PENGENALAN NADA ALAT MUSIK PIANIKA MENGGUNAKAN METODE KORELASI TUGAS AKHIR - Pengenalan nada alat musik pianika menggunakan metode korelasi - USD Repository

Gratis

0
0
96
5 months ago
Preview
Full text

  

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PENGENALAN NADA ALAT MUSIK PIANIKA MENGGUNAKAN METODE KORELASI TUGAS AKHIR Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro Oleh: Nama : Dionysius Edwin Surya NIM : 075114024 PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2012

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

PIANIKA MUSICAL INSTRUMENT’S TONE RECOGNITION

USING CORRELATION METHOD

FINAL PROJECT

  

Presented as Partial Fulfillment of the Requirements

To Obtain the Sarjana Teknik Degree

In Electrical Engineering Study Program

  

By:

Name : Dionysius Edwin Surya

Student Number : 075114024

  

ELECTRICAL ENGINEERING STUDY PROGRAM

SCIENCE AND TECHNOLOGY FACULTY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2012

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI HALAMAN PERSEMBAHAN DAN MOTTO MOTTO:

  “ Pantang Pulang Sebelum Padam ” Kupersembahkan karya tulis ini kepada : Kupersembahkan karya tulis ini kepada : Kupersembahkan karya tulis ini kepada : Kupersembahkan karya tulis ini kepada : Tuhan Yesus Kristus terkasih Tuhan Yesus Kristus terkasih Tuhan Yesus Kristus terkasih Tuhan Yesus Kristus terkasih,,,,

  Bapak dan Ibu Tercinta Bapak dan Ibu Tercinta,,,, Bapak Bapak dan Ibu Tercinta dan Ibu Tercinta Keluarga besarku tercinta,,,, Keluarga besarku tercinta Keluarga besarku tercinta Keluarga besarku tercinta Teman Teman----teman seperjuanganku teman seperjuanganku

  Teman Teman teman seperjuanganku teman seperjuanganku Terima kasih untuk semuanya...... Terima kasih untuk Terima kasih untuk Terima kasih untuk semuanya...... semuanya...... semuanya......

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

INTISARI

Kebanyakan orang hanya bisa mendengarkan suatu nada dari alat musik tanpa

mengetahui nada apa yang sedang dimainkan, karena kurangnya ketajaman pendengaran serta

pengetahuan tentang bermusik sangat terbatas. Hal ini sangat penting bagi seorang pemusik

untuk mengetahui apakah alat musik yang digunakan sudah menghasilkan nada-nada yang tepat.

Alat musik yang digunakan pun juga bervariasi, salah satunya alat musik tiup. Pianika adalah

alat musik tiup yang sering digunakan dalam pendidikan musik di sekolahan,digunakan untuk

dasar belajar nada-nada asli (natural) dan nada kromatis.

  Sistem pengenalan nada alat musik pianika pada tugas akhir ini menggunakan mikrofon

dan komputer untuk mengoperasikannya. Mikrofon dalam penelitian ini berfungsi untuk

merekam gelombang suara nada alat musik pianika. Sedangkan komputer berfungsi untuk

memproses data hasil rekaman, menampilkan gelombang hasil rekaman, menampilkan spektrum

frekuensi hasil dari proses FFT, mengenali nada terekam, dan menampilkan hasil nada yang

dikenali.

  Sistem pengenalan nada alat musik pianika dengan metode fungsi jarak korelasi sudah

berhasil dibuat dan dapat bekerja dengan baik. Penampil hasil nada, spektrum frekuensi hasil

FFT, dan korelasi masing-masing nada mampu menampilkan data sesuai perancangan. Program

pengenalan nada alat musik pianika hanya mengenali nada-nada dasar, sehingga dalam

pengembangan berikutnya masih bisa dikembangkan untuk pengenalan nada yang lebih

kompleks.

  Kata kunci : Pianika, FFT (Fast Fourier Transform), Fungsi Jarak Korelasi, Pengenalan Nada

vii

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

ABSTRACT

Most of people can only hear a tone from the instrument without knowing what tone is

being played, because of the lack of hearing acuity and knowledge of music is very limited. It’s

very important for a musician to find out whether the instruments used have produced the proper

tones. Musical instruments used vary, one wind instrument. Pianika is a wind instrument that is

often used in music education in schools, used to learn the basic of original (natural) tones and

chromatic.

  

Musical tone recognition systems at pianika this thesis using a microphone and a

computer to operate. Microphones in this study serves to record the musical tone sound waves

pianika. While the computer functions to process data recording, featuring a wave of record

results, showing the frequency spectrum of the FFT process, recognize the tones recorded, and

displays the results of a recognizable tone.

Recognition systems pianika musical tones with a distance correlation function method

has been successfully established and can work well. Viewer the tone, the frequency spectrum of

the FFT, and the correlation of each tone is capable of displaying data according to the design.

Musical tone recognition programs pianika only recognize basic tones, resulting in the

subsequent development can still be developed for the introduction of a more complex tone.

  

Key words: Pianika, FFT (Fast Fourier Transform), Distance Correlation Functions, Introduction to

Musical Tones

viii

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan Yesus Kristus, karena atas

anugerah-Nya penulis akhirnya dapat menyelesaikan tugas akhir ini dengan baik dan

lancar.

  Dalam proses penulisan tugas akhir ini penulis menyadari bahwa ada begitu

banyak pihak yang telah memberikan perhatian dan bantuan dengan caranya masing-

masing sehingga tugas akhir ini dapat terselesaikan. Oleh karena itu penulis ingin

mengucapkan terima kasih antara lain kepada :

  1. Tuhan Yesus Kristus atas anugerah-Nya kepada penulis.

  2. Rm. Wiryono Priyotamtama SJ, Rektor Universitas Sanata Dharma

  

3. Paulina Heruningsih Prima Rosa, M.Sc., selaku Dekan Fakultas Sains dan

Teknologi.

  

4. Wiwien Widyastuti, S.T., M.T., selaku dosen pembimbing akademik yang telah

mendampingi dan membimbing penulis selama studi.

  

5. Dr. Linggo Sumarno selaku pembimbing, atas ide-ide yang berguna, bimbingan,

dukungan, saran dan kesabaran bagi penulis dari awal sampai tugas akhir ini selesai.

  

6. Damar Widjaja,S.T., M.T dan Wiwien Widyastuti, S.T., M.T., selaku penguji

yang telah bersedia memberikan kritik dan saran.

  

7. Seluruh dosen Teknik Elektro atas ilmu yang telah diberikan selama penulis

menimba ilmu di Universitas Sanata Dharma.

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

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

DAFTAR ISI

Halaman

  

HALAMAN JUDUL……..………………………………………………………….i

HALAMAN PERSETUJUAN……………………………………………………..iii

HALAMAN PENGESAHAN…….………………………………………………...iv

HALAMAN PERNYATAAN KEASLIAN KARYA……………………………..v

HALAMAN PERSEMBAHAN DAN MOTTO.………………………………….vi

  

INTISARI…………………………………………………………………………..vii

ABSTRACT…………………………………………………………………….....viii

LEMBAR PERSETUJUAN PUBLIKASI………………………………………...ix

KATA PENGANTAR………………………………………………………………x

DAFTAR ISI……………………………………………………………………….xii

DAFTAR GAMBAR……………………………………………………………....xiv

DAFTAR TABEL………………………………………………………………....xvi

DAFTAR LAMPIRAN…………………………………………………………...xvii

BAB I. PENDAHULUAN

  1.1. Latar Belakang Masalah……………………………………………1

  1.2. Batasan Masalah……………………………………………………2

  1.3. Tujuan dan Manfaat penelitian……………………………………..2

  1.4. Metodologi Penelitian………………………………………………2 Variabel Penelitian………………………………………….2 1.4.1.

  1.4.2. Prosedur Penelitian…………………………………………3

  BAB II. DASAR TEORI

  2.1. Definisi Pianika…...………………………………………………...4

  2.2. Definisi Sampling…………….………………...…………………..4

  2.3. Definisi Frame Blocking……………………...………………….....5

  2.4. Windowing…………………………………………………………6

  2.4.1 Kaiser Windowing ……………….…………..………….. 6

  2.5. Fast Fourier Transform……………………………………………..7

  2.6. Fungsi Jarak Korelasi……………………………………………….8

  2.7. Kartu Suara (Sound Card)……………………………………….....8

  3.6. Perancangan Subsistem Program………………………………….22

  5.1. Kesimpulan………………………………………………………..35

  4.2. Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat Pengenalan Nada Alat Musik Pianika…………………....29 BAB V. KESIMPULAN DAN SARAN

  4.1. Pengujian Program Pengenalan Nada Alat Musik Pianika Menggunakan Metode Korelasi……………………...…...24

  BAB IV. HASIL PENGAMATAN DAN PEMBAHASAN

  3.6.1 Subsistem Pengenalan Nada………………………………22

  3.6.1 Subsistem Sampling……………………………………….22

  3.5. Perancangan Alur Program………………………………………..16

  2.8. Mikrofon……………………………………………………………9

  3.4. Tampilan Program pada GUI Matlab……………………………..15

  3.3. Nada Uji…………………………………………………………..14

  3.2. Perancangan nada referensi…..……………..………….…………13

  3.1. Sistem Pengenalan Nada Alat Musik Pianika………….…………12

  BAB III. RANCANGAN PENELITIAN

  2.9. Definisi dan Fungsi Matlab……………………………………….10

  5.2. Saran………………………………………………………………35

DAFTAR PUSTAKA..............................................................................................36

LAMPIRAN PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

DAFTAR GAMBAR

Halaman

Gambar 2.1. Alat Musik Pianika…………………………………………………...4Gambar 2.2. Frame Blocking………………………………………………………5Gambar 2.3. Kaiser Window dengan nilai πα atau β yang berbeda-beda…..……...6Gambar 2.4. Contoh Kartu Suara………………………………………………….9Gambar 2.5. Tampilan Utama Matlab……………..……………………………...11Gambar 3.1. Blok Sistem pengenalan nada pianika……………………………....12Gambar 3.2. Blok Diagram Proses Pengambilan Nada Referensi………………...14Gambar 3.3. Blok Diagram Proses Pengambilan Nada Uji ………………………15Gambar 3.4. Tampilan utama program pengenalan nada………………………....15Gambar 3.5. Alur program sistem keseluruhan…………………………………...17Gambar 3.6. Alur program Rekam…………...…………………………………...18Gambar 3.7. Alur program frame blocking…………………………….………….18Gambar 3.8. Alur pogram normalisasi 1…………………………………………..19Gambar 3.9. Alur Program windowing……………………………………………19Gambar 3.10. Alur program FFT…………...………………………………………20Gambar 3.11. Alur program normalisasi 2…….…………………………………...20Gambar 3.12. Alur program fungsi jarak………………………….……………….21Gambar 3.13. Alur program penentuan hasil pengenalan.........................................21Gambar 4.1. Icon Program Pengenalan……………………………….…………..24Gambar 4.2. Tampilan awal matlab……………………………………………….25Gambar 4.3. Tampilan pengaturan pengenalan nada……………………………...25

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Gambar 4.4. Tampilan Utama Program Pengenalan Nada Alat Musik Pianika..….26Gambar 4.5. Tampilan setelah program eksekusi………………………………….28Gambar 4.6. Pengaruh Nilai alpha Terhadap Tingkat Pengenalan…...…………..30Gambar 4.7. Spektrum hasil FFT 128 point Nada uji D dengan Nilai

  alpha (a) 0, (b) 50, (c) 100, (d) 500………………………….…..…30

Gambar 4.8. Pengaruh Nilai FFT Terhadap Tingkat Pengenalan………………....32Gambar 4.9. Spektrum Hasil FFT 32 point (a), 64 point (b),

  128 point (c), 256 point (d) dengan Nilai alpha 50…….…..……….33 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

DAFTAR TABEL

Halaman

Tabel 3.1. Keterangan Tampilan Utama Program………………………………….16Tabel 3.2. Variasi Nada Referensi………….………………………………………23Tabel 4.1. Tampilan Hasil Pengenalan Nada Yang Dikenali……………………....28 Tabel L.1. Spesifikasi Mini Multimedia Microphone ………………….……….....L2

  Genius MIC-01A

Tabel L.2. Tabel tingkat pengenalan (recognition rate) nada …………………....L40

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

DAFTAR LAMPIRAN

Halaman

  

Lampiran I. Blok model perancangan…………………….................................L1

Lampiran II. Blok diagram perekaman nada uji...................................................L2

Lampiran III. Percobaan awal mencari spektrum frekuensi..................................L3

dari nada pianika dengan Matlab

  

Lampiran IV. Percobaan awal mencari durasi perekaman...................................L11

Untuk sistem pengenalan nada pianika dengan Matlab

  

Lampiran V. Percobaan pengaruh frame blocking pada.....................................L13

sistem pengenalan nada pianika dengan Matlab

  

Lampiran VI. Listing program utama……...………………...............................L22

Lampiran VII. Listing program prosespros...………………...............................L36

Lampiran VIII. Listing program allpros….....………………...............................L37

Lampiran IX. Tabel recognition rate……...………………...............................L40

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB I PENDAHULUAN

1.1 Latar Belakang

  Musik merupakan ekspresi yang timbul dari dalam jiwa manusia yang

diwujudkan dalam bentuk karya seni. Musik terbentuk dari kumpulan nada-nada yang

tersusun secara harmonis sehingga menghasilkan “sesuatu yang indah” menurut indera

pendengaran yang dimiliki manusia. Baik musik tradisional maupun musik pop, rock dan

jazz yang masing-masing memberikan keindahan dalam bermusik. Musik juga bisa

menjadi efektif di bidang akademis dengan membantu pembentukan pola belajar,

mengatasi kebosanan dan menangkal kebisingan eksternal yang mengganggu [1].

