TUGAS AKHIR PENGENALAN NADA GAMELAN SLENTHEM SECARA REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK EUCLEDIAN

(1)

i

TUGAS AKHIR

PENGENALAN NADA GAMELAN SLENTHEM SECARA

REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN

FUNGSI JARAK EUCLEDIAN

DiajukanUntuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Elektro

Disusun oleh:

Felix Arista Rahadian (095114017)

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

(2)

ii

FINAL PROJECT

REAL TIME GAMELAN SLENTHEM TONE RECOGNITION

USING DCT FEATURE EXTRACTION AND EUCLIDEAN

DISTANCE FUNCTION

Presented as Partial Fullfillment of The Requirements

To Obtain The Sarjana Teknik Degree

In Electrical Engineering Study Program

Felix Arista Rahadian

(095114017)

DEPARTMENT OF ELECTRICAL ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

(3)

iii

HALAMAN PERSETUJUAN

TUGAS AKHIR

PENGENALAN NADA GAMELAN SLENTHEM SECARA REAL TIME

MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK

EUCLIDEAN

Oleh:

FELIX ARISTA RAHADIAN NIM: 095114017

telah disetujui oleh:

(4)

(5)

v

PERNYATAAN KEASLIAN KARYA

(6)

vi

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

MOTTO:

Kesuksesan selalu disertai dengan

kegagalan..Percayalah!!

Dengan ini kupersembahkan karyaku ini untuk...

Yesus Kristus Pembimbingku yang setia,

Papa dan Mama tercinta,

Teman-teman seperjuanganku,

Dan semua orang yang mengasihiku

(7)

vii

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :

Nama : Felix Arista Rahadian

Nomor Mahasiswa : 095114017

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul :

PENGENALAN NADA GAMELAN SLENTHEM

SECARA REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT

DAN FUNGSI JARAK EUCLIDEAN

beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpannya, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai penulis.

(8)

viii

INTISARI

Sebagian orang hanya mendengarkan suatu nada tanpa mengetahui nada apa yang sedang dimainkan karena kurangnya ketajaman indera pendengaran dan pengetahuan tentang alat musik. Slenthem adalah salah satu alat musik gamelan yang nadanya belum tentu diketahui oleh seorang pemula yang baru belajar alat musik gamelan. Sistem pengenalan sangat diperlukan untuk membantu dalam mengenali nada alat musik gamelan slenthem yaitu nada ( ji, ro, lu, pat, mo, nem dan pi ) pada gamelan slenthem.

Sistem pengenalan ini dibuat secara realtime sehingga seorang pemula akan dapat mengenal nada langsung pada saat orang itu bermain suatu alat musik gamelan slenthem. Sistem pengenalan ini menggunakan mikrofon sebagai perekam gelombang suara nada gamelan slenthem dan komputer yang berfungsi untuk memproses data hasil rekaman, menampilkan gelombang hasil rekaman, menampilkan hasil ekstraksi ciri DCT, mengenali nada terekam, dan menampilkan hasil nada yang dikenali dalam bentuk teks.

Sistem pengenalan nada alat musik gamelan slenthem menggunakan fungsi jarak Euclidean sudah berhasil dibuat dan dapat bekerja dengan baik. Penampil hasil rekaman, hasil ekstraksi ciri DCT dan status pengenalan mampu ditampilkan sesuai dengan perancangan. Program pengenalan nada ini hanya mampu mengenali gamelan slenthem saja, sehingga masih dapat dikembangkan untuk pengenalan nada gamelan lain yang cara memainkannya secara dipukul.

Kata kunci: Slenthem, Discrete Cosine Transform (DCT), Fungsi Jarak Euclidean, Pengenalan Nada.

(9)

ix

ABSTRACT

Some people just listen a tone of tones without knowing what is being played for lack of sharpness of the sense of hearing and knowledge of musical instruments. Slenthem is one musical instrument gamelan, not necessarily known by a newbie who recently studied the gamelan music instrument. Recognition systems indispensable to assist in recognize tone musical instrument gamelan slenthem i.e. tones ( ji, ro, lu, pat, mo, nem and pi ) on gamelan slenthem.

Recognition systems is made in realtime so that a novice will be able to know the tone directlyinto when the man playing a musical instrument gamelan slenthem. Recognition systems is using a microphone as recorder sound waves tone gamelan slenthem and computers that serves to process data the record, showing waves the record, showed the results dct feature extraction, recognize tone recorded , and showed the results tone being recognizable in the text.

Tone recognition systems of musical instrument gamelan slenthem using the Euclidean distance function was successfully created and can work well. Recording results Viewer, the result of the DCT feature extraction and status recognition is able to be shown in accordance with the design. The introduction of this program was only able to recognize gamelan slenthem course, so that still to be developed for the introduction of a tone gamelan other way to play it in being struck.

(10)

x

KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan Yesus Kristus karena telah memberikan karunia-Nya sehingga penulis dapat menyelesaikan laporan akhir ini dengan baik. Laporan akhir ini disusun untuk memenuhi syarat memperoleh gelar sarjana.

Penulis mengucapkan terima kasih kepada : 1. Tuhan Yesus Kristus, atas penyertaan-Nya.

2. Paulina Heruningsih Prima Rosa, S.Si., M.Sc., Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma.

3. Petrus Setyo Prabowo, S.T., M.T., Ketua Program Studi Teknik Elektro Universitas Sanata Dharma.

4. Dr. Linggo Sumarno, dosen pembimbing yang dengan penuh pengertian dan ketulusan hati memberi bimbingan, kritik, saran, serta motivasi dalam penulisan skripsi ini.

5. _{Wiwien Widyastuti, S.T.,M.T. dan Petrus Setyo Prabowo, S.T., M.T., dosen}

penguji yang telah memberikan masukan, bimbingan, saran dalam merevisi skripsi ini.

6. Bapak/ Ibu dosen yang telah mengajarkan banyak hal selama penulis menempuh pendidikan di Program Studi Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Sanata Dharma.

7. Staff sekretariat Teknik Elektro, atas bantuan dalam melayani mahasiswa.

8. Kedua orang tuaku (†)Yohanes Herkutanto dan Theresia Septi Hermastuti atas dukungan, doa, cinta, perhatian, kasih sayang yang tiada henti.

9. Rekan-rekan seperjuanganku angkatan 2009 Teknik Elektro, teman-teman Sambat, yang memberikan dukungan dalam penyelesaian skripsi ini.

10. Semua pihak yang tidak dapat disebutkan satu persatu atas semua dukungan yang telah diberikan dalam penyelesaian skripsi ini.

