik Elektro
Oleh :
Rendi Pradhana
NIM : 105114018
PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
ii
FINAL PROJECT
HARMONICA TONE RECOGNITION
USING WINDOWING OF DST COEFICIENTS
AND MATUSITA DISTANCE
Presented As Partial Fulfillment Of The Requirement
To Obtain The Sarjana Teknik Degree
In Electrical Engineering Study Program
Rendi Pradhana
NIM : 105114018
ELECTRICAL ENGINEERING STUDY PROGRAM
SCIENCE AND TECHNOLOGY FACULTY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
vi
HALAMAN PERSEMBAHAN
MOTTO
MY LIFE MY ADVENTURE
viii
PENGENALAN NADA HARMONIKA MENGGUNAKAN WINDOWING KOEFISIEN DST DAN JARAK MATUSITA
Rendi Pradhana
ABSTRAK
Seni musik merupakan suatu seni hiburan yang sudah melekat di masyarakat dunia. Salah satu alat musik yang biasa digunakan untuk mengiringi sebuah alunan musik adalah harmonika.Cara memainkan alat musik harmonika ini yaitu dengan meniup ataupun menyedot yang kemudian dapat menghasilkan suara ataupun nada yang indah.
Harmonika menggunakan sumber bunyi berupa pelat getar (reed) yang dipasangkan pada piring pelat getar (reedplate). Saat dilewati udara, reed akan merespon dengan cara bergetar bolak-balik melalui lubang (slot) yang sudah dibuat pada reed plate dan menghasilkan bunyi.
Ada suatu suatu sistem yang mampu mengenali dan mendefinisikan suara
harmonika.Sistem ini membandingkan secara langsung nada Do, Re, Mi, Fa, Sol, La, Si , Do’ yang
akan dimainkan. Nada yang akan dimainkan dibandingkan dengan nada yang telah tersimpan pada sistem tersebut (data base).
Setelah itu, dilakukan proses ekstrak ciri menggunakan Discrete Sine Transform (DST). Pembandingan nada yang dimainkan menggunakan fungsi jarak Matusita. Pemrograman sistem ini menggunakan software Matlab dan program interface user menggunakan GUI Matlab.
Kata kunci : Harmonika, DST, windowing Hanning, fungsi jarak Matusita, Windowingkoefisien,
ix
HARMONICA TONE RECOGNITION USING WINDOWING OF DST COEFICIENTS AND MATUSITA DISTANCE
Rendi Pradhana
ABSTRACT
Musical arts is an art entertainment already attached in the world community. One of the music commonly used to follow up a intoning music is harmonica.Way playing a musical instrument harmonica is by blowing or absorb that can then be producing sound or tone beautiful.
Harmonica use up the sound of plates a trill (reed) paired to the plate a trill (reedplate). When passed by air, reed will respond by means of vibrating back and forth over a hole (slot) already made upon a reed plate and produce sounds.
There is a a system that able to recognize and define harmonica playing .This system compare directly tone do , re , mi , fa , sol , la , the , do’ which will be played. Tones of which are to played compared to the tone have been stored on those systems (data a base).
After that, the process extracts done features using discrete sine transform so on and so forth.The purpose of comparing the tones of which played using a function of distance matusita .Programming this system uses matlab software programs and user interface uses gui matlab.
x
KATA PENGANTAR
Puji dan Syukur kepada Tuhan Yesus karena telah memberikan Berkat-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. Tuhan Yesus Kristus atas berkat 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. Yasinta Petronella Nugraheni, yang selalu memberikan doa, tidak bosan-
bosannya memberi semangat dan setia dalam menemani penyelesaian
tugas Akhir ini.
7. Renny Erlyana, terimakasih mama yang selalu memberi semangat dan
doanya yang kuat setiap saat dan setiap waktu.
8. Mastok debian vitraly, Christian Jordy,Herman Jansen, Maulana Akbar
Tobing, Blasius air dasyat,Ranger paingan yang telah membantu dalam
penulisan Tugas Akhir ini.
9. Teman-teman yang selalu mengajari, 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
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
ABSTRAK ... viii
ABSTRACT ... ix
KATA PENGANTAR ... x
DAFTAR ISI ... xii
DAFTAR GAMBAR ... xvii
DAFTAR TABEL ... xviii
BAB I PENDAHULUAN ... 1
1.1Latar 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 Harmonika ... 4
2.2 Sampling ... 6
2.3 Pemotongan Sinyal ... 6
xiii
2.5Hanning Window ... 7
2.6Ekstraksi Ciri ... 8
2.7Discrete Sine Transform (DST) ... 8
2.8Fungsi Jarak Matusita ... 9
2.9Mikrofon ... 9
2.10Sound Card ... 6
2.11Matlab ... 6
BAB III PERANCANGAN... 13
3.1. Sistem Pengenalan Nada ... 13
3.1.1Nada Harmonika ... 14
3.1.2Pemotongan Sinyal... 14
3.1.3Frame Blocking ... 14
3.1.4Normalisasi ... 14
3.1.5Windowing ... 14
3.1.6Discrete Sine Transform(DST) ... 14
3.1.7Windowing Koefisien ... 15
3.1.8Fungsi Jarak ... 15
3.1.9Penentuan Nada ... 15
3.1.10Hasil Tampilan Nada... 15
3.2Perancangan Nada Referensi... 16
3.3Tampilan Program Pada GUI Matlab ... 16
3.4Perancangan Blok Diagram... 18
3.4.1 Proses Perekaman... 19
xiv
3.4.3Proses Frame Blocking ... 20
3.4.4Proses Normalisasi ... 21
3.4.5Proses Hanning Windowing ... 22
3.4.6 Proses Discrate Sine Transform (DST) dan Windowing Koefisien . 22 3.4.7 Proses Fungsi Jarak Matusita ... 23
3.4.8 Proses Penentuan Hasil Nada ... 24
3.5 Perancangan Subistem Program ... 24
3.6 Perancangan Sampling ... 25
3.7 Perancangan Blok Diagram... 27
BAB IV HASIL DAN PEMBAHASAN ... 29
4.1. Pengujian Program Pengenalan NadaHarmonika menggunakan Ekstraksi Ciri Discreate Sine Transform dan Jarak Matusita ... 26
4.1.1 Proses Pengenalan NadaHarmonika dengan Menggunakan Langkah- langkah Berikut ... 26
4.1.2 Pengenalan Nada ... 28
4.2. Hasil Pengujian Program Pengenalan Nada Terhadap Terhadap Tingkat Pengenalan Nada Harmonika ... 40