  Alat musik yang digunakan pun juga bervariasi, salah satunya alat musik tiup.

Pianika merupakan bagian dari banyak alat musik apabila dengan tiupan akan

menghasilkan sebuah bunyi. Tinggi rendahnya nada ditentukan oleh frekuensi dasar

gelombang bunyi [2]. Semakin besar frekuensi dasar gelombang bunyi, maka semakin

tinggi nada yang dihasilkan, demikian pula sebaliknya. Indera pendengaran manusia tidak

dapat mengetahui secara pasti jenis nada apa yang didengar olehnya, terkecuali bagi para

pemusik profesional. Hal ini amatlah penting bagi seorang pemusik untuk mengetahui

apakah alat musiknya sudah menghasilkan nada-nada yang tepat.

  Program komputer dapat melakukan penalaan nada alat musik dengan

membandingkan frekuensi dasar gelombang bunyi alat musik menggunakan metode

korelasi dan mencocokkan frekuensi dasar tersebut dengan frekuensi dasar nada referensi

yang baku. Dengan demikian jenis nada alat musik dapat diketahui secara pasti untuk

melakukan penalaan nada alat musik khususnya pada alat musik pianika.

  Penelitian sebelumnya telah mengembangkan sebuah tuner alat musik gitar

dengan Chromatic Tuner [3]. Alat musik gitar yang akan ditala dihubungkan dengan

perangkat Chromatic Tuner. Nada gitar yang muncul akan ditunjukkan oleh jarum

penunjuk yang ada pada perangkat ini.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  2

  1.2 Tujuan dan Manfaat Tujuan dari penulisan tugas akhir ini adalah menghasilkan sistem pengenalan

nada pianika. Manfaat dari penelitian ini adalah sebagai alat bantu bagi masyarakat yang

sedang belajar memainkan alat musik pianika supaya mengetahui nada dasar “C , C# , D ,

D# , E , F , F# , G , G# , A , A#, dan B”

  1.3 Batasan Masalah Sistem otomatisasi pengenalan nada suara pada alat musik pianika terdiri dari

hardware dan software (komputer). Hardware berfungsi untuk memasukkan nada suara

yang dimainkan pada alat musik pianika, sedangkan software pada komputer berfungsi

untuk mengatur semua proses pengenalan nada suara yang dimainkan pada alat musik

pianika.

  Pada perancangan sistem ini, penulis fokus pada pembuatan software komputer

untuk memproses pengenalan nada suara, sedangkan untuk hardware berupa microphone

yang sudah tersedia di pasaran. Penulis menetapkan beberapa batasan masalah yang

dianggap perlu pada perancangan ini, yaitu sebagai berikut: a. Pianika yang digunakan merek Pryamid b. Nada Pianika yang digunakan “ C, C#, D, D#, E, F, F#, G, G#, A, A#, dan B”.

  c. Hasil pengenalan tidak real time.

  d. Menggunakan perangkat lunak komputasi (Matlab) dalam pembuatan program.

  e. Menggunakan metode FFT dalam penyelesaian program.

  f.

  Menggunakan Kaiser Window dalam proses program.

  g. Evaluasi fungsi jarak dengan Correlation Distance.

1.4 Metodologi Penelitian

1.4.1 Variabel Penelitian

  a. Proses Perekaman Suara Variabel bebas pada proses perekaman suara yaitu nada yang akan direkam (“C , C# , D , D# , E , F , F# , G , G# , A , A#, dan B”).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  3 b. Pengenalan nada suara pianika Variabel bebas pada penelitian ini ialah nada pianika yang akan dikenali. Nada yang akan dikenali ialah “C , C# , D , D# , E , F , F# , G , G# , A , A#, dan B”. Variabel terikat yang digunakan pada pengenalan nada suara pianika yaitu variasi FFT, dan alpha pada windowing.

1.4.2 Prosedur Penelitian

  Langkah-langkah dalam pengerjaan tugas akhir: a. Pengumpulan bahan – bahan referensi berupa buku – buku dan jurnal – jurnal.

  b. Perancangan subsistem software.

  Tahap ini bertujuan untuk mencari bentuk model yang optimal dari sistem yang akan dibuat dengan mempertimbangkan berbagai faktor – faktor permasalahan.

  c. 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 nada. Komputer akan mengolah nada dan menyajikannya sebagai sebuah informasi.

  d. Analisa dan penyimpulan hasil percobaan.

  Analisa data dilakukan dengan mengecek keakuratan data terhadap hasil proses pengenalan nada, dengan cara membandingkan antara data di komputer dengan lapangan dan perancangan. Penyimpulan hasil percobaan dapat dilakukan dengan menghitung jarak yang terjadi. Indikator keberhasilan sistem pemrosesan suara dilihat dari tingkat pengenalan program.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB II DASAR TEORI

  2.1 Pianika Adalah alat musik tiup kecil sejenis harmonica, tetapi bilah-bilah keyboard yang

luasnya sekitar tiga oktaf [4]. Pianika dimainkan dengan tiupan langsung, atau memakai

pipa lentur yang dihubungkan ke mulut. Umumnya pianika dimainkan sebagai alat

pendidikan sekolah. Pianika tergolong alat musik tiup. Alat musik pianika biasanya

digunakan untuk memainkan melodi pokok, kontra melodi, dan bila memungkinkan dapat

juga untuk mengiringi lagu. Pianika mempunyai dua bilahan warna tuts yaitu warna putih

dan hitam. Bilahan-bilahan yang berwarna putih untuk nada-nada asli (natural) dan yang

berwarna hitam 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.

  C D E F G A B C# D# F# G# A#

Gambar 2.1 Alat musik pianika [5]

  2.2 Sampling Adalah proses pencuplikan gelombang suara yang akan menghasilkan gelombang

diskret. Dalam proses sampling ada yang disebut dengan laju pencuplikan (sampling rate).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  5 Sampling rate menandakan berapa banyak pencuplikan gelombang analog dalam 1 detik.

Sampling rate dinyatakan dalam satuan Hertz (Hz). Pada proses sampling, sebaiknya

sampling rate memenuhi kriteria Nyquist. Kriteria Nyquist menyatakan bahwa sampling

rate harus lebih besar dari 2 kali frekuensi tertinggi sinyal suara analog [6]. Secara

matematis dapat dituliskan:

  (2.1) ≥ 2 ……………..……

dengan adalah frekuensi sampling (sampling rate), sedangkan adalah frekuensi

tertinggi sinyal suara analog.

2.3 Frame Blocking

  Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan

satu frame terdiri dari beberapa data sample [7]. Pengambilan sample tersebut tergantung

dari tiap detik suara yang akan disample dan berapa besar frekuensi sampling. Gambar 2.2

menunjukkan contoh frame blocking, keseluruhan frame dibagi menjadi 5 M frame. Setiap

M memiliki jumlah data sama yaitu

  2 data, dengan N adalah Nyquist.

Gambar 2.2. Frame Blocking [7] Fungsi frame blocking yaitu untuk mereduksi data yang akan diproses dalam

  

sistem pengenalan. Frame blocking juga dapat mempercepat proses perhitungan pada FFT

N

  

(Fast Fourier Transform) dengan jumlah data pada setiap frame memiliki 2 data sample

yang diambil dari keseluruhan data sample.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  6

2.4 Windowing

  Penyebab kesalahan data pada proses fourier transform yaitu sinyal suara yang

dipotong-potong menjadi beberapa frame. Windowing diperlukan untuk mengurangi efek

diskontinuitas dari potongan-potongan sinyal [8].

2.4.1 Kaiser Window

  Kaiser window adalah salah satu jenis window. Dalam Kaiser window [9],

parameter β menentukan ketinggian dari sidelobe seperti yang terlihat pada Gambar 2.3.

Untuk pemberian nilai β, ketinggian sidelobe tergantung dengan panjang window.

Gambar 2.3. Kaiser window dengan nilai

  atau β yang berbeda – beda [8] Kaiser window didefinisikan dengan [10]:

  

1 − − , 0 ≤ ≤

[ ] ≜ $ (2.2) 0, !"#! dengan adalah orde 0 dari fungsi Bessel:

  • /

  (

  2

(() ≜ ) * (2.3)

,! .

  • 0

  Biasanya Kaiser window diparameterkan dengan: = /2 (2.4)

  Kaiser window juga dapat didefinisikan dari , 5, 6 , 6 , dan :

  7

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  7 ∆6 = 6 − 6 (2.5)

  7 = −20 log 5 (2.6) 0.1102 ( − 8.7), > 50

  .B = >

  $ (2.7) 0.5842 ( − 21) + 0.07886 ( − 21), 21 ≤ ≤ 50 0.0, < 21 dan

  − 8 = 2.285∆6 (2.8) dengan M adalah jumlah data, α adalah parameter dalam penentuan β, dan β adalah parameter penentuan ketinggian sidelobe.

  .

2.5 Fast Fourier Transform (FFT)

  FFT merupakan cara cepat menghitung DFT. Discrete Fourier Transform (DFT) adalah transformasi yang mengubah domain waktu ke domain frekuensi. Jika N adalah jumlah sample data dan x(n) menunjukkan nilai titik tersebut pada frekuensi ke-k. Rumus DFT dapat didefinisikan sebagai [11]:

  HIJ G +L G

  K E(,) = ∑ (( )! , = 0, … . . , N − 1 (2.9)

  L0

dengan x , ...., x N-1 berupa angka komplek, N adalah jumlah sample data, X(k) adalah sinyal

hasil DFT (frequency domain), dan x(n) adalah sinyal masukan (time domain).

  L+

Faktor eksponensial dalam persamaan (2.9) dilambangkan dengan , sehingga FFT

  O dapat dituliskan sebagai:

  G L+ (2.10)

  E(,) = ∑ (( )O , = 0, … . . , N − 1 L0 dengan

  IJ Q Q GP K = cos - j sin (2.11)

  O = !

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  ] ,

  f. Jack untuk menyambungkan kartu suara dengan speaker pada jalur line out atau microphone pada jalur line in. Beberapa kartu suara sudah terpasang secara pabrikan (on board) pada

motherboard komputer, tetapi bisa juga ditambahkan untuk keperluan pada slot PCI

motherboard.

  e. Musical Instrument Digital Interface (MIDI) untuk menyambungkan beberapa peralatan musik eksternal.

  

Read Only Memory (ROM) atau Flash sebagai penyimpanan data.

  d.

  c. Analog to Digital Converter (ADC) sebagai masukan suara.

  

b. Digital to Analog Converter (DAC) sebagai keluaran suara ke speaker.

  2.7 Kartu Suara Kartu Suara (Sound Card) merupakan sebuah periperal pada komputer sebagai

I/O suara yang menyediakan kemampuan untuk menghasilkan suara yang dapat didengar

oleh pengguna baik melalui speaker atau headphone [13] . Pada dasarnya setiap kartu

suara memiliki: a. Digital Signal Processor (DSP) yang akan menangani semua jenis komputasi.

  W adalah jarak rata-rata kedua variabel, D(x,y) adalah jarak antara x dan y, dan m adalah jumlah data.

  

W, S

^

  ( ^

  S ] adalah jarak kedua variabel,

  8

  2.6 Fungsi Jarak Korelasi Fungsi jarak korelasi (Correlation Distance Function) menghitung besarnya

perubahan dari dua variabel. Fungsi jarak ini membagi dua variabel 1 dengan variabel

lainnya yang saling berhubungan. Fungsi jarak korelasi dirumuskan sebagai berikut [12]:

  …….

  I Y

UZ[

Y UZ[

  V W )

  U GX

  I

∑ (X

  V W )

  \∑ (T U GT

  V W ) Y UZ[

  V W )(X

U

GX

  U GT

  R((, S) = ∑ (T

  (2.12) dengan (

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  9

Gambar 2.4. Contoh Kartu Suara [14] Dalam proses perekaman suara dengan menggunakan kartu suara, ada beberapa

  pengaturan awal, yaitu:

a. Sampling Rate, telah dijelaskan pada poin 2.1 b. Channel yang digunakan, yaitu mono atau stereo.

  Satu channel menandakan mode mono, 2 Channel menandakan mode stereo.

2.8 Mikrofon

  Mikrofon (Microphone) berguna untuk merubah suara menjadi getaran listrik

sinyal analog untuk selanjutnya diperkuat dan diolah sesuai dengan kebutuhan, pengolahan

berikutnya dengan power amplifier dari suara yang berintensitas rendah menjadi lebih

keras terakhir diumpan ke speaker [15].

  Mikrofon harus dipilih dengan lebih hati-hati. Hal ini dilakukan untuk mencegah

berkurangnya kemampuan mikrofon dari performa yang optimal. Dalam memilih mikrofon

hal yang harus diperhatikan adalah :

  a. Prinsip cara kerja mikrofon dari jenis mikrofon itu sendiri

  

b. Daerah respon frekuensi suara yang mampu dicuplik oleh mikrofon

  c. Output sinyal listrik yang dihasilkan mikrofon

  d. Bentuk fisik mikrofon Mikrofon yang digunakan haruslah sesuai kebutuhan dan seimbang antara sumber

suara yang ingin dicuplik, misalnya suara manusia, alat musik, suara kendaraan, atau yang

lainnya dengan sistem tata suara yang digunakan seperti sound sistem untuk live music,

alat perekaman, dan sebagainya.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  10

2.9 Matlab

  Matlab merupakan bahasa pemrograman yang hadir dengan fungsi dan

karakteristik yang berbeda dengan bahasa pemrograman lain yang sudah ada lebih dahulu

seperti Delphi, Basic maupun C++ [16]. Matlab merupakan bahasa pemrograman level

tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan pemrograman

seperti komputasi matematik, analisis data, pengembangan algoritma, simulasi dan

pemodelan, dan grafik-grafik perhitungan. Matlab dikembangkan oleh Mathworks, yang

pada awalnya dibuat untuk mengakses data matrik pada proyek LINPACK dan EISPACK.

