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

Gratis

0
1
80
9 months ago
Preview
Full text
(1)PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI TUGAS AKHIR PENGENALAN NADA GAMELAN SLENTHEM SECARA REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK EUCLEDIAN DiajukanUntuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro Disusun oleh: Felix Arista Rahadian (095114017) PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2014 i

(2) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI FINAL PROJECT REAL TIME GAMELAN SLENTHEM TONE RECOGNITION USING DCT FEATURE EXTRACTION AND EUCLIDEAN DISTANCE FUNCTION Presented as Partial Fullfillment of The Requirements To Obtain The Sarjana Teknik Degree In Electrical Engineering Study Program Felix Arista Rahadian (095114017) DEPARTMENT OF ELECTRICAL ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2014 ii

(3) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI HALAMAN PERSETUJUAN TUGAS AKHIR PENGENALAN NADA GAMELAN SLENTHEM SECARA REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK EUCLIDEAN Oleh: FELIX ARISTA RAHADIAN NIM: 095114017 telah disetujui oleh: iii

(4) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI HALAMAN PENGESAHAN TUGAS AKHIR PENGE]TALAI{ I\ADA GAMELAN SLE TTHEM SECARA REAL TIME Mg'I{GGUI{AKAI{ EKSTRAKSI CIRI DCT DA]V FTTNGSI JAR{K E$CLI}EAJT Oleh. FELIX.ARISTA RAHAPIAN 095i 14017 Telah dipertahank*n di depan penguji PadatanggalT Apnl2A14 Dan dinyatakan memenuhi syarat Susunan Panitia Penguji Nama Lengkap Kstua : Wirvien Widyastuti" S.T.,M"T. Sekretaris : Anggota : Pctrus Setyo : Tanda Tangan Dr, Linggo Sumarno Frabowo, S.T."M.T. Fakul tss **aii:s d*.n Trkrral.-rgi Universitas Sanata Dharmn iv

(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. v

(6) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI HALAMAN PERSEMBAHAN DAN MOTTO HIDUP MOTTO: Kesuksesan selalu disertai dengan kegagalan..Percayalah!! Dengan ini kupersembahkan karyaku ini untuk..... Yesus Kristus Pembimbingku yang setia, Papa dan Mama tercinta, Teman-teman seperjuanganku, Dan semua orang yang mengasihiku Terima Kasih...... 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 : Felix Arista Rahadian Nomor Mahasiswa : 095114017 Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul : PENGENALAN NADA GAMELAN SLENTHEM SECARA REAL TIME MENGGUNAKAN EKSTRAKSI CIRI DCT DAN FUNGSI JARAK EUCLIDEAN beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpannya, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai penulis. Demikian pernyataan ini saya buat dengan sebenarnya. vii

(8) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI INTISARI Sebagian orang hanya mendengarkan suatu nada tanpa mengetahui nada apa yang sedang dimainkan karena kurangnya ketajaman indera pendengaran dan pengetahuan tentang alat musik. Slenthem adalah salah satu alat musik gamelan yang nadanya belum tentu diketahui oleh seorang pemula yang baru belajar alat musik gamelan. Sistem pengenalan sangat diperlukan untuk membantu dalam mengenali nada alat musik gamelan slenthem yaitu nada ( ji, ro, lu, pat, mo, nem dan pi ) pada gamelan slenthem. Sistem pengenalan ini dibuat secara realtime sehingga seorang pemula akan dapat mengenal nada langsung pada saat orang itu bermain suatu alat musik gamelan slenthem. Sistem pengenalan ini menggunakan mikrofon sebagai perekam gelombang suara nada gamelan slenthem dan komputer yang berfungsi untuk memproses data hasil rekaman, menampilkan gelombang hasil rekaman, menampilkan hasil ekstraksi ciri DCT, mengenali nada terekam, dan menampilkan hasil nada yang dikenali dalam bentuk teks. Sistem pengenalan nada alat musik gamelan slenthem menggunakan fungsi jarak Euclidean sudah berhasil dibuat dan dapat bekerja dengan baik. Penampil hasil rekaman, hasil ekstraksi ciri DCT dan status pengenalan mampu ditampilkan sesuai dengan perancangan. Program pengenalan nada ini hanya mampu mengenali gamelan slenthem saja, sehingga masih dapat dikembangkan untuk pengenalan nada gamelan lain yang cara memainkannya secara dipukul. Kata kunci: Slenthem, Discrete Cosine Transform (DCT), Fungsi Jarak Euclidean, Pengenalan Nada. viii