4.2.1 Pengujian untuk Menentukan batas Nilai Jarak yang Opimal ... 45
BAB V KESIMPULAN DAN SARAN... 46
5.1Kesimpulan ... 46
xv
xvi
DAFTAR LAMPIRAN
xvii
DAFTAR GAMBAR
Gambar 2.1 Alat Musik Harmonika ... 4
Gambar 2.2 Harmonika ... 5
Gambar 2.3 Frame Blocking ... 7
Gambar 2.4 HasilPlot Jendela Hann ... 8
Gambar 2.5 Contoh sound card ... 11
Gambar 2.6 Tampilan awal Matlab ... 12
Gambar 3.1 Diagram Blok Pengenalan Harmonika ... 13
Gambar 3.2 Diagram Blok Proses Pengambilan Nada Refrensi ... 16
Gambar 3.3 Diagram Tampilan Utama Program ... 17
Gambar 3.4 Diagram Blok Keseluruhan ... 18
Gambar 3.5 Diagram Alir Proses Perekaman ... 19
Gambar 3.6 Diagram Alir Proses Pemotongan Sinyal ... 19
Gambar 3.7 Diagram Alir Proses Frame Blocking ... 20
Gambar 3.8 Diagram Alir Proses Normalisasi ... 21
Gambar 3.9 Diagram Alir Proses Windowing Hanning ... 22
Gambar 3.10 Diagram Alir Proses DST ... 23
Gambar 3.11Diagram Alir Fungsi Jarak ... 23
Gambar 3.12 Diagram Alir Proses Penentuan Hasil Nada ... 24
Gambar 4.1 Ikon Matlab 7.0.4 ... 26
Gambar 4.2 Tampilan Matlab ... 27
Gambar 4.3 Tampilan Program Pengenalan Nada Harmonika ... 27
xviii
DAFTAR TABEL
Tabel 3.1Keterangan Tampilan Program ... 17
Tabel 4.1Nilai Jarak Yang Optimal ... 40
Tabel 4.2 Hasil Pengenalan DST : 256 dan Windowing Koefesien : 80% ... 41
1
BAB I
PENDAHULUAN
1.1
Latar Belakang
Seni musik merupakan suatu seni hiburan yang sudah melekat di
masyarakat dunia. Banyak jenis musik dan alat musik yang digunakan untuk
memainkan suatu lagu / instrument. Salah satu alat musik yang biasa digunakan
untuk mengiringi sebuah alunan musik.
Harmonika bukan hanya alat musik berbentuk yang kecil dan mudah di
bawa. cara memainkan alat musik harmonika ini dengan hanya meniup ataupun
menyedot kemudian bisa menghasilkan suara ataupun nada yang indah.
Harmonika menggunakan sumber bunyi berupa pelat getar (reed) yang
dipasangkan pada piring pelat getar (reedplate). Saat dilewati udara, reed akan
merespon dengan cara bergetar bolak-balik melalui lubang(slot) yang sudah
dibuat pada reed plate dan menghasilkan bunyi.
Berdasarkan dari hal di atas, maka dapat ditarik kesimpulan bahwa secara
pendengaran telinga manusia sudah pasti dapat mendefinisikan suara yang
dihasilkan oleh alat musik. harmonika. Oleh karena itu peneliti ingin membuat
suatu sistem yang mampu mengenali dan mendefinisikan suara harmonika.
Sistem ini membandingkan secara langsung nada Do, Re, Mi, Fa, Sol, La, Si , Do’ yang akan dimainkan. Nada yang akan dimainkan dibandingkan dengan nada yang telah tersimpan pada sistem tersebut (data base). Setelah itu, dilakukan
proses ekstrak ciri menggunakan Discrete Sine Transform (DST). Pembandingan
nada yang dimainkan menggunakan fungsi jarak Matusita. Pemrograman sistem
ini menggunakan software Matlab dan program interface user menggunakan GUI
Matlab.
Bambu Secara Real-Time Menggunakan Ekstraksi ciri DCT dan Similaritas
Sorensen” [1] yang dilakukan oleh Yustinus Deddy Yuswantoro. Peneliti memilih
metode ini untuk mengembangkan tentang pengenalan nada alat musik tiup dan
metode ekstraksi ciri yang berbeda dan ada tambahan windowing koefisien agar
hasil ekstraksi ciri lebih sedikit.
1.2
Tujuan dan Manfaat Penelitian
Tujuan dari penulisan tugas akhir ini adalah menghasilkan perangkat lunak
yang mampu mengenali suara Harmonikasecara tidak real time.
Manfaat dari penelitian ini adalah :
a. Dalam pengembangannyasebagai perangkat lunak untuk mengenali
suara Do, Re, Mi, Fa, Sol, La, Si , Do’ yang dihasilkan dari alat musik
harmonika.
b. Sebagai penelitian awal untuk pengembangan alat bantu penyetelan
suara nada dasar harmonika pada ssaat pembuatannya.
1.3
Batasan Masalah
Sistem pengenalan nada harmonika ini terdiri dari hardware dan
software(komputer). Hardware berfungsi untuk memasukkan suara Harmonika
yang diditiup dan disedot, sedangkan perangkat lunakpada komputer berfungsi
untuk mengatur semua proses pengenalan suara harmonika yang ditiup dan
disedot.
Pada perancangan sistem ini, penulis fokus pada pembuatan
softwarekomputer untuk memproses pengenalan suara harmonika, 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. Suara yang diidentifikasi 1 alat (harmonika penguji). Ditiup oleh
b. Nada berupa Do, Re, Mi, Fa, Sol, La, Si , Do’ Suara yang lain dikenali
secara salah.
c. Hasil pengenalan nada tidak secara realtime.
d. Menggunakan perangkat lunak komputasi (Matlab) dalam pembuatan
program.
e. Memakai ekstraksi ciri Discrete Sine Transform (DST) dan fungsi
jarak Matusita.
f. Memakai windowing koefisien agar hasil ekstraksi ciri lebih sedikit
g. Memakai jenis mikrofon INTOPIC Jazz MIC, Dekstop MIC Jazz-013,
dengan jarak harmonika 10 cm dari mikrofon.
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
4
BAB II
LANDASAN TEORI
2.1 Harmonika
Gambar 2.1 Harmonika
Harmonika bukan hanya alat musik yang berbentuk kecil, mungil dan
mudah di bawa. Banyak orang mengira memainkan alat musik harmonika ini
begitu mudah dimainkan. Dengan hanya meniup dan menyedot dapat
menghasilkan suara ataupun nada yang indah. Memainkan alat musik harmonika
tidak semudah yang kita bayangkan. Dibutuhkan trik untuk bermain harmonika
dengan baik dan benar. Harmonika adalah salah satu alat musik tiup. Cara
memainkan alat musik ini adalah dengan meniup dan menghisap lubang untuk
menghasilkan suara. Harmonika berasal dari alat musik tradisional Cina yang
bernama 'Sheng'. Alat musik tradisional tersebut telah digunakan sekitar 5000
tahun yang lalu, tepatnya sejak kekaisaran Nyu-kwa.