(11)

xi

DAFTAR ISI

HALAMAN JUDUL

... i

HALAMAN PERSETUJUAN

... iii

HALAMAN PENGESAHAN

... iv

PERNYATAAN KEASLIAN KARYA

... v

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

... vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA

ILMIAH UNTUK KEPENTINGAN AKADEMIS

... vii

INTISARI

... viii

1.2.1.Manfaat Penelitian ... 2

(12)

xii

2.7. Fungsi Jarak Euclidean(Euclidean Distance Function) ... 7

2.8. Sound Card ... 7

BAB IV HASIL DAN PEMBAHASAN

4.1. Pengujian Program dan Tampilan Program Pengenalan Nada Alat Musik Gamelan Slenthem Secara Real Time ... 26

4.1.1. Pengenalan Nada... 28

4.2. Pengujian Parameter Pengaturan Pengenalan nada Gamelan Slenthem ... 32

4.3. Pengujian batas Nilai Jarak Minimum Nada Untuk Melakukan Pengenalan .. 38

4.4. Pengujian Dengan Nada Masukan Gamelan Lain... 38

BAB IV KESIMPULAN DAN SARAN

5.1. Kesimpulan ... 41

5.2. Saran ... 41

DAFTAR PUSTAKA

... 42

(13)

xiv

DAFTAR GAMBAR

2.1. Contoh Gamelan Slenthem ... 4

2.2. Frame Blocking ... 5

2.3. Contoh Sound Card Netbook ... 7

2.4. Contoh Microphone ... 8

3.1. Arsitektur Umum ... 10

3.2. Blok Sistem Pengenalan Nada Gamelan Slenthem ... 11

3.3. Diagram Alir Perekaman Nada Gamelan Slenthem ... 13

3.4. Diagram Alir Frame Blocking ... 14

3.5. Diagram Alir Proses Normalisasi ... 15

3.6. Diagram Alir Windowing ... 16

3.7. Diagram Alir Ekstraksi Ciri ... 17

3.8. Diagram Alir Fungsi Jarak Euclidean ... 18

3.9. Diagram Alir Proses Penentuan Nada... 19

3.10. Tampilan GUI ... 20

3.11. Diagram Alir Proses Pengambilan Nada Referensi ... 22

4.1. Icon Program Pengenalan... 24

4.2. Tampilan Awal Matlab ... 25

4.3. Tampilan Program Pengenalan ... 25

4.4. Tampilan Pengaturan DCT ... 26

4.5. Grafik Pengaruh Nilai DCT Terhadap Tingkat Pengenalan ... 31

4.6. Pengaruh Koefisien DCT terhadap Hasil Pengenalan ... 32

(14)

xv

DAFTAR TABEL

3.1. Keterangan Tampilan Program ... 21

4.1. Jarak Antara Nada Mo dan Nem ... 32

4.2. Hasil Pengujian jarak ... 36

(15)

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Musik adalah salah satu sarana hiburan yang umumnya sangat disukai oleh semua kalangan masyarakat dari zaman dulu bahkan sampai sekarang. Musik tentunya tidak lepas dari yang namanya instrumen musik atau alat musik [1]. Terutama di masa yang serba modern dan praktis saat ini, kebutuhan akan software pengenalan nada alat musik cenderung meningkat. Sebagian orang hanya mendengarkan suatu nada tanpa mengetahui nada apa yang sedang dimainkan karena kurangnya ketajaman indera pendengaran dan pengetahuan tentang alat musik. Slenthem adalah salah satu alat musik gamelan yang nadanya belum tentu diketahui oleh seorang pemula yang baru belajar alat musik gamelan.

Pada penelitian sebelumnya oleh Lazuardi[2] mengenai “Pengenalan Nada Pada Alat Musik Bonang Menggunakan Fungsi Jarak Euclidean” dan Prayitno[3] mengenai “Pengenalan Nada Saron Pelog Menggunakan Fungsi Jarak Minkowski”, suara akan dikenali setelah melakukan perekaman. Untuk itu perlu adanya pengenalan nada yang sifatnya realtime dan dengan metode yang baru. Dengan sistem yang dibuat secara realtime maka seorang pemula akan dapat mengenal nada langsung pada saat orang itu bermain suatu alat musik.

Berdasarkan hal diatas, penulis ingin membuat sistem yang dapat membantu pemula untuk mengenali nada gamelan khususnya alat musik slenthem. Dengan menggunakan sistem ini seorang pemula yang ingin belajar untuk mengenali nada khususnya alat musik slenthem dapat dengan mudah mengenal nada 1, 2, 3, 4, 5, 6, dan 7 yang dihasilkan.

1.2 Tujuan Penelitian

(16)

1.2.1 Manfaat Penelitian

Manfaat yang dapat diperoleh dari penelitian ini adalah:

a. Sebagai alat bantu bagi orang yang sedang belajar memainkan alat musik gamelan

slenthem.

b. Sebagai alat bantu memudahkan orang untuk mengetahui nada ji (1), ro (2), lu (3), pat (4), mo (5), nem (6) dan pi (7) alat musik gamelan slenthem.

1.2.2 Batasan masalah

Sistem pengenalan nada alat musik slenthem ini sepenuhnya dilakukan di dalam komputer, berarti bentuk pengenalan nada alat musik slenthem menggunakan perangkat lunak yang sudah tertanam pada komputer. Beberapa batasan masalah yang dianggap perlu oleh penulis pada perancangan ini adalah sebagai berikut:

a. Data yang diolah program adalah perekaman suara yang dihasilkan oleh alat musik

pukul yaitu slenthem.

b. Nada yang akan dikenali adalah nada‟1, 2, 3, 4, 5, 6, 7‟.

c. Dalam pembuatan progam ini penulis menggunakan ekstrasi ciri DCT. d. Menggunakan perangkat lunak komputasi (Matlab).

e. Menggunakan fungsi jarak Euclidean. f. Menggunakan jendela Hamming.

g. Sistem ini realtime.

1.3 Metodologi Penelitian

1.3.1 Variabel Penelitian

a. Proses Perekaman Suara

Variabel terikat pada penelitian ini ialah frekuensi sampling, durasi perekaman,

frame blocking dan nada referensi yang digunakan. Nada yang digunakan yaitu

nada „1, 2, 3, 4, 5, 6, 7‟ alat musik slenthem.

b. Pengenalan nada SlenthemVariabel bebas pada penelitian ini ialah nada gamelan slenthem yang akan dikenali harus dimainkan.

(17)

1.3.2 Prosedur Penelitian

Langkah-langkah yang dilakukan penulis dalam pengerjaan tugas akhir:

a. Mencari referensi, membaca, 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 sistem yang akan dibuat dengan mempertimbangkan berbagai faktor

– faktor permasalahan.

c. Pembuatan subsistem software.

Sistem akan bekerja apabila user memberikan input melalui PC dengan menggunakan GUI pada Matlab. Sistem akan mengolah input yang diterima dan memulai proses perekaman sampai melewati proses pengenalan nada. Komputer akan mengolah nada dan menyajikannya sebagai sebuah informasi.

d. Analisa dan penyimpulan hasil percobaan.

Analisa data dilakukan dengan meneliti pengaruh variasi nilai DCT dan frame blocking sebanyak 42 percobaan ( 7 nada x 6 variasi nilai). Penyimpulan hasil percobaan dapat dilakukan dengan cara mencari koefisien nilai DCT dan frame blocking yang terbaik. Sebagai indikator keberhasilan sistem pemrosesan suara dilihat dari dengan tingkat pengenalan program dalam mengenali suara gamelan slenthem.

(18)

4

BAB II

DASAR TEORI

2.1 Alat Musik Slenthem

Menurut konstruksinya, slenthem termasuk keluarga gender, selain itu slenthem juga dinamakan gender panembung. Slenthem mempunyai bilah sebanyak bilah saron. Slenthem beroktaf paling rendah dalam kelompok instrumen saron. Seperti demung dan saron barung, slenthem memainkan lagu balungan dalam wilayahnya yang terbatas [4]. Slenthem adalah jenis instrument gamelan terbuat dari perunggu yang berbentuk bilah persegi panjang pipih (lebih tipis dari demung, saron, dan peking ) yang ditata berderet. Slenthem laras Slendro

berjumlah 6 – 7 bilah. Sedangkan pada Laras Pelog berjumlah 7 bilah. Seperangkat gamelan

ageng pasti terdapat 1 set slenthem ( 1 slenthem ada 2, pelog dan slendro, jadi semua berjumlah 2 buah) [5].