(9) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI ABSTRACT Some people just listen a tone of tones without knowing what is being played for lack of sharpness of the sense of hearing and knowledge of musical instruments. Slenthem is one musical instrument gamelan, not necessarily known by a newbie who recently studied the gamelan music instrument. Recognition systems indispensable to assist in recognize tone musical instrument gamelan slenthem i.e. tones ( ji, ro, lu, pat, mo, nem and pi ) on gamelan slenthem. Recognition systems is made in realtime so that a novice will be able to know the tone directlyinto when the man playing a musical instrument gamelan slenthem. Recognition systems is using a microphone as recorder sound waves tone gamelan slenthem and computers that serves to process data the record, showing waves the record, showed the results dct feature extraction, recognize tone recorded , and showed the results tone being recognizable in the text. Tone recognition systems of musical instrument gamelan slenthem using the Euclidean distance function was successfully created and can work well. Recording results Viewer, the result of the DCT feature extraction and status recognition is able to be shown in accordance with the design. The introduction of this program was only able to recognize gamelan slenthem course, so that still to be developed for the introduction of a tone gamelan other way to play it in being struck. Keywords: Slenthem, Discrete Cosine Transform (DCT), Euclidean Distance Functions, Recognition Tone. ix

(10) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI KATA PENGANTAR Puji syukur penulis panjatkan kepada Tuhan Yesus Kristus karena telah memberikan karunia-Nya sehingga penulis dapat menyelesaikan laporan akhir ini dengan baik. Laporan akhir ini disusun untuk memenuhi syarat memperoleh gelar sarjana. Penulis mengucapkan terima kasih kepada : 1. Tuhan Yesus Kristus, atas penyertaan-Nya. 2. Paulina Heruningsih Prima Rosa, S.Si., M.Sc., Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma. 3. Petrus Setyo Prabowo, S.T., M.T., Ketua Program Studi Teknik Elektro Universitas Sanata Dharma. 4. Dr. Linggo Sumarno, dosen pembimbing yang dengan penuh pengertian dan ketulusan hati memberi bimbingan, kritik, saran, serta motivasi dalam penulisan skripsi ini. 5. Wiwien Widyastuti, S.T.,M.T. dan Petrus Setyo Prabowo, S.T., M.T., dosen penguji yang telah memberikan masukan, bimbingan, saran dalam merevisi skripsi ini. 6. Bapak/ Ibu dosen yang telah mengajarkan banyak hal selama penulis menempuh pendidikan di Program Studi Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Sanata Dharma. 7. Staff sekretariat Teknik Elektro, atas bantuan dalam melayani mahasiswa. 8. Kedua orang tuaku (†)Yohanes Herkutanto dan Theresia Septi Hermastuti atas dukungan, doa, cinta, perhatian, kasih sayang yang tiada henti. 9. Rekan-rekan seperjuanganku angkatan 2009 Teknik Elektro, teman-teman Sambat, yang memberikan dukungan dalam penyelesaian skripsi ini. 10. Semua pihak yang tidak dapat disebutkan satu persatu atas semua dukungan yang telah diberikan dalam penyelesaian skripsi ini. Penulis menyadari bahwa dalam penyusunan laporan akhir ini masih mengalami kesulitan dan tidak lepas dari kesalahan. Oleh karena itu, penulis mengharapkan masukan, kritik dan saran yang membangun agar skripsi ini menjadi lebih baik. Dan semoga skripsi ini dapat bermanfaat sebagaimana mestinya. x

(11) 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.......................................................................................................... xi DAFTAR GAMBAR ........................................................................................... xiv DAFTAR TABEL ................................................................................................ xv BAB I PENDAHULUAN 1.1. Latar Belakang ............................................................................................. 1 1.2. Tujuan Penelitian .......................................................................................... 1 1.2.1.Manfaat Penelitian ............................................................................... 2 1.2.2.Batasan Masalah .................................................................................. 2 Metodologi Penelitian................................................................................... 2 1.3.1. Variabel Penelitian ............................................................................ 2 1.3.2. Prosedur Penelitian ........................................................................... 3 1.3. BAB II DASAR TEORI 2.1. Alat Musik Slenthem .................................................................................... 4 2.2. Sampling ...................................................................................................... 5 2.3. Frame Blocking ............................................................................................ 5 2.4. Hamming Window ........................................................................................ 6 2.5. Discrete Fourier Transform(DFT) ................................................................ 6 2.6. Discrete Cosine Transform (DCT) ................................................................ 6 xi