Harmonika modern ditemukan pada tahun 1821 oleh Christian Friedrich
Buschmann. Sebuah instrumen musik tiup sederhana yang terdiri dari plat-plat getar dari logam yang disusun secara horizontal dengan model yang sederhana
Model awal dari Buschmann akhirnya banyak ditiru dan disempurnakan
menjadi lebih baik. Salah satu contohnya adalah harmonika buatan Richter yang
merupakan desain awal dari sebuah harmonika modern. Pada tahun 1826 ia
mengembangkan variasi harmonika dengan 10 lubang tetap dan 20 pelat getar
dengan pemisahan fungsi pelat yang ditiup dan yang dihisap.
.Harmonika menggunakan sumber bunyi berupa pelat getar (reed) yang
dipasangkan pada piring pelat getar (reedplate). Saat dilewati udara, reed akan
merespon dengan cara bergetar bolak-balik melalui lubang(slot) yang sudah
dibuat pada reed plate dan menghasilkan
bunyi. Harmonikaterdiridari3bagianbesar,yaitu: (lihat gambar 2.3)
Gambar 2.3 Bagian-bagian Harmonika
1.Tutupluar(cover)
Tutup luar harmonika fungsinya untuk memusatkan suara dari reed dan
melindungi reed yang bergetar dari genggaman tangan. Ada sepasang, atas dan
bawah. Di tutup ini juga (bagian atas), biasanya dicetak nomor lubang (pada jenis
diatonik/kromatik), nama, kunci dasar harmonika, dan merek harmonika. Bahan
cover biasanya baja tahan karat, alumunium, kadang besi yang di krom atau
2.Piringpelatgetardanpelatgetar(reedplate&reed)
Tempat dipasangnya reed. Reedplate dilubangi dengan pola tertentu,
biasanya dari kirilubang terpanjang, berderet sampai lubang terpendek di kanan.
Reedplate ada sepasang, yaitu reedplate tiup dan reedplate hirup. Untuk reedplate
tiup, posisi reednya menghadap ke dalam dan dipasang diatas comb, yang
reedplate hirup, posisi reednya menghadap ke luar dan dipasang di bawah comb.
Di reedplate ini, reed yang panjang, bernada rendah, sedangkan reed yang pendek,
bernada tinggi. Bahan reed dan reedplate biasanya (dan paling umum) dari
kuninganagartidakmudahkaratan.
3.Sisir(comb)
Bagian tengah dari harmonika ini berbentuk seperti sisir, biasanya terbuat
dari plastik, kayu, dan ada juga yang metal. Disini dibuat juga lubang untuk
menyalurkan udara.
2.2 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 samplingrate
ialah Hertz (Hz). Secara teori Nyquist-Shamon yang menyebutkan bahwa untuk
mencegah hilangnya informasi dalam sebuah konversi sinyal kontinu ke diskrit,
pencuplikan minimal harus dua kali lebih besar dari sinyal asli [3]. 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
2.3 Pemotongan Sinyal
Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi
ciri. Proses ini bertujuan untuk memotong beberapa bagian sinyal. Dalam proses
perekaman, pemotongan sering terjadi untuk bagian awal sinyal. Pemotongan
bagian awal sinyal suara dimaksudkan untuk menghilangkan bagian yang tidak
termasuk bagian dari sinyal nada harmonika serta untuk mengurangi cacat sinyal
akibat derau ruangan yang ikut terekam .
2.4 Frame Blocking
Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan satu frame terdiri dari beberapa data sampel [4]. Pengambilan sampel tersebut tergantung dari tiap detik suara akan disampel dan berapa besar frekuensi
sampling-nya. Gambar 2.4 menunjukkan contoh dari frame blocking dimana keseluruhan frame dibagi menjadi 5 M frame. Setiap M memiliki jumlah data
yaitu data, dengan N adalah Bilangan bulat
Gambar 2.4. Frame Blocking
Fungsi frame blocking yaitu untuk memilih data yang akan diproses dalam
sistem pengenalan. Frame Blocking juga dapat mempercepat proses perhitungan
pada DST (Descrete Sine Transform) dengan jumlah data pada setiap frame
2.5 Hann (Hanning) window
Jendela Hann dinamai Julius von Hann dan juga dikenal
sebagai Hanning (karena mirip nama dan dalam bentuk ke jendela Hamming )
[5], von Hann dan jendela kosinus mengangkat didefinisikan oleh:
(2.1)
Ujung-ujung cosinus hanya menyentuh nol, sehingga sisi-lobus
menggelinding pada sekitar 18 dB per oktaf.
Gambar 2.5 hasil plot dengan Jendela Hann.
2.6
Ekstraksi Ciri
Ekstraksi ciri merupakan proses untuk mendapatkan sederetan besaran
pada bagian sinyal masukkan untuk menetapkan pola pembelajaran atau pola uji
[6]. Dalam proses pengenalan diperlukan pencuplikan yang lebih dari satu oleh
sebab itu pencuplikan yang telah dilakukan dapat dibentuk pola ujinya dengan
tahapan ekstraksi ciri ini. Ekstraksi ciri mempunyai berbagai macam tipe seperti :
ekstraksi ciri secara Discrete Cosine Transform (DCT), ekstraksi ciri Fast Fourrier
Transform (FFT) dan ekstaksi ciri Discrette Sine Transform (DST).
Ekstraksi-ekstraksi ciri tersebut bertujuan untuk mendapatkan pola dasar dari hasil
pencuplikan yang sudah ada.
Discrete Sine Transform (DST) adalah Algoritma yang digunakan untuk
mengubah sampel data dari domain waktu ke domain frekuensi [7]. DST
menstabilkan hubungan antara sampel – sample signal domain waktu dan
merepresentasikannya ke domain DST. Untuk melakukan analisis frekuensi dari
sinyal waktu diskrit F(k) maka perlu mendapatkan representasi domain frekuensi
dari sinyal yang biasanya dinyatakan dalam domain waktu. DST digunakan untuk
melakukan analisa frekuensi dari sinyal waktu diskrit.
DST dihitung menggunakan persamaan :
(2.2)
Dengan : k = indeks dalam domain DST = 1,….,N, n = indeks dalam domain waktu = 1,…..N,
N=banyaknya data
2.8 Fungsi Jarak Matusita
Fungsi jarakMatusita adalah untuk membandingkan antara database
dengan data hasil. Pembandingan data ini yang akan digunakan untuk
mengidentifikasi masukkan yang nantinya akan menghasilkan keluaran akhir
dari sistem program. Fungsi jarakmatusita merupakan proses yang digunakan
untuk penentuan keluaran sebelum keluaran akhir benar-benar dihasilkan.