(19)

2.2 Sampling

Sinyal suara merupakan sinyal yang tidak terbatas dalam domain waktu (infinite time interval). Sinyal suara akan menghasilkan sinyal analog yang terus kontinyu. Untuk keperluan pemrosesan dalam transformasi fourier maka sinyal audio harus dibentuk dalam potongan-potongan waktu yang terbatas (finite time interval). Karena itu sinyal yang ada dipotong-potong dalam slot-slot interval waktu tertentu. Berdasarkan pada teori sampling Nyquist, maka syarat dari frekuensi sampling adalah minimal dua kali frekuensi sinyal.[6].

𝑓𝑠 ≥ 2𝑓𝑚 (2.1)

dengan: 𝑓_𝑠 = frekuensi sampling (samplingrate)

𝑓𝑚= frekuensi tertinggi sinyal suara analog

2.3 Frame Blocking

Frame blocking berfungsi untuk mereduksi data yang akan diproses dalam sistem pengenalan. Sinyal suara akan diblok ke dalam frame-frame dengan N sample dan digeser sebesar M sample dimana N = 2×M , seperti ditunjukkan pada gambar 2.1 Sehingga didapatkan nilai dari sinyal yang baru adalah sebagai berikut:

(20)

2.4 Hamming Window

Windowing diperlukan untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal. Dimana jenis windowing ada beberapa macam yaitu Hamming, Bartlet, Rectanguler dan Blackman. Namun dalam penelitian ini menggunakan Window Hamming dikarenakan hasilnya lebih halus [7]. Rumus HammingWindow adalah sebagai berikut :

𝑤 𝑛 = 0.52−0.46 cos

2.5 Discrete Fourier Transform (DFT)

(21)

2.6 Discrete Cosine Transform (DCT)

Pada dasarnya DCT adalah bagian real dari DFT. Bentuk DCT yang akan diterapkan pada tugas akhir ini adalah :

𝑦 𝑘 =𝑤 𝑘 𝑥 𝑛 𝑐𝑜𝑠𝜋 2𝑛 −1 𝑘 −1

2𝑁 𝑘 = 1,…. . ,𝑁 (2.4) 𝑁

𝑛=1

Dimana:

𝑤 𝑘 = 1

𝑁 𝑘= 1

2

𝑁 2≤ 𝑘 ≤ 𝑁

Dalam penerapannya, DCT adalah transformasi ideal untuk proses kompresi. Oleh karena efisiensinya dalam kompresi data [9].

2.7 Fungsi Jarak Euclidean (Euclidean Distance Function)

Metode Euclidean sendiri memiliki rumus (formula) pengembangannya sesuai dengan keadaan ruang. Dalam hal ini akan kita gunakan ruang satu dimensi.

𝑑𝐸 𝑥,𝑦 = (𝑥𝑙− 𝑦𝑙)2 (2.6)

dengan x adalah nada input dan y adalah nada referensi[10].

2.8 Sound card

Sound card adalah kartu ekspansi komputer internal yang memfasilitasi input dan output dari sinyal audio ke dan dari komputer di bawah kontrol program komputer.

(22)

Gambar 2.3 Contoh Sound Card Netbook

2.9 Microphone

Microphone adalah alat yang digunakan untuk mengubah sinyal suara mejadi sinyal elektrik yang selanjutnya suara akan diubah menjadi data dan menjadi file dengan format tertentu misalnya wav atau mp3 [12].

(23)

2.10 Software MATLAB

MATLAB adalah sebuah bahasa dengan kemampuan tinggi untuk komputasi teknis. MATLAB menggabungkan komputasi, visualisasi, dan pemrograman dalam satu kesatuan yang sudah digunakan di mana masalah dan penyelesaiannya diekspresikan dalam notasi matematik yang sudah dikenal. Pemakaian MATLAB meliputi :

· Matematika dan komputasi · Pengembangan algoritma · Akuisisi data

· Pemodelan, simulasi dan prototype · Grafik saintifik dan engineering

· Perluasan pemakaian, seperti graphical user interface (GUI).

MATLAB adalah sistem interaktif yang mempunyai basis data array yang tidak membutuhkan dimensi. Ini memungkinkan kita dapat menyelesaikan banyak masalah komputasi teknis, khususnya yang berkaitan dengan formulasi matrik dan vector.

Nama MATLAB merupakan singakatn dari matrix labolatory . MATLAB awalnya dibuat untuk memudahkan dalam mengakses software matriks yang telah dikembangkan oleh LINPACK dan EISPACK. Dalam perkembangannya, MATLAB mampu mengintegrasikan beberapa software matriks sebelumnya dalam satu software untuk komputasi matriks. Tidak hanya itu, MATLAB juga mampu melakukan komputasi simbolik yang biasa dilakukan oleh MAPLE.

Sistem MATLAB terdiri atas lima bagian utama :

1 Development Environment. Ini adalah kumpulan semua alat-alat dan fasiltas untuk membantu kita dalam menggunakan fungsi dan file MATLAB. Bagian ini memuat desktop, Command window, command history, editor and debugger,dan browser untuk melihat help, workspace, files.

(24)

3 The MATLAB language. Ini adalah bahasa matriks/array level tinggi dengan control flow, fungsi, struktur data, input/output, dan fitur objek programming lainnya.

4 Graphics. MATLAB mempunyai fasilitas untuk menampilkan vector dan matriks sebagai grafik. Fasilitas ini mencakup visualisasi data dua / tiga dimensi, pemrosesan citra (image), animasi, dan grafik animasi.

(25)

11

BAB III

PERANCANGAN

3.1 Arsitektur Sistem

Blok sistem pengenalan nada gamelan slenthem secara keseluruhan ditunjukan pada gambar 3.1.

Gambar 3.1 Arsitektur Umum

Sistem ini akan bekerja saat user memukul alat musik slenthem. Saat user memukul gamelan slenthem maka suara yang dihasilkan akan direkam oleh microphone. Suara yang telah direkam dan akan diolah kedalam software MATLAB. Setelah dilakukan proses pengenalan nada, hasil pengenalan tadi akan ditampilkan kedalam bentuk teks yang dapat dibaca oleh seorang pemula yang sedang belajar alat musik. Sistem pengenalan nada ini dilakukan secara real time. Diperlukan beberapa komponen selain software yang digunakan dalam pengenalan nada. Diantaranya alat musik gamelan slenthem sebagai sumber suara,

(26)

3.2 Blok Sistem Pengenalan Nada

Blok sistem pengenalan nada alat musik slenthem secara keseluruhan diperlihatkan pada Gambar 3.2

Gambar 3.2 Blok Sistem Pengenalan Nada Gamelan Slenthem

a. Frame blocking

Proses ini memilih data dari data nada terekam, sehingga data yang dipilih dapat mewakili semua data pada nada terekam. Besarnya data nada terekam yang dipilih sesuai dengan nilai frame blocking yang sudah ditentukan pada program. b. Normalisasi

Proses ini bertujuan untuk menyetarakan amplitudo maksimum baik nada terekam dengan nada referensi, sehingga efek dari kuat lemahnya suara yang dikeluarkan gamelan kenong tidak terlalu mempengaruhi proses pengenalan. c. Windowing

(27)

d. Discrete Cosine Transform (DCT)

Proses Discrete Cosine Transform merupakan proses ekstraksi ciri suatu data suara maupun gambar. Evaluasi DCT yang digunakan sama dengan frame blocking yang digunakan. Setelah menentukan besarnya frame blocking, kemudian frame blocking tersebut dievaluasi basis data koefisiennya.

e. Fungsi Jarak

Proses ini membandingkan nada terekam dengan 7 nada referensi. 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 Euclidean.

f. Penentun Nada

Hasil pengenalan adalah subproses terakhir dari proses pengenalan nada. Pada proses ini, hasil pengenalan nada ditentukan berdasarkan nilai jarak minimum yang diperoleh setelah proses fungsi jarak.