(12) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.7. Fungsi Jarak Euclidean(Euclidean Distance Function) ................................. 7 2.8. Sound Card .................................................................................................. 7 2.9. Microphone .................................................................................................. 8 2.10. Software Matlab ........................................................................................... 8 BAB III PERANCANGAN 3.1. Arsitektur Sistem .......................................................................................... 11 3.2. Blok Sistem Pengenalan Nada ...................................................................... 12 3.2.1. Nada Gamelan Slenthem (Audio) ........................................................ 13 3.2.2. Frame Blocking .................................................................................. 14 3.2.3. Normalisasi ......................................................................................... 15 3.2.4. Windowing ......................................................................................... 16 3.2.5. Ekstraksi Ciri ...................................................................................... 17 3.2.6. Fungsi Jarak ........................................................................................ 18 3.2.7. Penentuan Nada .................................................................................. 20 3.2.8. Tampilan Pengenalan…………………………………………………… 21 3.3. Nada Referensi (Database) ........................................................................... 22 3.4. Nada Uji ....................................................................................................... 24 3.5. Percobaan Awal Subsistem Program............................................................. 24 3.5.1. Subsistem Sampling .......................................................................... 24 3.5.2. Subsistem Pengenalan Nada .............................................................. 24 BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Program dan Tampilan Program Pengenalan Nada Alat Musik Gamelan Slenthem Secara Real Time ........................................................... 26 4.1.1. Pengenalan Nada............................................................................... 28 4.2. Pengujian Parameter Pengaturan Pengenalan nada Gamelan Slenthem ......... 32 4.3. Pengujian batas Nilai Jarak Minimum Nada Untuk Melakukan Pengenalan .. 38 4.4. Pengujian Dengan Nada Masukan Gamelan Lain.......................................... 38 BAB IV KESIMPULAN DAN SARAN 5.1. Kesimpulan .................................................................................................. 41 5.2. Saran ............................................................................................................ 41 DAFTAR PUSTAKA .......................................................................................... 42 LAMPIRAN........................................................................................................... 44 xii

(13) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR GAMBAR 2.1. Contoh Gamelan Slenthem ............................................................................... 4 2.2. Frame Blocking ................................................................................................ 5 2.3. Contoh Sound Card Netbook ............................................................................. 7 2.4. Contoh Microphone .......................................................................................... 8 3.1. Arsitektur Umum .............................................................................................. 10 3.2. Blok Sistem Pengenalan Nada Gamelan Slenthem ............................................ 11 3.3. Diagram Alir Perekaman Nada Gamelan Slenthem ........................................... 13 3.4. Diagram Alir Frame Blocking .......................................................................... 14 3.5. Diagram Alir Proses Normalisasi ..................................................................... 15 3.6. Diagram Alir Windowing .................................................................................. 16 3.7. Diagram Alir Ekstraksi Ciri .............................................................................. 17 3.8. Diagram Alir Fungsi Jarak Euclidean ................................................................ 18 3.9. Diagram Alir Proses Penentuan Nada................................................................ 19 3.10. Tampilan GUI ................................................................................................... 20 3.11. Diagram Alir Proses Pengambilan Nada Referensi ............................................ 22 4.1. Icon Program Pengenalan.................................................................................. 24 4.2. Tampilan Awal Matlab ..................................................................................... 25 4.3. Tampilan Program Pengenalan .......................................................................... 25 4.4. Tampilan Pengaturan DCT ................................................................................ 26 4.5. Grafik Pengaruh Nilai DCT Terhadap Tingkat Pengenalan .............................. 31 4.6. Pengaruh Koefisien DCT terhadap Hasil Pengenalan ....................................... 32 4.7. Gamelan Peking ................................................................................................ 38 xiv

(14) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI DAFTAR TABEL 3.1. Keterangan Tampilan Program ..................................................................... 21 4.1. Jarak Antara Nada Mo dan Nem ................................................................... 32 4.2. Hasil Pengujian jarak .................................................................................... 36 4.3. Hasil Pengujian Dengan Alat Musik Peking ................................................. 37 xv

(15) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB I PENDAHULUAN 1.1 Latar Belakang Musik adalah salah satu sarana hiburan yang umumnya sangat disukai oleh semua kalangan masyarakat dari zaman dulu bahkan sampai sekarang. Musik tentunya tidak lepas dari yang namanya instrumen musik atau alat musik [1]. Terutama di masa yang serba modern dan praktis saat ini, kebutuhan akan software pengenalan nada alat musik cenderung meningkat. Sebagian orang hanya mendengarkan suatu nada tanpa mengetahui nada apa yang sedang dimainkan karena kurangnya ketajaman indera pendengaran dan pengetahuan tentang alat musik. Slenthem adalah salah satu alat musik gamelan yang nadanya belum tentu diketahui oleh seorang pemula yang baru belajar alat musik gamelan. Pada penelitian sebelumnya oleh Lazuardi[2] mengenai “Pengenalan Nada Pada Alat Musik Bonang Menggunakan Fungsi Jarak Euclidean” dan Prayitno[3] mengenai “Pengenalan Nada Saron Pelog Menggunakan Fungsi Jarak Minkowski”, suara akan dikenali setelah melakukan perekaman. Untuk itu perlu adanya pengenalan nada yang sifatnya realtime dan dengan metode yang baru. Dengan sistem yang dibuat secara realtime maka seorang pemula akan dapat mengenal nada langsung pada saat orang itu bermain suatu alat musik. Berdasarkan hal diatas, penulis ingin membuat sistem yang dapat membantu pemula untuk mengenali nada gamelan khususnya alat musik slenthem. Dengan menggunakan sistem ini seorang pemula yang ingin belajar untuk mengenali nada khususnya alat musik slenthem dapat dengan mudah mengenal nada 1, 2, 3, 4, 5, 6, dan 7 yang dihasilkan. 1.2 Tujuan Penelitian Tujuan penelitian ini adalah menghasilkan software pengenalan nada alat musik gamelan slenthem. 1

