TUGAS AKHIR PENGENALAN NADA SULING BAMBU SECARA REALTIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN SIMILARITAS SORENSEN

Gratis

0
0
77
7 months ago
Preview
Full text
(1)PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI TUGAS AKHIR PENGENALAN NADA SULING BAMBU SECARA REALTIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN SIMILARITAS SORENSEN Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro Oleh: YUSTINUS DEDDY DEWANTARA NIM: 095114009 JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2014 i

(2) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI FINAL PROJECT REALTIME BAMBOO FLUTE RECOGNITION USING DCT FEATURE EXTRACTION AND SORENSEN SIMILARITY Presented as Partial Fullfillment of The Requirements To Obtain Sarjana Teknik Degree In Electrical Engineering Study Program YUSTINUS DEDDY DEWANTARA NIM: 095114009 DEPARTMENT OF ELECTRICAL ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2014 ii

(3) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

(4) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

(5) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI PERNYATAAN KEASLIAN KARYA Saya menyatakan dengan sesungguhnya bahwa tugas akhir ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka sebagaimana layaknya karya ilmiah. Yogyakarta, 14 April 2014 YUSTINUS DEDDY DEWANTARA v

(6) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI HALAMAN PERSEMBAHAN DAN MOTTO HIDUP MOTTO: Bekerja Keras Dan Fokus Dalam Menjalani Hidup Sampai Tuhan Berkata “Waktunya Pulang” Dengan ini kupersembahkan karyaku ini untuk..... Yesus Kristus Pembimbingku yang setia, Keluargaku tercinta, Teman-teman seperjuanganku, Dan semua orang yang mengasihiku Terima Kasih untuk semuanya...... vi

(7) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Yustinus Deddy Dewantara Nomor Mahasiswa : 095114009 Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul : PENGENALAN NADA ALAT MUSIK SULING BAMBU MENGGUNAKAN EKSTRAKSI CIRI DCT DAN SIMILARITAS SORENSEN beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpannya, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai penulis. Demikian pernyataan ini saya buat dengan sebenarnya. Yogyakarta, 14 April 2014 YUSTINUS DEDDY DEWANTARA vii

(8) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI 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. Alat musik yang digunakan pun juga bervariasi, salah satunya alat musik tiup. Suling adalah salah satu alat musik yang banyak digunakan untuk pemula atau orang yang akan belajar tentang musik, karena penggunaannya yang mudah dan harga yang relatif terjangkau. Sistem pengenalan sangat diperlukan untuk membantu dalam mengenali nada alat musik, khususnya untuk nada dasar (do, re, mi, fa, sol, la ,si, do’) pada alat musik suling bambu. Sistem pengenalan nada alat musik suling bambu pada tugas akhir ini menggunakan mikrofon dan komputer untuk mengoprasikannya. Mikrofon berfungsi untuk merekam gelombang suara nada alat musik suling bambu. Komputer berfungsi untuk memproses data hasil rekaman, menampilkan gelombang hasil rekaman, menampilkan spektrum frekuensi hasil subproses perhitungna DCT, mengenali nada yang terekam dan menampilkan hasil nada yang dikenali. Sistem pengenalan nada alat musik suling bambu ini dengan menggunakan Similaritas Sorensen sudah berhasil dibuat dan dapat bekerja. Penampil hasil rekaman, spektrum frekuensi hasil DCT dan mampu menampilkan data-data sesuai perancangan. Program pengenalan nada alat musik suling bambu hanya dapat mengenali nada-nada dasar, sehingga dalam pengembangan berikutnya masih bisa dikembangkan untuk pengenalan nada yang lebih kompleks. Kata kunci : Suling bambu, DCT (Descrete Cosine Transform), Similaritas Sorensen, Pengenalan Nada viii

(9) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI 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. Musical instruments used vary, one wind instrument. Flute is one of the many instruments used for beginners or people who will learn about the music, because of its use easy and relatively affordable prices. Recognition system is needed to assist in recognizing musical tones, especially basic tones (do, re, mi, fa, sol, la, si, do’) of the musical instrument the bamboo flute. Tone recognition system of flute recorder at the end of this task using a microphone and a computer to operate. Functioning microphone to record sound waves bamboo flute tones of musical instruments. Computer functions to process data recording, featuring a wave of record results, showing the frequency spectrum of the DCT calculation subprocesses, recognize the tone, and displays the results of a recognizable tone. Musical tone recognition system of flute recorder using Sorensen Similarity has been created and can work. Viewer recorded, the frequency spectrum of the DCT and capable of displaying the data in accordance with the design. Musical tone recognition programs of flute recorder only recognize the basic tones, so it still can be developed for the introduction of other tones. keyword: Bamboo Flute, Discrete Cosine Transform (DCT), Sorensen Similarity, Recognition Tone. ix

(10) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI KATA PENGANTAR Puji Tuhan penulis panjatkan kepada Tuhan Yesus Kristus, karena atas berkat dan anugrah-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 cara masing-masing sehingga tugas akhir ini dapat terselesaikan. Oleh karena itu penulis ingin mengucapkan terima kasih antara lain kepada : 1. Tuhan Yesus kristus atas berkat dan anugrah-Nya kepada penulis. 2. Drs. Johanes Eka Priyatma, M.Sc., Ph.D Rektor Universitas Sanata Dharma. 3. Paulina Heruningsih Prima Rosa , M.Sc., selaku Dekan Fakultas Sains dan Teknologi. 4. Petrus Setyo Prabowo, 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 hingga tugas akhir ini selesai. 6. Wiwien Widyastuti, S.T., M.T dan Martanto, 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. 9. Kedua orang tuaku dan kedua saudaraku yang tercinta atas semangat, doa serta dukungan secara moril maupun materiil. 10. Teman-teman seperjuanganku angkatan 2009 Teknik Elektro, teman-teman Kenthang Ireng yang memberikan dukungan kepada penulis dan mau berbagi di saat penulis membutuhkan kalian. 11. Dan seluruh pihak yang telah ambil bagian dalam proses penulisan tugas akhir ini yang terlalu banyak jika disebutkan satu-persatu. x

(11) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Dengan rendah hati penulis menyadari bahwa tugas akhir ini masih jauh dari sempurna, oleh karena itu berbagai kritik dan saran sangat diharapkan penulis untuk perbaikan tugas akhir ini. Akhir kata, semoga tugas akhir ini dapat bermanfaat bagi semua pihak. Terima Kasih. Yogyakarta, 14 Aprir 2014 Penulis Yustinus Deddy Dewantara xi

(12) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR ISI HALAMAN JUDUL............................................................................................ i HALAMAN PERSETUJUAN .......................................................................... iii HALAMAN PENGESAHAN ........................................................................... iv PERNYATAAN KEASLIAN KARYA .......................................................... v HALAMAN PERSEMBAHAN DAN MOTTO HIDUP ........................... vi LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS .................................... vii INTISARI ............................................................................................................... viii ABSTRACT ........................................................................................................... ix KATA PENGANTAR ......................................................................................... x DAFTAR ISI.......................................................................................................... xii DAFTAR GAMBAR ........................................................................................... xiv DAFTAR TABEL ................................................................................................ xvi DAFTAR LAMPIRAN ....................................................................................... xvii BAB I PENDAHULUAN 1.1. Latar Belakang ............................................................................................. 1 1.2. Tujuan dan Manfaat ...................................................................................... 2 1.3. Batasan Masalah ........................................................................................... 2 1.4. Metodologi Penelitian................................................................................... 3 BAB II DASAR TEORI 2.1. Alat Musik Suling Bambu ............................................................................ 4 2.2. Sampling ...................................................................................................... 5 2.3. Frame Blocking ............................................................................................ 5 2.4. Windowing ................................................................................................... 6 2.5. Hamming Window ........................................................................................ 6 2.6. Discrete Cosine Transform (DCT) ................................................................ 7 2.7. Similaritas Sorensen ..................................................................................... 7 xii

(13) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.8.. Sound Card .................................................................................................. 8 2.9. Microphone .................................................................................................. 9 2.10. Matlab .......................................................................................................... 9 BAB III PERANCANGAN 3.1. Sistem Pengenalan Nada Alat Musik Suling Bambu ..................................... 11 3.1.1. Masukan (input) suara wav .............................................................. 11 3.1.2. Frame Blocking ............................................................................... 11 3.1.3. Normalisasi ...................................................................................... 12 3.1.4. Windowing ....................................................................................... 12 3.1.5. Discrete Cosine Transform .............................................................. 12 3.1.6. Similaritas Sorensen ......................................................................... 12 3.1.7. Penentuan Nada ............................................................................... 12 3.1.8. Tampilan Pengenalan ....................................................................... 13 3.2. Nada Referensi ............................................................................................. 14 3.3. Nada Uji ....................................................................................................... 14 3.4. Perancangan Pembuatan Software ................................................................ 14 3.5. Perancangan Diagram Alir ............................................................................ 15 BAB IV HASIL DAN PEMBAHASAN 4.1. 4.2. Pengujian Program Pengenalan Nada Alat Musik Suling Bambu dengan Similaritas Sorensen ..................................................................................... 23 4.1.1. Pengenalan Nada............................................................................... 25 Hasil Pengujian Program Pengenalan Terhadap Tingkat Pengenalan Nada Alat Musik Suling Bambu .................................................................................... 30 4.2.1. Pengujian Parameter Pengaturan Pengenalan Nada ........................... 30 4.2.2. Pengujian Untuk Menentukan Batasan Nilai Jarak yang Optimal ...... 37 4.2.3. Pengujian Dengan Nada Masukan Gamelan Saron ............................ 38 BAB IV KESIMPULAN DAN SARAN 5.1. Kesimpulan .................................................................................................. 40 5.2. Saran ............................................................................................................ 40 DAFTAR PUSTAKA .......................................................................................... 41 LAMPIRAN........................................................................................................... 43 xiii

(14) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR GAMBAR 2.1. Suling Bambu ............................................................................................... 4 2.3. Contoh Sound card ....................................................................................... 8 2.4. Contoh Microphone Pada Laptop.................................................................. 8 3.1. Blok Diagram Keseluruhan Sistem ............................................................... 11 3.2. Tampilan Pengenalan Nada........................................................................... 13 3.3. Diagram Blok Proses Ekstraksi Ciri Nada Referensi ..................................... 14 3.4. Diagram Alir Keseluruhan ........................................................................... 15 3.5. Diagram Alir Sampling ................................................................................ 16 3.6. Diagram Alir Frame Blocking....................................................................... 16 3.7. Diagram Alir Normalisai ............................................................................. 17 3.8. Diagram Alir Windowing .............................................................................. 18 3.9. Diagram Alir Ekstraksi Ciri DCT.................................................................. 18 3.10. Diagram Alir Similaritas Sorensen ............................................................... 19 3.11. Diagram Alir Penentuan Nada Hasil Pengenalan........................................... 20 3.12. Diagram Alir Proses Pengambilan Nada Referensi (database) ...................... 21 4.1. Icon Matlab .................................................................................................. 23 4.2. Tampilan Awal Matlab ................................................................................. 24 4.3. Tampilan Pengaturan Pengenalan Nada ........................................................ 24 4.4. Tampilan Utama Program Pengenalan Nada Alat Musik Suling Bambu ........ 25 4.5. Tampilan GUI Matlab Setelah Program Eksekusi ........................................ 29 4.6. Pengaruh Nilai Ekstraksi Ciri DCT Terhadap Tingkat Pengenalan Secara Tidak Realtime ............................................................................................. 31 4.7. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (16) ....................... 32 4.8. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (32) ....................... 32 4.9. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (64) ....................... 33 4.10. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (128)...................... 33 4.11. Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (256)...................... 34 xiv