3.2.1 Nada Gamelan Slenthem (Audio)

Masukan sistem pengenalan nada adalah hasil sampling nada gamelan slenthem yang dipukul. Proses sampling bertujuan untuk pencuplikan gelombang suara yang akan menghasilkan gelombang diskret termodulasi pulsa. Pada proses perekaman terdapat proses

(28)

Delay Mulai

Masukan : nada gaemlan slenthem

Keluaran : nada terekam Merekam Suara Gamelan Slenthem

Selesai

Mengabil Sampling nada terkam

Gambar 3.3 Diagram Alir Perekaman Nada Gamelan Slenthem

3.2.2 Frame Blocking

Pada proses frame blocking, sebagian data diambil dari keseluruhan data suara slenthem yang terekam. Sebagian data yang dipilih digunakan untuk mewakili semua data dari nada terekam. Data yang digunakan diambil mulai dari tengah data terekam. Nilai tengah

data terkam diperoleh dari

(

𝑑𝑎𝑡𝑎 𝑛𝑎𝑑𝑎 𝑡𝑒𝑟𝑒𝑘𝑎𝑚

2

)

.Variabel nilai frame blocking yang digunakan meliputi 16, 32. 64, 128, 256 dan 512. Penggunaan variabel nilai frame blocking

(29)

Mulai

Selesai Keluaran : Hasil

frame blocking Menentukan data yang

akan diambil Masukan : Nada terekam

Menentukan nilai frame blocking

Menentukan titik tengah data :

Gambar 3.4 Diagram Alir Frame Blocking

3.2.3 Normalisasi

Normalisasi bertujuan untuk menyamakan nilai maksimum nada gamelan baik yang digunakan sebagai nada referensi atau nada yang direkam supaya amplitude saat dibunyikan bernilai sama, meskipun terjadi perbedaan pada saat pengambilan nada sampling. Nilai maksimum didapatkan dengan perintah xmax=max(abs(xframe)). Setelah didapatkan nilai maksimum akan dicari nilai normalisasi dengan cara membagi data dengan nilai maksimum menggunakan perintah xnorm=xframe/xmax. Hasil proses normalisasi ini berupa matrik yang ditunjukan berikut:

(30)

Masukan : Hasil frame blocking

Mulai

Mencari nilai maksimum data: xmax=max(abs(xframe))

Membagi data dengan nilai maksimum : xnorm=xframe/xmax.

Keluaran: Hasil normalisasi

Selesai

Gambar 3.5 Diagram Alir Proses Normalisasi

3.2.4 Windowing

Data yang telah dinormalisasikan mengalami proses windowing. Windowing berfungsi untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal. Proses windowing

menggunakan hamming Window. Pada proses windowing terdapat perkalian elemen antara hasil normalisasi (n) dan hamming window (h) yang berbentuk matriks. Hasil perkalian tersebut akan menghasilkan keluaran berupa matriks (w). Diagram alir Windowing

ditunjukkan pada gambar 3.4. Berikut proses perkalian elemen pada proses windowing:

(31)

Masukan: Hasil normalisasi

Perkalian elemen

Keluaran : Hasil windowing

Mulai

Selesai

Gambar 3.6 Diagram Alir Windowing

3.2.5 EKSTRAKSI CIRI

Ekstraksi ciri menggunakan DCT adalah proses transformasi ideal untuk proses kompresi, sehingga digunakan dalam kompresi data. Proses ekstraksi ciri DCT menggunakan

frame blocking yang sudah dievaluasi basis data koefisiennya. Koefisien yang digunakan

adalah 16, 32, 64, 128,256 dan 512. Dengan rumus

X = 2𝑤 𝑛 k cos π

2nn 2k + 1 N

n=1 dan w merupakan hasil windowing akan menhasilkan hasil ekstraksi ciri berupa matriks

𝑋1

𝑋2

𝑋3

⋮ ⋮ ⋮ 𝑋𝑛

(32)

Masukan : Hasil windowing

DCT

Menghitung nilai absolut DCT

Keluaran: Hasil ekstraksi ciri

Mulai

Selesai

Gambar 3.7 Diagram Alir Ekstrasksi Ciri DCT

3.2.6 Fungsi Jarak

Pengenalan nada alat musik gamelan slenthem dilakukan dengan implementasi metode eucledian. Proses ini membandingkan hasil ekstraksi ciri dengan nada referensi (database). Hasil dari perbandingan adalah jarak yang kemudian akan digunakan dalam proses penentuan nada. Berikut proses perbandingan dengan fungsi jarak euclidean:

Nilai ekstraksi ciri yang didapatkan pada proses sebelumnya berupa matrik :

𝑋1

𝑋2

𝑋3

(33)

Databasenya berupa matriks basis data:

Untuk mendapatkan jarak minimum dengan fungsi jarak euclidean maka nilai ekstraksi ciri dibandingkan dengan databasenya menggunakan persamaan berikut:

𝑑 𝑥,𝑦 = (𝑥₁− 𝑦₁₁)2_{+ (}𝑥

2− 𝑦12)2+ (𝑥3− 𝑦13)2+. . .…. +(𝑥𝑛 − 𝑦𝑛)

Blok diagram fungsi jarak Euclidean ditunjukkan pada gambar 3.8.

Masukan:

(34)

3.2.7 Penentuan Nada

Proses ini bertujuan mengenali nada yang terekam saat gamelan slenthem dimainkan. Pada proses ini hasil pengenalan nada ditentukan berdasarkan jarak minimum yang diperoleh setelah melalui proses penghitungan fungsi jarak euclidean. Setiap nada harus dicari batasan jarak minimal yang terbesar. Apabila jarak minimum nada yang akan dikenali melebihi jarak minimal yang terbesar (r) maka pada penentuan hasil keluaran nada tidak akan dikenali. Setelah mendapatkan nilainya maka hasilnya akan ditampilkan berupa teks. Proses penentuan nada gamelan slenthem ditunjukkan pada gamabar 3.9.

Mulai

Masukan hasil fungsi jarak

euclidean (j1,...j7)

Nil_ min

Nil_min > r

Keluaran (ji,….,pi)

Selesai Ya Tidak

Keluaran tdk dikenali

(35)

3.2.8 Tampilan Pengenalan

Tampilan adalah hasil akhir dari software. Tampilan program ini sebagai interface

dengan user yang ingin mengenali nada alat musik gamelan slenthem. Tampilan program dibuat dengan software Matlab. Didalam tampilan program hasil keluaran dari pengenalan nada gamelan slenthem ini akan ditampilkan dalam berupa teks. Tampilan berupa visual GUI Matlab yang sudah dirancang diperlihatkan pada Gambar 3.10.