(16) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2 1.2.1 Manfaat Penelitian Manfaat yang dapat diperoleh dari penelitian ini adalah: a. Sebagai alat bantu bagi orang yang sedang belajar memainkan alat musik gamelan slenthem. b. Sebagai alat bantu memudahkan orang untuk mengetahui nada ji (1), ro (2), lu (3), pat (4), mo (5), nem (6) dan pi (7) alat musik gamelan slenthem. 1.2.2 Batasan masalah Sistem pengenalan nada alat musik slenthem ini sepenuhnya dilakukan di dalam komputer, berarti bentuk pengenalan nada alat musik slenthem menggunakan perangkat lunak yang sudah tertanam pada komputer. Beberapa batasan masalah yang dianggap perlu oleh penulis pada perancangan ini adalah sebagai berikut: a. Data yang diolah program adalah perekaman suara yang dihasilkan oleh alat musik pukul yaitu slenthem. b. Nada yang akan dikenali adalah nada‟1, 2, 3, 4, 5, 6, 7‟ . c. Dalam pembuatan progam ini penulis menggunakan ekstrasi ciri DCT. d. Menggunakan perangkat lunak komputasi (Matlab). e. Menggunakan fungsi jarak Euclidean. f. Menggunakan jendela Hamming. g. Sistem ini realtime. 1.3 Metodologi Penelitian 1.3.1 Variabel Penelitian a. Proses Perekaman Suara Variabel terikat pada penelitian ini ialah frekuensi sampling, durasi perekaman, frame blocking dan nada referensi yang digunakan. Nada yang digunakan yaitu nada „1, 2, 3, 4, 5, 6, 7‟ alat musik slenthem. b. Pengenalan nada SlenthemVariabel bebas pada penelitian ini ialah nada gamelan slenthem yang akan dikenali harus dimainkan. c.

(17) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3 1.3.2 Prosedur Penelitian Langkah-langkah yang dilakukan penulis dalam pengerjaan tugas akhir: a. Mencari referensi, membaca, mempelajari buku-buku yang berhubungan dengan masalah yang menjadi topik tugas akhir. b. Perancangan subsistem software dengan menggunakan perangkat lunak komputasi (matlab). Tahap ini bertujuan untuk mencari bentuk model yang optimal dari sistem yang akan dibuat dengan mempertimbangkan berbagai faktor – faktor permasalahan. c. Pembuatan subsistem software. Sistem akan bekerja apabila user memberikan input melalui PC dengan menggunakan GUI pada Matlab. Sistem akan mengolah input yang diterima dan memulai proses perekaman sampai melewati proses pengenalan nada. Komputer akan mengolah nada dan menyajikannya sebagai sebuah informasi. d. Analisa dan penyimpulan hasil percobaan. Analisa data dilakukan dengan meneliti pengaruh variasi nilai DCT dan frame blocking sebanyak 42 percobaan ( 7 nada x 6 variasi nilai). Penyimpulan hasil percobaan dapat dilakukan dengan cara mencari koefisien nilai DCT dan frame blocking yang terbaik. Sebagai indikator keberhasilan sistem pemrosesan suara dilihat dari dengan tingkat pengenalan program dalam mengenali suara gamelan slenthem.

(18) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB II DASAR TEORI 2.1 Alat Musik Slenthem Menurut konstruksinya, slenthem termasuk keluarga gender, selain itu slenthem juga dinamakan gender panembung. Slenthem mempunyai bilah sebanyak bilah saron. Slenthem beroktaf paling rendah dalam kelompok instrumen saron. Seperti demung dan saron barung, slenthem memainkan lagu balungan dalam wilayahnya yang terbatas [4]. Slenthem adalah jenis instrument gamelan terbuat dari perunggu yang berbentuk bilah persegi panjang pipih (lebih tipis dari demung, saron, dan peking ) yang ditata berderet. Slenthem laras Slendro berjumlah 6 – 7 bilah. Sedangkan pada Laras Pelog berjumlah 7 bilah. Seperangkat gamelan ageng pasti terdapat 1 set slenthem ( 1 slenthem ada 2, pelog dan slendro, jadi semua berjumlah 2 buah) [5]. Gambar 2.1 Contoh Gamelan Slenthem 4