Dalam lingkungan pendidikan ilmiah, software ini menjadi alat pemrograman standar

bidang matematika, rekayasa dan keilmuan terkait. Pada lingkungan kerja Matlab, ada

beberapa bagian dari Window yang dipakai, yaitu :

  1. Current Directory Current Directory menampilkan isi dari direktori kerja saat menggunakan Matlab. Direktori ini dapat diganti sesuai dengan tempat direktori kerja yang diinginkan.

  2. Command History Window ini berfungsi untuk menyimpan perintah-perintah apa saja yang sebelumnya dilakukan oleh pengguna terhadap Matlab.

  3. Command Window Command Window adalah window utama dari Matlab. Di sini adalah tempat untuk menjalankan fungsi, mendeklarasikan variabel, menjalankan proses- proses, serta melihat isi variabel.

  4. Workspace Workspace berfungsi untuk menampilkan seluruh variabel-variabel yang sedang aktif pada saat pemakaian Matlab. Apabila variabel berupa data matriks berukuran besar, maka user dapat melihat isi dari seluruh data dengan melakukan double Click pada variabel tersebut. Matlab secara otomatis akan menampilkan windowarray editor” yang berisikan data pada setiap variabel yang dipilih user.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  11

Gambar 2.5 menunjukkan tampilan antar muka dari MatlabGambar 2.5. Tampilan utama Matlab [16]

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB III PERANCANGAN

  3.1 Sistem Pengenalan Nada Alat Musik Pianika Blok sistem pengenalan nada alat musik Pianika ditunjukkan pada Gambar 3.1.

  Suara Pianika (Wav) Frame Blocking Normalisasi Windowing Kaiser FFT

  Output pengenalan nada Penentuan Normalisasi Fungsi Jarak

  Nada

Gambar 3.1. Blok sistem pengenalan nada pianika Sistem pengenalan nada alat musik pianika terdiri dari software pada komputer

  

yang berfungsi sebagai user interface dalam proses pengenalan. Software komputer yang

dibuat dalam bentuk user interface dengan program Matlab berperan sebagai pusat

pengaturan semua proses pengenalan nada alat musik pianika, seperti merekam suara nada

pianika dan mengenali suara nada yang terekam. Perekaman suara dilakukan komputer

melalui mikrofon (microphone) dan jalur line in pada kartu suara (SoundCard).

  Pada proses pengenalan nada pianika, data berupa input Wav dinormalisasi.

Kemudian, data diolah melalui proses windowing untuk analisa sinyal menggunakan FFT

(Fast Fourier Transform). Untuk tahap terakhir, penyelesaian dengan fungsi jarak korelasi

digunakan dalam sistem pengenalan nada pianika.

  3.1.1 Suara Pianika (Wav) Hasil dari sampling nada pianika yang direkam akan diproses ke tahap selanjutnya seperti yang ditunjukkan pada Gambar 3.1.

  3.1.2 Frame Blocking Proses ini memilih data dari data nada terekam, sehingga data yang dipilih dapat mewakili semua data pada nada terekam.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  13

  3.1.3 Normalisasi Data yang telah melalui proses frame blocking selanjutnya dinormalisasi. Pada

tahap ini semua jenis nada pianika yang sudah terekam akan dinormalisasikan, tujuan dari

normalisasi ini agar amplitudo pada saat nada dimainkan bisa maksimal.

  3.1.4 Windowing Kaiser Data yang telah dinormalisasikan mengalami proses windowing. Dari jenis windowing yang ada, dalam penelitian ini menggunakan Kaiser Window.

  3.1.5 Fast Fourier Transform Proses ini mengkonversi data nada suara dalam domain waktu menjadi domain frekuensi. Domain frekuensi digunakan untuk melihat ciri dari suatu nada.

  3.1.6 Fungsi Jarak Tahap akhir dari sistem yang penulis akan kerjakan. Dalam proses ini, penulis menggunakan fungsi jarak korelasi untuk pengenalan nada alat musik pianika.

  3.1.7 Penentuan Nada Proses penentuan adalah subproses terakhir dari proses pengenalan nada. Pada

proses ini, hasil pengenalan nada ditentukan berdasarkan jarak minimum yang diperoleh

setelah proses fungsi jarak.

  3.1.8 Output Pengenalan Nada Hasil akhir software yang akan mengenali nada alat musik pianika. Tampilan dalam bentuk visual GUI Matlab yang telah dirancang oleh penulis.

3.2 Perancangan Nada Referensi

  Nada acuan yang disebut nada referensi dibutuhkan sebagai penentu pengenalan

nada pada pianika. Nada referensi hendaknya memiliki ciri yang sudah diketahui oleh

sistem. Untuk memperoleh nada referensi, penulis mengambil 10 sample pada setiap nada

yang akan dikenali tersebut (nada C, C#, D, D#, E, F, F# G, G#, A, A# dan B). Tujuannya

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  14

untuk menanggulangi perbedaan dalam pengambilan sample (paling tidak diambil 10

sample nada). Nada yang akan dikenali ada 12 nada, jadi total keseluruhan nada ada 120

sample nada. Proses pengambilan dapat dilihat pada Gambar 3.2. Pengambilan nada yang

akan dijadikan nada referensi harus melalui proses sampling, frame blocking, normalisasi,

windowing, dan FFT.

  

Sampling Frame Blocking Normalisasi Windowing FFT Normalisasi

Gambar 3.2. Blok Diagram Proses Pengambilan Nada Referensi Proses pengambilan nada disesuaikan dengan variabel bebas pada pembuatan sistem

  

pengenalan nada alat musik pianika. Setelah 10 nada sample pada setiap nada diperoleh,

perhitungan persamaan (3.1) dilakukan untuk mendapatkan nada referensi. Hasil FFT yang

telah dinormalisasi digunakan sebagai nada sample, sehingga sistem pengenalan nada alat

musik pianika tidak melakukan perhitungan kembali dalam mendapatkan nada referensi

dan proses pada sistem pengenalan nada alat musik pianika dapat berjalan lebih cepat.

  • … + =

  (3.1)

  10 Nada referensi yang didapat kemudian disimpan dalam fungsi header yang ada

dalam sistem pengenalan nada alat musik pianika. Sehingga sewaktu-waktu nada referensi

dapat dipanggil dalam proses fungsi jarak yang ada dalam sistem pengenalan alat musik

pianika.

3.3 Nada Uji

  Untuk memperoleh nada uji pada setiap nada pada pengenalan nada alat musik

pianika, penulis mengambil 10 sample pada setiap nada yang akan digunakan untuk

menguji sistem (nada C, C#, D, D#, E, F, F# G, G#, A, A# dan B). Proses pengambilan

dapat dilihat pada Gambar 3.3. Pengambilan nada yang akan digunakan sebagai nada uji

harus melalui proses sampling.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  15 Masukan (suara

  Sampling Keluaran (wav) av) pianika)

Gambar 3.3. Blo Blok diagram proses pengambilan nada uji

3.4 Tampilan Prog rogram pada GUI Matlab

  Tampilan utama p a program pada GUI Matlab yang digunakan d dalam penelitian ini diperlihatkan pada Gambar ar 3.4.

  Gamb mbar 3.4. Tampilan utama program pengenalan an nada Tampilan program ram dibuat agar user dapat dengan mudah dah mengoperasikan

program ini serta mengert erti hasil dari pengenalan nada alat musik pianika. Beberapa

keterangan dari tampilan uta utama program dijelaskan pada Tabel 3.1.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  16

Tabel 3.1. Keterangan Tampilan Utama Program

  Nama Bagian Deskripsi Tombol Selesai Digunakan untuk mengakhiri aplikasi Plot Hasil Rekam Tampilan grafik suara hasil rekaman

Tombol Input Nada Digunakan untuk mengambil suara nada alat

musik pianika yang sedang dimainkan

Hasil Pengenalan Nada Untuk menampilkan nada yang didapat

setelah proses pengenalan

Korelasi Untuk menampilkan perbandingan korelasi

yang didapat dari proses perbandingan 12

nada referensi

Variasi FFT Untuk memilih titik FFT yang digunakan

pada proses pengenalan nada, pilihan berupa 256, 128, 64, dan 32 titik.

  

Alpha pada windowing Untuk memilih nilai alpha yang akan

digunakan pada proses pengenalan nada, pilihan nilai alpha seperti 500, 100,50, dan 0.

  

Plot Data Hasil FFT Tampilan data berupa grafik data hasil FFT

baik dari rekaman maupun dari 12 nada referensi

3.5 Perancangan Alur Program

  Program pengenalan nada alat musik pianika akan dieksekusi saat user mulai

menjalankan program ini. 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 “Input nada”, selanjutnya program akan melakukan proses pengambilan suara

acuan. Jika suara acuan telah tersimpan, maka user dapat menekan tombol “pengenalan

nada”. Proses pengujian akan berhenti ketika spektrum pada kolom penentuan nada sudah

tampak hasilnya.

  Alur program keseluruhan pengenalan nada diperlihatkan pada Gambar 3.5.

Program ini menjalankan 2 macam proses. Proses yang pertama ialah proses perekaman

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  17

nada acuan. Nada acuan ini dijadikan acuan dalam pengujian pengenalan nada. Proses

yang kedua ialah proses pengambilan nada uji. Nada uji ialah nada yang direkam setelah

nada acuan. Setelah nada uji terekam, beberapa nada uji akan dibandingkan dengan nada

acuan. Kualitas suara nada uji dilihat dari besar rata-rata korelasi tiap sampling antara

nada acuan dengan nada uji.

Gambar 3.5. Alur program sistem keseluruhan Alur program rekam dapat dilihat pada Gambar 3.6. Proses rekam suara nada alat

  

musik pianika bermula dari komputer menjalankan fungsi untuk merekam. Hasil yang

didapat dari proses rekam yaitu sampling. Proses sampling adalah proses pengambilan

nada alat musik pianika dengan parameter frekuensi sampling yang sudah ditentukan

dalam sistem. Setelah perekaman selesai, komputer menggambar bentuk spektrum nada

terekam hasil perekaman.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  18

Gambar 3.6. Alur program Rekam Sistem akan memilih data yang akan diproses melalui proses frame blocking.

  

Proses frame blocking memilih data dari keseluruhan data sampling, dan kemudian

menyimpannya dalam data “NadFB”. Banyak data yang dipilih dalam proses frame

blocking sudah ditentukan dalam sistem. Proses frame blocking dapat dilihat pada Gambar

3.7.

Gambar 3.7. Alur program frame blocking

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  19 Alur program normalisasi 1 diperlihatkan pada Gambar 3.8. Hasil proses

normalisasi 1 akan disimpan dalam data “Norml”. Data yang telah dinormalisasikan

mengalami proses windowing pada Gambar 3.9. Proses windowing menggunakan Kaiser

Window. Hasil proses ini disimpan dalam data “NadWin”. Data “NadWin” dinormalisasi

melalui proses normalisasi 1. Hasil windowing kemudian ditransformasikan menjadi 64

data menggunakan Fast Fourier Transform. Proses FFT dapat dilihat pada Gambar 3.10.

Hasil dari proses FFT disimpan dalam data “NadFFT”.Proses ini mengkonversi data nada

suara dalam domain waktu menjadi domain frekuensi.

Gambar 3.8. Alur program normalisasi 1Gambar 3.9. Alur program windowing

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  20

Gambar 3.10. Alur program FFT Hasil konversi kemudian dinormalisasikan kembali. Dapat dilihat pada Gambar

  

3.11. Kemudian komputer menjalankan proses plotting hasil konversi tersebut. Data dari

12 nada referensi dan data dari nada teekam digambarkan dalam bentuk sinyal. Hasil

konversi ternormalisasi kemudian dibandingkan dengan 12 nada referensi dengan

menggunakan fungsi jarak korelasi. Perbandingan menghasilkan jarak, dan data tersebut

dicari nilai terkecilnya. Setelah nilai jarak terkecil diperoleh maka nada terekam dapat

dikenali. Komputer menampilkan nada hasil pengenalan (C, C#, D, D#, E, F, F#, G, G#, A,

A#, B) dan nilai jarak yang diperoleh ke dalam text box. Jika proses tersebut telah

dilakukan, maka pengenalan nada alat musik pianika sudah selesai.

Gambar 3.11. Alur program normalisasi 2

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  21

Gambar 3.12. Alur program fungsi jarakGambar 3.13. Alur program penentuan hasil pengenalan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  22

3.6 Perancangan Subsistem Program

  Terdapat dua sistem penting dalam sistem pengenalan nada pianika, yaitu

subsistem sampling dan subsistem pengenalan nada. Perancangan subsistem tersebut

memerlukan variabel terikat, sehingga pengenalan dapat berhasil dan dengan waktu proses

yang optimal. Pengujian awal untuk mencari variabel tersebut sangat diperlukan. Pengujian

ini menggunakan Matlab, karena dalam program tersebut sudah memiliki fungsi-fungsi

yang menunjang subsistem dari sistem program pengenalan nada.