Rumus untuk Fungsi jarak Matusita adalah sebagai berikut [8] :
P dan Qmerupakan merupakan vektor yang akan dicari nilai jaraknya dan M
adalah panjang vektor.
2.10 Mikrofon
Mikrofon digunakan pada beberapa alat seperti telepon, alat perekam,
alat bantu dengar, pengudaraan radio, televisi, dan sebagainya . Fungsi
mikrofon pada dasarnya ialah untuk input suara harmonika lalu mengubahnya
menjadi getaran listrik sinyal analog untuk selanjutnya diperkuat dan diolah
sesuai dengan kebutuhan [9]. 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 memilih mikrofon diperlukan agar dapat memaksimalkan
performa dari mikrofon yang 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
2.10 Sound Card
Sound card merupakan sebuah periperal pada komputer sebagai I/O
suara yang menyediakan komputer kemampuan untuk menghasilkan suara
yang dapat didengar oleh pengguna baik melalui speaker atau headphone .
Pada dasarnya setiap sound card memiliki:
1. Digital Signal Processor (DSP) yang akan menangani semua jenis komputasi.
2. Digital to Analog Converter (DAC) sebagai keluaran suara ke speaker.
3. Analog to Digital Converter (ADC) sebagai masukan suara. 4. Read Only Memory (ROM) atau Flash sebagai penyimpanan data. 5. Musical Instrument Digital Interface (MIDI) untuk
menyambungkan beberapa peralatan musik eksternal.
6. Jack untuk menyambungkan kartu suara dengan speaker pada jalur line out atau mikrofon pada jalur line in.
Beberapa sound card sudah terpasang secara pabrikan (on board)
pada motherboard komputer, tetapi bisa juga ditambahkan untuk keperluan
[image:31.595.86.514.208.646.2]yang lebih lanjut pada slot PCI motherboard [10].
Gambar 2.6. Contoh Kartu Suara
Ada beberapa pengaturan awal dalam proses perekaman suara dengan
menggunakan sound card, yaitu:
Satu channel menandakan mode mono, 2 Channel menandakan mode
stereo.
2.11 Matlab
Pemograman untuk sistem pengenalan suara manusia ini memakai
perangkat lunakMatlab. Hal ini dikarenakan matlab merupakan perangkat lunak
dengan bahasa pemograman tingkat tinggi, selain itu Matlab mempunyai ratusan
fungsi yang dapat diaplikasikan dalam berbagai macam program.
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++. 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 hadir dengan membawa warna yang berbeda. Hal ini karena Matlab
membawa keistimewaan dalam fungsi-fungsi matematika, fisika, statistik, dan
visualisasi. Saat ini Matlab memiliki ratusan fungsi yang dapat digunakan sebagai
problem solver mulai dari simple sampai masalah-masalah yang kompleks dari
berbagai disiplin ilmu [11] . 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
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.
[image:33.595.86.532.199.626.2]14
BAB III
PERANCANGAN
3.1.
Sistem Pengenalan Nada Alat Musik Harmonika
[image:34.595.88.566.219.648.2]. Blok sistem pengenalan nada alat musik harmonika di tunjukkan pada gambar
Gambar 3.1 Diagram Blok Pengenalan Nada Harmonika
Pada proses pengenalan nada harmonika, data berupa input wave yang
kemudian akan di normalisasi, dan kemudian di olah melalui proses windowing
untuk kemudian dilakukan analisa sinyal menggunakan DST (Discrete Sine
transform) kemudian dilakukan windowing koefisien dan proses yang terakhir penyelesaian dengan fungsi jarak Matusita dalam sistem pengenalan nada
harmonika.
3.1.1 Nada Harmonika
Hasil dari sampling nada harmonika yang direkam
Normalisasi
Fungsi Jarak Matusita Keluaran Text
Hanning Window DST
Pemotongan Sinyal
Windowing Koefisien Suara Harmonika (wav)
DataBase Penentuan Nada
3.1.2 Pemotongan Sinyal
Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi
ciri. Proses ini bertujuan untuk memotong beberapa bagian sinyal.
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 blocking 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 Normalisasi
Proses ini bertujuan untuk menyetarakan amplitudo maksimum baik nada
terekam dengan nada referensi, sehingga efek dari kuat lemahnya suara yang
dikeluarkan harmonika tidak terlalu mempengaruhi proses pengenalan.
Untuk menyetarakan skala amplitudo puncak maka proses normalisasi
menggunkan rumus :
(3.1)
3.1.5 Windowing
Windowing merupakan perkalian antar elemen yang berfungsi untuk
mengurangi efek diskontinuitas dari sinyal digital hasil rekaman. Dalam
perancangan ini penulis menggunakan Hanning Window.
3.1.6 Discrete Sine Transform (DST)
3.1.7 Windowing koefisien
Untuk sistem pengenalan nada Harmonika. Disini penulis menggunakan
windowing koefisien DST. Sebagian sinyal diambil dari koefisien DST yang
dapat digunakan sebagai ekstraksi ciri. Untuk pengambilan sebagian sinyal dapat
diambil dari koefisien DST ke-1 hingga nilai ke-n (nilai maksimal), dengan n
adalah panjang DST. Dalam proses pengenalan nada Harmonika ini dievaluasi
sejumlah n dari panjang DST, yaitu 16, 32, 64, 128, 256 titik. Dari panjang setiap
n DST akan dipilih sejumlah c koefisien dengan rumus :
c = p x n
(3.2)
Dengan :
p = 10%, 20%, 30%, 40%, 50%, 60%, 70% dan 80%,
n = panjang DST
Fungsi Jarak
Proses ini membandingkan nada yang terekam. 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 Matusita.
Penentuan Nada
Proses ini bertujuan mengenali nada yang terekam dari jarak minimum di peroleh
setelah proses fungsi jarak.
Hasil Tampilan Pengenalan
Hasil pengenalan adalah subproses terakhir dari proses pengenalan nada.
Pada proses ini, hasil pengenalan nada diperoleh setelah proses kemudian
3.2 Perancangan Nada Referensi
Untuk merancang suatu pengenalan 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 Harmonika ini penulis menggambil nada sebagai
nada uji dan 10 sebagai database. Pengambilan nada untuk nada refrensi melalui
proses sampling, frame blocking, normalisasi, windowing ,DST dan windowing
koefisien. Untuk mendapatkan nada refrensi maka dilakukan perhitungan :
Nada referensi yang telah di dapat akan disimpan dalam fungsi yang ada
dalam sistem pegenalan nada Harmonika. Nada refrensi yang disimpan dalam
sistem pengenalan nada Harmonika ini berfungsi jika sewaktu - waktu dibutuhkan
dapat langsung dipanggil dalam proses fungsi jarak yang ada dalam sistem. Alur
[image:37.595.84.575.196.634.2]proses pengenalan nada referensi terlihat pada gambar 3.2.