(15) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 4.12. Grafik Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan Nada Secara Realtime ............................................................................................ 37 4.13. Gamelan Saron Sebagai Alat Musik Pengujian Tidak Dikenali ..................... 39 xv

(16) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR TABEL 3.1. Keterangan Tampilan Program ..................................................................... 13 4.1. Hasil Pengenalan Nada Yang Dikenali ......................................................... 28 4.2. Persentase Tingkat PengenalanSecara Tidak Realtime .................................. 32 4.3. Hasil Nilai Similaritas .................................................................................. 34 4.4. Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan ............................... 36 4.5. Jarak Minimal Tiap Nada ............................................................................. 38 4.6. Hasil Pengujian Dengan Gamelan Saron ....................................................... 39 xvi

(17) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR LAMPIRAN L.1. Percobaan Mencari Spektrum Frekuensi dari Nada Alat Musik Suling Bambu dengan MATLAB V.7 ....................................................................................... L 1 L.2. Percobaan Mencari Durasi PerekamanUntuk Sistem Pengenalan Nada Alat Musik Suling Bambu dengan MALTAB V.7 ..................................................... L 8 L.3. Listing Program Utama ..................................................................................... L 11 L.4. Listing Program Database ................................................................................. L 15 L.5. Listing Program Frame Blocking ....................................................................... L 16 L.6. Listing Program Normalisai .............................................................................. L 16 L.7. Listing Program Windowing .............................................................................. L 16 L.8. Listing Program Ekstraksi Ciri DCT .................................................................. L 16 L.9. Tabel Hasil Percobaan ....................................................................................... L 17 xvii

(18) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI 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. Salah satunya Suling Bambu. Suling bambu merupakan alat musik tiup yang sudah dikenal banyak orang karena harganya yang relatif murah dibandingkan alat musik lain. Suling terbuat dari bambu, kayu, tulang atau bahkan logam. Suling mampu menghasilkan bunyi kasar, melengking atau seperti suara siulan. Suara diproduksi ketika dalam posisi melintang, di situ terdapat lubang tiupan kira-kira sebesar ujung jari. Udara yang masuk ke dalam tabung, mengalir dan membentur sepanjang dinding tabung yang berfungsi sebagai resonator. Keras lembutnya hembusan akan menghasilkan frekuensi nada yang berbeda-beda, tinggi atau rendah [1] Pada penelitian ini penulis merancang dan membuat program komputer yang dapat mengenali nada alat musik suling bambu secara real time dan dengan menggunakan ekstraksi ciri DCT dan metode Similaritas Sorensen. Penelitian yang sudah dilakukan sebelumnya menggunakan Fungsi Jarak Eucledian, Fungsi Jarak Chebyshev, Fungsi Jarak Minkowski. Sebelum melakukan penelitian ini, penulis pernah mendapati penelitian - penelitan yang serupa tentang pengenalan nada alat musik yang ada sampai saat ini seperti halnya “Pengenalan Nada suling recorder menggunakan fungsi jarak chebyshev” dengan nama peneliti Hendra [2] dan “Pengenalan Nada Alat Musik Pianika Menggunakan Metode Korelasi” dengan nama peneliti Edwin [3]. Prinsip kerja dari sistem ini, input berupa suara yakni nada alat musik suling bambu. Suara ini akan direkam dengan microphone yang kemudian diteruskan pada sistem pengenalan ini. Suara akan disampling dan dicocokan dengan nada dasar yang ada pada database dengan menggunakan metode Similaritas Sorensen dan ekstraksi ciri DCT. Database ini berisi 80 1

(19) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2 nada yang terdiri dari 8 nada yang masing - masing direkam sebanyak 10 kali. Hasil dari sistem pengenalan nada ini ditampilkan pada layar yang berupa teks. 1.2 Tujuan dan Manfaat Tujuan dari penulisan tugas akhir ini adalah menghasilkan sistem pengenalan nada suling bambu supaya mengetahui nada do, re, mi, fa, sol, la, si, do’. Manfaat dari penelitian ini diharapkan dapat memudahkan seseorang untuk lebih mengenali nada-nada pada alat musik suling bambu. 1.3 Batasan Masalah Sistem otomatisasi pengenalan nada suara pada alat musik suling bambu terdiri dari hardware dan software (komputer). Hardware berfungsi untuk memasukkan nada suara yang dimainkan pada alat musik suling bambu, sedangkan software pada komputer berfungsi untuk mengatur semua proses pengenalan nada suara yang dimainkan pada alat musik suling bambu. 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. Alat musik yang digunakan adalah suling bambu. b. Nada suling bambu yang digunakan do, re, mi, fa, sol, la, si, dotinggi. c. Secara real time. d. Menggunakan perangkat lunak komputasi (Matlab versi 7.0.4) dalam pembuatan program. e. Menggunakan DCT untuk ekstraksi ciri dan Similaritas Sorensen sebagai metode untuk pengenalannya. f. Menggunakan Hamming window. g. Jarak antara suling bambu dengan komputer ± 30 cm.

(20) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 1.4 3 Metodelogi Penelitian Langkah-langkah yang dilakukan dalam pengerjaan tugas akhir : a. Pengumpulan referensi berupa buku - buku atau 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 dan kebutuhan yang ditentukan. c. Pembuatan subsistem software. Sistem ini akan bekerja apabila User memberikan interupsi melalui PC dengan media push button yang ada pada software. Kemudian sistem akan mengolah interupsi yang diberikan oleh User dan setelah selesai maka komputer akan mengolah data yang berupa nada suling bambu ke dalam proses sampling, frame blocking, normalisasi, windowing, ektraksi ciri DCT, Simililaritas Sorensen dan akan menyajikannya berupa sebuah informasi/teks. d. Analisa dan Kesimpulan hasil percobaan. Analisa data dilakukan dengan menyelidiki pengaruh variasi jumlah koefisien DCT terhadap tingakt pengenalan nada alat musik suling bambu. Penyimpulan hasil percobaan dilakukan dengan mencari jumlah koefisien DCT untuk menghasilkan tingkat pengenalan nada yang tertinggi.

(21) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB II DASAR TEORI 2.1 Alat Musik Suling Bambu Suling bambu termasuk jenis alat musik tiup yang nadanya dihasilkan dengan membuka tutup lubang-lubangnya. Ada 7 lubang yang terdapat pada suling bambu, 1 lubang untuk ditiup dan 6 lubang untuk dibuka tutup seperti pada gambar 2.1. Suling bambu ini memiliki panjang 40 cm dan lebar 2 cm [4]. Gambar 2.1 Suling Bambu (Jawa) Cara memainkan alat musik suling bambu ini sebenarnya mudah namun dibutuhkan teknik meniup yang benar. Jika posisi mulut kurang benar atau kurang menempel pada lubang tiup maka suara yang akan dihasilkan juga kurang jernih. Adapun posisi jari tangan untuk memainkan alat musik suling bambu sebagai berikut : a) Lubang pertama dekat mulut (bulat) untuk jari telunjuk tangan kiri. b) Lubang kedua untuk jari tengah tangan kiri. c) Lubang ketiga untuk jari manis tangan kiri. d) Lubang keempat untuk jari telunjuk tangan kanan. e) Lubang kelima untuk jari tengah tangan kanan. f) Lubang keenam untuk jari manis tangan kanan. 4

(22) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 5 Setelah posisi jari tangan sudah pas dan benar selanjutnya cara memainkan alat musik suling bambu agar menghasilkan nada Do, Re, Mi, Fa, Sol, La, Si, Dotinggi.[5] Langkahlangkahnya sebagai berikut : a) Untuk menghasilkan nada Do = lubang ditutup semua b) Nada Re = lubang paling bawah di buka 1 (dari bawah; lubang 6 dibuka) c) Nada Mi = lubang dibuka 2 (dari bawah; lubang 6 dan 5 dibuka) d) Nada Fa = lubang dibuka 3 (dari bawah; lubang 6, 5 dan 4 dibuka) e) Nada Sol = lubang dibuka 4 (dari bawah; lubang 6, 5, 4, dan 3 dibuka) f) Nada La = lubang dibuka 5 (dari bawah; lubang 6, 5, 4, 3, dan 2 dibuka) g) Nada Si = lubang dibuka 5 (dari bawah; lubang 6, 5, 4, 3, dan 1 dibuka) h) Nada Dotinggi= lubang dibuka 6 (dari bawah; 6, 5, 4, 3, 2, dan 1 dibuka semua) 2.2 Sampling Sampling merupakan proses pencuplikan gelombang suara yang akan menghasilkan gelombang diskret. Dalam proses sampling ada yang disebut dengan laju pencuplikan (sampling rate). Sampling rate menandakan berapa banyak pencuplikan gelombang analog dalam 1 detik. Satuan dari sampling rate ialah Hertz (Hz). Pada proses sampling, sebaiknya sampling rate memenuhi kriteria Nyquist. Kriteria Nyquist menyebutkan bahwa sampling rate harus lebih besar dari 2 (dua) kali frekuensi tertinggi sinyal suara analog sesuai persamaan (2.1) [6]. 𝑓𝑠 ≥ 2𝑓𝑚 (2.1) dengan 𝑓𝑠 adalah frekuensi sampling (sampling rate), sedangkan 𝑓𝑚 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 sampel [7]. Pengambilan sampel tersebut tergantung dari tiap detik suara yang akan disampel dan berapa besar frekuensi samplingnya. Gambar 2.2