3.6.1 Subsistem Sampling

  Dalam subsistem ini, terdapat dua variabel terikat berupa frekuensi sampling dan durasi perekaman. Setelah melakukan pengujian awal, dapat disimpulkan: a. Frekuensi sampling yang digunakan adalah 4800Hz (lihat Lampiran).

  b. Durasi perekaman yang digunakan adalah 2 detik (lihat Lampiran).

3.6.2 Subsistem Pengenalan Nada Subsistem ini terdapat 2 proses menggunakan variabel tetap dan variabel bebas.

  

Variabel bebas yang digunakan diantaranya proses frame blocking dan titik FFT,

sedangkan proses fungsi jarak dan nilai alpha pada windowing merupakan variabel

tetapnya. Variabel yang akan dievaluasi untuk membangun sistem pengenalan nada yang

optimal adalah kedua variabel bebas tersebut.

  a. Frame Blocking mengambil sampel data dari data suara terekam (data yang diperoleh dalam proses sampling) sebanyak 512 data sample, karena semakin banyak data akan membuat komputasi dalam sistem meningkat dan memperlambat proses pengenalan nada (lihat lampiran).

  b. Variasi FFT yang digunakan untuk mengkonversi data hasil windowing adalah 32, 64, 128, 256. Dalam subsistem pengenalan nada, data hasil FFT yang digunakan adalah data riil atau amplitudonya.

  c. windowing yang digunakan adalah kaiser window dengan nilai alpha sebesar 0, 50, 100, 500.

Fungsi jarak yang digunakan adalah fungsi jarak dengan metode korelasi. Keduabelas nada

referensi yang digunakan pada proses ini adalah data yang sudah dikonversi menggunakan

FFT terlebih dahulu dan disimpan. Setiap nada referensi memiliki data sesuai dengan FFT

yang digunakan (keterangan lihat Tabel 3.2)

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  23

Tabel 3.2. Variasi Nada Referensi Nada Referensi Variasi FFT Alpha pada windowing

  C 256 500 100 50 128 500

  100

  50 64 500 100

  50 32 500 100

  50

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB IV ASIL DAN PEMBAHASAN

  HAS Pengujian program bekerja dengan baik dan s yang dapat memperlihatkan baik. Analisa terhadap pros yang disajikan dalam tugas

  Pengujian program dibuat dapat bekerja sesuai program menggunakan kom Processor

  RAM Program pengenalan dapat d

  G

  2. Tampilan awal ya tampilan utama pr

  3. Kemudian ketik seperti pada Gamb

  4. User dapat memu yang terdiri dari digunakan dalam p

  ram perlu dilakukan untuk mengetahui sua n sesuai dengan perancangan. Hasil pengujian kan bahwa program yang telah dirancang dap roses kerja dapat digunakan untuk menarik ke as akhir ini.

4.1 Pengujian Pr menggunakan metode

  Program pengenalan nada alat m de korelasi. ram bertujuan untuk memastikan apakah pr ai dengan yang telah dirancang pada bab sebe omputer dengan spesifikasi: : Intel® Core™2 CPU 4400 @2.00GHz

  : 4.00 GB at dijalankan dengan langkah-langkah di bawah con matlab dengan gambar icon seperti Gambar

1. Click dua kali icon

Gambar 4.1. Icon Program Pengenalan yang terlihat pada Gambar 4.1 akan muncul

  program. k guide dalam command window dan pada l mbar 4.2 sebelum masuk ke dalam tampilan uta mulai pengenalan dengan mengisi pengaturan ri alpha pada windowing dan jumlah poin proses pengenalan seperti pada Gambar 4.3. uatu program dapat jian berupa data-data apat berjalan dengan kesimpulan dari apa musik pianika program yang telah belumnya. Pengujian ah ini: ar 4.1. ul sebelum masuk ke a layar akan muncul utama program. ran pengenalan nada oint FFT yang akan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Gambar 4.2. Tampilan awal matlab

  

5. Jika alpha pada wi windowing dan jumlah point FFT telah dipilih ih oleh user, program

pengenalan dapat at dimulai dengan menekan tombol “Pengen genalan Nada” (lihat Gambar 4.3).

  

6. Selanjutnya hasil sil pengenalan akan muncul dalam kotak “ “Hasil Pengenalan

Nada”. Korelasi yang dihasilkan dari proses pengenalan ak akan muncul dalam keduabelas text bo t box yang berada di bawah pushbutton penge ngenalan nada . user dapat melihat spek pektrum hasil rekaman dan grafik hasil proses ses FFT dalam kotak “Plot Hasil FFT” s ” seperti yang terlihat pada Gambar 4.4.

7. Tombol “Selesai” i” digunakan jika user ingin keluar dari program ram.

  Gambar bar 4.3. Tampilan pengaturan pengenalan nada

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Gambar 4.4. Tamp mpilan Utama Program Pengenalan Nada Alat M at Musik Pianika Pada implementas tasi program, tampilan korelasi dan nada yang d g dikenali mengalami

  

perubahan. Perubahan letak tak dimaksudkan agar program terlihat lebih ih simple dan elegan.

Perubahan tampilan nada y a yang dikenali menjadi tampilan hasil pengen genalan dimaksudkan

agar user dapat mengetahu hui proses yang sedang dijalankan oleh progra gram dari perekaman

hingga nada dikenali. Listin sting program utama secara keseluruhan terlam lampir pada halaman

lampiran.

4.1.1. Tombol Pengen genalan Nada

  Tombol Pengenala alan Nada hanya dapat ditekan setelah user m mengisi pengaturan

pengenalan nada. Untuk k mengetahui pengaturan pemanggilan nada da maka digunakan

metode dengan Puss Butto tton berfungsi untuk memanggil nada yang a akan dikenali (lihat

lampiran halaman L32). Sed Sedangkan plotting data hasil rekaman dari mas asing – masing nada

yang akan diteliti (lihat lam mpiran halaman L3).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Setelah proses rekaman, program kemudian memproses data hasil perekaman

untuk pemilihan data tengah dari deretan data hasil perekaman. Proses ini disebut frame

blocking (lihat lampiran halaman L36).

  Selanjutnya data hasil frame blocking akan diproses melalui proses windowing,

berguna untuk menghilangkan noise suara yang ikut terekam dalam proses rekam. Dalam

program pengenalan ini, alpha yang digunakan untuk mengatur windowing bervariasi, dan

user dapat menggunakan 3 varian alpha yang terdapat pada popup menu. Pengecekan hasil

pilihan dari user sudah dilakukan sebelum proses perekaman berlangsung. Windowing

yang digunakan yaitu Kaiser Window yang menggunakan beta untuk komputasinya.

Perolehan nilai beta tergantung dari alpha yang dipilih oleh user (lihat lampiran halaman

L36). Setelah nilai beta diperoleh, maka proses Kaiser Window dapat dilakukan (lihat

lampiran halaman L36). Setelah proses windowing selesai dilakukan, maka program akan

menjalankan proses normalisasi (lihat lampiran halaman L36). Selanjutnya program

menjalankan inisialisasi variabel yang akan digunakan dalam proses FFT untuk

menampilkan ploting hasil FFT nada suara uji (lihat lampiran halaman L32). Setelah

selesai melakukan plotting FFT, selanjutnya program menjalankan proses menghitung

korelasi. Penghitungan dilakukan dengan memakai metode korelasi (lihat lampiran

halaman L32).

  Dalam proses penentuan nada, hasil korelasi maksimum dibandingkan dengan

perolehan korelasi dari masing-masing nada referensi. Jika korelasi maksimum sama

nilainya dengan salah satu korelasi pada nada referensi, maka nada dikenali adalah salah

satu nada sesuai dengan nada referensi. Penentuan nada ini menggunakan listing program

(lihat lampiran halaman L33).

  Berdasarkan pengujian, tombol “Pengenalan Nada” telah dapat bekerja. Saat

tombol “Pengenalan Nada” ditekan, program telah merekam, menampilan plot rekaman,

menampilkan plot hasil FFT, menampilkan hasil korelasi masing-masing nada, dan

mengenali nada.

  Hasil penentuan akan muncul pada tampilan hasil pengenalan nada program pengenalan nada alat musik pianika seperti pada Tabel 4.1.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  9 Gkres

  Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n Nada yang dikenali dari korelasi adalah n mperlihatkan tampilan dari program GUI m ut nada Ckres , variasi FFT 64, variasi alpha a yang telah dipilih oleh user dan akan m bar 4.5. Tampilan setelah program eksekusi nali h nada C. nada Ckres. h nada D. h nada Dkres. h nada E. h nada F. h nada Fkres. h nada G. h nada Gkres. h nada A. h nada Akres. h nada B. matlab yang sudah a 100. Program akan menjalankan proses

  Gamb Tampilan Hasil Pengenalan Nada Yang Dikena

alan Keterangan

Nada yang dikenali dari korelasi adalah n

  mengeksekusi input nada pengenalan nada.

Gambar 4.5 memp dioperasikan dengan input

  12 B

  11 Akres

  10 A

Tabel 4.1. Ta No Hasil Pengenala

  Nada

  7 Fkres

  6 F

  5 E

  4 Dkres

  3 D

  2 Ckres

  1 C

  8 G

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Kesimpulan yang dapat diambil dari hasil pengujian adalah tombol yang terdapat

pada tampilan program utama pengenalan nada suara alat musik pianika telah dapat

bekerja dan alur program secara keseluruhan telah sesuai dengan perancangan

4.2 Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat Pengenalan Nada Alat Musik Pianika.

  Pengujian program pengenalan nada alat musik pianika, dilakukan melalui

1(satu) tahapan pengujian. Tahapan pengujian program yaitu pengujian parameter

pengaturan pengenalan yang terdiri dari alpha pada windowing dan FFT point yang

digunakan dalam proses pengenalan. Tujuan pengujian parameter pengaturan pengenalan

dilakukan untuk mencari nilai dari setiap parameter yang menghasilkan tingkat pengenalan

(recognition rate) yang terbaik.

4.2.1 Pengujian Parameter Pengaturan Pengenalan Nada

  Percobaan untuk melihat seberapa besar tingkat pengenalan yang terjadi setiap

penentuan pada parameter pengenalan dilakukan untuk menetukan parameter alpha pada

windowing dan FFT yang digunakan. Langkah-langkah percobaan yang akan digunakan

sebagai berikut:

  1. Proses merekam 10 kali suara yang dihasilkan oleh setiap nada alat musik pianika dari nada C, C#, D, D#, E, F, F#, G, G#, A, A#, dan B.

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

  3. Mengenali setiap rekaman menggunakan kombinasi nilai parameter yang berbeda-beda dengan nilai: a. Alpha pada windowing = 0, 50, 100, 500.

  b. FFT point = 32, 64, 128, 256

  4. Menentukan kombinasi nilai parameter pengenalan yang menghasilkan tingkat pengenalan terbaik Berdasarkan hasil percobaan yang diperlihatkan pada Gambar 4.6 dan Gambar

4.8 (Tabel hasil percobaan pada lampiran halaman L40) dapat dilihat bahwa setiap

kombinasi antara nilai alpha dengan FFT point menghasilkan hasil yang berbeda-beda.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Gambar 4.7 memperlihatkan seiring naiknya nilai alpha semakin turun pengenalan pada sistem. Nilai alpha mempengaruhi lebar spektrum hasil komputasi/

  

perhitungan pada proses FFT. Semakin tinggi nilai alpha, semakin lebar spektrum hasil

perhitungan proses FFT. Proses pengenalan lebih memperlihatkan separasi menggunakan

alpha kecil supaya sistem lebih bisa dikenali.

  Pengaruh Nilai alpha Terhadap Recognition Rate 120 100

  R e FFT 32

  80 co g n

  FFT 64

  60 it io

  FFT 128 n

40 R

  a FFT 256 te

  20 50 100 500 Nilai Alpha

Gambar 4.6. Pengaruh Nilai alpha Terhadap Tingkat Pengenalan

  (a)

Gambar 4.7. Spektrum hasil FFT 128 point Nada Uji D dengan Nilai Alpha (a) 0

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  (b) (c) (d)

Gambar 4.7. (Lanjutan) Spektrum hasil FFT 128 Point Nada Uji D dengan Nilai

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Gambar 4.8 memperlihatkan bahwa semakin tinggi nilai FFT, semakin tinggi tingkat pengenalan sistem. Nilai FFT mempengaruhi hasil perhitungan korelasi dalam

  

proses fungsi, seperti pada Gambar 4.9. Keakuratan dari hasil fungsi korelasi untuk

masing-masing nada referensi ini mengakibatkan ketepatan pada proses penentuan,

sehingga mengakibatkan naiknya tingkat pengenalan pada saat percobaan dengan

pemakaian nilai FFT yang tinggi. Terlihat pada Gambar 4.9 (a) nada uji mengalami

overlapping, setelah penggunaan FFT point yang lebih tinggi nada uji terlihat semakin

memisah, seperti yang terlihat pada Gambar 4.9 (d).

  Dari hasil percobaan dapat disimpulkan bahwa tingkat pengenalan yang terbaik

didapat dari kombinasi nilai alpha dari 0 sampai 1000 dengan FFT sebesar 128 point (lihat

tabel recognition rate). Hal ini disebabkan jarak frekuensi antara nada satu dengan yang

lain sangat berdekatan.