Gambar 3.2 Diagram Proses Pengambilan Nada Referensi
3.2.
Tampilan Program Pada GUI Matlab
Tampilan program sebagai interface dengan user.Program tersebut
berfungsi mempermudah user dalam mengoperasikan pengenalan nada
Harmonika. Program tersebut menampilkan plotting hasil perekaman dan hasil
dari DFT dan nilai jarak yang diperoleh. Pada program ini juga memberikan
DST Windowing
Normalisasi Frame Blocking
Sampling
pilihan nilai DFT dan alpha pada windowing yang akan digunakan untuk
pengenalan nada. Tampilan program dibuat menggunakan software Matlab.
Penjelasan lebih lanjut tentang tampilan program terdapat pada tabel 3.5. Gambar
[image:38.595.87.555.189.714.2]3.3.
Gambar 3.3 Tampilan Utama Program
Tabel 3.1 Keterangan Tampilan Program
Nama Bagian Keterangan
Tombol Pengenalan Nada Digunakan untuk memulai proses pengenalan
Tombol Input Data Digunakan untuk mengambil suara nada
pengenalan harmonika
Variasi Windowing
koefisien
Untuk variasi windowing Koefisien DST menggunakan 10%, 20%, 30%,
40%,50%,60%,70% dan 80%
adalah 16, 32, 64,128,256.
Jarak
Tampilan nilai jarak
Tombol Exit Digunakan untuk mengakhiri dan keluar aplikasi.
Plot Hasil Rekaman Tampilan grafik suara hasil perekaman.
Plot Hasil DST Tampilan data berupa grafik data hasil DST baik dari rekaman maupun dari 8 nada referensi.
3.3.
Perancangan Diagram Blok
Ketika pengguna akan memulai program pengenalan nada Harmonika,
pengguna dihadapkan tampilan yang sederhana dari interface Matlab. Masukkan
nada uji ke input data, variasi nilai DST dan variasi windowing koefisien pada
list box, setelah user selesai memilih nilai variasi yang diinginkan kemudian pada plot hasil perekaman tertampil. proses selanjutnya adalah penekanan tombol
pengenalan nada yang tersedia pada tampilan awal. Sistem akan mengenali nada
secara tidak real time pada nada harmonika. Proses perekaman aktif selama durasi
1.5 detik. Setelah dilakukan pengenalan maka kemudian tergambar grafik pada
hasil pengenalan DST dan kemudian berbentuk keluaran text pada hasil
pengenalan nada Dalam gambar 3.4 akan menjabarkan mengenai alur proses
Gambar 3.4. Diagram Block Keseluruhan
3.4.1 Proses Perekaman
Mulai Masukan nada
Harmonika
DST
Fungsi Jarak
Keluaran text
Selesai Frame
Blocking
Normalisasi
Windowing Hanning
Penentuan Nada Windowing
Koefisien Pemotongan sinyal
Mulai (Rekam)
Sampling Nada
Plot Grafik (sampling)
Gambar 3.5Proses program rekam
Gambar 3.5 memperlihatkan alir program saat melakukan proses rekam.
Pada proses perekaman ada proses delay. Proses delay digunakan untuk
memberikan jeda waktu pada user sebelum melakukan perekaman. Pada proses
perekaman ini menggunakan frekuensi sampling yang telah ditentukan yang
sesuai dengan karakteristik nada Harmonika . perekaman nada harmonika
dilakukan 160 kali, 80 nada untuk nada referensi atau database dan 80 nada
perekaman untuk nada uji. Hasil proses rekam tersebut kemudian ditampilkan
dalam bentuk plot grafik sesuai dengan alir program.
3.4.2 Pemotongan Sinyal
Gambar 3.6 Proses Pemotongan Sinyal.
Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi
ciri. Proses ini bertujuan untuk memotong bagian kiri sinyal yang tidak ada
datanya.
3.4.3 Proses frame Blocking
Mulai
Mulai Masukan Nada
Terekam(WAV)
Pemotongan sinyal Keluaran hasil
Gambar 3.7 Proses Frame Blocking
Dari gambar ditampilkan pada Gambar 3.6. Proses frame blocking
memilih data dari data nada terekam, Jumlah data yang diambil dalam proses ini
sesuai dengan variasi DST yang dipilih user sehingga data yang dipilih dapat
mewakili semua data pada nada terekam dan kemudian di normalisasi.
Masukan Nada Terekam(WAV)
Fr=166 Fr=32 Fr=64 Fr=128
Mencari titik tengah Length (x)/(2) Pengambilan Data mulai dari titik tengah
Keluaran hasil
Selesai
ya ya
ya
ya Tidak Tidak
Tidak Tidak
3.4.4 ProsesNormalisasi
Gambar 3.8 Proses Normalisasi
Pada proses normalisasi seperti gambar 3.7 di atas proses tersebut harus
mencari nilai maksimum dari data hasil frame blocking sebelum dilakukan
penormalisasian. 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. Mulai
Hasil Frame blocking
Hasil Normalisasi
3.4.5 Proses Hanning Windowing
Gambar 3.9 Proses Hanning windowing
Pada sistem pengenalan nada ini menggunakan salah satu dari beberapa
jenis windowing yang ada yaitu Hanning window. Untuk gambar proses
windowing hamming tertera diatas pada gambar 3.8. Pada proses Hanning
window ini melakukan perhitungan dengan memasukkan nilai frame yang digunakan ke dalam persamaan (2.1). Hasil dari proses windowing ini berupa
matriks yang selanjutnya menjadi masukan proses DST.
3.4.6 ProsesDST dan windowing koefisien
Dari hasil windowing hamming kemudian ditransformasikan menggunakan
Discrete FourierTransform (DST). Proses ini mengkonversi data nada suara dalam domain waktu menjadi domain DST. Proses DST menghasilkan panjang
nilai koefisien, Dari panjang nilai nilai koefisien DST kemudian akan dipilih Mulai
Hasil Normalisasi
w [n] = 0.5 cos
Hasil Windowing
dengan windowing koefisien sejumlah pilihan user. kemudian komputer
menjalankan proses plotting hasil konversi tersebut. Proses DST dan windowing
[image:45.595.84.512.198.754.2]koefisien diperlihatkan pada Gambar 3.9.