(23) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 6 menunjukkan contoh dari frame blocking dimana keseluruhan frame dibagi menjadi 5 M frame. Setiap M memiliki jumlah data yaitu 2𝑁 data, dengan N adalah Bilangan bulat (1,2,3,…). Gambar 2.2 Frame Blocking [2] Fungsi frame blocking yaitu untuk memilih data yang akan diproses dalam sistem pengenalan. Frame Blocking juga dapat mempercepat proses perhitungan pada DCT (Descrete Cosine Transform) dengan jumlah data pada setiap frame memiliki 2𝑁 data sampel yang diambil dari keseluruhan data sampel. 2.4 Windowing Windowing diperlukan untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal dengan cara melewatkan sinyal yang mempunyai frekuensi sembarang yang dikalikan elemen demi elemen dengan fungsi window tertentu sehingga dapat mereduksi sinyal-sinyal yang tergolong rusak sebelum dilakukan proses transformasi [8]. Ada beberapa fungsi windows yang telah ada di antaranya kaiser, Hamming, triangular, rectangular, dan lain-lain. 2.5 Hamming Window Windowing digunakan untuk menghilangkan efek diskontinuitas yang diakibatkan oleh proses Frame Blocking [9]. Dari beberapa macam jenis windowing, proses pengenalan ini menggunakan jenis Hamming window. Menggunakan Hamming window karena Hamming window mempunyai sidelobe yang paling kecil dan mainlobe yang paling besar sehingga Hamming window akan lebih halus dalam menghilangkan efek diskontunitas. Persamaan Hamming window adalah :

(24) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI w [k+1] = 0.54 – 0.46 cos (2𝜋 𝑘 𝑛−1 k = 0, …, n – 1 ), 7 (2.2) dengan w[k+1] adalah windowing, dan n merupakan jumlah data dari sinyal. Hamming window adalah sebuah vektor yang mempunyai jumlah elemen sebanyak N. Besarnya N akan disesuaikan dengan banyaknya elemen pada frame sehingga banyaknya elemen pada Hamming window akan sama dengan banyaknya elemen pada frame. Variabel N ini mengacu pada sub bab 2.3 tentang data sampel yang ada pada proses frame blocking yang berupa bilangan bulat (1,2,3,…). 2.6 Discrete Cosine Transform Discrete Cosine Transform (DCT) biasa digunakan untuk mengubah sebuah sinyal menjadi komponen frekuensi dasarnya. Discrete Cosine Transform mencoba untuk mengkorelasi ulang data suara atau gambar. Setelah mengkorelasi ulang, setiap koefisien transform dapat dikodekan secara independen tanpa kehilangan efisiensi kompresi. Discrete Cosine Transform dari sederet n bilangan real s(x), x=0, …,n-1, dapat dirumuskan sebagai berikut : 𝑆 𝑢 = 2/𝑛 𝐶 𝑢 dengan u = 0, …,n-1, 1 dimana 𝐶 𝑢 = − , 2 1 2 𝑛 −1 𝑥=0 𝑠 𝑥 cos 2𝑥+1 𝑢𝜋 2𝑛 , (2.3) , 𝑢𝑛𝑡𝑢𝑘 𝑢 = 0 , 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑦𝑎 Setiap elemen dari hasil data transformasi S(u) merupakan hasil dari masukan s(x) dan basis vektor. Persamaan diatas menyatakan s sebagai kombinasi linier dari basis vektor (masukan) dan S menyatakan banyaknya setiap frekuensi yang ada didalam masukan s, serta n merupakan jumlah data dari sinyal masukan. Faktor konstanta dipilih sedemikian rupa sehingga basis vektornya orthogonal dan ternomalisasi [10]. 2.7 Similaritas Sorensen Similaritas Sorensen merupakan metode yang digunakan untuk menghitung perbandingan dan nilai kemiripan antara hasil sampling dengan data yang ada pada database [11], dapat dirumuskan sebagai berikut :

(25) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 𝑑𝑠𝑜𝑟 = 𝑑 𝑖=1 |𝑃 𝑖 −𝑄 𝑖 | 𝑑 (𝑃 +𝑄 ) 𝑖 𝑖=1 𝑖 𝑆𝑠𝑜𝑟 = 1 − 𝑑𝑠𝑜𝑟 8 (2.5) (2.6) 𝑃𝑖 dan 𝑄𝑖 merupakan nilai perbandingan dan nilai kemiripan antara data masukan dengan data yang sudah ada (database). Kemudian variabel d pada rumus di atas merupakan fungsi jarak Sorensen dan S merupakan Similaritas Sorensen. 2.8 Sound Card Sound card merupakan sebuah periperal pada komputer sebagai I/O suara yang disediakan computer untuk menghasilkan suara yang dapat didengar oleh pengguna baik melalui speaker atau headphone. Pada dasarnya setiap sound card memiliki : a. Digital Signal Processor (DSP) yang akan menghasilkan semua jenis komputasi. b. Digital to Analog Converter (DAC) sebagai keluaran suara ke speaker. c. Analog to Digital Converter (ADC) sebagai masukan suara. d. Read Only Memory (ROM) atau Flash sebagai penyimpan data. e. Musical instrument Digital Interface (MIDI) untuk menyambungkan beberapa peralatan musik eksternal. f. Jack untuk menyambungkan sound card dengan speaker pada jalur line out atau microphone pada jalur line in. Beberapa soundcard biasanya sudah terpasang secara pabrikan (on board) pada motherboard komputer, tetapi bisa juga ditambahkan untuk keperluan lebih lanjut pada slot PCI motherboard [12]. Gambar 2.3 Contoh Sound card

(26) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.9 9 Microphone Microphone adalah salah satu perangkat keras yang berguna untuk merubah suara menjadi getaran listrik sinyal analog untuk selanjutnya diperkuat dan diolah sesuai kebutuhan dan pengolahan berikutnya dengan power amplifier dari suara yang berintensitas rendah menjadi lebih keras terakhir diumpan ke speaker [13]. Gambar 2.3 Contoh Microphone pada laptop Pada gambar 2.3 menunjukkan bahwa microphone yang digunakan adalah microphone yang sudah tersedia pada laptop. 2.10 Matlab Matlab merupakan bahasa pemrograman dengan fungsi dan karakteristik yang berbeda dengan bahasa pemrograman lain. Matlab memungkinkan user dapat menyelesaikan banyak masalah komputasi teknik, visualisasi dan pemrograman seperti komputasi matematik, analisis data, pengembangan algoritma, simulasi dan pemodelan dan grafik-grafik perhitungan [14]. Matlab dikembangkan oleh Mathhworks, yang pada awalnya dibuat untuk mengakses data matriks pada proyek LINPACK dan EISPACK. Software ini memiliki ratusan fungsi yang dapat digunakan sebagai problem solver mulai dari simple masalah-masalah yang kompleks dai berbagai disiplin ilmu [15]. Pada Lingkungan kerja Matlab, ada beberapa bagian Window yang dipakai, yaitu : 1. Current Directory Current Directory menampilkan isi dari direktori kerja saat menggunakan Matlab. Direktori ini dapat diganti sesuai dengan tempat direktori kerja yang diinginkan.

(27) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 10 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 yang digunakan 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 variable 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 window “ array editor” yang berisikan data pada setiap variabel yang dipilih user.

(28) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB III PERANCANGAN 3.1 Sistem Pengenalan Nada Alat Musik Suling Bambu Blok sistem pengenalan nada alat musik suling bambu secara keseluruhan diperlihatkan pada Gambar 3.1. Pada gambar tersebut ditunjukkan bahwa pengenalan nada tidak memakai microphone eksternal tetapi memakai microphone yang sudah ada pada laptop. Gambar 3.1 Blok Diagram Keseluruhan Sistem 3.1.1 Masukan (input) suara wav Masukan (input) adalah hasil dari sampling nada suling bambu yang direkam dengan format wav. Format wav ini digunakan karena merupakan file audio yang tidak terkompressi dan bisa disebut juga file universal karena bisa dikompressi ke beberapa jenis format file audio yang lain. 3.1.2 Frame Blocking Pada saat komputer menjalankan proses frame blocking, proses ini memilih data dari nada terekam, sehingga data yang dipilih dapat mewakili keseluruhan data yang terekam yang 11

(29) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 12 meliputi 80 sampel nada pada database. Nilai frame blocking yang digunakan meliputi 16, 32, 64, 128, dan 256 yang disesuaikan dengan koefisien DCT yang digunakan. 3.1.3 Normalisasi Normalisasi bertujuan untuk menyamakan nilai maksimum nada suling bambu baik yang sudah direkam atau belum direkam supaya amplitude saat dibunyikan bernilai sama, meskipun terjadi perbedaan pada saat pengambilan sampel nada. 3.1.4 Windowing Data yang telah dinormalisasikan mengalami proses windowing. Proses windowing menggunakan Hamming Window. Windowing berfungsi untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal. Proses windowing ini mengacu pada persamaan (2.2). 3.1.5 Discrete Cosine Transform Discrete Cosine Transform (DCT) biasa digunakan untuk mengubah sebuah sinyal menjadi komponen frekuensi dasarnya. Pada pengenalan nada alat musik suling bambu ini koefisien DCT sama dengan nilai frame blocking. Koefisien yang digunakan meliputi 16, 32, 64, 128, dan 256. Proses penghitungan DCT ini mengacu pada persamaan (2.3). Pada persamaan (2.2) tentang Hamming window variabel koefisien DCT yang digunakan dilambangkan dengan k. Pada persamaan (2.3) tentang DCT, variabel koefisien DCT ini dinyatakan dengan u. 3.1.6 Similaritas Sorensen Similaritas Sorensen merupakan metode yang digunakan untuk menghitung perbandingan dan nilai kemiripan antara hasil sampling dengan data yang ada pada database. Proses Similaritas Sorensen ini mengacu pada persamaan (2.5) dan (2.6). 3.1.7 Penentuan Nada Proses ini bertujuan mengenali nada yang terekam setelah melalui proses metode similaritas sorensen. Penentuan nada ini diambil dari nilai teringgi dari keseluruhan database.

(30) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 13 3.1.8 Tampilan Pengenalan Hasil akhir dari pembuatan software yang mengenali nada alat musik suling bambu, ditampilkan dalam komputer dalam bentuk visual GUI Matlab. Gambar 3.2 Tampilan Pengenalan Nada Tabel 3.1 Keterangan Tampilan Program Nama Bagian Keterangan Tombol Pengenalan Digunakan untuk memulai aplikasi Tombol Selesai Digunakan untuk mengakhiri aplikasi Penggunaan DCT Untuk memilih titik DCT yang akan digunakan dalam proses pengenalan nada, pilihan berupa 16, 32, 64, 128, dan 256 Pada tampilan ini nilai DCT sama dengan nilai frame blocking. Variabel yang digunakan untuk koefisien DCT sudah disinggung pada pembahasan sebelumnya. Plot Rekam Untuk menampilkan grafis suara hasil rekaman Plot DCT Untuk menampilkan data yang berupa grafik hasil proses DCT Hasil Pengenalan Untuk menampilkan nada yang didapat setelah proses pengenalan nada.