(19) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.2 5 Sampling Sinyal suara merupakan sinyal yang tidak terbatas dalam domain waktu (infinite time interval). Sinyal suara akan menghasilkan sinyal analog yang terus kontinyu. Untuk keperluan pemrosesan dalam transformasi fourier maka sinyal audio harus dibentuk dalam potonganpotongan waktu yang terbatas (finite time interval). Karena itu sinyal yang ada dipotongpotong dalam slot-slot interval waktu tertentu. Berdasarkan pada teori sampling Nyquist, maka syarat dari frekuensi sampling adalah minimal dua kali frekuensi sinyal.[6]. 𝑓𝑠 ≥ 2𝑓𝑚 dengan: (2.1) 𝑓𝑠 = frekuensi sampling (sampling rate) 𝑓𝑚 = frekuensi tertinggi sinyal suara analog 2.3 Frame Blocking Frame blocking berfungsi untuk mereduksi data yang akan diproses dalam sistem pengenalan. Sinyal suara akan diblok ke dalam frame-frame dengan N sample dan digeser sebesar M sample dimana N = 2×M , seperti ditunjukkan pada gambar 2.1 Sehingga didapatkan nilai dari sinyal yang baru adalah sebagai berikut: Gambar 2.2 Frame Blocking [7]

(20) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.4 6 Hamming Window Windowing diperlukan untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal. Dimana jenis windowing ada beberapa macam yaitu Hamming, Bartlet, Rectanguler dan Blackman. Namun dalam penelitian ini menggunakan Window Hamming dikarenakan hasilnya lebih halus [7]. Rumus Hamming Window adalah sebagai berikut : 𝑤 𝑛 = 0.52 − 0.46 cos 0 2𝜋𝑛 𝑁−1 0 ≤𝑛 ≤ 𝑁−1 (2.2) Dengan n = jumlah data dari sinyal N = jumlah elemen 2.5 Discrete Fourier Transform (DFT) Algoritma yang digunakan untuk mengubah sampel data dari domain waktu ke domain frekuensi adalah Discrete Fourier Transform (DFT). DFT menstabilkan hubungan antara sampel– sample signal domain waktu dan merepresentasikannya ke domain frekuensi. DFT biasa digunakan dalam analisis spectral, diaplikasikan dalam mekanik, akustik, pencintraan medis, analisa angka, instrumentasi dan telekomunikasi [7]. Rumus DFT dapat didefinisikan sebagai [8]: 𝑋 𝑘 = 𝑁 𝑗 =1 1 𝑥 𝑗 = 𝑁 𝑥 𝑗 𝜔𝑁𝑗 −1 𝑁 𝑘=1 𝑘−1 𝑋 𝑘 𝜔𝑁− 𝑗 −1 Dimana 𝜔𝑁 = 𝑒 −(2𝜋𝑖 )/𝑁 𝑘−1 (2.3)

(21) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.6 7 Discrete Cosine Transform (DCT) Pada dasarnya DCT adalah bagian real dari DFT. Bentuk DCT yang akan diterapkan pada tugas akhir ini adalah : 𝑦 𝑘 =𝑤 𝑘 Dimana: 𝑁 𝑛=1 𝑥 𝑛 𝑐𝑜𝑠 𝜋 2𝑛 − 1 𝑘 − 1 2𝑁 𝑤 𝑘 = 1 𝑁 2 𝑁 𝑘 = 1, … . . , 𝑁 (2.4) 𝑘=1 2≤𝑘 ≤𝑁 Dalam penerapannya, DCT adalah transformasi ideal untuk proses kompresi. Oleh karena efisiensinya dalam kompresi data [9]. 2.7 Fungsi Jarak Euclidean (Euclidean Distance Function) Metode Euclidean sendiri memiliki rumus (formula) pengembangannya sesuai dengan keadaan ruang. Dalam hal ini akan kita gunakan ruang satu dimensi. 𝑑𝐸 𝑥, 𝑦 = (𝑥𝑙 − 𝑦𝑙 )2 (2.6) dengan x adalah nada input dan y adalah nada referensi[10]. 2.8 Sound card Sound card adalah kartu ekspansi komputer internal yang memfasilitasi input dan output dari sinyal audio ke dan dari komputer di bawah kontrol program komputer. Sound Card ini juga diterapkan untuk interface audio [11]. Sound card pada netbook ditunjukan pada gambar 2.3 berikut:

(22) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 8 Gambar 2.3 Contoh Sound Card Netbook 2.9 Microphone Microphone adalah alat yang digunakan untuk mengubah sinyal suara mejadi sinyal elektrik yang selanjutnya suara akan diubah menjadi data dan menjadi file dengan format tertentu misalnya wav atau mp3 [12]. Gambar 2.4 Contoh Microphone