Gambar 3.10 Tampilan GUI

(36)

Tabel 3.1. Keterangan Tampilan Program

NO NAMA BAGIAN KETERANGAN

1 Hasil Plot Rekam Menampilkan grafik perekaman suara

2 Hasil Plot DCT Tampilan data berupa grafik data hasil DCT

3 REKAM Untuk memulai proses pengenalan nada

4 Variasi nilai DCT Untuk memilih nilai DCT

5 Variasi nilai Frame Blocking Untuk memilih nilai Frame Blocking

6 RESET Digunakan apabila user ingin memulai proses pengenalan nada yang baru

7 SELESAI Digunakan untuk mengakhiri program

8 Hasil pengenalan nada Menunjukkan hasil nada yang dikenali

3.3

Nada Referensi (Database)

Untuk memperoleh nada referensi setiap nada yang akan dikenali pada sistem pengenalan nada alat musik gamelan slenthem, penulis mengambil 10 sampel untuk setiap nada yang akan dikenali tersebut (1, 2, 3, 4, 5, 6, 7). Total sampel nada gamelan slenthem ada 70 sampel. Proses pengambilan nada dapat dilihat pada Gambar 3.11. Pengambilan nada yang akan dijadikan nada referensi harus melalui proses sampling, frame blocking, normalisasi,

(37)

Mulai

dengan hasil Hamming window

Gambar 3.11 Diagram alir Proses Pengambilan Nada Referensi

Setelah 10 nada sampel pada setiap nada diperoleh, perhitungan (3.1) dilakukan untuk mendapatkan nada referensi. Hasil DCT telah dinormalisasi sebagai nada sampelnya, sehingga sistem pengenalan nada alat musik gamelan slenthem tidak melakukan perhitungan kembali dalam mendapatkan nada referensi.

𝒚

=

𝒉𝒂𝒔𝒊𝒍 𝒆𝒌𝒔𝒕𝒓𝒂𝒌𝒔𝒊𝒄𝒊𝒓𝒊𝟏+𝒉𝒂𝒔𝒊𝒍 𝒆𝒌𝒔𝒕𝒓𝒂𝒌𝒔𝒊𝒄𝒊𝒓𝒊𝟐+⋯+𝒉𝒂𝒔𝒊𝒍 𝒆𝒌𝒔𝒕𝒓𝒂𝒌𝒔𝒊𝒄𝒊𝒓𝒊𝟏𝟎

(38)

Nada referensi yang didapat kemudian disimpan dalam bentuk matrik basis data, sehingga sewaktu-waktu nada referensi dapat dipanggil dalam proses fungsi jarak yang ada dalam sistem pengenalan alat musik gamelan slenthem.

3.4 Nada Uji

Nada uji merupakan nada terekam selain nada referensi. Nada uji berfungsi untuk mengetahui nilai pada frame blocking dan DCT yang baik untuk pengenalan nada. Pengambilan nada uji sama halnya dengan pengambilan nada referensi. Proses yang dilakukan yaitu sampling, frame blocking, normalisasi, windowing, dan DCT seperti ditunjukkan pada gambar 3.9.

3.5 Percobaan Awal Subsistem program

Terdapat dua subsistem penting dalam sistem pengenalan nada gamelan slenthem, yaitu subsistem sampling dan subsistem pengenalan nada. Perancangan subsistem tersebut memerlukan variabel yang saling terikat, 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.

3.5.1 Subsistem Sampling

Dalam subsistem ini terdapat dua variabel terikat berupa frekuensi sampling dan durasi perekaman. Setelah melakukan pengujian awal, dapat disimpulkan:

a. Frekuensi sampling yang digunakan adalah 600Hz.(lihat lampiran 1) b. Durasi perekaman yang digunakan adalah 2 detik.(lihat lampiran 2)

3.5.2 Subsistem Pengenalan Nada

Subsistem ini terdiri dari dua proses menggunakan variabel terikat yaitu proses

(39)

pengenalan nada ini, dua proses yang berada didalamnya adalah inti dari sistem pengenalan gamelan slenthem, sehingga berpengaruh pada unjuk kerja dalam subsistem ini.

a. Variasi DCT yang digunakan untuk mengkonversi data hasil windowing adalah 16, 32, 64, 128 dan 512. Dalam subsistem pengenalan nada, data hasil DCT yang digunakan adalah data riil atau amplitudonya.

(40)

26

BAB IV

HASIL DAN PEMBAHASAN

Pada bab ini akan ditunjukkan hasil percobaan dan pembahasan dari pengenalan nada pada alat musik gamelan slenthem menggunakan fungsi jarak eucledian. Pengujian program perlu dilakukan untuk mengetahui apakah suatu program dapat 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 kerja dapat digunakan untuk menarik kesimpulan dari apa yang disajikan dalam tugas akhir ini.

4.1 Pengujian Program dan Tampilan Program Pengenalan Nada Alat

Musik Gamelan Slenthem Secara Real Time

Pengujian program dijalankan untuk memastikan apakah program yang dibuat sudah sesuai dengan perancangan dan berjalan dengan baik. Pengujian program dilakukan dengan spesifikasi komputer sebagai berikut :

Processor : IntelIntel(R) Core(TM) i5-2410M CPU @ 2.30GHz (4 CPUs

RAM : 4.00 GB

Program pengenalan dapat dijalankan dengan langkah-langkah berikut :

1. Klik dua kali icon matlab dengan gambar icon seperti Gambar 4.1.

Gambar 4.1. Icon Program Pengenalan

2. Tampilan awal yang terlihat pada Gambar 4.2. akan muncul sebelum masuk ke tampilan utama program. Kemudian Current Directory di ganti sesuai dengan

(41)

Gambar 4.2 Tampilan Awal Matlab

3. Kemudian ketik guide dalam command window dan pilih program pengenalan gamelan slenthem “iki” . Tampilan awal program pengenalan nada gamelan slenthem seperti gambar 4.3 sebelum program dijalankan. Untuk menjalankan program klik run.

Gambar 4.3. Tampilan Program Pengenalan

4. Sebelum melakukan pengenalan dilakukan pengaturan terlebih dahulu nilai DCT dan

frame blocking yang akan digunakan dalam proses pengenalan nada. Proses pengaturan pengenalan nada dapat dilihat pada Gambar 4.4.

5. Jika nilai DCT dan frame blocking telah dipilih, program pengenalan dapat dijalankan

(42)

6. User dapat melihat hasil rekaman nada dan grafik hasil proses DCT pada kotak “Plot Hasil Rekam” dan “Plot Hasil DCT” seperti pada Gambar 4.3.

Gambar 4.4. Tampilan Pengaturan DCT

7. Setelah nilai DCT dan frame blocking dipilih dan tombol rekam ditekan, user lalu memukul gamelan slenthem yang akan dikenali. Suara yang dihasilkan akan direkam dan hasil ekstraksi ciri DCT akan ditampilkan pada program kedalam grafik.

8. Tombol “Reset” digunakan untuk reset program jika user ingin melakukan perekaman

lagi.

9. Tombol “Selesai” digunakan untuk jika user ingin menyelesaikan program dan keluar dari tampilan utama program.

4.1.1 Pengenalan Nada

Pengenalan nada gamelan slenthem dapat dijalankan melalui langkah-langkah seperti yang telah dijelaskan di atas. Tampilan program pengenalan nada dapat dilihat pada Gambar 4.3. Pada tampilan pengenalan nada terdapat pop up menu, 2 axes, 3 pushbutton, dan 1 static text yang digunakan dalam program pengenalan . Sebelum melakukan pengenalan user

memilih nilai variasi DCT yang terdapat pada pop up menu. Setelah menentukan nilai variasi yang akan digunakan, user dapat memulai pengenalan nada dengan menekan tombol tekan

(43)

yang berhasil dikenali. User dapat mengulang proses pengenalan nada dengan menekan

tombol “Reset” dan untuk mengakhiri pengenalan dengan menekan tombol “Keluar”. a. Pop Up Menu

Pada tampilan program pengenalan nada terdapat pop up menu yaitu variasi DCT. Nilai variasi DCT yang ditampilkan pada pop up menu yaitu 16, 32, 64, 128, 256 dan 512. Pada variasi DCT menampilkan menjalankan perintah program yang telah dirancang sebagai berikut:

pada program ini variasi nilai DCT dinisialisasi dengan ndct yang akan dipanggil sebagai masukan dari user dengan perintah handles.ndct=frame.