Gambar 4.8. Pengaruh Nilai FFT terhadap Tingkat Pengenalan

  20

  40

  60

  80 100 120

  32 64 128 256 Alpha 0 Alpha 50 Alpha 100 Alpha 500

  Pengaruh Nilai FFT Terhadap Recognition Rate Nilai FFT R e co g n it io n R a te

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  (a) (b) (c)

Gambar 4.9. Spektrum hasil FFT (a) 32 point (b), 64 point (c), 128 point dengan Nilai Alpha 50

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

(d)

Gambar 4.9. (Lanjutan) Spektrum hasil FFT 256 point (d) dengan Nilai Alpha 50 Proses pengambilan recognition rate (%) pada sistem pengenalan nada alat musik

  

pianika (lihat lampiran L41) yaitu 10 nada sample pada setiap nada yang diperoleh (lihat

lampiran L37), perhitungan persamaan (4.1) dilakukan untuk mendapatkan tingkat

pengenalan dari tiap-tiap sample nada.

  

Recognition Rate (%) = x 100% (4.1)

Recognition rate (%) yang diperoleh dari masing-masing nada yang didapat,

selanjutnya digunakan untuk mencari tingkat pengenalan nada alat musik pianika, sejauh

mana tingkat pengenalan sistem dapat mengenali. Perhitungan persamaan (4.2) dilakukan

untuk mendapatkan tingkat pengenalan nada.

  % Recognition Rate =

  (4.2) Dari Tabel L.2 (lampiran L41) dapat dilihat tingkat pengenalan nada dengan FFT 128 sudah mencapai tingkat pengenalan (recognition rate) terbaik.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan

  Dari hasil percobaan dan pengujian sistem pengenalan nada alat musik pianika dapat disimpulkan bahwa :

1. Implementasi dari sistem pengenalan nada suara alat musik pianika sudah bisa bekerja sesuai dengan perancangan.

  2. Pada pengujian parameter pengaturan pengenalan, penetapan nilai parameter pengaturan pengenalan nada dengan nilai alpha pada windowing dan nilai FFT point yang digunakan untuk mengenali nada berpengaruh terhadap tingkat pengenalan sistem.

  • Semakin besar nilai alpha pada windowing yang digunakan, semakin turun tingkat pengenalan sistem.
  • Semakin besar nilai FFT point yang digunakan, semakin naik tingkat pengenalan sistem.

  3. Pada pengujian parameter pengaturan didapatkan nilai alpha pada windowing senilai 0, 50, dengan nilai FFT 128 point yang menghasilkan tingkat pengenalan (recognition rate) terbaik yaitu 100%.

5.2 Saran

  Sistem pengenalan nada alat musik pianika ini masih memiliki kekurangan,yaitu sistem

masih belum real time. Untuk penelitian lebih lanjut, supaya sistem pengenalan nada ini dibuat

real time.

  

35

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

[1] M.Ortiz, 2002, Menumbuhkan Anak-anak Yang Bahagia, Cerdas, dan Percaya Diri

Dengan Musik, Jakarta : Gramedia Pustaka Utama.

[2] Kurnia, Andi, Penala Nada Alat Musik Menggunakan Alih Ragam Fourier, Jurusan

Teknik Elektro UNDIP, Semarang.

[3] http://www.tunerchromatic.net/chromatic-tuner-reviews diakses pada tanggal 12

September 2011.

[4] http://senturi09.wordpress.com/2011/07/05/teknik-memainkan-alat-musik-melodis-

pianika diakses pada tanggal 05 Juli 2011. [5] Pianika merek Pryamid.

[6] Sklar, Bernard, 1988, Digital Communications Fundamental and Application, New

Jersey, PTR Prentice Hall.

[7] Eka Kartikasari, Yesika, 2006, Pembuatan Software Pembuka Program aplikasi

Komputer Berbasis Pengenalan Sinyal Suara, PENS-ITS, Surabaya.

[8] Budi Sontoso, Tri, 2005, Protipe Modul Pengamatan Sinyal Domain Waktu dan

Frekuensi Secara Real Time Untuk Praktikum Pengolahan Sinyal

  Digital,EEPISITS, Surabaya. [9] The Mathworks, 2005, Signal Processing Toolbox For Use with MATLAB.

[10] http://ssli.ee.washington.edu/courses/ee518/notes/lec17.pdf diakses pada tanggal 08

Oktober 2011.

  [11] http://www.informatika.org/~rinaldi/Kriptografi/2010-2011/Makalah1/Makalah1-

IF3058-Sem1-2010-2011-052.pdf diakses pada tanggal 01 November 2011.

[12] http://people.revoledu.com/kardi/tutorial/Similarity/CorrelationDistance .html

diakses pada tanggal 26 September 2011. [13] http://www.realkarachi.com/downloads/books/how-stuff-works/how-sound-cards-

work%28www.realkarachi.com%29.pdf diakses pada tanggal 05 Juli 2011.

[14] http://www.computerhope.com/jargon/s/souncard.htm diakses pada tanggal 05 Juli

2011.

[15] http://artsites.ucsc.edu/EMS/Music/tech_background/TE-20/teces_20.html diakses

pada tanggal 28 September 2011.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

[16] Firmansyah, Ahmad,2007, Dasar-dasar Pemrograman Matlab, Teknik Informatika-

Institut Teknologi Sepuluh Nopember, Surabaya.

[17] http://alnect.net/products.php?/13/65/332/1247/Special_Tools/Sound_Editing/Mini

Microphone/ Mini_Multimedia_Microphone_Genius_MIC-01A diakses tanggal 10

  Oktober 2011

  

LAMPIRAN

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  LAMPIRAN

  1. SKEMA PEREKAMAN Komputer

  Pengenalan Nada SoundCard Microphone

  Pianika Gambar L.1. Blok model perancangan

  2. PENGAMBILAN NADA PIANIKA

  3.1.1 Suara Pianika Pada proses ini dilakukan pengambilan sample nada yang digunakan baik sebagai

acuan atau data yang akan dikenali. Gambar pengambilan nada (terlampir). Sebelum

pengambilan nada, penulis mengatur parameter-parameter yang digunakan, seperti

frekuensi sampling, waktu, microphone dan pianika. Adapun jarak pengambilan nada ±

30cm dari pianika sampai microphone. Pengambilan sample nada dilakukan 10 kali setiap

nada. Jadi total keseluruhan ada 120 sample nada.

  Sampling

  3.1.2 Pada proses ini bertujuan untuk 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 ialah Hertz (Hz). Jadi semua sample nada yang

diambil dalam proses perekaman semua disampling terlebih dahulu sebelum masuk ke

tahap selanjutnya.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L2 Gambar L.2. Blok diagram perekaman nada uji

  yang digunakan adalah mini multimedia microphone Genius MIC-01A dapat dilihat pada gambar dibawah [17]. Mini mikrofon sangat mudah digunakan dan dibawa karena bentuknya yang sangat ringan. Mini mikrofon hanya dapat mendengar suara dari jarak dekat (±1meter dari sumber suara). Spesifikasi dari mini multimedia microphone Genius MIC-01A dapat dilihat pada tabel spesifikasi.

  

Mini Multimedia Microphone Genius MIC-01A [17]

Tabel L.1. Spesifikasi Mini Multimedia Microphone Genius MIC-01A Frequency Response 100Hz ~ 10KHz Sensitivity -62dB Output Impedance

  2.2KΩ @1KHz Cable length

  3.0 Meters Audio Output Connector 3.5mm Stereo Audio Plug Weight 107 gram

   Masukan

Sampling

  Keluaran (Wav)

3. Mikrofon

  L3 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L3

PERCOBAAN AWAL

MENCARI SPEKTRUM FREKUENSI DARI

NADA PIANIKA DENGAN MATLAB

Tujuan 1. Mengetahui frekuensi maksimum pada nada pianika.

  2. Mengetahui frekuensi sampling minimum yang digunakan. Variabel

  1. Frekuensi sampling yang digunakan 2400, 4800Hz dan 9600Hz 2. Durasi perekaman yang dilakukan penulis selama 2 second.

  Listing program %fs=2400;%%fsampling 2400Hz fs = 4800; %%fsampling 4800Hz %fs= 9600;%%fsampling 9600Hz y = wavrecord (2*fs,fs, 'double' ); %% 2 detik wavwrite(y,fs, 'sample2s4800HzAkres10.wav' ); [y,fs]=wavread( 'sample2s4800HzAkres10.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

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L4 Hasil Ploting (Fs=2400) Nada C 2.5 3 x 10 4 2.5 3 x 10 4 Nada C# 1.5 1

  2 X: 530 1.5 1 2 0.5 200 400 600 800 1000 1200 200 400 600 800 1000 1200 X: 265 Y: 1601 Y: 5868 X: 795 Y: 3033 Y: 967.7 X: 1060 0.5 Y: 640.5 X: 277 X: 829 Y: 4644

  Nada D Nada D# 2.5 3 x 10 4 2.5 3 x 10 4 1.5 1 2 1.5

  2 1 0.5 200 400 600 800 1000 1200 200 400 600 800 1000 1200 Y: 3103 X: 295 X: 885 Y: 3813 0.5 Y: 2832 X: 313 Y: 4066 Y: 823.5 X: 627 X: 940

  Nada E 2.5 3 x 10 4 2.5 3 x 10 4 Nada F 1.5

  2 1 1.5 2 1 0.5 200 400 600 800 1000 1200 Y: 4205 X: 336 Y: 3801 X: 672 Y: 4639 X: 354 X: 1008 0.5 X: 707 Y: 3270 200 400 600 800 1000 1200 Y: 3519 Y: 2052 X: 1061

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L5 Nada F#

  Nada G Nada G#

  Nada A Nada A# Nada B 200 400 600 800 1000 1200 0.5 1 1.5 2 2.5 3 x 10 4 X: 756 Y: 4940 X: 378 Y: 3382 X: 1134 Y: 989.5 200 400 600 800 1000 1200 0.5 1 1.5 2 2.5 3 x 10 4 X: 399 Y: 4275 200 400 600 800 1000 1200 0.5 1 1.5 2 2.5 3 x 10 4 X: 843 Y: 5221 X: 422 Y: 995.9 200 400 600 800 1000 1200 0.5 1 1.5 2 2.5 3 x 10 4 X: 434 Y: 2737

  200 400 600 800 1000 1200 0.5 1 1.5 2 2.5 3 x 10 4 X: 466 Y: 5225

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L6 Hasil Ploting (Fs=4800) Nada C Nada C# 3000 3500 X: 500 X: 750 10 12 x 10 4 2500 1500 2000 X: 250 Y: 1417 Y: 2548 Y: 3059 Y: 2101 X: 1000 6 8 X: 828 Y: 5.06e+004 1000 500 Y: 1050 X: 1250 X: 1500 Y: 413.9 2 4 X: 276 Y: 1.109e+004 Y: 6673 X: 1656 500 1000 1500 2000 2500 500 1000 1500 2000 2500

  Nada D 10 12 x 10 4 12 10 x 10 4 Nada D# 4 6 8 4

  8 6 2 Y: 1.351e+004 X: 295 Y: 6010 500 1000 1500 2000 2500 500 1000 1500 2000 2500 X: 884 Y: 1.965e+004 X: 1473 2 X: 1560 Y: 1.602e+004 X: 312 Y: 2.014e+004 X: 936 Y: 8161

  Nada E 10 12 x 10 4 10 12 x 10 4 Nada F

  8 4 6 Y: 5.861e+004 X: 1005 4 6 8 2 X: 335 Y: 1.939e+004 500 1000 1500 2000 2500 500 1000 1500 2000 2500 X: 670 Y: 1.183e+004 X: 2011 Y: 6446 Y: 6739 X: 1676 2 X: 707 X: 1766 X: 353 Y: 2.291e+004 Y: 8423 Y: 8481 Y: 1.988e+004 X: 1060 Y: 4942 X: 1413

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L7 Nada F# 14 12 x 10 4 Y: 1.348e+005 X: 1133 10 12 x 10 4 Nada G

  10 6 8 6 8 4 Y: 3.864e+004 X: 399 X: 1197 Y: 5.236e+004 2

  4 Y: 1.005e+004 X: 378 500 1000 1500 2000 2500 500 1000 1500 2000 2500 Y: 2.162e+004 X: 755 2 Y: 1.482e+004 X: 1596 Nada G# 12 10 x 10 4 12 10 x 10 4 Nada A

  8 6 4 Y: 5.744e+004 X: 1265 4 6 8 Y: 5.67e+004 X: 1300 X: 1734 2 500 1000 1500 2000 2500 500 1000 1500 2000 2500 Y: 1.765e+004 X: 422 X: 843 Y: 4983 2 X: 433 Y: 2.311e+004 Y: 2.369e+004 Nada A# 10 12 x 10 4 X: 1399

  Nada B 8 6 Y: 1.041e+005 2

  4 500 1000 1500 2000 2500 Y: 1.231e+004 X: 466 Y: 4566 X: 1866

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L8 Hasil Ploting (Fs=9600) Nada C

  Nada C# Nada D

  Nada D# Nada E

  Nada F 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x 10 5 X: 1591 Y: 6.643e+004 X: 796 Y: 5.067e+004 X: 265 Y: 2.045e+004 X: 2917 Y: 8573 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x 10 5 X: 828 Y: 6.971e+004 X: 276 Y: 4.685e+004 X: 1657 Y: 1.354e+004 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x 10 5 X: 295 Y: 2.866e+004 X: 1475 Y: 6.938e+004 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x 10 5 X: 313 Y: 8.313e+004 X: 940 Y: 3.414e+004 X: 1566 Y: 1.509e+004 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x 10 5 X: 1009 Y: 6.651e+004 X: 336 Y: 4.855e+004 X: 673 Y: 1.639e+004 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x 10 5 X: 2832 Y: 5.663e+004 X: 1416 Y: 2.401e+004 X: 2124 Y: 4.019e+004 X: 1062 Y: 1.32e+005 X: 708 Y: 7.966e+004 X: 354 Y: 1.135e+005

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L9 Nada F# 4.5 4 x 10 5 X: 1135 4.5 4 x 10 5 Nada G 2.5 3.5 2 3 Y: 3.912e+005 2.5 3.5 2 3 X: 1198 Y: 2.546e+005 1.5 0.5 1 Y: 4.695e+004 X: 378 Y: 7.901e+004 X: 2270 0.5 1.5 1 Y: 1.211e+005 X: 399 X: 2795 Y: 1.73e+004

  500 1000 1500 2000 2500 3000 3500 4000 4500 5000 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 Nada G# 4.5 4 x 10 5 4.5 4 x 10 5 Nada A

  3.5 2.5 3 2 Y: 1.957e+005 X: 1266 2.5 3.5 3 2 X: 1302 0.5 1.5 1 X: 844 Y: 1.171e+005 X: 422 Y: 5.977e+004 X: 2110 Y: 3.882e+004 Y: 1.569e+004 1.5 0.5 1 X: 434 Y: 9.358e+004 Y: 1.696e+005 X: 1736 Y: 1.276e+004 X: 3038 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

  Nada A# 4.5 4 x 10 5 Nada B

  3.5 2.5 2 3 Y: 2.614e+005 X: 1400 0.5

  1.5 1 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 Y: 5.135e+004 X: 467 Y: 6.3e+004 X: 1867

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  X V

  2. Dari masing-masing nada ditemukan adanya Harmonisa baik pada Fs=2400, Fs=4800 maupun Fs=9600 Hz dikarenakan pada saat mulai mengambil sampling rekaman ada noise campuran antara suara dengung yang muncul pada rongga tenggorokan manusia dengan alat musik pianika.