(23) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 9 2.10 Software MATLAB MATLAB adalah sebuah bahasa dengan kemampuan tinggi untuk komputasi teknis. MATLAB menggabungkan komputasi, visualisasi, dan pemrograman dalam satu kesatuan yang sudah digunakan di mana masalah dan penyelesaiannya diekspresikan dalam notasi matematik yang sudah dikenal. Pemakaian MATLAB meliputi : · Matematika dan komputasi · Pengembangan algoritma · Akuisisi data · Pemodelan, simulasi dan prototype · Grafik saintifik dan engineering · Perluasan pemakaian, seperti graphical user interface (GUI). MATLAB adalah sistem interaktif yang mempunyai basis data array yang tidak membutuhkan dimensi. Ini memungkinkan kita dapat menyelesaikan banyak masalah komputasi teknis, khususnya yang berkaitan dengan formulasi matrik dan vector. Nama MATLAB merupakan singakatn dari matrix labolatory . MATLAB awalnya dibuat untuk memudahkan dalam mengakses software matriks yang telah dikembangkan oleh LINPACK dan EISPACK. Dalam perkembangannya, MATLAB mampu mengintegrasikan beberapa software matriks sebelumnya dalam satu software untuk komputasi matriks. Tidak hanya itu, MATLAB juga mampu melakukan komputasi simbolik yang biasa dilakukan oleh MAPLE. Sistem MATLAB terdiri atas lima bagian utama : 1 Development Environment. Ini adalah kumpulan semua alat-alat dan fasiltas untuk membantu kita memuat desktop, dalam menggunakan Command fungsi window, dan file command MATLAB. history, Bagian editor ini and debugger, dan browser untuk melihat help, workspace, files. 2 The MATLAB Mathematical Function Library. Bagian ini adalah koleksi semua algoritma komputasi, mulai dari fungsi sederhana seperti sum, sine, cosine sampai fungsi lebih rumit seperti invers matriks, nilai eigen, fungsi Bessel dan fast Fourier transform.

(24) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3 10 The MATLAB language. Ini adalah bahasa matriks/array level tinggi dengan control flow, fungsi, struktur data, input/output, dan fitur objek programming lainnya. 4 Graphics. MATLAB mempunyai fasilitas untuk menampilkan vector dan matriks sebagai grafik. Fasilitas ini mencakup visualisasi data dua / tiga dimensi, pemrosesan citra (image), animasi, dan grafik animasi. 5 The MATLAB Application Program Interface (API). Paket ini memungkinkan kita menulis bahasa C dan Fortran yang berinteraksi dengan MATLAB. Ia memuat fasilitas untuk pemanggilan kode-kode dari MATLAB (dynamic linking), yang disebut MATLAB sebagai mesin penghitung, dan untuk membaca dan menulis MAT-files [13].

(25) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB III PERANCANGAN 3.1 Arsitektur Sistem Blok sistem pengenalan nada gamelan slenthem secara keseluruhan ditunjukan pada gambar 3.1. Gambar 3.1 Arsitektur Umum Sistem ini akan bekerja saat user memukul alat musik slenthem. Saat user memukul gamelan slenthem maka suara yang dihasilkan akan direkam oleh microphone. Suara yang telah direkam dan akan diolah kedalam software MATLAB. Setelah dilakukan proses pengenalan nada, hasil pengenalan tadi akan ditampilkan kedalam bentuk teks yang dapat dibaca oleh seorang pemula yang sedang belajar alat musik. Sistem pengenalan nada ini dilakukan secara real time. Diperlukan beberapa komponen selain software yang digunakan dalam pengenalan nada. Diantaranya alat musik gamelan slenthem sebagai sumber suara, microphone dan laptop seperti ditunjukkan gambar 3.1. 11

(26) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.2 12 Blok Sistem Pengenalan Nada Blok sistem pengenalan nada alat musik slenthem secara keseluruhan diperlihatkan pada Gambar 3.2 Gambar 3.2 Blok Sistem Pengenalan Nada Gamelan Slenthem a. Frame blocking Proses ini memilih data dari data nada terekam, sehingga data yang dipilih dapat mewakili semua data pada nada terekam. Besarnya data nada terekam yang dipilih sesuai dengan nilai frame blocking yang sudah ditentukan pada program. b. Normalisasi Proses ini bertujuan untuk menyetarakan amplitudo maksimum baik nada terekam dengan nada referensi, sehingga efek dari kuat lemahnya suara yang dikeluarkan gamelan kenong tidak terlalu mempengaruhi proses pengenalan. c. Windowing Windowing merupakan perkalian antar elemen yang berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil rekaman. Dalam perancangan ini penulis menggunakan hamming window dari jenis-jenis windowing yang ada.

