Pengenalan suara instrumen musik mengunakan row mean DCT

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI TUGAS AKHIR. PENGENALAN SUARA INSTRUMEN MUSIK MENGGUNAKAN ROW MEAN DCT Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro. Oleh: AGNES SIMON REDO NIM : 115114038. PROGRAM STUDI TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2016 i.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI FINAL PROJECT. MUSICAL INSTRUMENTS SOUND RECOGNITION USING ROW MEAN DCT Presented as Partial Fullfillment of The Requirements To Obtain Sarjana Teknik Degree In Electrical Engineering Study Program. By :. AGNES SIMON REDO NIM : 115114038. ELECTRICAL ENGINEERING STUDY PROGRAM DEPARTMENT OF ELECTRICAL ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2016 ii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. PERNYATAAN KEASLIAN KARYA Saya menyatakan dengan sesungguhnya bahwa tugas akhir ini tidak memuat karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka sebagaimana layaknya karya ilmiah.. Yogyakarta, 14 Januari 2016. Agnes Simon Redo. v.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. HALAMAN PERSEMBAHAN DAN MOTTO HIDUP MOTTO :. I’m Not Lucky, I’m Blessed. Persembahan Karya tulis ini ku persembahkan kepada ..... Tuhanku Yesus kristus yang selalu menjadi sumber kekuatan dan pengharapanku, Almarhumah Ibuku Tercinta, Bapak, Kakak-kakak dan semua keluargaku yang kukasihi dan yang selalu mendukungku dalam segala hal, Teman-teman seperjuanganku yang tercinta, Dan semua orang yang mengasihiku, mendoakanku, dan mendukungku dalam Tugas Akhir ini. Terima kasih untuk semuanya…... VI.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS. Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma: Nama. : Agnes Simon Redo. Nomor Mahasiswa. : 115114038. Dengan pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul :. PENGENALAN SUARA INSTRUMENT MUSIK MENGGUNAKAN ROW MEAN DCT Beserta perangkat yang diperlukan (kalau ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas dan mempublikasikannya di internet atau media lainnya untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai penulis. Demikian pernyataa ini saya buat dengan sebenarnya.. Yogyakarta, 14 Januari 2016. (Agnes Simon Redo). VII.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. VIII.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. INTISARI. Kebanyakan orang hanya bisa mendengarkan suatu suara instrument alat musik tanpa mengetahui suara instrument alat musik apa yang sedang dimainkan, karena kurangnya ketajaman pendengaran serta pengetahuan tentang musik sangat terbatas. Hal ini juga sangat penting bagi seorang pemusik ataupun seorang musisi untuk mengetahui apakah suara instrument musik yang dimainkan sudah menghasilkan suara instrument musik yang tepat. Alat musik yang dimainkan pun juga beragam, seperti alat musik pukul yaitu Belira yang merupakan alat musik yang dimainkan dengan cara dipukul, dan biasa digunakan pada drum band. Rekorder yang merupakan alat musik melodis yang sumber bunyinya berasal dari tekanan udara yang dimainkan dengan cara ditiup. Serta pianika yang merupakan salah satu alat musik gabungan yang ditiup dan ditekan. Sistem pengenalan sangat diperlukan untuk membantu dalam mengenali suara instrument alat musik pada alat musik Belira, Pianika dan Rekorder. Sistem pengenalan suara instrument musik belira, pianika dan rekorder dalam tugas akhir ini menggunakan mikrofon dan komputer untuk mengoperasikannya. Mikrofon berfungsi untuk menerima gelombang suara instrument musik belira, pianika dan rekorder. Komputer berfungsi untuk memproses data hasil rekaman, menampilkan gelombang hasil rekaman, menampilkan spektrum ekstraksi ciri dan menampilkan hasil nada yang dikenali berupa teks. Sistem pengenalan suara instrumen musik menggunakan Row Mean DCT, fungsi jarak Euclidean dan klasifikasi k-NN sudah berhasil dibuat dan dapat bekerja sesuai dengan perancangan. Pengenalan suara instrument musik pada belira, pianika dan rekorder secara real-time dengan menggunakan database pernada 4 dengan variasi frame blocking 256, dan nilai k=1 pada k-NN memiliki tingkat pengenalan suara instrument musik mencapai 87,69 %. Kata kunci : Belira, Pianika dan Rekorder, Row Mean DCT (Discrete Cosine Transform, fungsi jarak Euclidean, k-nearest neighbor (k-NN), Pengenalan Suara Instrumen Musik. viii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. ABSTRACT Most people can only hear a musical instrument sounds without knowing what musical instrument sound is being played, because of the lack of hearing acuity and knowledge of music is very limited. It is also very important for a musician to find out whether the musical instruments used have produced musical instrument sounds right. Musical instrument played was also varied, such as percussion instruments, namely Belira which is a musical instrument played by striking, and is commonly used in drum band. Recorder which is tuned instrument that is the source of the sounds comes from air pressure that is played by blowing. As well pianika which is one instrument combined blown and pressed. Recognition system is needed to help in identifying instrument sounds of musical instruments Belira, pianika and recorder. Musical instruments system sounds recognition belira, pianika and recorder in this thesis using a microphone and a computer to operate. Microphone function to receive sound waves belira musical instrument, pianika and recorder. Computer functions to process data recording, featuring a wave recordings, featuring spectrum feature extraction and displays the results of the tone of the recognized text. Musical instruments sounds recognition using row mean dct, Euclidean distance function and k-NN classification has been created and can work in accordance with the design. Musical instruments sounds recognition belira, pianika and recorder in real-time by using database pernada 4 with frame blocking 256 variation, and k=1 for k-NN has a level musical instruments sounds recognition reached 87,69 %. Keyword : Belira, Pianika and Recorder, Row Mean DCT (Discrete Cosine Transform, Euclidean Distance Functions, Classifier k-NN, Musical Instruments Sounds Recognition. ix.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. KATA PENGANTAR Puji Syukur kepada Tuhan Yesus Kristus 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 kasih karunia, 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 setia dan penuh kesabaran untuk membimbing dalam menyelesaikan penulisan Tugas Akhir ini. 5. Dr. Iswanjono, Dr. Anastasia Rita Widiarti selaku dosen penguji yang telah memberikan bimbingan, masukan, saran, dan merevisi Tugas Akhir ini. 6. Alm. Ibu, Bapak serta kakak-kakak yang tiada henti untuk selalu mendoakan, mendukung dan membantu segala sesuatunya sampai pencapaian menyelesaiakan studi di jenjang perkuliahan. 7. Keluarga besarku yang selalu medoakan dan mendukung untuk menyelesaikan Tugas Akhir ini. 8. Segenap staff sekretariat, dan laboran Teknik Elektro yang telah memberikan dukungan secara tidak langsung dalam kelancaran tulisan tugas Akhir ini. 9. Sahabat-sahabat “Lawliet Room” Angel, Feby, Christin, Yunda, Inggrid, Fany, Ean, Nita, Debby, Apri, Grace dan Tika yang selalu mendoakan dan memberi semangat dalam kelancaran penulisan Tugas Akhir ini. 10. Saudara-saudari “XVI Jogja” Christin, Yolanda, Yovita, Yunda, Inggrid, Reymond, Yonathan, Triono, dan Valentinus yang sudah menjadi keluargaku selama menempuh pendidikan di Yogyakarta dan yang selalu membantu, mengingatkan mendukung dalam menyelesaikan Tugas Akhir ini.. X.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 11. Keluarga besar “XVI oi..oi..” yang selalu mendoakan dan menyemangati dalam kelancaran penyelesaian Tugas Akhir ini. 12. Teman-teman seperjuangan “SKRIPSI” Yovita, Monica, Anton, Yugo, Heri dan Respati yang selalu mendukung, selalu mengingatkan setiap ada konsultasi untuk tugas akhir dan selalu memberikan semangat. 13. Teman-teman Teknik Elektro 2011 yang telah memberikan semangat pada saat menempuh pendidikan di Universitas Sanata Dharma. 14. Semua Pihak yang tidak bisa disebutkan satu persatu yang telah banyak mendukung, dan memberikan banyak bantuan dalam menyelesaikan Tugas Akhir ini. Penulis menyadari bahwa dalam penyusunan laporan Tugas Akhir ini masih mengalami kesulitan dan tidak lepas dari kesalahan. Oleh karena itu, penulis mengharapkan masukan, saran ,kritikan yang mendukung agar skripsi ini menjadi lebih baik, dan semoga sripsi ini dapat bermanfaaat sebagaimana mestinya. Penulis. Agnes Simon Redo. XI.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. DAFTAR ISI Halaman. 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. .................................................................................. xviii BAB I PENDAHULUAN 1.1.. Latar Belakang. ................................................................................................. 1-2. 1.2.. Tujuan dan Manfaat Penelitian ......................................................................... 2. 1.3.. Batasan Masalah ............................................................................................... 2-3. 1.4.. Metodologi Penelitian ....................................................................................... 3-5. BAB II DASAR TEORI 2.1.. Pianika................................................................................................................ 6. 2.2.. Belira .................................................................................................................. 6-7. 