b. Tombol Rekam

Tombol “Rekam” adalah tombol yang berfungsi untuk melakukan proses pengenalan nada gamelan slenthem. Didalam tombol “Rekam” terdapat beberapa subproses untuk

mendapatkan hasil pengenalan. Beberapa subproses yang digunakan adalah perekaman nada, ekstraksi ciri DCT, penghitungan jarak Euclidean, dan penentuan hasil pengenalan nada. Program yang digunakan untuk perekaman nada sebagai berikut:

(44)

Perekaman nada pada software Matlab menggunakan perintah wavrecord. Durasi waktu perekaman yang dibutuhkan untuk mendapatkan data nada sebesar 2 detik. Nada yang telah terekam tersebut akan ditunjukan pada tampilan program pengenalan menggunakan perintah plot. Nada terekam akan ditampilkan pada axes yang tersedia di dalam tampilan program pengenalan. Selanjutnya nada yang telah terekam tadi akan melaui proses frame blocking, normalisasi dan windowing.

%frame blocking

Selanjutnya dilakukan inisialisasian nilai DCT yang dipilih oleh user. Pada proses ekstraksi ciri ini terdapat 2 masukan yaitu varriabel xwin yang merupakan hasil windowing dan variable ndct yang merupakan nilai DCT yang digunakan . Hasil dari ekstrasi ciri ditampilkan pada tampilan program seperti halnya hasil perekaman.

y=abs(dct(xwin));

(45)

for n=1:7

jaraklist(n)=jarak(y,z(:,n)); end ketujuh nada gamelan. Perintah jarak berfungsi untuk menjalankan fungsi jarak Euclidean Nilai jarak minimal yang diperoleh digunakan untuk menentukan nada gamelan slenthem yang berhasil dikenali. Nada yang telah dikenali ditampilkan pada tampilan program pengenalan dalam bentuk teks.

c. Tombol “Reset”

Tombol Reset digunakan apabila user ingin mengulangi pengenalan nada gamelan slenthem. Tombol Reset akan mengembalikan kembali tampilan program seperti awal. Perintah program pada tombol Reset sebagai berikut:

axes(handles.axes1); plot(0);

set(handles.text3,'string',' ');

d. Tombol “Keluar”

Tombol “Keluar” digunakan apabila user ingin mengakhiri program pengenalan nada.

Perintah program tombol “Keluar” sebagai berikut:

delete(figure(iki));

(46)

4.2 Pengujian Parameter Pengaturan Pengenalan Nada Gamelan

Slenthem

Pengujian parameter dilakukan dalam dua cara, yaitu secara tidak real-time dan secara

real time. Pengujian tidak real-time adalah pengujian untuk mencari nilai atau persentase tingkat pengenalan tanpa menggunakan program pengenalan nada. Pengujiannya menggunakan program tersendiri (lampiran) dan menggunakan nada uji sebagai masukannya. Pengujian real-time adalah pengujian untuk mengetahui tingkat pengenalan menggunakan program pengenalan nada. Pengujian ini dilakukan secara langsung menggunakan gamelan slenthem sebagai masukannya.

a. Pengujian Tidak Real Time

Percobaan dilakukan untuk melihat seberapa besar tingkat pengenalan nada yang terjadi setiap penentuan nada pada parameter parameter pengenalan dilakukan untuk memenentukan parameter nilai variabel DCT dan frame blocking yang digunakan. Langkah-langkah percobaan paramater pengenalan nada yang akan digunakan sebagai berikut:

1. Proses merekam 10 kali suara yang dihasilkan oleh setiap nada alat musik gamelan slenthem dari nada 1, 2, 3, 4, 5, 6 dan 7.

2. Hasil suara rekaman disimpan untuk menguji setiap nilai parameter pengaturan pengenalan nada.

3. Mengenali setiap nada menggunakan nilai koefisien DCT dan frame blocking

sebesar 16, 32, 64, 128, 256, dan 512.

4. Menentukan nilai parameter pengaturan nada yang menghasilkan pengenalan nada yang paling baik.

(47)

Gambar 4.5 Grafik Pengaruh Panjang DCT Terhadap Tingkat Pengenalan

Pada gambar 4.6 memperlihatkan jarak antara nada mo dan nem dengan berbagai nilai koefisien DCT (16, 32, 64, 128, 256 dan 512) yang berbeda menghasilkan pembacaan jarak yang berbeda. Semakin besar nilai koefisien DCT semakin teliti perbedaan jarak antara nada satu dengan yang lain. Dengan semakin teliti perbedaan jarak antara nada satu dengan yang lainnya maka dapat disimpulkan semakin besar nilai koefisien DCT yang digunakan semakin tinggi tingkat pengenalan nadanya. Dari hasil pengujian maka, nilai koefisien DCT yang digunakan adalah 512.

Tabel 4.1 Jarak Antara Nada Mo dan Nem

Koefisien DCT Jarak

16 0,6752

100 100 100 100 100

0

(48)

|N

ila

i

D

C

T

|

Koefisien DCT

(a) DCT 16

Gambar 4.6 Pengaruh Koefisien DCT terhadap Hasil pengenalan

(b)DCT 32

|N

ila

i

D

C

T

|

Koefisien DCT

Gambar 4.6 Pengaruh Koefisien DCT terhadap Hasil pengenalan Ket:

(49)

(c) DCT 64

|N

ila

i

D

C

T

|

Koefisien DCT

(d)DCT 128

|N

ila

i

D

C

T

|

Koefisien DCT

(50)

(e) DCT 256

|N

ila

i

D

C

T

|

Koefisien DCT

(f) DCT 512

|N

ila

i

D

C

T

|

Koefisien DCT

(51)

Nilai jarak dari tabel 4.1 dapat diperoleh beradasarkan perhitungan dari rumus fungsi jarak Euclidean yaitu 𝑑_𝐸 𝑥,𝑦 = (𝑥_𝑙− 𝑦_𝑙)2_{. Sebagai contoh dengan menggunakan nilai}

koefisien DCT 16 antara nada mo dan nada nem. Nada mo diinisialkan dengan 𝑥_𝑙 dan nada nem diinisialkan dengan 𝑦_𝑙. Nilai nada mo dan nada nem merupakan nada referensi (database) dari kedua nada tersebut.

Nilai dari nada mo (𝑥_𝑙) adalah seperti perhitungan berikut:

(52)

Hasil dari perhitungan di atas dicari nilai maksimalnya, dan diperoleh nilai maksimalnya yang sebagai jarak antara nada mo dan nada nem (dE) yaitu 0.6752. Pada tabel

4.1 memperlihatkan semakin besar koefisien DCT jarak antara dua nada semakin jauh. Semakin jauh jarak antar nada maka tingkat pengenalan akan semakin baik.

b. Pengujian Real Time

Pengujian real-time dilakukan menggunakan gamelan slenthem secara langsung sebagai masukkannya. Pada pengujian ini dilakukan pengujian sebanyak lima kali untuk setiap nada dari gamelan slenthem. Pengujian real-time dilakukan sebanyak 5 kali pengujian untuk setiap nada dari gamelan slenthem tersebut (lampiran). Hasil dari pecobaan ini memiliki kesamaan dengan pengujian secara tidak real-time. Dari percobaan yang telah dilakukan, sistem pengenalan nada tersebut sudah mampu untuk mengenali nada-nada yang terdapat pada gamelan slenthem. Pada nilai koefisien DCT tertentu sistem mengalami kesalahan dalam pengenalan. Seperti yang telah dibahas di atas bahwa semakin besar nilai DCT maka tingkat pengenalan semakin baik. Setelah dilakukan pengujian secara real time, diketahui bahwa pada nilai DCT 512 sistem mampu mengenali semua nada gamelan slenthem dengan baik.