(27) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 13 d. Discrete Cosine Transform (DCT) Proses Discrete Cosine Transform merupakan proses ekstraksi ciri suatu data suara maupun gambar. Evaluasi DCT yang digunakan sama dengan frame blocking yang digunakan. Setelah menentukan besarnya frame blocking, kemudian frame blocking tersebut dievaluasi basis data koefisiennya. e. Fungsi Jarak Proses ini membandingkan nada terekam dengan 7 nada referensi. Hasil dari perbandingan adalah jarak yang kemudian akan digunakan dalam proses selanjutnya. Pada proses pengenalan, yang diambil adalah jarak yang terdekat dengan nada terekam. Dalam proses ini penulis menggunakan fungsi jarak Euclidean. f. Penentun Nada Hasil pengenalan adalah subproses terakhir dari proses pengenalan nada. Pada proses ini, hasil pengenalan nada ditentukan berdasarkan nilai jarak minimum yang diperoleh setelah proses fungsi jarak. 3.2.1 Nada Gamelan Slenthem (Audio) Masukan sistem pengenalan nada adalah hasil sampling nada gamelan slenthem yang dipukul. Proses sampling bertujuan untuk pencuplikan gelombang suara yang akan menghasilkan gelombang diskret termodulasi pulsa. Pada proses perekaman terdapat proses delay. Proses delay digunakan untuk memberikan jeda waktu pada user sebelum melakukan perekaman. Besarnya delay yang diberikan sesuai dengan percobaan durasi waktu perekaman yang telah dilakukan (lihat lampiran). Besarnya durasi perekaman yang digunakan minimal sebesar 2 detik. Setelah nada selesai direkam, maka sistem akan menampilkan hasil perekaman atau sampling dalam bentuk grafik atau plot. Jadi semua nada yang diambil dalam proses perekaman, akan melalui proses sampling terlebih dahulu sebelum masuk ke tahap selanjutnya. Proses perekaman suara gamelan slenthem dapat dilihat pada Gambar 3.3.

(28) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 14 Mulai Masukan : nada gaemlan slenthem Delay Merekam Suara Gamelan Slenthem Keluaran : nada terekam Mengabil Sampling nada terkam Selesai Gambar 3.3 Diagram Alir Perekaman Nada Gamelan Slenthem 3.2.2 Frame Blocking Pada proses frame blocking, sebagian data diambil dari keseluruhan data suara slenthem yang terekam. Sebagian data yang dipilih digunakan untuk mewakili semua data dari nada terekam. Data yang digunakan diambil mulai dari tengah data terekam. Nilai tengah data terkam diperoleh dari 𝑑𝑎𝑡𝑎 𝑛𝑎𝑑𝑎 𝑡𝑒𝑟𝑒𝑘𝑎𝑚 ( 2 ) .Variabel nilai frame blocking yang digunakan meliputi 16, 32. 64, 128, 256 dan 512. Penggunaan variabel nilai frame blocking disesuaikan dengan panjang DCT. Proses frame blocking ditunjukkan pada gambar 3.4.

(29) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 15 Mulai Masukan : Nada terekam Menentukan nilai frame blocking Menentukan titik tengah data : Menentukan data yang akan diambil Keluaran: Hasil frame blocking Selesai Gambar 3.4 Diagram Alir Frame Blocking 3.2.3 Normalisasi Normalisasi bertujuan untuk menyamakan nilai maksimum nada gamelan baik yang digunakan sebagai nada referensi atau nada yang direkam supaya amplitude saat dibunyikan bernilai sama, meskipun terjadi perbedaan pada saat pengambilan nada sampling. Nilai maksimum didapatkan dengan perintah xmax=max(abs(xframe)). Setelah didapatkan nilai maksimum akan dicari nilai normalisasi dengan cara membagi data dengan nilai maksimum menggunakan perintah xnorm=xframe/xmax. Hasil proses normalisasi ini berupa matrik yang ditunjukan berikut: Dengan adanya proses normalisasi, efek dari kuat lemahnya suara yang dikeluarkan gamelan slenthem tidak terlalu mempengaruhi proses pengenalan. Alur proses normalisasi ditunjukkan pada gambar 3.5.

(30) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 16 Mulai Masukan : Hasil frame blocking Mencari nilai maksimum data: xmax=max(abs(xframe)) Membagi data dengan nilai maksimum : xnorm=xframe/xmax. Keluaran: Hasil normalisasi Selesai Gambar 3.5 Diagram Alir Proses Normalisasi 3.2.4 Windowing Data yang telah dinormalisasikan mengalami proses windowing. Windowing berfungsi untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal. Proses windowing menggunakan hamming Window. Pada proses windowing terdapat perkalian elemen antara hasil normalisasi (n) dan hamming window (h) yang berbentuk matriks. Hasil perkalian tersebut akan menghasilkan keluaran berupa matriks (w). Diagram alir Windowing ditunjukkan pada gambar 3.4. Berikut proses perkalian elemen pada proses windowing: 𝑛1 . ℎ1 𝑤1 𝑛2 . ℎ2 𝑤2 𝑛3. ℎ3 𝑤3 ⋮ ⋮ = ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 𝑛𝑛 . ℎ𝑛 𝑤𝑛

(31) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 17 Mulai Masukan : Hasil normalisasi Perkalian elemen Keluaran : Hasil windowing Selesai Gambar 3.6 Diagram Alir Windowing 3.2.5 EKSTRAKSI CIRI Ekstraksi ciri menggunakan DCT adalah proses transformasi ideal untuk proses kompresi, sehingga digunakan dalam kompresi data. Proses ekstraksi ciri DCT menggunakan frame blocking yang sudah dievaluasi basis data koefisiennya. Koefisien yang digunakan adalah X= 16, N n=1 2𝑤 32, 𝑛 k cos π 2n 64, 128,256 dan 512. Dengan rumus n 2k + 1 dan w merupakan hasil windowing akan menhasilkan hasil ekstraksi ciri berupa matriks 𝑋1 𝑋2 𝑋3 ⋮ ⋮ ⋮ 𝑋𝑛 Proses Ekstrasksi Ciri DCT ditunjukkan pada gambar 3.7 :