  V Ket : X : Frekuensi amplitudo terendah V : Frekuensi amplitudo tertinggi

  X X

  X B

  X V

  X A#

  X V

  X A

  X V

  X G#

  X V

  X G

  L10 Kesimpulan

  1. Frekuensi sampling yang dipakai dalam percobaan awal sistem pengenalan nada pianika adalah 4800 Hz, karena untuk pemakaian frekuensi ini didapatkan hasil frekuensi amplitudo tertinggi yang dihasilkan sudah maksimal untuk mengenali setiap nada yang akan diteliti,

  X V

  X F

  X V

  X E

  X V

  X D#

  X V

  X D

  X V

  X C#

  X V

  Nada Frekuensi sampling 2400 Hz 4800 Hz 9600 Hz C

  X F#

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L11

PERCOBAAN AWAL

MENCARI DURASI PEREKAMAN

UNTUK SISTEM PENGENALAN NADA ALAT MUSIK PIANIKA

DENGAN MATLAB

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 4800Hz 2. Durasi perekaman yang digunakan sebesar 1 detik, 2 detik.

  Listing Program clc fs =4800;%%fsampling 4800Hz %fs =4800;%%fsampling 4800Hz y = wavrecord (fs,fs,'double');%% 1 detik %y = wavrecord (fs,fs,'double');%% 1 detik wavwrite(y,fs,'sample2s4800HzC1.wav'); %wavwrite(y,fs,'sample2s4800HzC1.wav'); %[y,fs]=wavread(' sample2s4800HzC1.wav'); y = wavrecord (2*fs,fs,'double');%% 2 detik %y = wavrecord (2*fs,fs,'double');%% 2 detik wavwrite(y,fs,' sample2s4800HzC1.wav'); %wavwrite(y,fs,' sample2s4800HzC1.wav'); %[y,fs]=wavread(' sample2s4800HzC1.wav'); plot(x);grid; %output title( 'fs=4800; t=1detik' ) xlabel( 'frequency (Hz)' ) ylabel( 'amplitudo ' )

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  L12 HASIL PLOTING

  • Fs=4800 Hz
  • 0.15 0.1 fs=4800; t=1detik o d u m p lit -0.05

      0.05 a -0.15 -0.2 -0.1

    • 0.25
    • 0.15 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 fs=4800; t=2detik sample 0.05

        0.1 a m p lit u d o -0.05 -0.1 -0.25 -0.15 -0.2 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 sample Kesimpulan

        1. Pada hasil percobaan awal mencari durasi rekaman, durasi waktu 1 dan 2 detik terlihat sama saja. Untuk durasi 1 detik waktu yang dibutuhkan untuk merekam relative cepat sehingga data dihasilkan terlalu singkat, maka dalam penelitian dipakai durasi waktu 2 detik.

      2. Dilihat dari hasil ploting percobaan, terlihat sistem membutuhkan durasi waktu untuk mendapatkan data sinyal rekaman.

      PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

        L13

      PERCOBAAN

      PENGARUH FRAME BLOCKING PADA SISTEM PENGENALAN

      NADA ALAT MUSIK PIANIKA

      DENGAN MATLAB

      Tujuan: 1. Mengetahui pengaruh frame blocking yang digunakan dalam sistem pengenalan.

        2. Mengetahui frame blocking yang tepat dalam optimalisasi sistem pengenalan.

        Variabel:

        

      1. Frame blocking yang digunakan 256, 512, 1024 dengan pengambilan frame di tengah

      dari kumpulan data terekam.

        2. FFT yang digunakan sebesar

      • untuk frame blocking 256 digunakan FFT 64
      • untuk frame blocking 512 digunakan FFT 64
      • untuk frame blocking 1024 digunakan FFT 64 3. Durasi perekaman yang digunakan sebesar 2 detik.

        4. Frekuensi sampling yang digunakan sebesar 4800Hz.

        5. Windowing menggunakan kaiser window dengan nilai alpha sebesar 100.

        Cara Kerja Frame Blocking:

      plotting deretan data terekam sebelum di-frame blocking

      PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

        L14 plotting deretan data terekam setelah di-frame blocking 0.2 0.4 0.6
      • -0.8 -0.6 -0.4 -0.2
        • 1 100 200 300 400 500 600

          Listing program [datsound,fs]=wavread( 'sample2s4800HzAkres6.wav' ); %input data extract=64; %variabel ekstraksi ciri FFT 64 %frame blocking %frame=256; %variabel frame blocking yang digunakan 256 %frame=512; %variabel frame blocking yang digunakan 512 %frame=1024;%variabel frame blocking yang digunakan 1024 mulai=((fs*2)+frame)/2 %proses frame blocking dimulai dari tengah keseluruhan data sample for i=1:frame frame_dat(i)=datsound(i+mulai); end %normalisasi maxiframe=max(abs(frame_dat)); frame_n=frame_dat/maxiframe; %windowing menggunakan kaiser window N=frame; alpha=100; %alpha yang digunakan 100 beta=0.1102*(alpha-8.7); K1= kaiser(N,beta); for p=1:frame prefastsound(p)=frame_n(p)*K1(p); end plot(prefastsound);grid; title( '===Windowing with Kaiser window 4800Hz 1s Akres6===' ) xlabel( 'sample' ) %fft Y = fft(prefastsound,extract); Pyy = Y.* conj(Y); %normalisasi maxiPyy=max(abs(Pyy)); Pyyn=Pyy/maxiPyy;

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          L15 f = fs*(0:(1/2*extract))/extract; plot(f,Pyyn(1:(1/2*extract+1)));grid; title( '===sample 4800Hz Akres6; frame blocking 512; FFT 64===' ) xlabel( 'frequency (Hz)' ) ===sample 4800Hz C5; frame blocking 1024; FFT 64=== ===sample 4800Hz Ckres5; frame blocking 1024; FFT 64=== Frame Blocking 1024; FFT 64 0.6 0.7 0.8 0.9

          1 0.7 0.8 0.9 0.6 1

          0.5 X: 825 0.3 0.4 0.1 0.2 Y: 0.4083 0.1 0.2 0.3 0.5 0.4 X: 825 Y: 0.3085 0.9 1 ===sample 4800Hz D6; frame blocking 1024; FFT 64=== 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) 0.8 0.9 1 ===sample 4800Hz Dkres8; frame blocking 1024; FFT 64=== frequency (Hz) 0.4 0.5 0.6 0.7

          0.8 0.4 0.5 0.6 0.7 X: 300 0.1 0.3 0.2 X: 900 X: 900 Y: 0.2336 Y: 0.2261 Y: 0.1933 X: 1500 0.3 0.1 0.2 Y: 0.3352 X: 1575 Y: 0.1411 0.9 1 ===sample 4800Hz E3; frame blocking 1024; FFT 64=== 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) X: 975 0.9 1 ===sample 4800Hz F4; frame blocking 1024; FFT 64=== 500 1000 1500 2000 2500 0.5 0.6 0.7

          0.8 Y: 0.7489 0.5 0.6 0.7 0.8

          0.4 0.3 0.1 0.2 0.1 0.2 0.3 X: 1050 0.4 Y: 0.2774 X: 375 Y: 0.2054 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz)

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          1 ===sample 4800Hz Fkres4; frame blocking 1024; FFT 64=== ===sample 4800Hz G4; frame blocking 1024; FFT 64=== X: 1125 1 X: 1200 Y: 1 L16 0.6 0.8 0.7 0.9 Y: 1 0.9 0.6 0.7 0.8

          0.5 0.4 0.3 0.2 0.2 0.3 0.5 0.4

          0.1 1 ===sample 4800Hz Gkres4; frame blocking 1024; FFT 64=== 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) 0.1 1 ===sample 4800Hz A4; frame blocking 1024; FFT 64=== 0.6 0.7 Y: 0.6458 0.8 0.9 X: 1275 0.6 0.7 0.8

          0.9

          0.5 0.2 0.3 0.4 0.1 0.5 0.1 0.4 0.2 0.3 X: 450 X: 1275 Y: 0.2745 Y: 0.2744 0.9 1 ===sample 4800Hz Akres4; frame blocking 1024; FFT 64=== 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) Y: 1 X: 1425 0.9 0.8 1 ===sample 4800Hz B4; frame blocking 1024; FFT 64=== X: 1500 Y: 1

          0.8 0.7 0.5 0.6 0.4 0.7 0.5 0.6 0.1 0.2 0.3

          0.4 0.1 0.2 0.3 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz)

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          L17 Frame Blocking 512; FFT 64 ===sample 4800Hz Ckres3; frame blocking 512; FFT 64=== 0.9 0.8 0.7 1 ===sample 4800Hz C3; frame blocking 512; FFT 64=== 0.7 0.8 0.9 1 Y: 0.6257 X: 825 0.6 0.5 0.4 0.3 X: 825 Y: 0.3825 0.3 0.4

          0.6 0.5 0.1

          0.2 ===sample 4800Hz D7; frame blocking 512; FFT 64=== 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) 0.2 0.1 frequency (Hz) 0.7 0.8 0.9 1 0.7 0.8 0.9 1 ===sample 4800Hz Dkres9; frame blocking 512; FFT 64===

          0.6 0.5 0.3 Y: 0.2465 0.4 Y: 0.2169 Y: 0.2217 X: 900 X: 1500 0.5 0.3 0.4 0.6 X: 975 0.1

          0.2 ===sample 4800Hz E2; frame blocking 512; FFT 64=== ===sample 4800Hz F3; frame blocking 512; FFT 64=== 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) 0.2 0.1 0.9 0.8 0.7

          1 Y: 1 X: 975 Y: 0.754 X: 1050 0.8 0.9 0.7 1

          0.6 0.5 0.3 0.4 0.3 0.6 0.4 0.5 Y: 0.2165 X: 1050 0.1

          0.2 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) 0.1 0.2

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          L18

          500 1000 1500 2000 2500 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 X: 1125 Y: 1 ===sample 4800Hz Fkres3; frame blocking 512; FFT 64=== frequency (Hz) 500 1000 1500 2000 2500 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 X: 1200 Y: 0.547 ===sample 4800Hz G3; frame blocking 512; FFT 64=== frequency (Hz) 500 1000 1500 2000 2500 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 X: 1275 Y: 0.7472 ===sample 4800Hz Gkres3; frame blocking 512; FFT 64=== frequency (Hz) 500 1000 1500 2000 2500 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 X: 1275 Y: 1 ===sample 4800Hz A3; frame blocking 512; FFT 64=== frequency (Hz) 500 1000 1500 2000 2500 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 X: 1425 Y: 0.6061 ===sample 4800Hz Akres3; frame blocking 512; FFT 64=== frequency (Hz) 500 1000 1500 2000 2500 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 X: 1500 Y: 1 X: 1950 Y: 0.4135 ===sample 4800Hz B3; frame blocking 512; FFT 64=== frequency (Hz)

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          L19 ===sample 4800Hz C2; frame blocking 256; FFT 64=== ===sample 4800Hz Ckres2; frame blocking 256; FFT 64=== Frame Blocking 256; FFT 64 0.6 0.7 0.8 0.9

          1 0.6 0.7 0.8 0.9 1

          0.5 0.3 0.2 0.4 Y: 0.2704 X: 825 Y: 0.1456 X: 1575 0.2 0.3 0.5 0.4 Y: 0.3412 X: 825

          0.1 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) 0.1 ===sample 4800Hz Dkres2; frame blocking 256; FFT 64=== 0.7 0.8 0.9 1 ===sample 4800Hz D2; frame blocking 256; FFT 64=== 0.7 0.8 0.9 1 0.6 0.5 0.4 0.3 0.4 0.3