Gambar 3.10 Proses DST dan windowing koefisie
3.4.7 Prosesfungsi jarak Matusita Mulai
Mencari Nilai Absolut DST
Pilih Windowing koefisien DST
Hasil windowing koefisien DST
Selesai
Mulai
Hasil windowing koefisien DST
Gambar 3.11 Proses fungsi jarak Matusita
Proses penghitungan ini menggunakan fungsi jarak Matusita. Gambar 3.10
memperlihatkan diagram alir proses fungsi jarak Matusita. Pada proses ini Hasil
dari keluaran DST kemudian dibandingkan dengan delapan puluh nada referensi
atau database. Perbandingan menghasilkan jarak dan data – data tersebut dicari
nilai terkecilnya. Setelah nilai jarak terkecil diperoleh maka nada terekam dapat
dikenali.
3.4.8 Prosespenentuan nada
Gambar 3.12 Penentuan Nada Selesai
Hasil perhitungan jarak
Mulai
Hasil jarak
Keluaran = jarak minimal
text
Gambar 3.11 merupakan gambar Penentuan Nada. Nada hasil pengenalan
ditampilkan dalam tampilan program dalam bentuk teks. Komputer menampilkan nada hasil pengenalan (“ Do, Re, Mi, Fa, Sol, La, Si, Do’ ”)Jika sudah mencapai pada proses tersebut maka proses pengenalan nada Harmonika sudah selesai. User
dapat keluar dari program pengenalan nada tersebut dengan menekan tombol “EXIT”.
3.4.
Perancangan Subsistem Program
Sistem pengenalan nada Harmonika 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 DST 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.
3.6.1 Subsistem Sampling
Dalam subsistem ini terdapat dua variabel terikat berupa frekuensi
sampling dan durasi perekaman. Penguji belum melakukan pengujian awal.
3.6.2
Subsistem Pengenalan Nada
Subsistem ini terdiri dari tiga proses, menggunakan variabel tetap yaitu
proses fungsi jarak dan menggunakan variabel bebas yaitu variasi DST dan variasi
windowing koefisien. Variabel yang akan di evaluasi untuk membangun sistem nada yang optimal adalah kedua variabel bebas tersebut.
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 DST yaitu 16, 32, 64, 128,256.
c. Windowing Koefisien DST mengevaluasi proses variasi nilai jumlah koefisien DST. Nilai variasi koefisien adalah 10%, 20%, 30%, 40%, 50% ,
29
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
Harmonika
Menggunakan Windowing Koefisien DST dan Jarak
Matusita
Perancangan program menggunakan software Matlab 7.10.0. Pada
pengujian program menggunakan laptop dengan spesifikasi:
Prosesor : Intel® Celeron® CPU @ 2.16 GHz
RAM : 2.00 GB
Tipe sistem : Sistem operasi 64 bit
Proses pengenalan nada Harmonika dapat dilakukan dengan menjalankan
langkah-langkah di bawah ini:
1. Mengklik dua kali ikon Matlab pada layar desktop dengan gambar ikon
[image:49.595.86.512.215.656.2]seperti Gambar 4.1.
Gambar 4.1 Ikon Matlab 7.10.0
2. Setelah melakukan langkah 1, akan tampil tampilan utama software
Gambar 4.2 Tampilan Matlab
3. Mengetikan perintah GUI pada Comand window untuk memunculkan
tampilan program pengenalan nada. Setelah itu akan muncul tampilan
program pengenalan nada seperti pada Gambar 4.3.
4. User memilih input data yang akan di kenali kemudian nilai variasi DST dan variasi windowing koefisien yang akan digunakan terlebih dahulu
sebelum melakukan pengenalan nada. Nilai variasi DST yang disediakan
adalah 16, 32, 64, 128, dan 256. Nilai variasi windowing koefisien yang
disediakan adalah 10%,20%,30%,40%,50%,60%,70% dan 80%.
[image:51.595.86.533.152.627.2]5. Apabila langkah 4 sudah dilakukan, user dapat memulai pengenalan nada dengan menekan tombol “Pengenalan Nada”. Hasil pengenalan nada Harmonika terlihat seperti pada gambar 4.4.
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 3 pop up
Pengaturan yang perlu dilakukan adalah dengan memilih input nada yang akan di
kenali, memilih nilai variasi DST 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 DST, dan nada yang berhasil dikenali. User dapat mengulang
pengenalan nada dengan input nada yang berbeda, nilai variasi DST yang 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 Harmonika ini menggunakan tiga
pop up menu variasi DST, dan variasi windowingkoefisien,. Untuk pop up menu 1 akan menampilakan input nada yaitu Do, Re, Mi, Fa, Sol, la, Si dan Dot (Do tinggi) dengan sepuluh macam setiap nadanya. pop up menu
2 digunakan untuk variasi DST yang bernilai 16, 32, 64, 128, dan 256.
Pop up menu 3 akan menampilkan windowingkoefisien yang bernilai 10, 20, 30, 40, 50, 60, 70 dan 80. Berikut merupakan contoh program dalam
penggunakan pop up menu
%mengambil data (load)
if (nada==1)
[y,fs]=wavread('do_1.wav');
elseif (nada==2)
[y,fs]=wavread('do_2.wav');
elseif (nada==3)
[y,fs]=wavread('do_3.wav');
elseif (nada==4)
[y,fs]=wavread('do_4.wav');
elseif (nada==5)
[y,fs]=wavread('do_5.wav');
elseif (nada==6)
[y,fs]=wavread('do_6.wav');
[y,fs]=wavread('do_7.wav');
elseif (nada==8)
[y,fs]=wavread('do_8.wav');
elseif (nada==9)
[y,fs]=wavread('do_9.wav');
elseif (nada==10)
[y,fs]=wavread('do_10.wav');
elseif (nada==11)
[y,fs]=wavread('re_1.wav');
elseif (nada==12)
[y,fs]=wavread('re_2.wav');
elseif (nada==13)
[y,fs]=wavread('re_3.wav');
elseif (nada==14)
[y,fs]=wavread('re_4.wav');
elseif (nada==15)
[y,fs]=wavread('re_5.wav');