4.3 Pengujian Batas Nilai Jarak Minimum Nada Untuk Melakukan

Pengenalan

Pengujian ini dilakukan untuk menentukan batasan jarak maksimum yang digunakan dalam sistem pengenalan. Pengujian ini menggunkan nilai koefisien DCT yang terbaik yaitu 512. Pengujian dilakukan dengan mencari nilai jarak minimum setiap nada sebanyak 5 kali. Dari kelima jarak minimal setiap nada dicari jarak yang paling maksimal, sehingga diperoleh 7 jarak maksimal dari 7 nada gamelan slenthem seperti yang ditunjukkan pada tabel 4.2.

Tabel 4.2 Hasil Pengujian Jarak

Nada Jarak Minimal

Ji 4,7827

Ro 4,4738

Lu 4,3462

Pat 4,5710

(53)

Lanjutan Tabel 4.2 Hasil Pengujian Jarak

Nem 4,4134

Pi 4,4731 Rerata jarak 4,5345

Berdasarkan tabel di atas bahwa jarak maksimum dari ketujuh jarak minimal di atas adalah 4,7827. Jarak inilah yang akan digunakan sebagai batas atas sistem pengenalan nada gamelan slenthem. Pada saat dilakukan pengenalan nada yang mempunyai jarak minimal di atas 4,7827 maka sistem pengenalan nada tersebut tidak akan mengenali nada yang akan dikenali.

4.4 Pengujian Dengan Nada Masukan Gamelan Lain

Pengujian ini dilakukan untuk mengetahui tingkat sistem dalam mengenali nada dari alat musik gamelan lainnya. Pada pengujian tersebut diharapkan sistem mampu untuk tidak mengenali nada selain nada gamelan slenthem. Pengujian ini menggunakan gamelan peking yang ditunjukkan pada gambar 4.7 sebagai nada masukkanya. Langkah-langkah percobaan yang dilakukan adalah:

1. Menyiapkan gamelan peking yang akan digunakan. 2. Mengunakan nada-nada ji, ro, lu, pat, mo, nem dan pi.

3. Menggunakan koefisien DCT 512 yang memiliki tingkat pengenalan terbaik. 4. Melihat hasil pengenalanyang akan muncul “tidak dikenali” atau mengenali nada

dengan karakter yang sama pada nada gamelan slenthem.

Setelah melakukan langkah – langkah diatas maka diperoleh hasil yang diperlihatkan pada tabel 4.3 bahwa program pengenalan nada menghasilkan pengenalan “TIDAK

(54)

Tabel 4.3 Hasil Pengujian Dengan Alat Musik Gamelan Peking

Nada masukan Jarak Minimum

Output sistem pengenalan nada

Ji 6,7064 Tidak dikenali

Ro _6,7859 _{Tidak dikenali}

Lu _6,0303 _{Tidak dikenali}

Pat _6,3478 _{Tidak dikenali}

Mo _6,6970 _{Tidak dikenali}

Nem _6,7102 _{Tidak dikenali}

Pi _6.7463 _{Tidak dikenali}

Rerata jarak _6,5748

(55)

41

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari percobaan dan pengujian sistem pengenalan nada alat musik gamelan slenthem dapat disimpulkan sebagai berikut :

1. Implementasi dari sistem pengenalan nada alat musik gamelan slenthem sudah bisa bekerja sesuai dengan perancangan. Program pengenalan nada alat musik gamelan slenthem sudah mampu mengenali nada-nada dasar dari gamelan slenthem yaitu ji(1), ro(2), lu(3), pat(4), mo(5), nem(6) dan pi(7).

2. Pengenalan nada gamelan slenthem menggunakan koefisien nilai DCT minimal 32 untuk mendapatkan tingkat pengenlan 100%.

5.2 Saran

Saran untuk pengembangan sistem pengenalan nada alat musik gamelan slenthem adalah sebagai berikut :

1. Pengembangan sistem yang mampu untuk mengenali nada dari berbagai jenis

gamelan yang dipukul seperti bonang, kenong, gong, saron dan peking.

(56)

42

Daftar Pustaka

[1] http://alatmusiktradisional.com/alat-musik-ritmis-beserta-contohnya.html diakses tanggal 28april 2013

[2] Riris Lazuardi, Aloysius, 2012, PENGENALAN NADA PADA ALAT MUSIK BONANG MENGGUNAKAN FUNGSI JARAK EUCLEDIAN, Teknik Elektro, Fakultas Sains dan Teknologi,Universitas Sanata Dharma

[3] Prayitno, Joko ,2012,PENGENALAN NADA SARON PELOG

MENGGUNAKAN FUNGSI JARAK MINKOWSKI, Teknik Elektro, Fakultas Sains dan Teknologi,Universitas Sanata Dharma

[4] http://hermawan-music.blogspot.com/2012/08/alat-alat-musik-gamelan-jawa.html diakses tanggal 1 Mei 2013

[5] http://mystarworld-nijhonk.blogspot.com/2010/11/tentang-gamelan.html diakses tanggal 2 mei 2013

[6] Drs. Miftahul Huda, MT, Dwi Kurnia Basuki, S.Si.M.Kom , Fandy Akbar, Febrianzah Juanidy Permana, 2011, Konversi nada-nada akustik menjadi chord menggunakan pitch class profile, ITS, Surabaya

[7] Prabowo Hadi Putra Sutiknyo,2010, PENGGOLONGAN SUARA BERDASARKAN USIA DENGAN MENGGUNAKAN METODE K – MEANS,Teknik Telekomunikasi Politeknik Elektronika Negeri Surabaya, Institut Teknologi Sepuluh Nopember

[8] Duhamel, P. and M. Vetterli, "Fast Fourier Transforms: A Tutorial Review and a State of the Art," Signal Processing, Vol. 19, April 1990, pp. 259-299.

(57)

[10] Harry Kurniawan, Taufiq Hidayat, 2008, PERANCANGAN PROGRAM PENGENALAN WAJAH MENGGUNAKAN FUNGSI JARAK METODE

EUCLIDEAN PADA MATLAB, Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

[11] http://www.qbonk.org/sound-card-laptop-bentuk-dan-fungsinya.html diakses tanggal 2 Mei 2013

[12] http://lintoherlambang.com/microphone-adalah.html diakses tanggal 2 Mei 2013

(58)

44

(59)

LAMPIRAN 1

PERCOBAAN

MENCARI FREKUENSI SAMPLING

NADA ALAT MUSIK SLENTHEM

DENGAN MATLAB 7.04

Tujuan:

1. Mengetahui frekuensi maksimum pada nada alat musik slenthem 2. Mengetahui frekuensi sampling minimum yang dapat digunakan

Variabel:

1. Frekuensi sampling yang digunakan 500Hz, 600Hz, 1200Hz dan 2400Hz 2. Durasi perekaman yang digunakan sebesar 2 detik

Listing Program

fs = 500;%%fsampling 500Hz %fs = 600;%%fsampling 600Hz %fs = 1200;%%fsampling 1200Hz %fs = 2400;%%fsampling 2400Hz

y = wavrecord (2*fs,fs,'double');%% 2 detik wavwrite(y,fs,'sample2s8000Hz1.wav');

[y,fs]=wavread('sample2s8000Hz1.wav'); Y=fft(y,fs);