          0.6 0.5 Y: 0.1929 X: 975 0.2 0.1 ===sample 4800Hz E2; frame blocking 256; FFT 64=== 500 1000 1500 2000 2500 500 1000 1500 2000 2500 Y: 0.06793 X: 900 frequency (Hz) frequency (Hz) X: 1500 Y: 0.09494 0.2 0.1 X: 1575 Y: 0.1087 0.8 0.9 0.7 1 X: 1050 Y: 0.8276 0.8 0.9 0.7 1 ===sample 4800Hz F2; frame blocking 256; FFT 64===

          0.6 0.5 0.3 0.4 Y: 0.2251 X: 2025 0.3 0.6 0.4 0.5 X: 1050 0.1

          0.2 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) 0.1 0.2 Y: 0.1571

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          1 ===sample 4800Hz Fkres2; frame blocking 256; FFT 64=== ===sample 4800Hz G2; frame blocking 256; FFT 64=== X: 1125 Y: 1 1 L20 0.7 0.6 0.8

          0.9 0.6 0.7 0.8 0.9 Y: 0.4842 X: 1200

          0.5 0.4 0.2 0.1 0.3 0.2 0.3 0.4 0.1 0.5 1 ===sample 4800Hz Gkres2; frame blocking 256; FFT 64=== 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) 1 ===sample 4800Hz A2; frame blocking 256; FFT 64=== frequency (Hz) 0.9 0.6 0.7 0.8 Y: 0.8538 X: 1275 0.7 0.6

          0.9 0.8 Y: 0.567 X: 1275 0.2 0.3 0.4 0.5 0.4

          0.5 0.2 X: 1725 0.3 Y: 0.111

          0.1 ===sample 4800Hz Akres2; frame blocking 256; FFT 64=== ===sample 4800Hz B2; frame blocking 256; FFT 64=== 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) 0.1 0.9 0.8 0.7 1 Y: 1 X: 1425 0.7 0.8 0.9

          1 X: 1500 Y: 1

          0.6 0.5 0.3 0.4 X: 1875 Y: 0.1857 0.3 0.6 0.4 0.5 Y: 0.2988 X: 2025 0.1

          0.2 500 1000 1500 2000 2500 500 1000 1500 2000 2500 frequency (Hz) frequency (Hz) 0.1 0.2

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          V V

          2. Semakin kecil frame blocking yang digunakan maka semakin kecil pula FFT

        yang dapat digunakan. Karena jumlah data yang akan dikomputasi FFT harus

        lebih besar dari data hasil komputasi FFT.

          1. Frame blocking yang digunakan adalah 512 karena dilihat dari harmonisa yang

        ada. Untuk frame blocking 512 mampu menekan harmonisa seminimal mungkin

        sedangkan untuk frame blocking 256 dan 1024 harmonisa yang dihasilkan masih

        terlihat banyak.

          V V = sedikit harmonisa (menekan harmonisa minimal) X = banyak harmonisa Kesimpulan

          X V

          V B

          V V

          V A#

          V V

          V A

          V V

          V G#

          L21 Nada Penggunaan frame blocking 256 512 1024 C

          X V

          X V

          V F#

          X X

          V F

          X V

          X E

          X V

          V D#

          X V

          V D

          X V

          X C#

          X G

          

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

        LAMPIRAN

        LISTING PROGRAM UTAMA

        function varargout = guigui(varargin) % GUIGUI M-file for guigui.fig % GUIGUI, by itself, creates a new GUIGUI or raises the existing % singleton*. % % H = GUIGUI returns the handle to a new GUIGUI or the handle to % the existing singleton*. % % GUIGUI('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GUIGUI.M with the given input arguments. % % GUIGUI('Property','Value',...) creates a new GUIGUI or raises the

        % existing singleton*. Starting from the left, property value pairs are

        % applied to the GUI before guigui_OpeningFunction gets called. An

        % unrecognized property name or invalid value makes property application

        % stop. All inputs are passed to guigui_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 % Copyright 2002-2003 The MathWorks, Inc. % Edit the above text to modify the response to help guigui % Last Modified by GUIDE v2.5 08-May-2012 09:29:01 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct( 'gui_Name' , mfilename, ...

          'gui_Singleton' , gui_Singleton, ... 'gui_OpeningFcn' , @guigui_OpeningFcn, ...

        'gui_OutputFcn' , @guigui_OutputFcn, ...

        'gui_LayoutFcn' , [] , ... 'gui_Callback' , []); 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

          

        L22

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          % --- Executes just before guigui is made visible. function guigui_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn.

          % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to guigui (see VARARGIN) % Choose default command line output for guigui handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes guigui wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = guigui_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; % --- Executes on selection change in popupmenu2. function popupmenu2_Callback(hObject, eventdata, handles) indeks=get(handles.popupmenu2, 'Value' ); switch indeks case

          1 nadano=1; case

          2 nadano=2; case

          3 nadano=3; case

          4 nadano=4; case

          5 nadano=5; case

          6 nadano=6; case

          7 nadano=7; case

          8 nadano=8; case

          9 nadano=9; case

          10 nadano=10; case

          11 nadano=11; L23

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          case

          12 nadano=12; end handles.nadano=nadano; guidata(hObject,handles); % hObject handle to popupmenu2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

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

        array

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

        % --- Executes during object creation, after setting all properties. function popupmenu2_CreateFcn(hObject, eventdata, handles) % hObject handle to popupmenu2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: popupmenu 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 popupmenu3. function popupmenu3_Callback(hObject, eventdata, handles) indeks=get(handles.popupmenu3, 'Value' ); switch indeks case

          1 fftpoint=32; case

          2 fftpoint=64; case

          3 fftpoint=128; case

          4 fftpoint=256; end handles.fftpoint=fftpoint; guidata(hObject,handles); % hObject handle to popupmenu3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

        % Hints: contents = get(hObject,'String') returns popupmenu3 contents as cell

        array

        % contents{get(hObject,'Value')} returns selected item from popupmenu3

        % --- Executes during object creation, after setting all properties. function popupmenu3_CreateFcn(hObject, eventdata, handles) % hObject handle to popupmenu3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

          

        L24

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

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

          % --- Executes on selection change in popupmenu4. function popupmenu4_Callback(hObject, eventdata, handles) indeks=get(handles.popupmenu4, 'Value' ); switch indeks case

          1 alphawin=0; case

          2 alphawin=50; case

          3 alphawin=100; case

          4 alphawin=500; end handles.alpha=alphawin; guidata(hObject,handles); % hObject handle to popupmenu4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

        % Hints: contents = get(hObject,'String') returns popupmenu4 contents as cell

        array

        % contents{get(hObject,'Value')} returns selected item from popupmenu4

        % --- Executes during object creation, after setting all properties. function popupmenu4_CreateFcn(hObject, eventdata, handles) % hObject handle to popupmenu4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: popupmenu 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 function korelasi_C_Callback(hObject, eventdata, handles) % hObject handle to korelasi_C (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_C as text

        % str2double(get(hObject,'String')) returns contents of korelasi_C as

        a double % --- Executes during object creation, after setting all properties. function korelasi_C_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_C (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

          

        L25

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          % 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 function korelasi_Ckres_Callback(hObject, eventdata, handles) % hObject handle to korelasi_Ckres (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_Ckres as text

        % str2double(get(hObject,'String')) returns contents of korelasi_Ckres

        as a double % --- Executes during object creation, after setting all properties. function korelasi_Ckres_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_Ckres (see GCBO) % 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 function korelasi_D_Callback(hObject, eventdata, handles) % hObject handle to korelasi_D (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_D as text

        % str2double(get(hObject,'String')) returns contents of korelasi_D as

        a double % --- Executes during object creation, after setting all properties. function korelasi_D_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_D (see GCBO) % 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.

          

        L26

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          if ispc && isequal(get(hObject, 'BackgroundColor' ), get(0, 'defaultUicontrolBackgroundColor' )) set(hObject, 'BackgroundColor' , 'white' ); end function korelasi_Dkres_Callback(hObject, eventdata, handles) % hObject handle to korelasi_Dkres (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_Dkres as text

        % str2double(get(hObject,'String')) returns contents of korelasi_Dkres

        as a double % --- Executes during object creation, after setting all properties. function korelasi_Dkres_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_Dkres (see GCBO) % 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 function korelasi_E_Callback(hObject, eventdata, handles) % hObject handle to korelasi_E (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_E as text

        % str2double(get(hObject,'String')) returns contents of korelasi_E as

        a double % --- Executes during object creation, after setting all properties. function korelasi_E_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_E (see GCBO) % 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

          

        L27

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          function korelasi_F_Callback(hObject, eventdata, handles) % hObject handle to korelasi_F (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_F as text

        % str2double(get(hObject,'String')) returns contents of korelasi_F as

        a double % --- Executes during object creation, after setting all properties. function korelasi_F_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_F (see GCBO) % 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 function korelasi_Fkres_Callback(hObject, eventdata, handles) % hObject handle to korelasi_Fkres (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_Fkres as text

        % str2double(get(hObject,'String')) returns contents of korelasi_Fkres

        as a double % --- Executes during object creation, after setting all properties. function korelasi_Fkres_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_Fkres (see GCBO) % 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

          

        L28

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          function korelasi_G_Callback(hObject, eventdata, handles) % hObject handle to korelasi_G (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_G as text

        % str2double(get(hObject,'String')) returns contents of korelasi_G as

        a double % --- Executes during object creation, after setting all properties. function korelasi_G_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_G (see GCBO) % 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 function korelasi_Gkres_Callback(hObject, eventdata, handles) % hObject handle to edit25 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit25 as text % str2double(get(hObject,'String')) returns contents of edit25 as a double % --- Executes during object creation, after setting all properties. function korelasi_Gkres_CreateFcn(hObject, eventdata, handles) % hObject handle to edit25 (see GCBO) % 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 function korelasi_A_Callback(hObject, eventdata, handles) % hObject handle to korelasi_A (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

          

        L29

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

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

        % str2double(get(hObject,'String')) returns contents of korelasi_A as

        a double % --- Executes during object creation, after setting all properties. function korelasi_A_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_A (see GCBO) % 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 function korelasi_Akres_Callback(hObject, eventdata, handles) % hObject handle to korelasi_Akres (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_Akres as text

        % str2double(get(hObject,'String')) returns contents of korelasi_Akres

        as a double % --- Executes during object creation, after setting all properties. function korelasi_Akres_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_Akres (see GCBO) % 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 function korelasi_B_Callback(hObject, eventdata, handles) % hObject handle to korelasi_B (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of korelasi_B as text

        % str2double(get(hObject,'String')) returns contents of korelasi_B as

        a double

          

        L30

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          % --- Executes during object creation, after setting all properties. function korelasi_B_CreateFcn(hObject, eventdata, handles) % hObject handle to korelasi_B (see GCBO) % 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 function Hasil_Callback(hObject, eventdata, handles) % hObject handle to Hasil_Nada (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of Hasil_Nada as text

        % str2double(get(hObject,'String')) returns contents of Hasil_Nada as

        a double % --- Executes during object creation, after setting all properties. function Hasil_Nada_CreateFcn(hObject, eventdata, handles) % hObject handle to Hasil_Nada (see GCBO) % 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 button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles)

        selection = questdlg([ 'Keluar ' , get(handles.figure1, 'Name' ) ' ?' ],[ 'Keluar

        ' , get(handles.figure1, 'Name' ) '...' ], 'Ya' , 'Tidak' , 'Ya' ); if strcmp(selection, 'Tidak' ) return ; end delete(handles.figure1) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

          

        L31

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          % --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % --- Executes on button press in pushbutton3. function pushbutton3_Callback(hObject, eventdata, handles)

        alpha=handles.alpha; % metode Push Button untuk memanggil nada yang dikenali

        extract=handles.fftpoint; nadano=handles.nadano; %untuk 1 detik======================================= if (nadano==1) [y,fs]=wavread( 'sample2s4800HzC1.wav' ); elseif (nadano==2)

          [y,fs]=wavread( 'sample2s4800HzCkres1.wav' ); elseif (nadano==3)

          [y,fs]=wavread( 'sample2s4800HzD1.wav' ); elseif (nadano==4)

          [y,fs]=wavread( 'sample2s4800HzDkres1.wav' ); elseif (nadano==5)

          [y,fs]=wavread( 'sample2s4800HzE1.wav' ); elseif (nadano==6)

          [y,fs]=wavread( 'sample2s4800HzF1.wav' ); elseif (nadano==7)

          [y,fs]=wavread( 'sample2s4800HzFkres1.wav' ); elseif (nadano==8)

          [y,fs]=wavread( 'sample2s4800HzG1.wav' ); elseif (nadano==9)

          [y,fs]=wavread( 'sample2s4800HzGkres1.wav' ); elseif (nadano==10)

          [y,fs]=wavread( 'sample2s4800HzA1.wav' ); elseif (nadano==11)

          [y,fs]=wavread( 'sample2s4800HzAkres1.wav' ); elseif (nadano==12)

          [y,fs]=wavread( 'sample2s4800HzB1.wav' ); end axes(handles.axes2); %timed = 2000*(0:(4800))/4800; plot(y(1:2000));grid; %plot(y);grid; xlabel( 'time (ms)' ); ylabel( 'amplitude' ); prosespros axes(handles.area1); plot(f,Pyynormalisasi(1:(1/2*extract+1)));grid; xlabel( 'frekuensi(Hz)' ); ylabel( 'amplitude' ); % Proses Plotting FFT databes if (extract==32)&(alpha==0)

        fungsikorelasifft32alpa0 % Proses Penghitungan Korelasi (Variasi alpha & FFT)

        elseif (extract==32)&(alpha==50) fungsikorelasifft32alpa50 elseif (extract==32)&(alpha==100) fungsikorelasifft32alpa100