2.3.. Rekorder ............................................................................................................ 7-8. 2.4.. Sampling ............................................................................................................ 9. 2.5.. Normalisasi ........................................................................................................ 9-10. 2.6.. Normalisasi 1.. ................................................................................................... 10. 2.7.. Pemotongan Sinyal.... ........................................................................................ 10-11. 2.8.. Frame Blocking ................................................................................................. 12-13. xii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.9.. Normalisasi 2........ ............................................................................................. 13. 2.10.. Row Mean DCT (Discrete Cosine Transform)………………………………. 14. 2.10.0. Row Mean DCT (Discrete Cosine Transform)………………………. 14-15. 2.10.1. Windowing. ............................................................................................ 15 2.10.2. Hanning window .................................................................................... 15-16 2.11.3. DCT (Discrete Cosine Transform)........................................................ 16-17 2.11.4. Rerata Baris. .......................................................................................... 17 2.11.. Normalisasi 3 .................................................................................................... 17-18. 2.12.. Centering ........................................................................................................... 18 2.12.1. Proses Sisi Kiri dan Kanan .................................................................... 18-19 2.12.2. Penggabungan Kiri dan Kanan .............................................................. 19. 2.13.. Pengenalan Pola ................................................................................................. 19-20. 2.14.. Template Matching ............................................................................................ 20. 2.15.. Fungsi Jarak Euclidean ...................................................................................... 20-21. 2.16. Klasifikasi k-NN ................................................................................................ 21. BAB III PERANCANGAN 3.1.. Sistem Pengenalan Suara Instrumen Musik ...................................................... 22 1. Belira.............................................................................................................. 23 2. Pianika.... ....................................................................................................... 23 3. Rekorder .......... ............................................................................................. 23 4. Mikrofon.... .................................................................................................... 23-24 5. Proses Perekaman.... ...................................................................................... 24 6. Proses Pengenalan Suara.... ........................................................................... 24 3.1.1. Suara Belira, Pianika, Atau Rekorder (Wav).... ......................................... 24 3.1.2. Pemotongan Sinyal.... ................................................................................. 25 3.1.3. Frame Blocking.... ...................................................................................... 25 3.1.4. Normalisasi.... ............................................................................................. 25 3.1.5. Row Mean DCT (Discrete Cosine Transform).... ....................................... 25 3.1.6. Centering.... ................................................................................................ 25 3.1.7. Fungsi Jarak (Euclidean).... ........................................................................ 25 3.1.8. Penentuan Hasil Suara Instrumen Musik.... ............................................... 26 3.1.9. Hasil Tampilan.... ....................................................................................... 26. xiii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.2.. Perancangan Suara Referensi ............................................................................ 26-27. 3.3.. Suara Uji ............................................................................................................ 27. 3.4.. Tampilan Program GUI MatLab ....................................................................... 28. 3.5.. Perancangan Alur Program ............................................................................... 29-30 3.5.1. Rekam ..................................................................................................... 31 3.5.2. Normalisasi 1 .......................................................................................... 32 3.5.3. Pemotongan Sinyal ................................................................................. 33 3.5.4. Frame Blocking ....................................................................................... 34 3.5.5. Normalisasi 2. ......................................................................................... 35 3.5.6. Windowing Hanning................................................................................ 36 3.5.7. Row Mean DCT....................................................................................... 37-38 3.5.8. Normalisasi 3 .......................................................................................... 38 3.5.9. Centering................................................................................................. 39 3.5.10. Fungsi Jarak (Euclidean) ...................................................................... 40 3.5.11. K-NN..................................................................................................... 41-42. BAB IV HASIL DAN PEMBAHASAN 4.1.. Pengujian Program Pengenalan Suara Instrumen Row Mean DCT dan Pengklasifikasian K-NN dan Fungsi Jarak Euclidean ................................................................... 43-45 4.1.1. Pengenalan Suara Instrumen Musik....................................................... 45 a. Popup Menu............................................... ........................................ 45-47 b. Tombol “MULAI”........................................................... .................. 47-56 c. Tombol “RESET”........................................................... .................... 56-57 b. Tombol “SELESAI”........................................................... ............... 57. 4.2.. Hasil Pengujian Program Pengenalan Suara Instrumen Musik ........................ 57 4.2.1. Pengujian Parameter Pengenalan Suara Instrumen Musik .................... 57 4.2.1.1 Pengujian secara Tidak Real-Time............................................. 57-59 4.2.1.2 Pengujian secara Real-Time ...................................................... 59-67. BAB V KESIMPULAN DAN SARAN 5.1.. Kesimpulan ...................................................................................................... 68. 5.2.. Saran ................................................................................................................ 68. DAFTAR PUSTAKA............................................................................................... 69-70 LAMPIRAN. xiv.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. LAMPIRAN 1 GAMBARAN SINYAL PADA PROSES ROW MEAN DCT............................................................................................. L1-L21 LAMPIRAN 2 LISTING PROGRAM GUI MATLAB. ................................................ L22-L39 LAMPIRAN 3 LISTING PROGRAM TIDAK REAL-TIME......................................... L40-L49 LAMPIRAN 4 HASIL PENGENALAN SUARA INSTRUMEN MUSIK SECARA TIDAK REAL –TIME . ................................................................................... L50-L54. xv.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. DAFTAR GAMBAR Halaman Gambar 2.1.. Alat Musik Pianika ................................................................................ 6. Gambar 2.2.. Alat Musik Belira ................................................................................... 7. Gambar 2.3.. Alat Musik Rekorder.............................................................................. 8. Gambar 2.4.. Sinyal Hasil Sampling............................................................................ 9. Gambar 2.5.. Sinyal Normalisasi 1 dari gambar sinyal 2.4 ......................................... 10. Gambar 2.6.. Sinyal Sebelum pemotongan dari gambar 2.5. ...................................... 11. Gambar 2.7.. (a). Hasil pemotongan bagian silence pada Belira. ................................ 11 (b). Hasil pemotongan bagian Transisi pada Belira. .............................. 11. Gambar 2.8.. (a). Hasil pemotongan bagian silence pada Pianika............................... 11 (b). Hasil pemotongan bagian Transisi pada Pianika............................. 11. Gambar 2.9.. (a). Hasil pemotongan bagian silence pada Rekorder. ........................... 11 (b). Hasil pemotongan bagian Transisi pada Rekorder. ......................... 11. Gambar 2.10.. (a). Bagian sinyal Belira yang akan diambil untuk Frame Blocking. .... 12 (b). Frame Blocking Belira dari gambar sinyal 2.7. .............................. 12. Gambar 2.11.. (a). Bagian sinyal Pianika yang akan diambil untuk Frame Blocking. .. 