(31) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.2 14 Nada Referensi Pada nada referensi ini menggunakan beberapa variasi koefisien DCT yaitu 16, 32, 64, 128, dan 256. Untuk memperoleh nada referensi setiap nada yang akan dikenali pada sistem pengenalan nada alat musik suling bambu, penulis mengambil 10 sampel untuk setiap nada yang akan dikenali ( do, re, mi, fa, sol, la, si, dotinggi). Total sampel nada yang didapatkan sebanyak 80 sampel. Jadi setelah nada pertama direkam sebanyak 10 kali kemudian nada tersebut diproses hingga mendapatkan hasil ekstraksi ciri setelah itu dari kesepuluh nada sampel dicari nilai rata-ratanya. Kemudian nada kedua juga direkam sebanyak 10 kali dan diproses hingga mendapatkan rata seterusnya sampa nada kedelapan. Proses pengambilan nada dapat dilihat pada gambar 3.3. Pengambilan nada yang akan dijadikan nada referensi harus melalui proses sampling, frame blocking, normalisasi, windowing, dan DCT. Sampling Frame Blocking Normalisasi Windowing DCT Gambar 3.3 Diagram Blok Proses Ekstraksi Ciri Nada Referensi Nada Referensi = 𝑒𝑘𝑠𝑡𝑟𝑎𝑘𝑠𝑖 𝑐𝑖𝑟𝑖 𝑛𝑎𝑑𝑟𝑒𝑓 1 +𝑒𝑘𝑠𝑡𝑟𝑎𝑘𝑠𝑖 𝑐𝑖𝑟𝑖 𝑛𝑎𝑑𝑟𝑒𝑓 2 + ..+𝑒𝑘𝑠𝑡𝑟𝑎𝑘𝑠𝑖 𝑐𝑖𝑟𝑖 𝑛𝑎𝑑𝑟𝑒𝑓 10 10 (3.1) 3.3 Nada Uji Nada uji merupakan nada terekam selain nada referensi. Nada uji berfungsi untuk mengetahui nilai pada windowing dan DCT yang baik untuk pengenalan nada. Pengambilan nada uji sama halnya dengan pengambilan nada referensi. Proses yang dilakukan yaitu sampling, frame blocking, normalisasi, windowing, dan DCT. 3.4 Perancangan Pembuatan Software Perencanaan pembuatan software untuk pengenalan nada ini menggunakan pemrograman Matlab. Gambar 3.2 adalah GUI yang dirancang sebagai tampilan program utama.

(32) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.5 15 Perancangan Diagram Alir Program pengenalan nada alat musik suling bambu akan berjalan ketika user mulai menjalankan program ini. Setelah tampilan utama terlihat, proses pengujian sudah dapat dilakukan. START Masukan Nada Suling Bambu Plot grafik (nada uji) Rekam Similaritas Sorensen Plot grafik (sampling) Frame Blocking Normalisasi Penentuan hasil pengenalan Keluaran berupa teks END Windowing Ekstraksi ciri DCT Gambar 3.4 Diagram Alir Keseluruhan Sistem pengenalan nada alat musik suling bambu terdiri dari software yang berfungsi sebagai user interface. Program sistem pengenalan ini dibuat dengan menggunakan program Matlab versi 7.0.4. Program berperan dalam mengatur setiap proses yang akan dilalui untuk mendapatkan hasil pengenalan nada. Sistem pengenalan nada ini dibuat dengan hasil pengenalan secara realtime.

(33) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 16 START Masukan nada suling bambu Sampling wavrecord(2*fs,fs,’double’) Keluaran nada suling bambu END Gambar 3.5 Diagram Alir Sampling Menurut teori Nyquist bahwa penentuan frekuensi sampling harus dua kali lebih besar daripada frekuensi tertinggi dari nada suling bambu. Untuk penelitian ini frekuensi sampling yang digunakan ialah 1600Hz karena frekuensi tertinggi dari nada suling bambu sebesar 789Hz. START Masukan nada suling bambu Tidak Tidak Frame = 16 Tidak Frame = 32 Frame = 64 Ya Ya Tidak Frame = 128 Ya Menentukan titik tengah length((x)/2) Menentukan data yang akan diambil dari titik tengah Keluaran hasil frame blocking END Gambar 3.6 Diagram Alir Frame Blocking Frame = 256 Ya

(34) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 17 Proses frame blocking menggunakan beberapa variasi yaitu 16, 32, 64, 128, dan 256. Proses ini mengambil sampel data dari data suara terekam (data yang diperoleh dari proses sampling). Langkah pertama yaitu menentukan titik tengah dari data sampling dengan perintah length((x)/2). Jumlah data yang diambil dalam proses ini sesuai dengan variasi DCT yang dipilih oleh user. Dari titik tengah data, akan menentukan besarnya data yang akan diambil untuk proses selanjutnya. Setelah itu data hasil proses frame blocking akan dinormalisasi. START Masukan hasil frame blocking Mencari nilai maksimal dari data yang ada di frame xmax = max(abs(xframe)) Membagi data dengan nilai maksimum Xnorm = xframe/xmax Keluaran hasil normalisasi END Gambar 3.7 Diagram Alir Normalisasi Proses normalisasi bertujuan untuk menyetarakan nilai amplitudo yang diperoleh dari proses frame blocking menjadi bernilai 1 dengan perintah xmax=max(abs(xframe)). Setelah mencari nilai maksimum, kemudian dilakukan proses normalisasi dengan cara membagi data dengan nilai maksimum yang berisikan perintah xnorm=xframe/xmax. Keluaran proses normalisasi ini berupa matriks windowing. yang selanjutnya digunakan sebagai masukan proses

(35) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 18 START Masukan hasil normalisasi Perkalian elemen antara hasil normalisasi dengan hasil Hamming window Keluaran hasil windowing END Gambar 3.8 Diagram Alir Windowing Pada sistem pengenalan nada ini menggunakan salah satu dari beberapa jenis windowing yang ada yaitu Hamming window. Pada proses Hamming window ini melakukan perhitungan dengan memasukkan nilai frame yang digunakan ke dalam persamaan (2.2). Pada persamaan tersebut nilai frame yang digunakan dinyatakan dengan k. Hasil dari proses windowing ini berupa matriks DCT. 𝑤1 𝑤2 𝑤3 ⋮ ⋮ ⋮ 𝑤𝑛 yang selanjutnya menjadi masukan proses ekstraksi ciri START Masukan hasil windowing Menghitung DCT Menghitung nilai absolut DCT Keluaran hasil ekstraksi ciri DCT END ` Gambar 3.9 Diagram Alir Ekstraksi Ciri DCT

(36) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 19 Setelah proses windowing maka proses selanjutnya yaitu mengekstraksi ciri nada suling bambu. Ekstraksi ciri ini menggunakan transformasi DCT. Dengan rumus 𝑆 𝑢 = 2/𝑛 𝐶 𝑢 𝑛 −1 𝑥=0 𝑠 𝑥 cos 2𝑥+1 𝑢𝜋 2𝑛 , fungsi s(x) adalah masukan dari hasil windowing. Setelah memperoleh nilai DCT kemudian mencari nilai absolutnya. Koefisien DCT yang digunakan dalam sistem pengenalan nada ini bermacam-macam yaitu 16, 32, 64, 128, dan 256. Hasil dari proses ekstraksi DCT ini berupa matriks transformasi DCT ini mengacu pada persamaan (2.3). 𝑒1 𝑒2 𝑒3 ⋮ . Penghitungan pada proses ⋮ ⋮ 𝑒𝑛 START Hasil ekstraksi ciri DCT (matriks) Perhitungan nilai Similaritas Sorensen Keluaran hasil perhitungan Similaritas Sorensen END Gambar 3.10 Diagram Alir Similaritas Sorensen Proses ini dilakukan setelah mendapat masukan nilai ekstraksi ciri DCT yang berupa matriks, kemudian hasil ekstraksi DCT yang berupa matriks akan dibandingkan dengan

(37) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI nilai ektraksi ciri database Perhitungan 𝑆1 = 𝑋1 − 𝑦1 nilai 2 + 𝑋2 − 𝑦2 untuk mendapatkan nilai similaritas sorensen. Similaritas 2 20 + … + 𝑋𝑛 − 𝑦𝑛 Sorensen 2 ini menggunakan dan hasilnya berupa matriks rumus . START Masukan hasil Similaritas Sorensen (s1,s2,..s8) Keluaran = max(s) Tidak max(s) < r Ya Tidak dikenali Dikenali Keluaran berupa teks END Gambar 3.11 Diagram Blok Penentuan Nada Hasil Pengenalan Proses penentuan nada ini adalah subproses yang terakhir dari proses pengenalan nada. Pada proses ini hasil pengenalan nada ditentukan berdasarkan jarak maksimum yang diperoleh setelah melalui proses penghitungan nilai Similaritas Sorensen. Mencari nilai Similaritas paling maksimum dengan menggunakan rumus (max(s)), dimana s merupakan hasil dari perhitungan nilai Similaritas setiap nada. Dari setiap nada mempunyai nilai Similaritas yang paling maksimal, kemudian dari nilai-nilai teraebut dicari nilai yang paling maksimal dan nilai

(38) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 21 tersebut merupakan nilai batasan untuk pengenalan nada alat musik suling bambu. Variabel r dinyatakan untuk nilai batasan Similiaritas maksimal yang digunakan. Semakin tinggi nilai Similaritas maka semakin tinggi pula tingkat pengenalan nadanya. Setiap nada harus dicari batasan nilai Similaritas yang paling minimal dan maksimal. Apabila jarak minimum melebihi batas maka pada penentuan hasil keluaran nada tidak akan dikenali. Setelah mendapatkan nilainya maka hasilnya akan ditampilkan berupa teks. START Masukan nada suling bambu Sampling Menetukan data yang diambil dari titik tengah (frame blocking) Membagi data dengan nilai maksimum (normalisasi) Perkalian elemen antara hasil normalisasi dengan hasil Hamming window Tidak DCT = 10 kali sampling Ya Menentukan ratarata setiap nada referensi Keluaran ekstraksi ciri nada referensi END Gambar 3.12 Diagram Alir Proses Pengambilan Nada Referensi (database)

(39) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 22 Pada proses pengambilan nada referensi (database) ini setiap nada alat musik suling bambu direkam sebanyak 10 kali. Hasil dari pengambilan setiap nada sebanyak 10 kali, setelah itu masuk pada proses frame blocking dimana dalam proses ini data masukan diambil dari titik tengah sebanyak n DCT dengan n merupakan variasi DCT yang digunakan. Hasil dari proses frame blocking masuk pada proses normalisasi dan setelah dinormalisasi hasilnya akan dikalikan elemen demi elemen dengan proses Hamming window. Setelah perkalian elemen maka hasilnya diekstraksi ciri dengan transformasi DCT. Hasil dari ekstraksi ciri DCT kemudian disimpan sebagai database.