          L32

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          elseif (extract==32)&(alpha==500) fungsikorelasifft32alpa500 elseif (extract==64)&(alpha==0) fungsikorelasifft64alpa0 elseif (extract==64)&(alpha==50) fungsikorelasifft64alpa50 elseif (extract==64)&(alpha==100) fungsikorelasifft64alpa100 elseif (extract==64)&(alpha==500) fungsikorelasifft64alpa500 elseif (extract==128)&(alpha==0) fungsikorelasifft128alpa0 elseif (extract==128)&(alpha==50) fungsikorelasifft128alpa50 elseif (extract==128)&(alpha==100) fungsikorelasifft128alpa100 elseif (extract==128)&(alpha==500) fungsikorelasifft128alpa500 elseif (extract==256)&(alpha==0) fungsikorelasifft256alpa0 elseif (extract==256)&(alpha==50) fungsikorelasifft256alpa50 elseif (extract==256)&(alpha==100) fungsikorelasifft256alpa100 elseif (extract==256)&(alpha==500) fungsikorelasifft256alpa500 end korelasi=abs(korelasi); % Proses Penentuan Nada korelasimax=max(korelasi); if (korelasimax==korelasi(1)); hasil= 'C' ; elseif (korelasimax==korelasi(2)); hasil= 'Ckres' ; elseif (korelasimax==korelasi(3)); hasil= 'D' ; elseif (korelasimax==korelasi(4)); hasil= 'Dkres' ; elseif (korelasimax==korelasi(5)); hasil= 'E' ; elseif (korelasimax==korelasi(6)); hasil= 'F' ; elseif (korelasimax==korelasi(7)); hasil= 'Fkres' ; elseif (korelasimax==korelasi(8)); hasil= 'G' ; elseif (korelasimax==korelasi(9)); hasil= 'Gkres' ; elseif (korelasimax==korelasi(10)); hasil= 'A' ; elseif (korelasimax==korelasi(11)); hasil= 'Akres' ; elseif (korelasimax==korelasi(12)); hasil= 'B' ; end set(handles.Hasil_Nada, 'String' ,hasil); set(handles.korelasi_C, 'String' ,korelasi(1)); set(handles.korelasi_Ckres, 'String' ,korelasi(2));

          L33

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          set(handles.korelasi_D, 'String' ,korelasi(3)); set(handles.korelasi_Dkres, 'String' ,korelasi(4)); set(handles.korelasi_E, 'String' ,korelasi(5)); set(handles.korelasi_F, 'String' ,korelasi(6)); set(handles.korelasi_Fkres, 'String' ,korelasi(7)); set(handles.korelasi_G, 'String' ,korelasi(8)); set(handles.korelasi_Gkres, 'String' ,korelasi(9)); set(handles.korelasi_A, 'String' ,korelasi(10)); set(handles.korelasi_Akres, 'String' ,korelasi(11)); set(handles.korelasi_B, 'String' ,korelasi(12)); % hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) function edit13_Callback(hObject, eventdata, handles) % hObject handle to edit11 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit11 as text % str2double(get(hObject,'String')) returns contents of edit11 as a double % --- Executes during object creation, after setting all properties. function edit13_CreateFcn(hObject, eventdata, handles) % hObject handle to edit11 (see GCBO) % 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 function Hasil_Nada_Callback(hObject, eventdata, handles) % hObject handle to Hasil_Nada (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of Hasil_Nada as text

        % str2double(get(hObject,'String')) returns contents of Hasil_Nada as

        a double function edit30_Callback(hObject, eventdata, handles) % hObject handle to edit30 (see GCBO)

          

        L34

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit30 as text

        % str2double(get(hObject,'String')) returns contents of edit30 as a

        double % --- Executes during object creation, after setting all properties. function edit30_CreateFcn(hObject, eventdata, handles) % hObject handle to edit30 (see GCBO) % 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

          L35

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          LAMPIRAN PROGRAM (Prosespros) %untuk 1 detik======================================= %Normalisasi========================================= d=512; %1 detik untuk proses frame blocking=========== for p=1:d; datsound(p)=y((fs)+p); end %Variasi kaiser windowing============================ if alpha<=0 beta=0; elseif 1<=alpha<50 beta=0.5842*((alpha-21)^0.4)+0.07886*(alpha-21); elseif alpha>=50 beta=0.1102*(alpha-8.7); end w=kaiser(d,beta); %Proses kaiser windowing============ for p=1:d; prefastsound(p)=datsound(p)*w(p); end %plot(prefastsound),grid; %fft================================================= Y = fft(prefastsound,extract); Pyy = Y.* conj(Y)/extract; f = fs*(0:(1/2*extract))/extract; Pyy(1)=0; Pyymax=max(abs(Pyy)); %Proses Normalisasi============= Pyynormalisasi=Pyy/Pyymax; %plot(f,Pyynormalisasi(1:(1/2*extract+1))); x=Pyynormalisasi; %grid

          L36

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          LAMPIRAN PROGRAM (Allpros) clc korelasiC=0; korelasiCkres=0; korelasiD=0; korelasiDkres=0; korelasiE=0; korelasiF=0; korelasiFkres=0; korelasiG=0; korelasiGkres=0; korelasiA=0; korelasiAkres=0; korelasiB=0; extract=input( 'fft=' ); alpha=input( 'alpha=' ); for (sampleke=1:10); if (sampleke==1)

          [y,fs]=wavread( 'sample2s4800HzC1.wav' ); %input data elseif (sampleke==2)

          [y,fs]=wavread( 'sample2s4800HzC2.wav' ); %input data elseif (sampleke==3)

          [y,fs]=wavread( 'sample2s4800HzC3.wav' ); %input data elseif (sampleke==4)

          [y,fs]=wavread( 'sample2s4800HzC4.wav' ); %input data elseif (sampleke==5)

          [y,fs]=wavread( 'sample2s4800HzC5.wav' ); %input data elseif (sampleke==6)

          [y,fs]=wavread( 'sample2s4800HzC6.wav' ); %input data elseif (sampleke==7)

          [y,fs]=wavread( 'sample2s4800HzC7.wav' ); %input data elseif (sampleke==8)

          [y,fs]=wavread( 'sample2s4800HzC8.wav' ); %input data elseif (sampleke==9)

          [y,fs]=wavread( 'sample2s4800HzC9.wav' ); %input data elseif (sampleke==10)

          [y,fs]=wavread( 'sample2s4800HzC10.wav' ); %input data end prosespros %recall program databes %database nada if (extract==32)&(alpha==0) fungsikorelasifft32alpa0 elseif (extract==32)&(alpha==50)

          L37

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          fungsikorelasifft32alpa50 elseif (extract==32)&(alpha==100) fungsikorelasifft32alpa100 elseif (extract==32)&(alpha==500) fungsikorelasifft32alpa500 elseif (extract==64)&(alpha==0) fungsikorelasifft64alpa0 elseif (extract==64)&(alpha==50) fungsikorelasifft64alpa50 elseif (extract==64)&(alpha==100) fungsikorelasifft64alpa100 elseif (extract==64)&(alpha==500) fungsikorelasifft64alpa500 elseif (extract==128)&(alpha==0) fungsikorelasifft128alpa0 elseif (extract==128)&(alpha==50) fungsikorelasifft128alpa50 elseif (extract==128)&(alpha==100) fungsikorelasifft128alpa100 elseif (extract==128)&(alpha==500) fungsikorelasifft128alpa500 elseif (extract==256)&(alpha==0) fungsikorelasifft256alpa0 elseif (extract==256)&(alpha==50) fungsikorelasifft256alpa50 elseif (extract==256)&(alpha==100) fungsikorelasifft256alpa100 elseif (extract==256)&(alpha==500) fungsikorelasifft256alpa500 end korelasi=abs(korelasi); korelasimax=max(korelasi); if (korelasimax==korelasi(1)); korelasiC=korelasiC+1; elseif (korelasimax==korelasi(2)); korelasiCkres=korelasiCkres+1; elseif (korelasimax==korelasi(3)); korelasiD=korelasiD+1; elseif (korelasimax==korelasi(4)); korelasiDkres=korelasiDkres+1; elseif (korelasimax==korelasi(5)); korelasiE=korelasiE+1; elseif (korelasimax==korelasi(6)); korelasiF=korelasiF+1; elseif (korelasimax==korelasi(7)); korelasiFkres=korelasiFkres+1; elseif (korelasimax==korelasi(8)); korelasiG=korelasiG+1; elseif (korelasimax==korelasi(9));

          L38

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          korelasiGkres=korelasiGkres+1; elseif (korelasimax==korelasi(10)); korelasiA=korelasiA+1; elseif (korelasimax==korelasi(11)); korelasiAkres=korelasiAkres+1; elseif (korelasimax==korelasi(12)); korelasiB=korelasiB+1; end end korelasiC %perolehan persen (%) recognition rate nada C korelasiCkres %perolehan persen (%) recognition rate nada C# korelasiD %perolehan persen (%) recognition rate nada D korelasiDkres %perolehan persen (%) recognition rate nada D# korelasiE %perolehan persen (%) recognition rate nada E korelasiF %perolehan persen (%) recognition rate nada F korelasiFkres %perolehan persen (%) recognition rate nada F# korelasiG %perolehan persen (%) recognition rate nada G korelasiGkres %perolehan persen (%) recognition rate nada G# korelasiA %perolehan persen (%) recognition rate nada A korelasiAkres %perolehan persen (%) recognition rate nada A# korelasiB %perolehan persen (%) recognition rate nada B

          L39

        PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          23.33 128 100 100 100 100 100 100 100 100 100 100 100 100 100 50 128 100 100 100 100 100 100 100 100 100 100 100 100 100 100 128 100 100 100 30 100 60 100 100 100 100 100

          20

          64.16 500

          64

          20

          30

          10

        10 100

          10

          40

          60

          90

          80

          90 500 128

          90

          30

          40

          50 10 100 100

          80

          41.66 256 100 100 100 100 100 100 100 100 100 100 100 100 100 50 256 100 100 100 100 100 100 100 100 100 100 100 100 100 100 256 100 100 100 100 100 100 100 100 100 100 100 100 100 500 256 100 100

          90 10 100 100 100 90 100 100

          90

           81.66 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

          84.16 100 64 100 100 40 100

        80 100

        30 100 100

          

        L40

        Tabel L.2. Tabel Tingkat Pengenalan (Recognition Rate) Nada

          Alpha recognition rate (%) FFT C C# D D# E F F# G G# A A# B recognition rate 32 100 100

          10

          40

          50 60 100 100 70 100 100

          68.33

          50 32 100 100

          10

          60 30 100 100 100

          70

          40

          59.16 100

          32 20 100 10 100 100 70 100

          42.5 500

          89.16

          32

          30

          30

          40

          60

          20

          10

          10

          16.66 64 100 100 100 50 100 100 100 100 90 100 100

          30

          50 64 100 100 50 100 100 100 100 80 100 100

Dokumen baru

Tags

Dokumen yang terkait

Pengenalan nada pianika menggunakan segment Averaging Koefisien DFT.
0
1
127
Pengenalan nada pianika menggunakan jendela blackman dan ekstraksi ciri transformasi fourier cepat.
0
1
13
Pengenalan nada pianika menggunakan jendela Gaussian, DC,T dan jarak kosinus.
0
0
11
Pengenalan nada pianika menggunakan jendela segitiga, DCT, dan fungsi jarak euclidean.
0
10
12
PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER - Diponegoro University | Institutional Repository (UNDIP-IR)
1
2
8
PERANCANGAN MEDIA PEMBELAJARAN ALAT MUSIK PIANIKA MENGGUNAKAN GREENFOOT
0
0
8
ANALISIS KORELASI NILAI N-SPT DENGAN NILAI TAHANAN KONUS SONDIR MENGGUNAKAN METODE STATISTIKA TUGAS AKHIR - Analisis korelasi nilai n-spt dengan nilai tahanan konus sondir menggunakan metode statistika - Repository Universitas Bangka Belitung
0
1
19
APLIKASI VIRTUAL ALAT MUSIK GRUP BAND MENGGUNAKAN FLASH PROGRAMMING TUGAS AKHIR - APLIKASI VIRTUAL ALAT MUSIK GRUP BAND MENGGUNAKAN FLASH PROGRAMMING
0
0
18
PENGENALAN NADA PADA INSTRUMEN MUSIK AKUSTIK - Binus e-Thesis
0
0
11
PENALA RADIO MENGGUNAKAN KOMPUTER TUGAS AKHIR - Penala radio menggunakan komputer - USD Repository
0
0
107
KENDALI JARAK JAUH MENGGUNAKAN WLAN TUGAS AKHIR - Kendali jarak jauh menggunakan WLAN - USD Repository
0
0
143
APLIKASI CHATTING ANTAR KOMPUTER MENGGUNAKAN BLUETOOTH TUGAS AKHIR - Aplikasi chatting menggunakan bluetooth - USD Repository
0
0
132
i TUGAS AKHIR - Pemantau denyut jantung dengan metode cahaya - USD Repository
0
0
192
TUGAS AKHIR - Aplikasi SMS menggunakan J2ME untuk pengendalian motor DC - USD Repository
0
0
140
TUGAS AKHIR - Pengenalan nada suling recorder menggunakan fungsi jarak Chebyshev - USD Repository
0
0
143
Show more