12 (b). Frame Blocking Pianika dari gambar sinyal 2.8. ............................ 12. Gambar 2.12.. (a). Bagian sinyal Rekorder yang akan diambil untuk Frame Blocking. 13 (b). Frame Blocking Rekorder dari gambar sinyal 2.9. ......................... 13. Gambar 2.13.. Sinyal Normalisasi 2 dari gambar sinyal 2.10, 2.11 dan 2.12 ............... 13. Gambar 2.14.. Proses Row Mean DCT.. ........................................................................ 14. Gambar 2.15.. Sinyal dari pembentukan kolom matriks dari gambar sinyal 2.14......... 15. Gambar 2.16.. Sinyal Windowing 2D dari gambar sinyal 2.15.. ................................... 16. Gambar 2.17.. Sinyal DCT 2D dari gambar sinyal 2.16.. .............................................. 17. Gambar 2.18.. Sinyal Rerata Baris dari gambar sinyal 2.17.. ........................................ 17. Gambar 2.19.. Sinyal Normalisasi 3 dari gambar sinyal 2.18.. ..................................... 17. Gambar 2.20.. Pemrosesan Sinyal Proses Sisi Kiri dari gambar sinyal 2.19................. 18. Gambar 2.21.. Pemrosesan Sinyal Proses Sisi Kanan dari gambar sinyal 2.20............. 19. Gambar 2.22.. Pemrosesan Sinyal Gabungan Kiri dan Kanan gambar sinyal. xvi.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.20 dan 2.21 .......................................................................................... 19 Gambar 3.1.. Blok Diagram Proses Pengenalan Suara Instrument Musik .................. 22. Gambar 3.2.. Blok Diagram Pengenalan suara alat Musik .......................................... 22. Gambar 3.3.. Mini Multimedia Microphone Genius MIC-01A ................................... 23. Gambar 3.4.. Diagram Blok Proses Pengenalan Suara Instrumen Musik ................... 24. Gambar 3.5.. Diagram Blok Proses Pengambilan Suara Referensi ............................. 26. Gambar 3.6.. Blok Diagram Proses Pengambilan Suara Uji ....................................... 27. Gambar 3.7.. Diagram Alir Sistem Pengenalan Suara Belira, Pianika dan Rekorder ................................................................................................. 30. Gambar 3.8.. Blok Diagram Proses Rekam ................................................................. 31. Gambar 3.9.. Diagram alir Normalisasi 1 .................................................................... 32. Gambar 3.10.. Diagram alir Pemotongan Sinyal ........................................................... 33. Gambar 3.11.. Diagram Alir Frame Blocking ............................................................... 34. Gambar 3.12.. Diagram alir Normalisasi 2 .................................................................... 35. Gambar 3.13.. Diagram alir Hanning Windowing ......................................................... 36. Gambar 3.14.. Diagram alir Row Mean DCT ................................................................ 37. Gambar 3.15.. Diagram Alir Normalisasi 3 ................................................................... 38. Gambar 3.16.. Diagram alir Centering .......................................................................... 39. Gambar 3.17.. Diagram alir Fungsi Jarak Euclidean ..................................................... 40. Gambar 3.18.. Diagram alir k-Nearest Neighbor (K-NN) ............................................. 41. Gambar 4.1. Tampilan Program Pengenalan Suara Instrumen Musik........................ 44. Gambar 4.2.. Tampilan Hasil Pengenalan ................................................................... 44. Gambar 4.3.. Grafik Pengaruh Frame Blocking Terhadap Tingkat Pengenalan Suara...................................................................................................... 66. xvii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. DAFTAR TABEL Halaman Tabel 3.1.. Keterangan Tampilan Utama Sistem .......................................................... 28. Tabel 4.1.. Menggunakan Nilai Frame Blocking 64 dengan database pernada 8 ........ 58. Tabel 4.2.. Menggunakan Nilai Frame Blocking 256 dengan database pernada 8 ...... 58. Tabel 4.3.. Menggunakan Nilai Frame Blocking 1024 dengan database pernada 8 .... 58. Tabel 4.4.. Menggunakan Nilai Frame Blocking 4096 dengan database pernada 8 .... 59. Tabel 4.5.. Hasil Pengujian secara Real Time dengan variasi Frame Blocking 64 database pernada 4 dan nilai k=1 pada k-NN ............................................ 60. Tabel 4.6.. Hasil Pengujian secara Real Time dengan variasi Frame Blocking 64 database pernada 4 dan nilai k=1 pada k-NN ............................................ 61. Tabel 4.7.. Hasil Pengujian secara Real Time dengan variasi Frame Blocking 256 database pernada 4 dan nilai k=1 pada k-NN ............................................ 61. Tabel 4.8.. Hasil Pengujian secara Real Time dengan variasi Frame Blocking 256 database pernada 8 dan nilai k=1 pada k-NN ............................................ 61. Tabel 4.9.. Hasil Pengujian secara Real Time dengan variasi Frame Blocking 1024 database pernada 4 dan nilai k=1 pada k-NN ............................................ 62. Tabel 4.10. Hasil Pengujian secara Real Time dengan variasi Frame Blocking 1024 database pernada 8 dan nilai k=1 pada k-NN ............................................ 62 Tabel 4.11. Hasil Pengujian secara Real Time dengan variasi Frame Blocking 4096 database pernada 4 dan nilai k=1 pada k-NN ............................................ 62 Tabel 4.12. Hasil Pengujian secara Real Time dengan variasi Frame Blocking 4096 database pernada 8 dan nilai k=1 pada k-NN ............................................ 63 Tabel 4.13. Pengaruh Frame Blocking terhadap tingkat pengenalan ............................ 65. xviii.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. BAB I PENDAHULUAN. 1.1. Latar Belakang Berbicara mengenai musik berarti kita berbicara tentang kehidupan manusia. Musik juga. dapat disebut sebagai media seni, dimana pada umumnya orang-orang mengungkapkan kreativitas dan eskpresi seninya melalui bunyi ataupun suara. Musik yang kita dengar sehariharinya secara umum, merupakan suatu kumpulan atau susunan bunyi atau nada, yang mempunyai ritme tertentu, serta mengandung isi atau nilai perasaan tertentu. Kamus Besar Bahasa Indonesia mengatakan bahwa musik adalah ilmu atau seni yang menyusun nada atau suara yang diutarakan dan dikombinasi untuk menghasilkan komposisi (suara) yang mempunyai keseimbangan dan kesatuan nada atau suara yang disusun sedemikian rupa sehingga akan menghasilkan irama, lagu dan keharmonisan yang menghasilkan bunyi [1]. Bunyi (suara) adalah elemen yang paling dasar. Suara musik yang baik adalah hasil interaksi dari tiga elemen, yaitu : irama, melodi dan harmoni. Irama adalah pengaturan suara dalam suatu waktu, panjang, pendek dan temponya, dan ini memberikan karakter tersendiri pada setiap musik. Kombinasi beberapa tinggi nada dan irama akan menghasilkan melodi tertentu serta kombinasi yang baik antara irama dan melodi menghasilkan bunyi yang harmoni. Berdasarkan penelitian yang telah dilakukan sebelumnya, dalam penulisan tugas akhir ini penulis ingin membuat suatu sistem pengenalan untuk mengenali bunyi suara instrument pada alat musik. Pada penelitian yang dilakukan sebelumnya oleh V. Irwan Novariyanto, dalam penelitiannya yang berjudul “Pengenalan Nada Alat Musik Secara Real Time Dengan Ekstraksi Ciri DCT dan Similaritas Kosinus” dan proses pengenalannya menggunakan perangkat lunak komputasi (Matlab) dalam pembuatan programnya [2]. Dan pada penelitian yang dilakukan oleh Dionysius Edwin Surya dengan penelitiannya yang berjudul “Pengenalan Nada Alat Musik Pianika Menggunakan Metode Korelasi” dengan proses pengenalan nadanya ditentukan berdasarkan jarak minimum yang diperoleh setelah proses fungsi jarak dan proses pengenalannya menggunakan perangkat lunak komputasi (Matlab) dalam pembuatan programnya [3] Serta penelitian yang dilakukan oleh Marianus Hendra Wijaya dengan 1.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 2. penelitiannya yang berjudul “Pengenalan Nada Suling Recorder Menggunakan Fungsi Jarak Chebyshev” dan proses pengenalannya menggunakan Microsoft Visual C++ 2008 dalam pembuatan programnya, serta proses pengenalan nada ditentukan berdasarkan jarak minimum yang diperoleh setelah proses fungsi jarak [4]. Dalam penelitian ini penulis akan membuat suatu penelitian mengenai pengenalan suara pada alat musik dengan membuat sebuah perangkat lunak yang terdiri dari program yang akan berfungsi sebagai interface dalam proses pengenalan suara instrument musik menggunakan Row Mean DCT. Dalam tugas akhir ini, penulis mengenalkan alat musik Pianika, Belira, dan Recorder. Dimana alat musik Pianika dan Recorder merupakan alat musik yang jika ditekan dan ditiup akan menghasilkan bunyi. Begitu pula dengan alat musik Belira yang jika dipukul akan menghasilkan bunyi. Berdasarkan hal di atas, penulis ingin membuat suatu sistem yang dapat mengenali suara instrument alat musik pianika, belira, dan recorder. Sistem yang penulis buat dengan melakukan penalaran suara instrument alat musik dengan membandingkan frekuensi dasar gelombang bunyi alat musik menggunakan Fungsi Jarak Euclidean. Dengan demikian jenis suara alat musik dapat diketahui secara pasti.. 1.2. Tujuan Dan Manfaat Penelitian Tujuan penelitian ini adalah menghasilkan sebuah perangkat lunak yang terdiri dari. program yang akan berfungsi sebagai interface untuk proses pengenalan suara instrument pada alat musik pianika, belira, atau recorder dengan menggunakan metode Row Mean DCT. Manfaat dari penelitian ini adalah pada penelitian ini diharapkan dapat memberikan informasi untuk dapat mengenali berbagai macam alat musik.. 