(40) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB IV HASIL DAN PEMBAHASAN Pengujian program perlu dilakukan untuk mengetahui suatu program dapat bekerja dengan baik dan sesuai dengan perancangan. Hasil pengujian berupa data-data yang dapat memperlihatkan bahwa program yang telah dirancang dapat berjalan dengan baik. Analisa terhadap proses kerja dapat digunakan untuk menarik kesimpulan dari apa yang disajikan dalam tugas akhir ini. 4.1 Pengujian Program Pengenalan Nada Alat Musik Suling Bambu dengan Similaritas Sorensen Pengujian program bertujuan untuk memastikan apakah program yang telah dibuat dapat bekerja sesuai dengan yang telah dirancang pada bab sebelumnya. Pengujian program menggunakan komputer dengan spesifikasi : Processor : Intel® Atom™ CPU N550 @ 1.50GHz RAM : 1.00 GB 1.50GHz Program pengenalan ini dapat dijalankan dengan langkah-langkah sebagai berikut : 1. Click dua kali icon Matlab pada layar dekstop dengan gambar icon seperti Gambar 4.1. Gambar 4.1 Icon Matlab 2. Tampilan pada Gambar 4.1 akan muncul sebelum masuk ke tampilan utama program. 23

(41) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 24 Gambar 4.2 Tampilan Awal Matlab 3. Mengetik guide di dalam command window dan pada layar akan muncul seperti pada Gambar 4.2 sebelum masuk ke tampilan utama program. Gambar 4.3 Tampilan Program Pengenalan Nada Alat Musik Suling Bambu 4. User dapat memulai pengenalan dengan mengisi pengaturan pengenalan nada yakni variasi koefisien DCT yang akan digunakan dalam proses pengenalan seperti pada Gambar 4.3.

(42) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 25 5. Jika nilai DCT telah dipilih, user dapat memulai pengenalan nada dengan menekan tombol ”PENGENALAN”. Gambar 4.4 Tampilan Pengaturan Pengenalan Nada 6. Selanjutnya hasil pengenalan nada akan ditampilkan dalam kotak “Hasil Pengenalan”. User dapat melihat spektrum hasil rekaman nada dan grafik hasil proses DCT pada kotak “Plot Hasil Rekam” dan “Plot Hasil Ekstraksi Ciri”. Hasil pengenalan nada suling bambu terlihat seperti pada Gambar 4.4. 7. User dapat mengulang kembali pengenalan nada dengan menekan tombol “Reset” dan mengulang kembali dengan langkah 4, 5, dan 6. 8. User dapat mengakhiri pengenalan nada dengan menekan tmbol “Selesai”. 4.1.1 Pengenalan Nada Pengenalan nada suling bambu dapat dilakukan dengan langkah=langkah yang sudah dijelaskan diatas. Tampilan program dapat dilihat pada Gambar 4.3. Pada tampilan pengenalan nada terdapat 1 pop up menu, 2 axes, 3 pushbotton dan 1 static text. User dapat memulai pengenalan nada dengan melakukan pengaturan terlebih dahulu pada program pengenalan nada. Pengaturan yang dilakukan dengan memilih variasi koefisien DCT yang akan digunakan. Setelah itu, user dapat memulai pengenalan nada suling bambu dengan menekan tombol “PENGENALAN”. Hasil pengenalan yang akan ditampilkan meliputi plot hasil rekam, plot hasil ekstraksi ciri DCT, dan nada yang dikenali. User dapat mengulang proses pengenalan nada dengan menekan tombol ”RESET” dan apabilaingin mengakhiri pengenalan nada user dapat menekan tombol “Selesai”.

(43) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 26 a. Pop Up Menu Pada tampilan pengenalan nada terdapat 1 pop up menu yaitu variasi koefisien DCT. Variasi DCT yang disediakan yaitu 16, 32, 64, 128, dan 256. Perintah programyang sudah dirancang untuk menampilkan dan menjalankan variasi DCT sebagai berikut : indeks=get(handles.popupmenu1,'Value'); switch indeks case 1 frame=16; case 2 frame=32; case 3 frame=64; case 4 frame=128; case 5 frame=256; end handles.ndct=frame; guidata(hObject,handles); Pada program di atas, koefisien DCT diinisialisai menggunakan nama ndct yang dibagi dalam 5 kondisi sesuai dengan banyaknya variasi. Inisialisasi ndct tersebut diproses menggunakan perintah handles. Perintah ini digunakan untuk data atau koefisien DCT yang telah diinisialisasi sebagai masukan apabila dilakukan callback. b. Tombol PENGENALAN Tombol Pengenalan adalah tombol yang berfungsi untuk melakukan pengenalan nada yang dimulai dari proses rekam nada, ekstraksi ciri, dan hasil penentuan pengenalan nada. Tombol Pengenalan menggunakan Push Botton pada tampilan GUI yang digunakan untuk memulai program pengenalan nada. Plotting hasil dari ekstraksi ciri yang akan diteliti. Program yang digunakan untuk perekaman nada sebagai berikut : pause(2); sample_len=1; sample_freq=2400; sample_time=(sample_len*sample_freq); x=wavrecord(sample_time, sample_freq); axes(handles.axes1); plot(x);

(44) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 27 Perintah pause (2) merupakan perintah untuk menunda jalannya program selama 2 detik. Perintah tersebut digunakan agar user memiliki waktu untuk bersiap meniup suling bambu. Perekaman nada pada Matlab menggunakan perintah wavrecord dan setelah direkam kemudian diplot pada tampilan pengenalan nada menggunakan perintah plot. Nada yang terekam diplto pada axes yang sudah tersedia di dalam tampilan program pengenalan. Setelah proses perekaman selesai, kemudian program memproses data hasil rekaman untuk pemilihan data tengah dari deretan data hasil perekaman. Proses ini dinamakan frame blocking. Selanjutnya, data hasil frame blocking akan diproses melalui proses windowing, dimana proses ini berguna untuk menghilangkan noise suara yang ikut terekam dari proses perekaman nada. Setelah proses windowing selesai dilakukan, maka program akan menjalankan proses normalisasi. Selanjutnya program akan menjalankan inisialisasi variabel yang akan digunakan dalam proses ekstraksi ciri DCT. Setelah mendapat masukan nilai variabel dari variasi nilai ekstraksi ciri DCT didapat hasil plotting hasil ekstraksi ciri DCT nada. Selanjutnya proses akan memulai untuk mengenali nada dengan cara membandingkan nilai Similaritas dari nada yang terekam dengan database. if (frame==16) load xciri16 elseif (frame==32) load xciri32 elseif (frame==64) load xciri64 elseif (frame==128) load xciri128 elseif (frame==256) load xciri256 end Program diatas untuk memanggil database yang akan dibandingkan dengan nada yang telah terekam. Database yang dipanggil sesuai dengan pilihan variasi koefisien DCT yang telah dipilih user. for n=1:8 jaraklist(n)=simsor(y,z(:,n)); end jaraklist

(45) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 28 %cari nilai minimum jmax=find(max(jaraklist)==jaraklist); %deskripsi string nadalist={'Do','Re','Mi','Fa','Sol','La','Si','Dot','Tidak Dikenali'}; %penentuan keluaran nilai min nadaout=nadalist(jmax) end set(handles.text10,'String',nadaout); Program diatas melakukan perhitungan nilai Similaritas antara nada terekam dengan database. Perintah simsor berfungsi untuk menjalankan fungsi Similaritas Sorensen. Berdasarkan pengujian yang dilakukan tombol “Pengenalan” dapat bekerja dengan baik. Saat tombol “Pengenalan” ditekan maka program dapat merekam nada, menampilkan hasil rekam nada, menampilkan hasil ekstraksi ciri, dan mengenali nada. Hasil penentuan nada akan muncul pada tampilan hasil pengenalan nada alat musik suling bambu seperti pada Tabel 4.1. Tabel 4.1 Hasil Pengenalan Nada yang Dikenali No Nada Masukan (Input) Nada Hasil Pengenalan 1 Do Do 2 Re Re 3 Mi Mi 4 Fa Fa 5 Sol Sol 6 La La 7 Si Si 8 Do tinggi Do tinggi Gambar 4.5 memperlihatkan tampilan dari program GUI Matlab yang sudah dioperasikan dengan masukan nada Mi, variasi nilai DCT dan frame blocking adalah 64. Program akan mengeksekusi masukan nada yang terekam dan akan dilakukan proses pengenalan nada.

(46) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 29 Gambar 4.5 Tampilan GUI Matlab setelah Program Eksekusi 4.1.2 Tombol Reset Tombol Reset digunakan apabila user ingin mengulangi pengenalan nada alat musik suling bambu menggunakan nada lain atau sama. Tombol Reset akan mengembalikan kembali tampilan program seperti awal mula ketika user membuka program pengenalan. Perintah program pada tombol Reset sebagai berikut : axes(handles.axes1); plot(0); axes(handles.axes2); plot(0); set(handles.text10,'String',' ') Program di atas untuk menghapus data pada axes yang telah ditampilkan dan teks nada yang telah dikenali sebelumnya. 4.1.3 Tombol Selesai Tombol Selesai digunakan apabila user ingin mengakhiri program pengenalan nada alat musik suling bambu. delete (figure(guisulbam));

(47) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 30 Kesimpulan yang didapat pada pengujian adalah tombol yang terdapat pada tampilan program utama nada suara suling bambu telah bekerja dan alur program secera keseluruhan telah sesuai dengan perancangan. 4.2 Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat Pengenalan Nada Alat Musik Suling Bambu Pada pengujian program pengenalan nada alat musik suling bambu dilakukan satu tahapan pengujian. Tahapan pengujian program yaitu pengujian parameter pengaturan pengenalan nada yang terdiri dari nilai DCT dan frame blocking yang digunakan dalam proses pengenalan. Tujuan pengujian parameter pengaturan pengenalan nada dilakukan untuk mencari nilai dari setiap parameter yang menghasilkan tingkat pengenalan (recognition rate) yang paling baik. 4.2.1 Pengujian Parameter Pengaturan Pengenalan Nada Percobaan dilakukan untuk melihat seberapa besar tingkat pengenalan nada yang terjadi setiap penentuan nada pada parameter pengenalan dilakukan untuk menentukan parameter nilai koefisien DCT dan frame blocking yang digunakan. Langkah-langkah percobaan parameter pengenalan nada yang akan digunakan sebagai berikut : 1. Proses merekam sebanyak 10 kali nada yang dihasilkan alat musik suling bambu dari nada Do, Re, Mi, Fa, Sol, La, Si, Dotinggi 2. Hasil nada (suara) rekaman disimpan untuk menguji setiap nilai parameter pengaturan pengenalan nada. 3. Mengenali setiap nada menggunakan nilai koefisien DCT dan frame blocking sebesar 16, 32, 64, 128, 256. 4. Menentukan nilai parameter pengaturan yang menghasilkan pengenalan nada yang terbaik. Percobaan ini dilakukan dengan dua cara yaitu secara tidak realtime dan secara realtime. Pada pengujian tidak realtime digunakan untuk mencari nilai atau tingkat persentase pengenalan nada tanpa menggunakan program pengenalan nada namun menggunakan program tersendiri (lampiran). Sedangkan pengujian secara realtime digunakan untuk mengetahui