elseif (nada==16)
[y,fs]=wavread('re_6.wav');
elseif (nada==17)
[y,fs]=wavread('re_7.wav');
elseif (nada==18)
[y,fs]=wavread('re_8.wav');
elseif (nada==19)
[y,fs]=wavread('re_9.wav');
elseif (nada==20)
[y,fs]=wavread('re_10.wav');
elseif (nada==21)
[y,fs]=wavread('mi_1.wav');
elseif (nada==22)
[y,fs]=wavread('mi_2.wav');
elseif (nada==23)
[y,fs]=wavread('mi_3.wav');
elseif (nada==24)
[y,fs]=wavread('mi_4.wav');
elseif (nada==25)
[y,fs]=wavread('mi_5.wav');
elseif (nada==26)
[y,fs]=wavread('mi_6.wav');
elseif (nada==27)
[y,fs]=wavread('mi_7.wav');
elseif (nada==28)
[y,fs]=wavread('mi_8.wav');
[y,fs]=wavread('mi_9.wav');
elseif (nada==30)
[y,fs]=wavread('mi_10.wav');
elseif (nada==31)
[y,fs]=wavread('fa_1.wav');
elseif (nada==32)
[y,fs]=wavread('fa_2.wav');
elseif (nada==33)
[y,fs]=wavread('fa_3.wav');
elseif (nada==34)
[y,fs]=wavread('fa_4.wav');
elseif (nada==35)
[y,fs]=wavread('fa_5.wav');
elseif (nada==36)
[y,fs]=wavread('fa_6.wav');
elseif (nada==37)
[y,fs]=wavread('fa_7.wav');
elseif (nada==38)
[y,fs]=wavread('fa_8.wav');
elseif (nada==39)
[y,fs]=wavread('fa_9.wav');
elseif (nada==40)
[y,fs]=wavread('fa_10.wav');
elseif (nada==41)
[y,fs]=wavread('sol1.wav');
elseif (nada==42)
[y,fs]=wavread('sol2.wav');
elseif (nada==43)
[y,fs]=wavread('sol3.wav');
elseif (nada==44)
[y,fs]=wavread('sol4.wav');
elseif (nada==45)
[y,fs]=wavread('sol5.wav');
elseif (nada==46)
[y,fs]=wavread('sol6.wav');
elseif (nada==47)
[y,fs]=wavread('sol7.wav');
elseif (nada==48)
[y,fs]=wavread('sol8.wav');
elseif (nada==49)
[y,fs]=wavread('sol9.wav');
elseif (nada==50)
[y,fs]=wavread('sol10.wav');
[y,fs]=wavread('la_1.wav');
elseif (nada==52)
[y,fs]=wavread('la_2.wav');
elseif (nada==53)
[y,fs]=wavread('la_3.wav');
elseif (nada==54)
[y,fs]=wavread('la_4.wav');
elseif (nada==55)
[y,fs]=wavread('la_5.wav');
elseif (nada==56)
[y,fs]=wavread('la_6.wav');
elseif (nada==57)
[y,fs]=wavread('la_7.wav');
elseif (nada==58)
[y,fs]=wavread('la_8.wav');
elseif (nada==59)
[y,fs]=wavread('la_9.wav');
elseif (nada==60)
[y,fs]=wavread('la_10.wav');
elseif (nada==61)
[y,fs]=wavread('si_1.wav');
elseif (nada==62)
[y,fs]=wavread('si_2.wav');
elseif (nada==63)
[y,fs]=wavread('si_3.wav');
elseif (nada==64)
[y,fs]=wavread('si_4.wav');
elseif (nada==65)
[y,fs]=wavread('si_5.wav');
elseif (nada==66)
[y,fs]=wavread('si_6.wav');
elseif (nada==67)
[y,fs]=wavread('si_7.wav');
elseif (nada==68)
[y,fs]=wavread('si_8.wav');
elseif (nada==69)
[y,fs]=wavread('si_9.wav');
elseif (nada==70)
[y,fs]=wavread('si_10.wav');
elseif (nada==71)
[y,fs]=wavread('dot.wav');
elseif (nada==72)
[y,fs]=wavread('dot1.wav');
[y,fs]=wavread('dot2.wav');
elseif (nada==74)
[y,fs]=wavread('dot3.wav');
elseif (nada==75)
[y,fs]=wavread('dot4.wav');
elseif (nada==76)
[y,fs]=wavread('dot5.wav');
elseif (nada==77)
[y,fs]=wavread('dot6.wav');
elseif (nada==78)
[y,fs]=wavread('dot7.wav');
elseif (nada==79)
[y,fs]=wavread('dot8.wav');
elseif (nada==80)
[y,fs]=wavread('dot9.wav');
end
axes(handles.axes1); plot (y)
sound(2*y);
Pada program diatas merupakan program pengambilan nada atau
nada yang sudah di rekam pada Harmonika dengan nada 1 sampai dengan
80 nada yang akan di kenali contoh if (nada==71)
[y,fs]=wavread(‘dot.wav’) maka program akan mengambil nada dengan
nama dot.wav pada directory.
indeks=get(handles.popupmenu2,'Value');
switch indeks
case 1
frame=16;
case 2
frame=32;
case 3
frame=64;
case 4
frame=128;
case 5
end
handles.vardft=frame; guidata(hObject,handles);
Pada program di atas, nilai DST diinisialisai menggunakan nama DST
yang dibagi dalam 5 kondisi sesuai dengan banyaknya variasi. Inisialisasi ndft
tersebut diproses menggunakan perintah handles. Perintah ini digunakan untuk
data atau nilai DST 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
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. Program yang digunakan untuk perekaman nada sebagai berikut:
%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(2*y); untuk memunculkan suara 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 hanning. Setelah selesai windowing hamming, dilakukan
proses ekstraksi ciri DST dan windowing koefisien. berikut ini merupakan proses
pengolahan pemotongan sinyal hingga program windowing koefisien :
% Normalisasi %
y=y/max(abs(y));
%pemotongan sinyal
b0=0.2;
b1=find(y>b0 | y<-b0); y(1:b1(1))=[]; axes(handles.axes3); plot (y) %frame blocking frame=handles.vardft; frame;
for p=1:frame; f(p)=y(p+frame); end axes(handles.axes4); plot (f); %windowing hanning w=hann(frame);
for p=1:frame;
wo(p)=f(p)*w(p); %wo(p)==> windowing hanning (p) end
axes(handles.axes5); plot (wo);
%ekstraksi ciri DST
g=abs(dst(wo)); axes(handles.axes6); bar (g); %windowing koefisien wk=handles.koefisien; h=frame; c=(wk/100)*h; s=floor(c); ya=g(1:s); ya=ya(:); axes(handles.axes7); bar (ya);
Dari hasil windowing koefisien yang di inisialisasikan dengan “ya”, maka
akan diplot pada axes2 yang menggambarkan hasil akhir dari sinyal
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, untuk keseluruhan program pemangiilan database (lihat lampiran L12) .