1.3. Batasan Masalah Pada perancangan ini, penulis fokus pada pembuatan software komputer untuk. memproses pengenalan bunyi suara musik. Sedangkan, untuk hardware berupa microphone yang sudah banyak tersedia di pasaran. Penulis menetapkan beberapa batasan masalah yang dianggap penting untuk perancangan ini, yaitu sebagai berikut : a. Nada pianika, belira, dan recorder yang dikenali adalah nada Do, Re, Mi, Fa, Sol, La, Si. b. Hasil pengenalan bersifat real time.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 3. c. Peniupan dan pemukulan alat musik dilakukan seperti biasa. 1.4. Metodologi Penelitian Sistem pengenalan suara instrument pada alat musik pianika, belira, dan recorder, terdiri dari hardware dan software (komputer). Hardware berfungsi untuk memasukkan bunyi suara yang dimainkan pada alat musik pianika, belira, dan suling atau recorder. Sedangkan, software pada komputer berfungsi untuk mengatur semua proses pengenalan bunyi suara pada alat musik pianika, belira dan recorder. a. Mencari referensi, membaca dan mempelajari buku-buku yang berhubungan dengan masalah yang menjadi topik tugas akhir. b. Perancangan subsistem software dengan menggunakan perangkat lunak komputasi (Matlab). Tahap ini bertujuan untuk mencari bentuk model yang optimal dari system yang akan dibuat dengan mempertimbangkan berbagai faktor permasalahan dan kebutuhan yang telah ditentukan. (i). Menggunakan Hanning Window dalam proses program. (ii). Evaluasi dengan menggunakan fungsi jarak Euclidean.. (iii). Menggunakan KNN untuk proses pengenalan bunyi suara. (iv). Pembuatan subsistem software. Sistem akan bekerja apabila user memberikan interupsi melalui PC dengan media push button yang sudah disediakan dalam software. Sistem akan mengolah interupsi yang diterima dan memulai proses recording sampai user memberikan interupsi kembali untuk menghentikan proses recording. Setelah itu, user memberikan interupsi untuk memulai proses pengenalan bunyi suara. Komputer akan mengolah bunyi suara dan menyajikannya sebagai sebuah informasi.. c. Analisa dan penyimpulan hasil percobaan. Analisa data dilakukan dengan meneliti pengaruh variasi dari jumlah koefisien Row Mean DCT terhadap tingkat pengenalan suara instrument alat musik belira, pianika dan recorder serta memeriksa keakuratan data terhadap hasil proses pengolahan suara. d. Proses pengujian dilakukan pertama-tama dengan melakukan proses perekaman yaitu. dengan merekam suara bunyi nada dari alat musik belira, pianika dan rekorder. Kemudian suara alat musik yang terekam tersebut disimpan dan digambarkan dalam.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 4. sebuah plot. Proses selanjutnya adalah proses proses pengenalan pengenalan suara dimana proses ini adalah untuk mengenali suara alat musik yang terekam. Subproses pada proses pengujian ini terdiri dari proses Pemotongan Sinyal yang berfungsi untuk menghilangkan efek noise atau suara lain yang ikut terekam saat proses perekaman dan menghilangkan silence dan transisi dari sinyal yang terekam, Frame Blocking yang berfungsi untuk memilih data dari nada suara musik yang terekam, sehingga data yang dipilih dapat mewakili semua data pada suara alat musik yang terekam, Windowing yang berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil rekaman, Normalisasi dengan tujuan penormalisasian ini agar amplitude pada saat nada dimainkan bias maksimal. Pada penelitian ini, proses normalisasi dibagi kedalam 3 tahap normalisasi. Normalisasi pertama dilakukan sebelum proses pemotongan sinyal. Dan setelah melalui proses frame blocking data akan dinormalisasi lagi. Dan normalisasi terakhir dilakukan setelah melalui proses Row Mean DCT. Ekstraksi ciri Row Mean DCT yang menunjukkan banyaknya suatu urutan data dari penjumlahan fungsi kosinus pada frekuensi yang berbeda. DCT penting dalam banyak aplikasi seperti dalam bidang sains dan teknik. Pada proses Row Mean DCT ini, Data yang sudah dinormalisasikan akan mengalami proses windowing. Centering yang berfungsi untuk menengahkan sinyal (sinyal yang dengan amplitudo tertinggi ditempatkan dibagian tengah). Sinyal yang sudah ditempatkan pada bagian tengah akan di zero padding ke bagian sebelah kiri dan bagian sebelah kanan.. Pengenalan suara alat musik pada belira, pianika atau recorder dilakukan dengan menggunakan metode fungsi jarak Euclidean, dan Klasifikasi K-NN yang merupakan penentuan hasil keluaran suara alat musik akan ditampilkan dalam bentuk visual GUI Matlab. e. Sistematika penulisan. Sistematika penulisan pada pengenalan suara instrument musik langkah-langkahnya sebagai berikut :.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 5. BAB I PENDAHULUAN Bab ini menjelaskan latar belakang, rumusan masalah, tujuan penulisan, batasan masalah dan sistematika penulisan.. BAB II DASAR TEORI Bab ini mennbahas teori-teori pendukung mengenai pengenalan pola, sampling, normalisasi, pemotongan sinyal, frame blocking, windowing hanning, Row Mean DCT, centering, fungsi jarak Euclidean, dan algoritma K-NN.. BAB III PERANCANGAN SISTEM Bab ini membahas rancangan sistem, menjelaskan serta memaparkan teknik pengolahan suara yang digunakan pada proses pra-prosesing, Row Mean DCT, centering, fungsi jarak Euclidean, dan algoritma K-NN.. BAB IV UJI COBA DAN ANALISIS SISTEM Bab ini membahas data-data hasil analisa dari pengujian sistem pengenalan suara instrument musik.. BAB V KESIMPULAN.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. BAB II DASAR TEORI 2.1. Pianika Adalah salah satu alat musik gabungan yang ditiup dan ditekan. Sama halnya dengan. piano yang memiliki tuts nada namun bedanya pianika itu akan berbunyi jika ditiup [5]. Tangga nadanya adalah tangga nada yang dikenal, seperti C, D, E, F, G, A dan B. Pianika dimainkan dengan tiupan langsung, atau memakai pipa lentur yang dihubungkan ke mulut. Dalam bermain musik, pianika dapat digunakan untuk memainkan melodi pokok dan bila memungkinkan dapat juga untuk mengiringi lagu. Tuts yang berwarna putih pada pianika berfungsi untuk memainkan nada – nada pokok atau asli. Sedangkan, tuts yang berwarna hitam pada pianika berfungsi untuk memainkan nada – nada kromatis. Dalam memainkan alat musik pianika, tangan kiri memegang pianika dan tangan kanan menekan untuk memainkan melodi lagu, sedangkan mulut meniupnya. Sebab itu, nada akan berbunyi jika ada getaran yang berasal dari udara tiupan kita. Gambar alat musik pianika ditunjukkan pada gambar 2.1.. Gambar 2.1 Alat Musik Pianika. 2.2. Belira Adalah alat musik yang dimainkan dengan cara dipukul, dan biasa digunakan pada. drum band [6]. Alat musik belira digunakan untuk memainkan nada melodi dalam sebuah lagu pada drum band. Nada pada alat musik belira ada 16 nada yaitu. Gambar alat musik belira ditunjukkan pada gambar 2.2.. 6.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 7. Gambar 2.2 Alat Musik Belira. 2.3. Recorder Adalah alat musik melodis yang sumber bunyinya berasal dari tekanan udara yang. dimainkan dengan cara ditiup [7]. Recorder yang umum digunakan dalam proses belajar di sekolah adalah jenis recorder soprano (descant) dimana recorder soprano mempunyai wilayah nada dari C. Beberapa hal yang diharus diperhatikan dalam memainkan recorder, yaitu : I.. Tangan kiri memegan recorder bagian atas dengan posisi jari : 1. Ibu jari menutup lubang oktaf (bagian bawah) 2. Jari telunjuk menutup lubang 1 (lihat gambar) 3. Jari tengah menutup lubang 2 (lihat gambar) 4. Jari manis menutup lubang 3 (lihat gambar). II.. Tangan kanan memegang recorder bagian bawah, dengan posisi jari : 1. Jari telunjuk menutup lubang 4 (lihat gambar) 2. Jari tengah menutup lubang 5 (lihat gambar) 3. Jari manis menutup lubang 6 (lihat gambar) 4. Jari kelingking menutup lubang 7 (lihat gambar). III.. Untuk menghasilkan nada tinggi, lubang oktaf yang ditutup dengan ibu jari tangan kiri, dibuka ½ hingga 3/4 . Sumber tiupan diletakkan diatas bibir bagian bawah, bibir bagian atas menyentuh sumber tiupan dengan wajar. Gambar alat musik recorder sopran ditunjukkan pada gambar 2.3..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. Gambar 2.3 Alat Musik Recorder [7] Keterangan : 1. Mouthpiece (Bagian Mulut) 2. Lubang suara 3. Lubang 1 4. Lubang 2 5. Lubang 3 6. Lubang 4 7. Lubang 5 8. Lubang 6 9. Lubang 7 10. Lubang udara 0. Lubang oktaf (di bawah) A. Bagian Head (Kepala) B. Bagian Body (Badan) C. Bagian Foot (Kaki). 8.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.4. 9. Sampling Adalah proses pencuplikan gelombang suara yang akan menghasilkan gelombang. diskret. Dalam proses sampling ada yang disebut dengan laju pencuplikan (sampling rate). Sampling rate menandakan berapa banyak pencuplikan gelombang analog dalam 1 detik. Satuan dari sampling rate adalah Hertz (Hz). Pada proses sampling, sebaiknya sampling rate memenuhi kriteria Nyquist. Kriteria Nyquist menyebutkan bahwa sampling rate harus lebih besar dari 2 kali frekuensi tertinggi sinyal suara analog [8]. Secara matematis dapat dituliskan : fs ≥ 2fm. (2.1). dengan fs adalah frekuensi sampling (sampling rate), sedangkan fm adalah frekuensi tertinggi sinyal suara analog.. (a) Belira. (b) Pianika. (c)Recorder. Gambar 2.4 Sinyal hasil sampling. 2.5. Normalisasi Tujuan dari penormalisasian ini agar amplitudo pada saat nada dimainkan bisa. maksimal. Proses normalisasi sangat diperlukan karena besarnya amplitudo pada suara alat musik selalu berbeda saat melalukan perekaman. Perhitungan matematis untuk mencari nilai normalisasi dirumuskan dengan persamaan sebagai berikut :. )). ).