(48) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 31 tingkat pengenalan dengan meggunakan program dan pengujian ini dilakukan secara langsung dengan menggunakan alat musik suling bambu sebagai masukannya. a. Pengujian Secara Tidak Realtime Pada pengujian yang pertama ini menggunakan nada uji yang sudah diperoleh sebelumnya sebagai masukann. Nada uji yang digunakan sebanyak 80 data, untuk setiap nada memiliki 10 data. Dari pengujian ini akan diperoleh data berupa persentase tingkat pengenalan nada berdasarkan variasi koefisien DCT (lampiran). Pada Gambar 4.6 menunjukkan grafik presentase tingkat pengnenalan berdasarkan variasi koefisien DCT. Berdasarkan dari grafik ini dapat dilihat bahwa semakin besar nilai ekstraksi ciri DCT maka tingkat pengenalan yang didapat juga semakin tinggi. Pengaruh Nilai Koefisien DCT terhadap Tingkat Pengenalan Nada Secara Tidak Realtime Tingkat Pengenalan 120 64; 100% 100 60 256; 100% 128; 100% 32; 93,75% 80 16; 72,5% 40 20 0 0 50 100 150 200 250 300 Koefisien DCT Gambar 4.6 Pengaruh Nilai Ekstraksi Ciri DCT Terhadap Tingkat Pengenalan Secara Tidak Realtime Tabel 4.2 Persentase Tingkat Pengenalan Secara Tidak Realtime Koefisien DCT 16 32 64 128 256 Tingkat Pengenalan 72,5 % 93,75 % 100 % 100 % 100 %

(49) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Ket : Gambar 4.7 Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (16) Gambar 4.8 Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (32) 32

(50) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Gambar 4.9 Pengaruh Tingkat Pengenalan Terhadap Koefisien DCT (64) Gambar 4.10 Pengaruh Tingkat Pengenalan Terhadap Koerfisien DCT (128) 33

(51) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 34 Gambar 4.11 Pengaaruh Tingkat Pengenalan Terhadap Koefisien DCT (256) Berdasarkan pada Gambar 4.7 yang membedakan nada satu dengan nada yang lainnya juga bisa dengan mencari nilai similaritas antara nada yang satu dengan nada yang lain, dimana semakin kecil nilai similaritasnya tingkat diskriminasinya semakin baik dan semakin dapat melalukan pengenalan nada satu dengan nada lainnya. Gambar 4.7 nilai similaritas juga bisa dicari dengan persamaan (2.5) dan (2.6) dengan nilai P adalah data matriks ekstraksi ciri nada la dan nilai Q adalah data matriks ekstraksi ciri nada si. Dengan cara di atas maka nilai hasil similaritas yang didapat dari Gambar 4.7 seperti pada Tabel 4.3. Tabel 4.3 Nilai Hasil Similaritas Koefisien DCT Nilai Similaritas 16 0,765 32 0,556 64 0,338 128 0,157 256 0,150 Dari Tabel 4.3 dapat disimpulkan bahwa semakin besar nilai koefisien DCT yang digunakan maka semakin kecil nilai similaritas antara nada la dan nada si.

(52) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 35 b. Pengujian Secara Realtime Pada secara realtime ini dilakukan dengan menggunakan alat musik suling bambu secara langsung sebagai masukannya. Pengujian ini dilakukan sebanyak 5 kali pengujian untuk setiap nada dari suling bambu. Setelah dilakukan pengujian secara realtime dapat diketahui bahwa pada penggunaan koefisien DCT 16 dan 32 masih terdapat kesalahan dalam mengenali nada. Sedangkan pada penggunakan koefisien DCT 64, 128 dan 256 sudah tidak terdapat kesalahan dalam mengenali nada suling bambu. Dari data hasil percobaan (lampiran) dapat dicari pula persentase pengenalan melalui perhitungan dari percobaan masing-masing koefisien DCT pada tabel data hasil percobaan (lampiran) dan grafik dari pengaruh koefisien DCT terhadap tigkat pengenalan. Untuk mendapatkan tingkat persen pengenalan dari percobaan tersebut digunakan rumus : 𝑣 Ket : Tingkat pengenalan = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 𝑣 = jumlah nada suling bambu yang dikenali dan benar. Perhitungan tingkat pengenalan dari : a. Koefisien DCT 16 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 23 = 40 𝑥 100% = 57,5 % b. Koefisien DCT 32 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 32 = 40 𝑥 100% = 80 % (4.1)

(53) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI c. Koefisien DCT 64 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 40 = 40 𝑥 100% = 100 % d. Koefisien DCT 128 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 40 = 40 𝑥 100% = 100 % e. Koefisien DCT 256 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 40 = 40 𝑥 100% = 100 % Dari perhitungan diatas maka dapat dibuat tabel 4.4 dan grafik pengaruh koefisien DCT terhadap tingkat pengenalan nada suling bambu seperti terlihat pada gambar 4.11. Tabel 4.4. Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan Koefisien DCT 16 32 64 128 256 Tingkat Pengenalan (%) 57,5 80 100 100 100 36

(54) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 37 Pengaruh Nilai Koefisien DCT terhadap Tingkat Pengenalan Nada Secara Realtime Tingkat Pengenalan 120 64; 100% 100 80 256; 100% 128; 100% 32; 80% 60 16; 57,5% 40 20 0 0 50 100 150 200 250 300 Koefisien DCT Gambar 4.12 Grafik Pengaruh Koefisien DCT Terhadap Tingkat Pengenalan Nada Secara Realtime Sehingga dari hasil perhitungan dan Gambar 4.12 dapat disimpulkan dan ditentukan nilai parameter yang digunakan dalam proses pengenalan nada secara real time dan nilai koefisien DCT yang digunakan mulai 64, 128, dan 256 karena memiliki tingkat pengenalan nada suling bambu sebesar 100 %. 4.2.2 Pengujian Untuk Menentukan Batasan Nilai Jarak Yang Optimal Pengujian ini dilakukan untuk menentukan batasan jarak optimal yang digunakan dalam sistem pengenalan. Pengujian ini menggunakan parameter koefisien DCT 256 yang mempunyai tingkat pengenalan terbaik. Pengujian ini dilakukan dengan mencari nilai jarak minimal dari setiap nada sebanyak 5 kali. Diperoleh jarak minimal 5 data dari tiap nada. Dari kelima jarak minimal tiap nada tersebut dicari jarak maksimalnya, sehingga diperoleh 8 jarak maksimal dari 8 nada suling bambu.

(55) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 38 Tabel 4.5 Nilai Similaritas Tiap Nada Nada Nilai Similaritas Do 0,62 Re 1,00 Mi 0,77 Fa 0,69 Sol 0,60 La 0,79 Si 1,00 Dot 0,68 Rata-rata 0,84 Berdasarkan tabel diatas bahwa jarak maksimum dari kedelapan jarak minimal di atas adalah 1,00. Jarak inilah yang akan digunakan sebagai batas atas sistem pengenalan. Pada saat dilakukan pengenalan nada yang mempunyai jarak minimal di atas 1,00 maka sistem pengenalan nada tersebut tidak akan mengenali nada yang akan dikenali sistem. 4.2.3 Pengujian Dengan Nada Masukan Gamelan Saron Pengujian ini dilakukan dengan tujuan untuk mengtaui tingkat kesalahan sistem dalam mengenali alat musik lainnya. Pada pengujian ini diharapkan sistem mampu untuk tidak mengenali nada selain nada suling bambu. Langkah – langkah percobaan yang dilakukan sebagai berikut : 1. Menyiapkan gamelan saron 2. Menggunakan nada-nada yang ada pada gamelan saron. 3. Menggunakan koefisien DCT 64 karena tingkat pengenalan terbaik. 4. Melihat hasil keluaran pengenalan nada, keluaran yang akan muncul “TIDAK DIKENALI” atau mengenali dengan karakter yang berbeda dari nada masukan atau menganali dengan karakter yang sama pada nada suling bambu.

(56) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 39 Setelah melakukan langkah – langkah diatas maka diperoleh hasil bahwa program pengenalan nada masih dapat mengenali nada-nada tertentu. Nada-nada yang dikenali adalah nada-nada yang memiliki karakter nada sama dengan nada suling bambu. Sistem pengenalan nada juga menghasilkan pengenalan “TIDAK DIKENALI”. Hal ini disebabkan karena karakter nada sudah berbeda jauh, sehingga besar jarak dari gamelan penguji di atas nilai maksimum dari suling bambu. Tabel 4.6 Hasil Pengujian Dengan Gamelan Saron Nada Masukan Nada Keluaran Nilai Similariras 6 Tidak Dikenali 1,55 1 Tidak Dikenali 1,69 2 Tidak Dikenali 1,57 3 Tidak Dikenali 1,67 5 Tidak Dikenali 1,69 6 Tidak Dikenali 1,70 1’ Tidak Dikenali 1,68 2’ Tidak Dikenali 1,57 3’ Tidak Dikenali 1,61 Rata-rata 1,64 Gambar 4.13 Gamelan Saron Sebagai Alat Musik Pengujian Tidak Dikenali

(57) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari hasil percobaan dan pengujian sistem pengenalan nada alat musik suling bambu dapat disimpulkan bahwa : 1. Implementasi dari sistem pengenalan nada alat musik suling bambu sudah bisa bekerja sesuai dengan perancangan. 2. Pada pengujian parameter pengaturan parameter pengenalan, penetapan nilai parameter pengaturan pengenalan nada dengan nilai koefisien DCT yang digunakan untuk mengenali nada berpengaruh terhadap tingkat pengenalan sistem. Semakin besar nilai koefisien nilai DCT , semakin naik tingkat pengenalan sistem. 3. Pada pengujian paraneter pengenalan nada didapatkan nilai koefisien DCT dari 64, 128, dan 256 yang menghasilkan tingkat pengenalan terbaik yaitu 100%. 5.2 Saran Sistem pengenalan nada alat musik suling bambu ini masih memiliki kekurangan. Untuk mengurangi kelemahan maka terdapat beberapa saran sebagai berikut : 1. Program simulasi ini dapat dikembangkan dengan fungsi windows yang lain dan jenisjenis ekstraksi ciri yang lain pula. 2. Untuk penelitian lebih lanjut dan pengembangan ilmu, dapat juga dikembangkan dengan pembuatan hardware pengenalan nada agar lebih efektif dalam pemakaiannya. 40