Spek= Y.* conj(Y);

f = fs*(0:(1/2*fs))/fs;

plot(f,Spek(1:(1/2*fs+1)));grid;%output

Hasil Ploting

Fs = 500Hz

(60)

Telu (3) Papat (4)

Lima (5) Enem (6)

(61)

Fs = 600Hz

Siji (1) Loro (2)

Telu (3) Papat (4)

(62)

Pitu (7)

Fs = 1200Hz

Siji (1) Loro (2)

(63)

Limo (5) Enem (6)

(64)

Fs = 2400Hz

Siji (1)

Telu (3)

Limo (5)

Loro (2)

Papat (4)

(65)

Pitu (7)

Tabel Data Percobaan

Nada Frekuensi Sampling

500Hz 600Hz 1200Hz 2400Hz

1 X X X V

2 X X X X

3 X X X X

4 X X X X

5 X X X X

6 X X X X

7 V X X X

Ket: V= terdapat harmonisa

Kesimpulan

1. Frekuensi sampling yang tidak memiliki frekuensi harmonisa adalah 600Hz dan 1200Hz.

2. Frekuensi sampling yang digunakan adalah 600Hz karena tidak ada frekuensi harmonisa dan memenuhi kriteria nyquist yaitu 2 kali frekuensi maksimum . 3. Frekuensi sampling berguna untuk mencuplik data suara yang diinginkan dan

mem-filter data suara yang tidak diinginkan dalam hal ini harmonisa yang terjadi dan

(66)

LAMPIRAN 2

PERCOBAAN

MENCARI DURASI PEREKAMAN

UNTUK SISTEM PENGENALAN NADA

ALAT MUSIK GAMELAN SLENTHEM

Tujuan:

1. Mendapatkan durasi perekaman yang tepat untuk perekaman.

2. Mengetahui pengaruh durasi perekaman pada data sinyal yang terekam.

Variabel:

1. Frekuensi sampling yang digunakan 600Hz.

2. Durasi perekaman yang digunakan sebesar 1 detik, 2 detik,3 detik dan 4 detik.

Listing Program

%y = wavrecord (2*fs,fs,'double');%% 2 detik %wavwrite(y,fs,'sample2s600Hz5.wav');

%[y,fs]=wavread('sample2s600Hz5.wav'); %plot(y);

(67)

Durasi Perekaman 1 detik

(68)

Kesimpulan

1. Pada hasil percobaan terlihat sistem membutuhkan waktu untuk mendapatkan data sinyal rekaman.

(69)

(70)

(71)

Pengujian 4

Perhitungan tingkat pengenalan dari :

a. Koefisien DCT 16

Tingkat pengenalan = 𝑣

𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100%

= 22₃₅ 𝑥 100%

(72)

b. Koefisien DCT 32

Tingkat pengenalan = _{𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎}𝑣_{𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛} 𝑥 100%

= 35₃₅ 𝑥 100%

= 100 % c. Koefisien DCT 64

= 35₃₅ 𝑥 100%

= 100 % d. Koefisien DCT 128

= 35₃₅ 𝑥 100%

= 100 % e. Koefisien DCT 256

= 35₃₅ 𝑥 100%

= 100 % f. Koefisien DCT 512

Tingkat pengenalan = _{𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎}𝑣_{𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛} 𝑥 100%

= 35₃₅ 𝑥 100%

(73)

PROGRAM PENGENALAN NADA

function varargout = IKI(varargin)

% IKI M-file for IKI.fig

% IKI, by itself, creates a new IKI or raises the existing

% IKI('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in IKI.M with the given input arguments. %

% IKI('Property','Value',...) creates a new IKI or raises the

% existing singleton*. Starting from the left, property value pairs are % applied to the GUI before IKI_OpeningFunction gets called. An

% unrecognized property name or invalid value makes property application % stop. All inputs are passed to IKI_OpeningFcn via varargin.

%

% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)".

%

% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help IKI

% Last Modified by GUIDE v2.5 06-Dec-2013 09:48:23 clc

% Begin initialization code - DO NOT EDIT gui_Singleton = 1;

if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1}); end

if nargout

[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else

gui_mainfcn(gui_State, varargin{:}); end

% End initialization code - DO NOT EDIT

% --- Executes just before IKI is made visible.

function IKI_OpeningFcn(hObject, eventdata, handles, varargin)

% This function has no output args, see OutputFcn. % hObject handle to figure

(74)

% Choose default command line output for IKI handles.output = hObject;

% Update handles structure guidata(hObject, handles);

% UIWAIT makes IKI wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line.

function varargout = IKI_OutputFcn(hObject, eventdata, handles)

% varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure varargout{1} = handles.output;

function edit1_Callback(hObject, eventdata, handles)

% hObject handle to edit1 (see GCBO)

% Hints: get(hObject,'String') returns contents of edit1 as text

% str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties.

function edit1_CreateFcn(hObject, eventdata, handles)

% eventdata reserved - to be defined in a future version of MATLAB

% handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'),

get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end

% --- Executes on selection change in popupmenu2.

function popupmenu2_Callback(hObject, eventdata, handles)

%guidata(handles.ndct,handles);

% hObject handle to popupmenu2 (see GCBO)

(75)

% Hints: contents = get(hObject,'String') returns popupmenu2 contents as cell array

% contents{get(hObject,'Value')} returns selected item from popupmenu2

indeks=get(handles.popupmenu2, 'Value')

% --- Executes on button press in pushbutton1.

function pushbutton1_Callback(hObject, eventdata, handles)

%guidata(hObject, handles);

(76)

xwin=xnorm.*hamwin;

jaraklist(n)=jarak(y,z(:,n)); end

% hObject handle to pushbutton1 (see GCBO)

function axes1_CreateFcn(hObject, eventdata, handles)

% hObject handle to axes1 (see GCBO)

(77)

% Hint: place code in OpeningFcn to populate axes1

end

delete(figure(iki));

set(handles.text3,'string',' ');

(78)

% handles structure with handles and user data (see GUIDATA)

end

function popupmenu2_CreateFcn(hObject, eventdata, handles)

% Hint: popupmenu controls usually have a white background on Windows. % See ISPC and COMPUTER.

end

% --- Executes on selection change in popupmenu1.

function popupmenu1_Callback(hObject, eventdata, handles)

% Hints: contents = get(hObject,'String') returns popupmenu1 contents as cell array

% contents{get(hObject,'Value')} returns selected item from popupmenu1

function popupmenu1_CreateFcn(hObject, eventdata, handles)

(79)

% Hint: popupmenu controls usually have a white background on Windows. % See ISPC and COMPUTER.

end

% --- If Enable == 'on', executes on mouse press in 5 pixel border. % --- Otherwise, executes on mouse press in 5 pixel border or over pushbutton1.

function pushbutton1_ButtonDownFcn(hObject, eventdata, handles)

Data base

function dbxciri

frame=16 %panjang frame blocking

z1=zciri('ji_',frame);

x1=wavread ([nada '1.wav']);y1=xciri(x1,frame);

z=((y1+y2+y3+y4+y5+y6+y7+y8+y9+y10)/10);

Ekstraksi Ciri

function y=xciri(x,frame);

(80)

xframe=zeros(frame,1);

for i=1:frame

xframe(i)=x(i+mulai); end

%normalisasi

xmax=max(abs(xframe)); xnorm=xframe/xmax;

%hamming window

hamwin=hamming(frame);

%windowing

xwin=xnorm.*hamwin;

%DCT

y=abs(dct(xwin));

Jarak

function r=jarak(p,q)

%fungsi jarak Eucledian r1=(p-q).^2;