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 10. dengan keterangan sebagai berikut : = hasil data sinyal normalisasi (1,2,3,…,N) = data masukan dari sampling (1,2,3,…,N) N merupakan banyaknya data sinyal.. 2.6. Normalisasi 1 Proses normalisasi ini digunakan agar amplitudonya suara yang terekam dapat. menjadi maksimal. Proses normalisai 1 ini dilakukan dengan membagi data masukan dengan nilai absolut maksimal suara yang terekam. Gambar sinyal pada proses normalisasi 1 ini adalah hasil yang didapatkan dari proses sebelumnya, yaitu proses sampling. Gambar 2.5 menunjukkan gambar sinyal proses normalisasi 1.. (a) Belira. (b) Pianika. (c) Recorder. Gambar 2.5 Sinyal Normalisasi 1 dari gambar sinyal 2.4. 2.7. Pemotongan Sinyal Proses pemotongan sinyal dilakukan setelah proses normalisasi 1. Pada proses. pemotongan, sinyal yang dipotong adalah sinyal pada bagian awal sinyal. Tujuan dari proses pemotongan ini adalah untuk menghilangkan sinyal efek noise atau suara lain yang ikut terekam pada saat proses perekaman agar didapatkan sinyal yang benar-benar suara alat musik belira, pianika atau recorder. Proses pemotongan yang pertama yaitu memotong bagian silence atau bagian awal sinyal yang tidak termasuk sinyal nada terekam. Proses pemotongan yang kedua yaitu memotong bagian transisi sinyal. Gambar sinyal untuk pemotongan sinyal adalah hasil yang didapatkan dari proses sebelumnya yaitu proses normalisasi 1 sehingga didapatkan gambar 2.6 yang menunjukkan gambar sinyal hasil pemotongan..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. (a) Belira. (b) Pianika. (c) Recorder. Gambar 2.6 Sinyal sebelum pemotongan dari gambar sinyal 2.5. (a). (b). Gambar 2.7 (a) Hasil Pemotongan bagian silence pada Belira (b) Hasil Pemotongan bagian Transisi pada Belira. (a). (b). Gambar 2.8 (a) Hasil Pemotongan bagian silence pada Pianika (b) Hasil Pemotongan bagian Transisi pada Pianika. (a). (b). Gambar 2.9 (a) Hasil Pemotongan bagian silence pada Recorder (b) Hasil Pemotongan bagian Transisi pada Recorde. 11.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 2.8. 12. Frame Blocking Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan satu. frame terdiri dari beberapa data sampel [9]. Pengambilan sampel tersebut tergantung dari tiap detik suara akan disampel dan berapa besar frekuensi samplingnya. Fungsi frame blocking yaitu untuk memilih data yang akan diproses dalam sistem pengenalan. Pada proses ini, nilai frame blocking akan bervariasi yaitu 64, 256, 1024 dan 4096. Gambar sinyal untuk frame blocking adalah hasil yang didapatkan dari proses sebelumnya yaitu dari hasil proses pemotongan sinyal pada gambar 2.10 sehingga didapatkan gambar dibawah ini yang akan menunjukkan gambar sinyal frame blocking.. (. (a). (b). Gambar 2.10 (a) Bagian sinyal Belira yang akan diambil untuk Frame Blocking (a) Frame Blocking Belira dari gambar sinyal 2.7. (a). (b). Gambar 2.11 (a) Bagian sinyal Pianika yang akan diambil untuk Frame Blocking (b) Frame Blocking Pianika dari gambar sinyal 2.8.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. (a). 13. (b). Gambar 2.12 (a) Bagian sinyal Recorder yang akan diambil untuk Frame Blocking (a) Frame Blocking Recorder dari gambar sinyal 2.9. 2.9. Normalisasi 2 Proses normalisasi 2 ini adalah hasil sinyal dari proses sebelumnya yaitu dari hasil. sinyal frame blocking pada gambar 2.10, 2.11 dan 2.12. Pada proses ini, data masukan dari hasil frame blocking akan dibagi dengan nilai absolut maksimal dari frame blocking dan hasil keluarannya adalah untuk proses normalisasi 2. Gambar 2.13 menujukkan gambar sinyal dari normalisasi 2.. (a) Belira. (b) Pianika. (c) Recorder. Gambar 2.13 Sinyal Normalisasi 2 dari gambar sinyal 2.10, 2.11 dan 2.12.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 14. 2.10 Row Mean DCT (Discrete Cosine Transform) 2.10.1 Row Mean DCT (Discrete Cosine Transform) Sinyal suara (1 x 16) 1. Baris. 2. 3. 1 2 3 4. 4. 5 6 7 8. 5 6 7 8 9 Dibagi kedalam 4 kotak 9 10 11 12. 13 14 15 16. 10. 11. Windowing 2D. W. 12. 13. 14. 15. 16. DCT 2D. Kolom. C1 C2 C3 C4. Sinyal suara dikonversi Menjadi matriks (4 x 4) Transformasi Matriks (4 x 4). Row Mean (4 x 4). Gambar 2.14 Proses Row Mean DCT Row Mean DCT adalah proses dimana proses ini meliputi proses pembentukan matriks, kemudian matriks tersebut akan diubah menjadi matriks kotak (reshape) dimana pada pembuatan reshape ini dilakukan proses windowing 2D yaitu setiap kolom dan barisnya dikalikan. Setelah semua kolom dan baris dikalikan, proses selanjutnya adalah proses transformasi matriks reshape kedalam matriks reshape DCT 2D [10]. Pada proses DCT 2D ini, setiap kolomnya akan dirata-ratakan sehingga hasil keluarannya adalah row mean DCT. Proses Row Mean DCT ini adalah hasil sinyal dari proses sebelumnya yaitu dari hasil sinyal normalisasi 2 pada gambar 2.13. Gambar dibawah ini akan menunjukkan gambar sinyal dari pembentukan kolom matriks..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. (a). (b). 15. (c). Gambar 2.15 Sinyal dari pembentukan kolom matriks dari gambar sinyal 2.14. 2.10.2 Windowing Fungsi windowing adalah dengan cara melewatkan sinyal yang mempunyai frekuensi sembarang dikonvolusikan dengan fungsi window tertentu sehingga dapat mereduksi sinyal – sinyal yang tergolong bocor sebelum dilakukan proses transformasi. Dalam penelitian ini, pada proses windowing yaitu dimana setiap baris dan kolom dikalikan. Setiap barisnya terlebih dahulu dikalikan, kemudian setelah semua baris dikalikan, barulah setiap kolomnya dikalikan. Ada beberapa fungsi windows yang telah ada diantaranya Kaiser, Hamming, Hanning, Triangular, Rectangular [11].. 2.10.3 Hanning Window Windowing digunakan untuk menghilangkan diskontinuitas yang diakibatkan oleh proses Frame Blocking. Pada penelitian ini, jenis window yang dipakai adalah jenis Window Hanning. Window Hanning. memiliki lobe utama dua kali lebih lebar dari Window. Rectangular, dan hampir tiga baris spectral akan selalu dibangkitkan [12]. Persamaan Window Hanning adalah sebagai berikut : w (i) = (. (. )). 0<i<n–1. (2.3).