(58) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR PUSTAKA [1] http://www.majalahpraise.com/asal-usul-suling-229.html diakses pada 15 Maret 2013 [2] Hendra, 2012, Pengenalan Nada Suling Recorder Menggunakan fungsi Jarak Chebyshev, Yogyakarta. [3] Edwin, 2012, Pengenalan Nada Alat Musik Pianika Menggunakan Metode Korelasi, Yogyakarta. [4] Bagus, 2013, Proses membuat Suling Bambu, http://kibagusnata.blogspot.com/ diakses pada 4 November 2013 [5] file:///C:/Users/USER/Documents/REFERENSI%20%20TA/asal-usul-suling-229.html diakses pada 15 Maret 2013 [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] Sugeng Riyanto, Agus Purwanto, Supardi, 1999, algoritma fast fourier transform (fft) decimation in time (dit) dengan resolusi 1/10 hertz Laboratorium Riset. [10] http://anoa5.wordpress.com/2010/05/08/perbedaan-discrete-cosine-transform-dct-dandiscrete-wavelet-transform-dwt/ diakses tg 1 mei '13 [11] http://journal.uad.ac.id/index.php/JIFO/article/view/1146 diakses tanggal 1 mei 2013 [12] http://www.computerhope.com/jargon/s/souncard.htm diakses tanggal 1 mei 2013 [13] http://artsites.ucsc.edu/EMS/Music/tech_background/TE-20/teces_20.html diakses tanggal 1 mei 2013 [14] Matlab 7.0.4 Help & Firmansyah, Ahmad,2007, Dasar-dasar Pemrograman Matlab, Teknik Informatika-Institut Teknologi Sepuluh Nopember, Surabaya. [15] Niamaulidia, 2009 Pembuatan Pengenalan Sinyal Wicara Menggunakan Matlab. 41

(59) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LAMPIRAN 42

(60) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI PERCOBAAN MENCARI SEKTRUM FREKUENSI DARI ALAT MUSIK SULING BAMBU DENGAN MATLAB V.7 Tujuan: 1. Mengetahui frekuensi maksimum pada nada alat musik suling bambu. 2. Mengetahui frekuensi sampling minimum yang dapat digunakan. Variabel: 1. Frekuensi sampling yang digunakan 1600Hz, 2400Hz, 3200Hz, 4000Hz. 2. Durasi perekaman yang digunakan sebesar 2 detik. Listing Program %fs = 4000; %fsampling 4000Hz %fs = 3200; %fsampling 3200Hz %fs = 2400; %fsampling 2400Hz %fs = 1600; %fsampling 1600Hz y = wavrecord (2*fs,fs,'double'); % 2 detik wavwrite(y,fs,'sample2s24000HzDo.wav'); [y,fs]=wavread('sample2s24000HzDo.wav'); Y=fft(y,fs); Spek= Y.* conj(Y); f = fs*(0:(1/2*fs))/fs; plot(f,Spek(1:(1/2*fs+1)));grid;%output Hasil Ploting L1

(61) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L2 FS = 1600Hz Nada Do Nada Re 4 2.5 x 10 14000 12000 X: 487 Y: 1.214e+004 X: 448 Y: 2.135e+004 2 1.5 Ampltitudo Amplirudo 10000 1 8000 6000 4000 0.5 2000 0 0 100 200 300 400 500 Frekuensi (Hz) 600 700 0 800 0 100 200 Nada Mi 300 400 500 Frekuensi (Hz) 600 700 800 600 700 800 700 800 Nada Fa 4 12000 x 10 2.5 X: 532 Y: 1.136e+004 10000 2 X: 582 Y: 2.056e+004 Amplitudo Amplitudo 8000 6000 1.5 1 4000 0.5 2000 0 0 100 200 300 400 500 Frekuensi (Hz) 600 700 0 800 0 100 200 Nada Sol 300 400 500 Frekuensi (Hz) Nada La 18000 2500 16000 X: 624 Y: 1.628e+004 X: 689 Y: 2140 2000 14000 Amplitudo Amplitudo 12000 10000 8000 1500 1000 6000 4000 500 X: 35 Y: 277.2 2000 0 0 100 200 300 400 500 Frekuensi (Hz) 600 700 800 0 0 100 200 300 400 500 Frekuensi (Hz) 600

(62) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Nada Si Nada Dotinggi 5000 350 X: 714 Y: 4766 4500 X: 36 Y: 319.1 300 4000 250 3000 Amplitudo Amplitudo 3500 2500 2000 1500 200 150 100 X: 109 Y: 66.62 X: 743 Y: 55.7 1000 50 X: 38 Y: 261.1 500 0 L3 0 100 200 300 400 500 Frekuensi (Hz) 600 700 0 800 0 100 200 300 400 500 Frekuensi (Hz) 600 700 800 FS = 2400Hz Nada Do Nada Re 4 9 4 x 10 5 X: 509 Y: 4.865e+004 4.5 8 X: 459 Y: 8.177e+004 4 7 3.5 Amplitudo 6 Amplitudo x 10 5 4 3 2.5 2 3 1.5 2 1 1 0 0.5 0 200 400 600 Frekuensi (Hz) 800 1000 0 1200 0 200 400 Nada Mi 800 1000 1200 Nada Fa 4 18 600 Frekuensi (Hz) 4 x 10 3.5 16 x 10 X: 594 Y: 3.26e+004 3 X: 547 Y: 1.625e+005 14 2.5 Amplitudo Amplitudo 12 10 8 2 1.5 6 1 4 0.5 2 0 0 200 400 600 Frekuensi (Hz) 800 1000 1200 0 0 200 400 600 Frekuensi (Hz) 800 1000 1200

(63) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Nada Sol Nada La 4 4 x 10 5 x 10 3.5 X: 646 Y: 4.995e+004 4.5 X: 715 Y: 3.199e+004 3 4 2.5 3.5 3 Amplitudo Amplitudo L4 2.5 2 2 1.5 1.5 1 1 0.5 0.5 0 0 200 400 600 Frekuensi (Hz) 800 1000 0 1200 0 200 400 Nada Si 800 1000 1200 Nada Dotinggi 4 6 600 Frekuensi (Hz) 4 x 10 x 10 3.5 X: 788 Y: 5.491e+004 5 3 X: 802 Y: 3.046e+004 2.5 Amplitudo Amplitudo 4 3 2 1.5 2 1 1 0 0.5 0 200 400 600 Frekuensi (Hz) 800 1000 0 1200 0 200 400 600 Frekuensi (Hz) 800 1000 1200 FS = 3200Hz Nada Do Nada Re 4 4 12 x 10 9 8 X: 441 Y: 1.1e+005 10 x 10 X: 489 Y: 8.312e+004 7 6 Amplitudo Amplitudo 8 6 5 4 3 4 2 2 1 0 0 200 400 600 800 1000 Frekuensi (Hz) 1200 1400 1600 0 0 200 400 600 800 1000 Frekuensi (Hz) 1200 1400 1600

(64) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Nada Mi Nada Fa 4 4 x 10 5 L5 x 10 8 X: 512 Y: 4.885e+004 4.5 X: 570 Y: 7.733e+004 7 4 6 5 3 Amplitudo Amplitudo 3.5 2.5 2 4 3 1.5 2 1 1 0.5 0 0 200 400 600 800 1000 Frekuensi (Hz) 1200 1400 0 1600 0 200 400 Nada Sol 1200 1400 1600 1200 1400 1600 1200 1400 1600 Nada La 4 12 600 800 1000 Frekuensi (Hz) 4 x 10 12 X: 605 Y: 1.115e+005 10 x 10 10 X: 685 Y: 1.018e+005 8 Amplitudo Amplitudo 8 6 6 4 4 2 2 0 0 200 400 600 800 1000 Frekuensi (Hz) 1200 1400 0 1600 0 200 400 Nada Si 600 800 1000 Frekuensi (Hz) Nada Dotinggi 4 3500 10 X: 735 Y: 3335 3000 x 10 X: 778 Y: 9.524e+004 9 8 7 X: 36 Y: 1795 2000 Amplitudo Amplitudo 2500 1500 6 5 4 3 1000 2 500 1 0 0 200 400 600 800 1000 Frekuensi (Hz) 1200 1400 1600 0 0 200 400 600 800 1000 Frekuensi (Hz)

(65) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L6 FS = 4000Hz Nada Do Nada Re 5 5 6 x 10 x 10 5 4.5 5 X: 511 Y: 4.69e+005 4 X: 457 Y: 5.063e+005 3.5 Amplitudo Amplitudo 4 3 2 3 2.5 2 1.5 1 1 0.5 0 0 0 200 400 600 800 1000 1200 Frekuensi (Hz) 1400 1600 1800 2000 0 200 400 600 Nada Mi 1400 1600 1800 2000 1400 1600 1800 2000 1400 1600 1800 2000 Nada Fa 5 2 800 1000 1200 Frekuensi (Hz) 4 x 10 2.5 1.8 x 10 X: 547 Y: 1.9e+005 X: 599 Y: 2.318e+004 1.6 2 1.2 Amplitudo Amplitudo 1.4 1 0.8 1.5 1 0.6 0.4 0.5 0.2 0 0 200 400 600 800 1000 1200 Frekuensi (Hz) 1400 1600 1800 0 2000 0 200 400 600 Nada Sol Nada La 4 9 4 x 10 10 8 x 10 X: 720 Y: 9.575e+004 9 X: 655 Y: 8.241e+004 8 7 7 Amplitudo 6 Amplitudo 800 1000 1200 Frekuensi (Hz) 5 4 6 5 4 3 3 2 2 1 0 1 0 200 400 600 800 1000 1200 Frekuensi (Hz) 1400 1600 1800 2000 0 0 200 400 600 800 1000 1200 Frekuensi (Hz)

(66) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Nada Si L7 Nada Dot 4 7000 15 x 10 X: 801 Y: 1.45e+005 X: 788 Y: 6578 6000 5000 4000 Amplitudo Amplitudo 10 3000 5 2000 X: 1579 Y: 1133 1000 0 0 200 400 600 800 1000 1200 FRekuensi (Hz) 1400 1600 1800 2000 0 0 200 400 600 800 1000 1200 Frekuensi (Hz) 1400 1600 1800 2000 Tabel Data Percobaan Frekuensi Sampling 1600Hz 2400Hz 3200Hz 4000Hz Do X X X X Re X X X V Mi X X X V Fa X X X X Sol X X X X La V X X X Si V X X V Dot V X X X Ket: V = terdapat harmonisa X = tidak terdapat harmonisa Nada Kesimpulan 1. Frekuensi maksimum yang didapat sebesar 801 Hz untuk nada Dot (tinggi) sehingga frekuensi minimum yang dapat digunakan sebesar 2400 Hz karena pada fs = 2400Hz terdapat harmonisa paling minimum 2. Frekuensi sampling berguna untuk mencuplik data suara yang diinginkan dan mem-filter data suara yang tidak diinginkan dalam hal ini harmonisa yang terjadi dan noise saat perekaman.