%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
elseif (frame==16) & (wk==50)
load xciri1650
elseif (frame==16) & (wk==60)
load xciri1660
elseif (frame==16) & (wk==70)
load xciri1670
elseif (frame==16) & (wk==80)
load xciri1680
elseif (frame==32) & (wk==10)
load xciri3210
elseif (frame==32) & (wk==20)
load xciri3220
elseif (frame==32) & (wk==30)
elseif (frame==32) & (wk==40) load xciri3240
elseif (frame==32) & (wk==50)
load xciri3250
elseif (frame==32) & (wk==60)
load xciri3260
elseif (frame==32) & (wk==70)
load xciri3270
elseif (frame==32) & (wk==80)
load xciri3280
elseif (frame==64) & (wk==10)
load xciri6410
elseif (frame==64) & (wk==20)
load xciri6420
elseif (frame==64) & (wk==30)
load xciri6430
elseif (frame==64) & (wk==40)
load xciri6440
elseif (frame==64) & (wk==50)
load xciri6450
elseif (frame==64) & (wk==60)
load xciri6460
elseif (frame==64) & (wk==70)
load xciri6470
elseif (frame==64) & (wk==80)
load xciri6480
elseif (frame==128) & (wk==10)
load xciri12810
elseif (frame==128) & (wk==20)
elseif (frame==128) & (wk==30) load xciri12830
elseif (frame==128) & (wk==40)
load xciri12840
elseif (frame==128) & (wk==50)
load xciri12850
elseif (frame==128) & (wk==60)
load xciri12860
elseif (frame==128) & (wk==70)
load xciri12870
elseif (frame==128) & (wk==80)
load xciri12880
elseif (frame==256) & (wk==10)
load xciri25610
elseif (frame==256) & (wk==20)
load xciri25620
elseif (frame==256) & (wk==30)
load xciri25630
elseif (frame==256) & (wk==40)
load xciri25640
elseif (frame==256) & (wk==50)
load xciri25650
elseif (frame==256) & (wk==60)
load xciri25660
elseif (frame==256) & (wk==70)
load xciri25670
elseif (frame==256) & (wk==80)
load xciri25680
Program di atas untuk memanggil database yang akan dibandingkan
dengan nada yang telah di input dengan menggunakan perintah jarak. Database
yang dipanggil sesuai dengan masukan variasi DFT, variasi windowingkoefisien
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:
%perhitungan jarak for n=1:8
jaraklist(n)=jarakmatusita(ya,r(:,n));
end
jaraklist
set(handles.text20,'String',num2str(jaraklist(1))); set(handles.text21,'String',num2str(jaraklist(2))); set(handles.text22,'String',num2str(jaraklist(3))); set(handles.text23,'String',num2str(jaraklist(4))); set(handles.text24,'String',num2str(jaraklist(5))); set(handles.text25,'String',num2str(jaraklist(6))); set(handles.text26,'String',num2str(jaraklist(7))); set(handles.text27,'String',num2str(jaraklist(8)));
%cari nilai minimal
jmin=find(min(jaraklist)==jaraklist)
%deskripsi string
nadalist={'do','re','mi','fa','sol','la','si','do'};
%penentuan keluaran
yy=(nadalist(jmin));
%end
set(handles.text28,'String',yy);
Program di atas melakukan penghitungan jarak nada input yang sudah
direkam dengan database dari ke tujuh nada Harmonika dalam berbagai variasi.
minimal yang diperoleh digunakan untuk menentukan nada Harmonika yang
berhasil dikenali. Pada program di atas juga untuk tidak mengenali (mengenali
secara salah) nada yang akan dikenali. Untuk tidak mengenali nada selain nada
Harmonika, dengan cara membandingkan jarak minimal yang telah diperoleh saat
pengenalan dengan batasan maksimal dari kedelapan nada Harmonika. Nada yang
telah dikenali ditampilkan pada tampilan program pengenalan dalam bentuk teks.
c. Tombol “exit”
Tombol “exit” atau keluar digunakan apabila user ingin mengakhiri program pengenalan nada. Perintah program tombol “exit” sebagai berikut:
delete(figure(GUI_Rendi));
Kesimpulan dari pengujian program pengenalan Harmonika 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 Harmonika
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 windowingkoefisien80%, dan panjang DST 256 yang mempunyai
tingkat pengenalan yang baik. Pengujian ini menggunakan 10 kali percobaan
setiap nadanya dan dari 10 percobaaan setiap nada tersebut akan mendapatkan
nilai minimal. Setelah mendapatkan nilai minimal dari 10 kali percobaan setiap
nada tersebut, nilai yang paling minimal dari kedelapan nada tersebut yang akan
Tabel 4.1 memperlihatkan dua percobaan, untuk selengkapnya dari 80
percobaan dapat di lihat pada lampiran (L18). Dari tabel tersebut menunjukkan
nilai minimum pada percobaan 1 terdapat pada nada 1 (Do) jadi yang di kenali
adalah nada 1(Do), pada percobaan 2 nilai minimum terdapat pada nada 2 (Re)
jadi yang dikenali adalah nada 2 (Re).percobaan 3 nilai minimum terdapat pada
nada 3 (mi) jadi yang dikenali adalah nada 3 (mi).percobaan 4 nilai minimum
terdapat pada nada 4 (fa) jadi yang dikenali adalah nada 4 (Fa).
4.2.2 Pengujian Pengaturan Pengenalan Nada
pengujian untuk melihat seberapa besar tingkat pengenalan yang terjadi
setiap penentuan nada pada DST dan windowing koefisien. Langkah – langkah
pengujian yang akan digunakan sebagai berikut:
1. Proses pengambilan nada input yang sudah direkam 10 kali setiap nada
2. Mengenali setiap nada yang di input menggunakan kombinasi nilai
variasi yang berbeda-beda dengan nilai:
a. DST : 16,32,64,128,256
b. Windowing koefisien : 10%,20%,30%,40%,50%,60%,70%,80% 3. Menentukan kombinasi nilai variasi pengenalan yang menghasilkan
tingkat pengenalan terbaik.
Pengujian dilakukan pada variasi yang maksimal yaitu DST 256 dan
46
BAB V
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Dari percobaan dan pengujian sistem pengenalan nada barung pelog disimpulkan
sebagai berikut :
1. Implementasi dari sistem pengenalan nada barung pelog sudah bisa
bekerja dengan baik dan sesuai dengan perancangan. Program pengenalan nada
barung pelog sudah mampu untuk mengenali nada-nada dasar dari barung pelog
yaitu 1(siji), 2(loro), 3(telu), (papat), 5(limo), 6(enem), 7(pitu).
2. Parameter pengenalan nada nilai windowing koefisien mempengaruhi
tingkat pengenalan nada. Semakin besar nilai DFT tingkat pengenalan nada secara
umum semakin baik. Semakin besar nilai windowingkoefisien maka tingkat
pengenalan nada semakin tinggi atau baik.
3. Parameter optimal untuk tingkat pengenalan mencapai 100% pada nilai
semua DFT, dan windowing koefisien 50% yang dipilih.
5.2
Saran
Saran untuk pengembangan sistem pengenalan nada barung pelog adalah sebagai
ber