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 16. Pada penelitian ini, akan menggunakan windowing 2D. Proses window hanning ini adalah hasil sinyal dari proses sebelumnya yaitu dari hasil sinyal pembentukan kolom matriks Row Mean DCT pada gambar 2.15 sehingga didapatkan hasil sinyal windowing 2D seperti yang ditunjukkan pada gambar dibawah ini :. (a) Belira. (b) Pianika. (c) Recorder. Gambar 2.16 Sinyal windowing 2D dari gambar sinyal 2.15 2.10.4 Discrete Cosine Transform (DCT) Discrete Cosine Transform dari sederet n bilangan real s(x), x = 0, … ,n-1, dirumuskan sebagai berikut [13] : S(u)=√. )∑. ). ). (2.4). Dengan u = 0, … , n – 1 Dimana C (u) =. ,untuk u = 0 1. ,untuk lainnya. Pada penelitian ini, digunakan DCT 2D. Proses Discrete Cosine Transform (DCT) ini adalah hasil sinyal dari proses sebelumnya yaitu dari hasil sinyal windowing 2D pada gambar 2.15 sehingga didapatkan hasil sinyal DCT 2D seperti yang ditunjukkan pada gambar dibawah ini :.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. (a) Belira. (b) Pianika. 17. (c) Recorder. Gambar 2.17 Sinyal DCT 2D dari gambar sinyal 2.16 2.10.5 Rerata Baris. (a) Belira. (b) Pianika. (c) Recorder. Gambar 2.18 Sinyal Rerata Baris dari gambar sinyal 2.17 Proses rerata baris adalah proses pada bagian akhir dari proses Row Mean DCT. Hasil sinyal pada rerata baris ini adalah hasil sinyal yang diperoleh dari hasil sinyal pada proses sebelumnya yaitu proses DCT 2D pada gambar 2.17 sehingga didapatkan hasil sinyal untuk rerata baris seperti yang ditunjukkan pada gambar 2.18.. 2.11 Normalisasi 3. (a) Belira. (b) Pianika. (c) Recorder. Gambar 2.19 Sinyal Normalisasi 3 dari gambar sinyal 2.18.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 18. Proses normalisai 3 ini adalah proses akhir dari proses normalisasi. Proses normalisasi ketiga ini adalah sinyal hasil dari proses Row Mean DCT. Pada proses ini, data masukan dari hasil Row Mean DCT dibagi dengan nilai maksimal dari Row Mean DCT. Hasil dari pembagian ini adalah keluaran untuk proses normalisasi ketiga atau normalisasi akhir. Hasil sinyal untuk normalisasi 3 ini didapatkan dari hasil sinyal rerata baris yang ditunjukkan pada gambar 2.18, sehingga diperoleh hasil sinyal untuk normalisai 3 seperti yang ditunjukkan pada gambar 2.19.. 2.12 Centering Proses ini adalah proses centering. Dimana centering adalah proses untuk menengahkan sinyal (sinyal yang dengan amplitudo tertinggi ditempatkan dibagian tengah). Sinyal yang sudah ditempatkan pada bagian tengah akan di zero padding ke bagian sebelah kiri dan bagian sebelah kanan. Proses centering ini adalah hasil sinyal dari proses sebelumnya yaitu. dari hasil sinyal normalisasi 3 yang ditunjukkan pada gambar 2.19. 2.12.1 Proses Sisi Kiri dan Kanan Proses sisi kiri dan kanan adalah salah satu proses dari centering dimana sinyal diproses disebelah kiri dan disebelah kanan. Pada proses sebelah kiri sinyal dipotong sebelah kanan setelah itu sinyal akan di zero padding. Pada proses sebelah kanan sinyal dipotong sebelah kiri setelah itu sinyal akan di zero padding. Pemrosesan sinyal sebelah kiri dan kanan yang ditunjukkan pada gambar 2.20 dan gambar 2.21 dibawah ini :. (a) Belira. (b) Pianika. (c) Recorder. Gambar 2.20 Pemrosesan Sinyal Proses Sisi Kiri dari gambar sinyal 2.19.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. (a) Belira. (b) Pianika. 19. (c)Recorder. Gambar 2.21 Pemrosesan Sinyal Proses Sisi Kanan dari gambar sinyal 2.20 2.12.2 Penggabungan Kiri dan Kanan. (a) Belira. (b) Pianika. (c) Recorder. Gambar 2.22 Pemrosesan Sinyal Gabungan Kiri dan Kanan dari sinyal 2.20 dan 2.21 Pemrosesan sinyal gabungan sebelah kiri dan kanan ini adalah proses akhir dari proses centering. Hasil pemrosesan sinyal gabungan ini didapatkan dari hasil sinyal pada proses sebelumnya yaitu pada pemprosesan sinyal sebelah kiri dan kanan seperti pada gambar 2.20 dan gambar 2.21. Pemrosesan sinyal gabungan kiri dan kanan ditunjukkan pada gambar 2.22.. 2.13. Pengenalan Pola Pola adalah deskripsi kuantitatif atau struktural pada sebuah objek. Kelas pola merupakan sekumpulan pola yang terdiri atas beberapa ciri yang sama. Pengenalan pola merupakan suatu aktivitas manusia secara alami dimana manusia menerima informasi melalui sensor tubuh yang diproses seketika oleh otak, dan dalam sekejap manusia dapat mengenali sumber informasi secara alami. Keakuratan manusia untuk dapat melakukan tugas-tugas pengenalan dengan kondisi yang tidak ideal, contohnya, ketika informasi yang perlukan untuk memproses tersebut tidak jelas atau tidak lengkap. Sebenarnya, sebagian besar aktivitas kita berdasarkan pada berhasilnya kita dalam melakukan tugas.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 20. pengenalan pola. Misalnya, ketika membaca buku, kita mengenali angka, huruf, kata, dan akhirnya pemikiran dan konsep, sinyal visual kemudian diterima oleh otak kita yang diproses secara alami tanpa tidak kita sadari. Pengenalan pola (pattern recognition) suatu proses untuk mengenali pola-pola terdapat pada sekumpulan data dan menggolongkannya lalu dikelompokkan sehingga pola-pola yang berada dalam satu kelompok mempunyai kesamaan yang tinggi dan pola-pola yang berbeda mempunyai tingkat kemiripan yang rendah. Pengenalan pola bertujuan untuk menentukan kelompok atau kategori pola berdasar ciri-ciri yang dimiliki pola tersebut. Dengan kata lain, pengenalan pola dapat membedakan suatu objek dengan objek yang lain.[14] Sistem pengenalan pola memiliki beberapa pendekatan diantaranya yaitu : . Pendekatan Template Matching. . Pendekatan Statistik. . Pendekatan Sintatik. . Pendekatan Jaringan Syaraf Tiruan. 2.14 Template Matching Tahap perbandingan yaitu salah satu tahap dalam proses pengenalan ucapan. Proses template matching ini akan melakukan perbandingan antara pola data masukan dengan pola database. Salah satu perbandingan metode yang dilakukan dalam template matching yaitu menggunakan fungsi jarak Euclidean. Data masukan yang akan diproses akan dihitung nilai jaraknya sehingga dapat dikenali kemiripan yang sesuai dengan database[15].. 2.15 Fungsi Jarak Euclidean Jarak Euclidean adalah jarak antara dua titik yaiu dari titik satu ke titik yang lain dalam satu ruang [16]. Secara umum, yang dimaksud antara dua titik adalah garis terpendek diantara semua garis yang menghubungkan kedua titik tersebut. Dalam ruang Euclidean , jarak antara ke dua titik P dan Q dapat dirumuskan sebagai berikut : P=(. ) dan = (. ).

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 21. Maka jarak Euclidean P ke Q adalah : )=. )=√. ). ). ). ) ). (2.5). 2.16 Klasifikasi K-NN Algoritma yang disebut aturan tetangga terdekat atau biasanya di kenal dengan knearest neighbour(K-NN). Misal ada vektor x yang tidak diketahui, maka[17]: . Dari vektor pelatihan N, identifikasi k tetangga terdekat, dengan mengabaikan label kelas. Untuk masalah 2 kelas dipilih nilai k yang ganjil. Secara umum nilai k ini bukan kelipatan dari jumlah kelas M.. . Dari sampel k tersebut, identifikasi jumlah vektor, ki, yang termasuk masuk dalam kelas. ωi, i = 1,2,......,M. Dinyatakan dengan 1 ki = k. . Tetapkan x ke kelas ωi dengan maksimal jumlah sampel dari ki ..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. BAB III PERANCANGAN. 3.1. Sistem Pengenalan Suara Instrumen Musik Diagram blok sistem pengenalan suara alat musik belira, pianika atau recorder. ditunjukkan pada gambar 3.1 di bawah ini :. Masukan. Proses. Keluaran (Wav). Gambar 3.1 Blok Diagram Proses Pengenalan Suara Instrumen Musik. Proses Perekaman. Proses Pengenalan Instrumen musik. Gambar 3.2 Blok Diagram Pengenalan Suara Instrumen Musik Sistem pengenalan suara instrumen musik pada belira, pianika atau recorder terdiri atas perangkat keras dan perangkat lunak. Perangkat keras terdiri dari alat musik belira, pianika, recorder, mikrofon dan laptop. Sedangkan untuk perangkat lunaknya terdiri dari program pada laptop yang berfungsi sebagai interface dalam proses pengenalan suara alat musik. 22.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 23. 1. Belira Belira adalah alat musik yang merupakan salah satu bagian penting dari group drum band. Alat ini terdiri dari sederetan besi yang sebagian besi berwarna emas dan sebagian lagi berwarna perak. Cara memainkannya hampir sama dengan cara memainkan piano atau pianika, hanya saja perbedaannya terletak pada cara memainkannya. Pada belira cara memainkannya dengan menggunakan alat pukul khusus. Sedangkan pada piano atau pianika cara memainkannya dengan menggunakan jari-jari yang memainkannya. 2. Pianika Pianika adalah sebuah alat musik melodis yang dimainkan dengan cara ditekan dan ditiup. Tangga nadanya adalah tangga nada yang biasa dikenal, seperti C, D, E, F, G, A dan B. 3. Recorder Recorder merupakan alat musik melodis yang sumber bunyinya berasal dari tekanan udara dan dimainkan dengan cara ditiup. 