(67) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI PERCOBAAN MENCARI DURASI PEREKAMAN UNTUK SISTEM PENGENALAN NADA ALAT MUSIK SULING BAMBU DENGAN MATLAB V.7 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 2400Hz 2. Durasi perekaman yang digunakan sebesar 1 detik, 2 detik, dan 3 detik Listing Program fs =2400;%%fsampling 2400Hz %y = wavrecord (fs,fs,'double'); % 1 detik %wavwrite(y,fs,'sample1s2400HzDo.wav'); %[y,fs]=wavread('sample1s2400HzDo.wav'); %y = wavrecord (2*fs,fs,'double'); % 2 detik %wavwrite(y,fs,'sample2s2400HzDo.wav'); %[y,fs]=wavread('sample2s2400HzDo.wav'); y = wavrecord (3*fs,fs,'double'); % 3 detik wavwrite(y,fs,'sample3s2400HzDo.wav'); [y,fs]=wavread('sample3s2400HzDo.wav'); plot(y);grid;%output L8

(68) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Hasil Ploting Durasi Perekaman 1 Detik 0.25 0.2 0.15 Amplitudo 0.1 0.05 0 -0.05 -0.1 -0.15 -0.2 -0.25 0 500 1000 1500 Sampel 1 detik Amplitudo Durasi Perekaman 2 Detik 1000 1500 Sampel 2 detik 2000 2500 L9

(69) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L10 Amplitudo Durasi Perekaman 3 Detik 1000 1500 Sampel 3 detik Kesimpulan 1. Pada hasil percobaan terlihat sistem membutuhkan waktu untuk mendapatkan data sinyal rekaman. 2. Pada hasil percobaan, kestabilan sinyal membutuhkan waktu minimal sebesar 1 detik.

(70) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Listing Program Pengenalan function varargout = guisulbam(varargin) % GUISULBAM M-file for guisulbam.fig % GUISULBAM, by itself, creates a new GUISULBAM or raises the existing % singleton*. % % H = GUISULBAM returns the handle to a new GUISULBAM or the handle to % the existing singleton*. % % GUISULBAM('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GUISULBAM.M with the given input arguments. % % GUISULBAM('Property','Value',...) creates a new GUISULBAM or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before guisulbam_OpeningFunction gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to guisulbam_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help guisulbam % Last Modified by GUIDE v2.5 06-Dec-2013 14:11:56 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @guisulbam_OpeningFcn, ... 'gui_OutputFcn', @guisulbam_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 L11

(71) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % End initialization code - DO NOT EDIT % --- Executes just before guisulbam is made visible. function guisulbam_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 guisulbam (see VARARGIN) % Choose default command line output for guisulbam handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes guisulbam wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = guisulbam_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 popupmenu1. function popupmenu1_Callback(hObject, eventdata, handles) % hObject handle to popupmenu1 (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 popupmenu1 contents as cell array % contents{get(hObject,'Value')} returns selected item from % popupmenu1 indeks=get(handles.popupmenu1,'Value'); switch indeks case 1 frame=16; case 2 frame=32; case 3 frame=64; case 4 frame=128; L12

(72) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI case 5 frame=256; end handles.ndct=frame; guidata(hObject,handles); % --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) %Rekam untuk 2 detik ==================================================== pause(2); sample_len=1; sample_freq=2400; sample_time=(sample_len*sample_freq); x=wavrecord(sample_time, sample_freq); axes(handles.axes1); plot(x); frame=handles.ndct; frame mulai=length(x)/2; xframe=zeros(frame,1); for i=1:frame xframe(i)=x(i+mulai); end %normalisasi xmax=max(abs(xframe)); xnorm=xframe/xmax; %hamming window bwin=hamming(frame); %windowing xwin=xnorm.*bwin; %DCT y=abs(dct(xwin)); axes(handles.axes2) plot(y); if (frame==16) load xciri16 elseif (frame==32) load xciri32 elseif (frame==64) load xciri64 elseif (frame==128) load xciri128 elseif (frame==256) load xciri256 end L13

(73) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L14 for n=1:8 jaraklist(n)=simsor(y,z(:,n)); end jaraklist %cari nilai minimum jmax=find(max(jaraklist)==jaraklist); maxjaraklist=max(jaraklist) r=1,00; if maxjaraklist>r yy={'Tidak Dikenali'} else %deskripsi string nadalist={'Do','Re','Mi','Fa','Sol','La','Si','Dot','Tidak Dikenali'}; %penentuan keluaran nilai min %nadaout=nadalist(jarakmax) yy=nadalist(jmax) end set(handles.text10,'String',yy); % 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) %Selesai % --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) delete (figure(guisulbam)); % 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 during object creation, after setting all properties. function popupmenu1_CreateFcn(hObject, eventdata, handles) % hObject handle to popupmenu1 (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

(74) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % --- Executes on button press in pushbutton3. function pushbutton3_Callback(hObject, eventdata, handles) axes(handles.axes1); plot(0); axes(handles.axes2); plot(0); set(handles.text10,'String',' ') % 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) Data Base function dbxciri frame=128 %panjang frame blocking z1=zciri ('Do_',frame); z2=zciri ('Re_',frame); z3=zciri ('Mi_',frame); z4=zciri ('Fa_',frame); z5=zciri ('Sol', frame); z6=zciri ('La_' frame); z7=zciri ('Si_', frame); z8=zciri ('Dot',frame); z=[z1 z2 z3 z4 z5 z6 z7 z8] save xciri128 z %============================================= % INTERNAL FUNCTION %============================================= function z=zciri (nada,frame) x1=wavread ([nada '1.wav']);y1=xciri (x1,frame); x2=wavread ([nada '2.wav']);y2=xciri (x2,frame); x3=wavread ([nada '3.wav']);y3=xciri (x3,frame); x4=wavread ([nada '4.wav']);y4=xciri (x4,frame); x5=wavread ([nada '5.wav']);y5=xciri (x5,frame); x6=wavread ([nada '6.wav']);y6=xciri (x6,frame); x7=wavread ([nada '7.wav']);y7=xciri (x7,frame); x8=wavread ([nada '8.wav']);y8=xciri (x8,frame); x9=wavread ([nada '9.wav']);y9=xciri (x9,frame); x10=wavread ([nada '10.wav']);y10=xciri (x10,frame); z=(y1+y2+y3+y4+y5+y6+y7+y8+y9+y10)/10; %============================================= L15

(75) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Frame Blocking %Frame blocking mulai=length(x)/2; xframe=zeros(frame,1); for i=1:frame xframe(i)=x(i+mulai); end Normalisasi %normalisasi xmax=max(abs(xframe)); xnorm=xframe/xmax; Windowing %hamming window bwin=hamming(frame); %windowing xwin=xnorm.*bwin; Ekatraksi Ciri DCT %DCT y=abs(dct(xwin)); Similaritas Sorensen function d=simsor(p,q) % Fungsi similaritas Sorensen d1=sum(abs(p-q)); d2=sum(p+q); d=(1-(d1/d2)); L16

(76) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L17 Tabel Hasil Percobaan a. DCT 16 No Nada masukan 1 2 3 4 5 6 7 8 Do Re Mi Fa Sol La Si Dot 1 X X V X V X V V 2 X V V V X V X V Percobaan ke3 X X V V V V X V 4 X X X V V V V V 5 X V X V V V X V 2 V V X V V V V V Percobaan ke3 V V V V V V X V 4 V V V V V V X V 5 X V V V V V V V 2 V V V V V V V V Percobaan ke3 V V V V V V V V 4 V V V V V V V V 5 V V V V V V V V b. DCT 32 No Nada masukan 1 2 3 4 5 6 7 8 Do Re Mi Fa Sol La Si Dot 1 V V V X V V X V c. DCT 64 No Nada masukan 1 2 3 4 5 6 7 8 Do Re Mi Fa Sol La Si Dot 1 V V V V V V V V

(77) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L18 d. DCT 128 No Nada masukan 1 2 3 4 5 6 7 8 Do Re Mi Fa Sol La Si Dot 1 V V V V V V V V 2 V V V V V V V V Percobaan ke3 V V V V V V V V 4 V V V V V V V V 5 V V V V V V V V 2 V V V V V V V V Percobaan ke3 V V V V V V V V 4 V V V V V V V V 5 V V V V V V V V e. DCT 256 No Nada masukan 1 2 3 4 5 6 7 8 Do Re Mi Fa Sol La Si Dot 1 V V V V V V V V Keterangan : X = Nada yang dikenali tetapi salah. V = Nada yang dikenali dan benar.

(78)

Dokumen baru

Tags

Dokumen yang terkait

PENGENALAN NOTASI BALOK MENGGUNAKAN PENGENALAN NOTASI BALOK MENGGUNAKAN SEGMENTASI DAN JARINGAN SYARAF TIRUAN UNTUK MENGHASILKAN NADA BERIRAMA BERBASIS IOS.
0
3
11
PENGENALAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX (GLCM) DAN METODE K-NEAREST NEIGHBORS (K-NN) - UDiNus Repository
0
0
1
PENGENALAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX (GLCM) DAN METODE K-NEAREST NEIGHBORS (K-NN) - UDiNus Repository
0
0
1
PENGENALAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX (GLCM) DAN METODE K-NEAREST NEIGHBORS (K-NN) - UDiNus Repository
0
0
5
PENGENALAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX (GLCM) DAN METODE K-NEAREST NEIGHBORS (K-NN) - UDiNus Repository
1
10
30
PENGENALAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX (GLCM) DAN METODE K-NEAREST NEIGHBORS (K-NN) - UDiNus Repository
0
0
2
PENGENALAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR (GLCM) DAN METODE K-NN
0
0
10
EKSTRAKSI CIRI DAN PENGENALAN TUTUR VOKAL BAHASA INDONESIA MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN DYNAMIC TIME WARPING (DTW) SECARA REALTIME
0
0
6
PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS 081401039
0
0
13
PENGENALAN NADA ALAT MUSIK PIANIKA MENGGUNAKAN METODE KORELASI TUGAS AKHIR - Pengenalan nada alat musik pianika menggunakan metode korelasi - USD Repository
0
1
96
TUGAS AKHIR PENGENALAN HURUF PLAT NOMOR KENDARAAN BERMOTOR RODA DUA SECARA REAL TIME MENGGUNAKAN METODE EKSTRASI CIRI PENGABURAN DAN PERATAAN BLOK
0
0
82
TUGAS AKHIR PENGENALAN NADA GAMELAN KENONG SECARA REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK CHEBYSHEV
0
2
81
TUGAS AKHIR PENGENALAN NADA GAMELAN SLENTHEM SECARA REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK EUCLEDIAN
0
1
80
TUGAS AKHIR PENGENALAN NADA GAMELAN REONG SECARA REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK MINKOWSKI
0
0
87
TUGAS AKHIR PENGENALAN PLAT NOMOR SEPEDA MOTOR MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK EUCLIDEAN
0
0
111
Show more