4. Mikrofon Mikrofon yang digunakan adalah microfon jenis mini multimedia microphone Genius MIC01A [18]. Jenis mini microfon ini berfungsi untuk menangkap sinyal analog dan kemudian menyalurkan ke sound card pada laptop melewati line in yang ada pada sound card.. Gambar 3.3 Mini Multimedia Microphone Genius MIC-01A 5. Proses Perekaman Proses perekaman adalah proses masuknya data nada suara terekam berupa sinyal digital. Saat proses perekaman berlangsung sinyal analog dikonversi menjadi sinyal digital dengan.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 24. frekuensi sampling. Sinyal digital kemudian disimpan dan digambarkan dalam sebuah plot. Data nada yang telah disimpan disebut nada terekam dan kemudian dapat di proses untuk dikenali lewat proses pengenalan nada. 6. Proses pengenalan suara Proses pengenalan suara adalah proses untuk mengenali suara alat musik yang terekam agar dapat diketahui jenis suara musik apa yang direkam. Proses ini terdiri dari subproses pemotongan sinyal, frame blocking, windowing, normalisasi, ekstraksi ciri Row Mean DCT, centering, fungsi jarak Euclidean, Klasifikasi K-NN, dan penentuan hasil suara alat musik. Diagram blok proses pengenalan suara alat musik dapat dilihat pada gambar 3.4. Masukan (Suara Belira, Pianika dan Recorder) Normalisasi 1. Pemotongan Sinyal. Frame Blocking. Normalisasi 2 Row Mean DCT : a. Pembentukan kolom matriks b. Windowing 2D c. DCT 2D d. Rerata baris. Keluaran. K-NN. Fungsi Jarak Euclidean. Centering. Normalisasi 3. Data Base Gambar 3.4. Diagram Blok Proses Pengenalan Suara Instrumen Musik. 3.1.1 Suara Belira, Pianika, Atau Recorder (Wav) Masukan adalah hasil dari sampling suara alat ketahap selanjutnya.. musik yang direkam akan diproses.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 25. 3.1.2 Pemotongan Sinyal Pemotongan sinyal berfungsi untuk menghilangkan efek noise atau suara lain yang ikut terekam saat proses perekaman dan menghilangkan silence dan transisi dari sinyal yang terekam. 3.1.3 Frame Blocking Proses ini berfungsi untuk memilih data dari nada suara musik yang terekam, sehingga data yang dipilih dapat mewakili semua data pada suara alat musik yang terekam. 3.1.4 Normalisasi Di tahap ini semua nada yang sudah terekam akan dinormalisasikan. Tujuan dari penormalisasian ini agar amplitude pada saat nada dimainkan bias maksimal. Pada penelitian ini, proses normalisasi dibagi kedalam 3 tahap normalisasi. Normalisasi pertama dilakukan sebelum proses pemotongan sinyal. Dan setelah melalui proses frame blocking data akan dinormalisasi lagi. Dan normalisasi terakhir dilakukan setelah melalui proses Row Mean DCT. 3.1.5 Row Mean DCT (Discrete Cosine Transform) Menunjukkan banyaknya suatu urutan data dari penjumlahan fungsi kosinus pada frekuensi yang berbeda. DCT penting dalam banyak aplikasi seperti dalam bidang sains dan teknik. Pada proses Row Mean DCT ini, Data yang sudah dinormalisasikan akan mengalami proses windowing. Dalam penelitian ini akan menggunakan jenis Hanning window. Windowing berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil rekaman. 3.1.6 Centering Menengahkan sinyal (sinyal yang dengan amplitudo tertinggi ditempatkan dibagian tengah). Sinyal yang sudah ditempatkan pada bagian tengah akan di zero padding ke bagian sebelah kiri dan bagian sebelah kanan.. 3.1.7 Fungsi Jarak (Euclidean) Pengenalan suara alat. musik pada belira, pianika atau. menggunakan metode fungsi jarak Euclidean.. recorder dilakukan dengan.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 26. 3.1.8 Penentuan Hasil Suara Instrument Musik Proses ini adalah subproses terakhir dari proses pengenalan suara alat musik. Penentuan hasil pengenalan ini akan ditentukan berdasarkan hasil perhitungan nilai dengan klasifikasi KNN. 3.1.9 Hasil Tampilan Tampilan adalah hasil akhir dari software yang mengenali nada suara alat musik dari belira, pianika atau recorder. Hasil keluaran akan ditampilkan dalam bentuk visual GUI Matlab yang telah dirancang oleh penulis.. 3.2. Perancangan Suara Referensi Untuk mengenali suara referensi untuk setiap suara yang dikenali pada sistem pengenalan. suara alat musik pada belira, pianika atau recorer. Penulis mengambil 20 sampel untuk setiap nadanya. Dengan nada referensi terdiri dari 9 nada acuan yaitu C, D, E, F, G, A, B, C’, D’. Proses pengambilan dapat dilihat pada Gambar 3.5. Pengambilan data dilakukan melalui beberapa tahap yaitu melalui proses sampling, frame blocking, normalisasi, Row Mean DCT (dimana dalam proses Row Mean DCT akan ada proses pembentukan kolom matriks, Windowing 2D, DCT 2D dan rerata baris),Centering, Fungsi Jarak Eucledian dan Klasifikasi K-NN. Masukan ( Suara Belira, Pianika, dan Recorder) Normalisasi 1. Pemotongan Sinyal. Frame Blocking Normalisasi 2. Keluaran Ekstraksi Ciri Centering. Normalisasi 3. Row Mean DCT : a. Pembentukan kolom matriks b. Windowing 2D c. DCT 2D d. Rerata baris. Gambar 3.5 Diagram Blok Proses Pengambilan Suara Referensi.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 27. Proses pengambilan suara disesuaikan dengan variabel bebas pada pembuatan sistem pengenalan suara alat musik belira, pianika atau recorder. Untuk mendapatkan suara referensi, dilakukan perekaman sebanyak 20 kali untuk setiap nadanya. Hasil Row Mean DCT yang telah dinormalisasikan akan digunakan sebagai suara sampel, sebagai sistem pengenalan suara alat musik belira, pianika atau recorder tidak dilakukan perhitungan kembali dalam mendapatkan suara referensi dan proses pada sistem pengenalan suara alat musik belira, pianika atau recorder berjalan baik. Pada penelitian ini akan diuji 8 sampel input yang keluarannya jika 8 sampel input dibagi menjadi 8, 4, 2 atau 1 maka hasil keluarannya adalah 1, 2, 4 atau 8 untuk hasil ektraksi ciri. Proses ekstraksi ciri dilakukan dengan merata-ratakan hasil ekstraksi ciri pada belira, pianika atau recorder. Database untuk setiap sampel suara dibagi kedalam 2 bagian kemudian dirata-ratakan dan keluarannya adalah hasil untuk ekstraksi ciri.. Suara referensi yang didapat kemudian disimpan dalam fungsi header yang ada dalam sistem pengenalan suara alat musik belira, pianika atau recorder. Sehingga sewaktu-waktu suara referensi dapat dipanggil dalam proses fungsi jarak yang ada dalam sistem pengenalan suara alat musik belira, pianika atau recorder.. 3.3. Suara Uji Pada penelitian ini, penulis mengambil 10 sampel pada setiap suara untuk memperoleh. suara uji untuk setiap suara pada proses pengenalan suara alat musik pada belira, pianika atau recorder. Semua sampel suara yang sudah diambil dalam proses perekaman, akan melalui proses sampling sebelum masuk ke tahap proses selanjutnya. Proses pengambilan suara ditunjukkan pada gambar 3.6.. Masukan. Sampling. Keluaran (Wav). Gambar 3.6. Blok diagram Proses Pengambilan Suara Uji.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.4. Tampilan Program GUI MATLAB. Plot Perekaman Plot Hasil Ekstraksi Ciri Row Mean DCT. Tampilan Keluaran. Rekam. Selesai. Tabel 3.1 Keterangan Tampilan Utama Sistem Nama Plot Perekaman. Keterangan Untuk menampilkan grafik Plot Perekaman. Plot Hasil Ekstraksi Ciri. Untuk menampilkan grafik Hasil. Row Mean DCT. Ekstraksi Ciri Row Mean DCT. Rekam. Untuk memulai program perekaman. Selesai. Untuk mengakhiri program perekaman. Tampilan Keluaran. Untuk menampilkan teks suara instrument alat musik belira, pianika atau recorder.. 28.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.5. 29. Perancangan Alur Program Sistem pengenalan suara alat musik belira, pianika atau recorder ini akan bekerja pada. saat user mulai menjalankan program. Setelah tampilan utama terlihat, proses pengujian sudah dapat dilakukan. User pertama kali harus mengisikan parameter yang digunakan dalam pengujian pada list box “Input nada”. Setelah mengambil data acuan dengan menekan tombol “rekam”, sistem akan mengambil suara musik belira, pianika dan recorder yang dimainkan. Jika suara telah terekam, maka proses akan berlanjut sampai suara musik dikenali. Program berjalan dengan bermacam-macam prose, yaitu perekaman, pemotongan sinyal, frame blocking, normalisasi, windowing, Row Mean DCT, perhitungan jarak dengan Eucledian dan penentuan hasil suara dengan K-NN. Diagram alur perancangan ditunjukkan pada gambar 3.7..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. Gambar 3.7. Diagram Alir Sistem Pengenalan Suara alat Belira, Pianika atau Recorder. 30.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 31. 3.5.1 Rekam. Gambar 3.8 Blok Diagram Proses Rekam Proses rekam memiliki proses sampling suara. Proses sampling suara berfungsi untuk merekam suara alat musik belira, pianika atau recorder. Frekuensi sampling yang digunakan adalah 10000 Hz. Untuk frekuensi samplingnya didapatkan dari hasil penelitian yang sudah dilakukan sebelumnya [17]. Penulis memilih nilai frekuensi 10000 Hz karena nilai frekuensi sampling harus lebih besar 2 kali dari nilai frekuensi tertinggi dari sinyal yang sudah disampling. Hasil dari proses perekaman ini akan ditampilkan dalam bentuk plot atau gambar grafik yang ada pada interface GUI Matlab. Proses perekaman ini ditunjukkan pada gambar 3.8..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 32. 3.5.2 Normalisasi 1. Gambar 3.9. Diagram Alir Normalisasi 1. Tujuan dari proses ini adalah agar pengaruh kuat atau lemahnya suara rekaman dapat diminimalisasikan. Proses ini digunakan agar besar amplitudonya setara dengan data sinyal suara yang terekam sehingga terbentuk pada skala yang sama. Gambar sinyal untuk hasil normalisasi ditunjukkan pada gambar 2.5. Diagram alir proses normalisasi 1 ditunjukkan pada gambar 3.9..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 33. 3.5.3 Pemotongan Sinyal. Gambar 3.10 Diagram Alir Pemotongan Sinyal Proses pemotongan sinyal adalah pemotongan sinyal yang tidak digunakan yang terdapat di sisi kiri atau bagian awal dari sinyal yaitu bagian silence dan bagian transisi. Gambar sinyal bagian silence pada belira ditunjukkan pada gambar 2.7 (a), gambar sinyal silence pada pianika ditunjukkan pada gambar 2.8 (a) dan gambar sinyal silence pada recorder ditunjukkan pada gambar 2.9 (a) sedangkan gambar sinyal bagian Transisi pada belira ditunjukkan pada gambar 2.7 (b), gambar sinyal transisi pada pianika ditunjukkan pada gambar 2.8 (b) dan gambar sinyal transisi pada recorder ditunjukkan pada gambar 2.9 (b). Tujuan dari proses pemotongan ini adalah untuk menghilangkan sinyal efek noise atau suara lain yang ikut terekam pada saat proses perekaman agar didapatkan sinyal yang benar-benar suara alat musik belira, pianika atau recorder. Proses pemotongan sinyal ditunjukkan pada gambar 3.10..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 34. 3.5.4 Frame Blocking Proses frame blocking bertujuan untuk mengurangi jumlah data sinyal yang akan diproses. Pilihan nilai pada frame blocking ini ada beberapa pilihan yang bervariasi yaitu 64, 256, 1024 dan 4096. Proses frame blocking ini akan menentukan nilai titik tengah dari data masukan. Setelah data titik tengahnya diambil, maka data yang akan diambil dapat ditentukan dengan nilai frame blocking yang dipilih oleh user. Data yang diambil tersebut merupakan keluaran untuk proses frame blocking. Diagram alir proses frame blocking ditunjukkan pada gambar 3.11. Gambar sinyal untuk proses frame blocking ini ditunjukkan pada gambar 2.10, 2.11 dan 2.12.. Gambar 3.11 Diagram Alir Frame Blocking.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 35. 3.5.5 Normalisasi 2. Gambar 3. 12 Diagram Alir Normalisasi 2 Pada proses normalisasi 2 ini digunakan agar besar pada amplitudo dari data sinyal suara yang sudah di proses pada frame blocking terbentuk pada skala yang sama. Masukan dari normalisasi 2 ini adalah sinyal dari frame blocking. Data masukan dari hasil frame blocking dibagi dengan nilai absolut maksimal dari frame blocking dan hasil keluarannya adalah untuk proses normalisasi 2. Gambar sinyal untuk normalisasi 2 ditunjukkan pada gambar 2.13. Diagram alir proses normalisasi 2 ini ditunjukkan pada gambar 3.12..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 36. 3.5.6 Hanning Windowing. Gambar 3.13. Diagram Alir Hanning Windowing. Proses selanjutnya adalah windowing. Dalam penelitian ini akan menggunakan jenis Hanning window. Windowing berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil rekaman. Hanning memiliki lobe utama dua kali lebih lebar dari Window Rectangular, dan hampir tiga baris spectral akan selalu dibangkitkan. Gambar sinyal untuk hanning windowing dalam windowing 2D ditunjukkan pada gambar 2.16. Diagram alir proses hanning windowing ditunjukkan pada gambar 3.13..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 37. 3.5.7 Row Mean DCT. Gambar 3.14 Diagram Alir Row Mean DCT Proses selanjutnya adalah proses Row Mean DCT. Dimana masukan pada proses ini adalah hasil dari proses windowing, dan keluarannya merupakan hasil dari ekstraksi ciri Row Mean DCT. Proses Row Mean DCT ini meliputi proses pembentukan matriks, kemudian matriks.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 38. tersebut akan diubah menjadi matriks kotak (reshape) dimana pada pembuatan reshape ini dilakukan proses windowing 2D yaitu setiap kolom dan barisnya dikalikan. Setelah semua kolom dan baris dikalikan, proses selanjutnya adalah proses transformasi matriks reshape kedalam matriks reshape DCT 2D. Pada proses DCT 2D ini, setiap kolomnya akan dirata-ratakan sehingga hasil keluarannya adalah row mean DCT. Gambar sinyal dari pembentukan kolom matriks pada Row Mean DCT ditunjukkan pada gambar 2.15. Diagram alir proses Row Mean DCT ditunjukkan pada gambar 3.14. 3.5.8 Normalisasi 3. Gambar 3.15 Diagram Alir Normalisasi 3 Proses selanjutnya adalah proses normalisasi 3, dimana proses normalisasi ini adalah proses normalisasi akhir. Proses normalisasi ketiga ini adalah sinyal hasil dari proses Row Mean DCT. Pada proses ini, data masukan dari hasil Row Mean DCT dibagi dengan nilai maksimal dari Row Mean DCT. Gambr sinyal dari normalisasi 3 ini ditunjukkan pada gambar 2.19. Hasil dari pembagian ini adalah keluaran untuk proses normalisasi ketiga atau normalisasi akhir. Proses akhir dari normalisasi ditunjukkan pada gambar 3.15..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 39. 3.5.9 Centering. Gambar 3.16 Diagram Alir Centering Proses selanjutnya adalah proses centering. Dimana centering adalah untuk menengahkan sinyal (sinyal yang dengan amplitudo tertinggi ditempatkan dibagian tengah). Sinyal yang sudah ditempatkan pada bagian tengah akan di zero padding ke bagian sebelah kiri dan bagian sebelah kanan. Gambar sinyal untuk centering (Proses sisi kiri, kanan dan penggabungan kiri dan kanan) ditunjukkan pada gambar 2.20, 2.21 dan 2.22. Diagram alir proses centering ditunjukkan pada gambar 3.16..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 40. 3.5.10 Fungsi Jarak (Euclidean). Gambar 3.17 Diagram Alir Fungsi Jarak Euclidean Proses selanjutnya adalah proses untuk fungsi jarak. Dimana fungsi jarak pada penelitian ini menggunakan fungsi jarak dengan Euclidean. Jarak Euclidean adalah jarak antara dua titik yaiu dari titik satu ke titik yang lain dalam satu ruang. Secara umum, yang dimaksud antara dua titik adalah garis terpendek diantara semua garis yang menghubungkan kedua titik tersebut. Proses fungsi jarak menggunakan Euclidean ditunjukkan pada gambar 3.17..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 41. 3.5.11 K-NN. Gambar 3.18 Diagram Alir k-Nearest Neighbor (K-NN) Proses selanjutnya adalah proses k-Nearest Neighbor (K-NN). Proses ini adalah subproses terakhir dari proses pengenalan suara alat musik. Penentuan hasil keluaran ini dapat ditentukan dengan Look Up Table dan Penentuan hasil pengenalan ini akan ditentukan.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 42. berdasarkan hasil perhitungan nilai dengan klasifikasi K-NN. Proses klasifikasi K-NN ditunjukkan pada gambar 3.18..

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. BAB IV HASIL DAN PEMBAHASAN Dalam bab ini dibahas mengenai hasil uji coba sistem yang telah dirancang dan dibuat. Uji coba dilakukan untuk mengetahui apakah sistem dapat bekerja dengan sesuai dengan perancangan. Hasil pengujian berupa data-data yang dapat memperlihatkan bahwa sistem yang telah dirancang dapat bekerja dengan baik.. 4.1 Pengujian Program Pengenalan Suara Instrument Musik menggunakan Row Mean DCT dan Pengklasifikasian K-NN dan Fungsi Jarak Euclidean Perancangan program menggunakan software Matlab 7.10.0 (R2010a). Pada pengujian program menggunakan laptop dengan spesifikasi: Prosesor. : Intel® Atom™ CPU N280 @1.66GHz 1.67GHz. RAM. : 1 GB. Tipe sistem. : Sistem operasi 32 bit. Dalam perancangan ini, dibuat GUI agar user dengan lebih mudah menggunakan aplikasi dalam penelitian ini. Proses pengenalan suara instrument musik dapat dilakukan dengan menjalankan perintah-perintah yang terdapat dalam GUI, seperti berikut : 1. Sebelum membuka tampilan program, perlu memastikan terlebih dahulu pada Current Directory sudah sesuai dengan tempat penyimpanan program yang telah dirancang. 2. Mengetikan perintah gui pada Command window untuk memunculkan tampilan program pengenalan suara instrument musik. Setelah itu akan muncul tampilan program pengenalan suara instrument musik seperti pada Gambar 4.1.. 43.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI. 44. Gambar 4.1. Tampilan Program Pengenalan Suara Instument Musik 3. User memilih nilai variasi frame blocking, database per nada dan nilai k pada K-NN yang akan digunakan terlebih dahulu sebelum melakukan pengenalan suara isntrumen musik. Nilai variasi frame blocking yang digunakan adalah 64, 256, 1024 dan 4096. Nilai variasi untuk database per nada yang digunakan adalah 1, 2, 4 dan 8. Nilai variasi K-NN yang digunakan adalah 1, 3, 5 dan 7. 4. User dapat memulai pengenalan suara instrument musik dengan menekan tombol “MULAI”. Hasil pengenalan suara instrument musik terlihat seperti pada gambar 4.2.. G a m b a r Gambar 4.2. Tampilan Hasil Pengenalan.