(32) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 18 Mulai Masukan : Hasil windowing DCT Menghitung nilai absolut DCT Keluaran: Hasil ekstraksi ciri Selesai Gambar 3.7 Diagram Alir Ekstrasksi Ciri DCT 3.2.6 Fungsi Jarak Pengenalan nada alat musik gamelan slenthem dilakukan dengan implementasi metode eucledian. Proses ini membandingkan hasil ekstraksi ciri dengan nada referensi (database). Hasil dari perbandingan adalah jarak yang kemudian akan digunakan dalam proses penentuan nada. Berikut proses perbandingan dengan fungsi jarak euclidean: Nilai ekstraksi ciri yang didapatkan pada proses sebelumnya berupa matrik : 𝑋1 𝑋2 𝑋3 ⋮ ⋮ ⋮ 𝑋𝑛

(33) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 19 Databasenya berupa matriks basis data: 𝑦11 𝑦12 𝑦13 ⋮ ⋮ ⋮ 𝑦110 𝑦21 𝑦22 𝑦23 ⋮ ⋮ ⋮ 𝑦210 … … ⋮ ⋮ ⋮ … … … … ⋮ ⋮ ⋮ … … 𝑦1 𝑦72 𝑦73 ⋮ ⋮ ⋮ 𝑦710 Untuk mendapatkan jarak minimum dengan fungsi jarak euclidean maka nilai ekstraksi ciri dibandingkan dengan databasenya menggunakan persamaan berikut: 𝑑 𝑥, 𝑦 = (𝑥1 − 𝑦11 )2 + (𝑥2 − 𝑦12 )2 + (𝑥3 − 𝑦13 )2 +. . . … . +(𝑥𝑛 − 𝑦𝑛 ) Blok diagram fungsi jarak Euclidean ditunjukkan pada gambar 3.8. Mulai Masukan: Hasil ekstraksi ciri Penghitungan jarak Euclidean Keluaran : Hasil penghitungan jarak Selesai Gambar 3.8 Diagram Alir Fungsi Jarak Euclidean

(34) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 3.2.7 20 Penentuan Nada Proses ini bertujuan mengenali nada yang terekam saat gamelan slenthem dimainkan. Pada proses ini hasil pengenalan nada ditentukan berdasarkan jarak minimum yang diperoleh setelah melalui proses penghitungan fungsi jarak euclidean. Setiap nada harus dicari batasan jarak minimal yang terbesar. Apabila jarak minimum nada yang akan dikenali melebihi jarak minimal yang terbesar (r) maka pada penentuan hasil keluaran nada tidak akan dikenali. Setelah mendapatkan nilainya maka hasilnya akan ditampilkan berupa teks. Proses penentuan nada gamelan slenthem ditunjukkan pada gamabar 3.9. Mulai Masukan hasil fungsi jarak euclidean (j1,.....j7) Nil_ min Tidak Nil_min > r Ya Keluaran tdk dikenali Keluaran (ji,….,pi) Selesai Gambar 3.9 Diagram Alir Proses Penentuan Nada

(35) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 21 3.2.8 Tampilan Pengenalan Tampilan adalah hasil akhir dari software. Tampilan program ini sebagai interface dengan user yang ingin mengenali nada alat musik gamelan slenthem. Tampilan program dibuat dengan software Matlab. Didalam tampilan program hasil keluaran dari pengenalan nada gamelan slenthem ini akan ditampilkan dalam berupa teks. Tampilan berupa visual GUI Matlab yang sudah dirancang diperlihatkan pada Gambar 3.10. Gambar 3.10 Tampilan GUI Tampilan program pengenalan nada dibuat agar user dapat dengan mudah mengoperasikan program ini serta mengetahui hasil dari pengenalan nada gamelan slenthem. Beberapa keterangan dari tampilan utama program dijelaskan pada Tabel 3.1.

(36) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 22 Tabel 3.1. Keterangan Tampilan Program NO 3.3 NAMA BAGIAN KETERANGAN 1 Hasil Plot Rekam Menampilkan grafik perekaman suara 2 Hasil Plot DCT Tampilan data berupa grafik data hasil DCT 3 REKAM Untuk memulai proses pengenalan nada 4 Variasi nilai DCT Untuk memilih nilai DCT 5 Variasi nilai Frame Blocking Untuk memilih nilai Frame Blocking 6 RESET 7 SELESAI Digunakan untuk mengakhiri program 8 Hasil pengenalan nada Menunjukkan hasil nada yang dikenali Digunakan apabila user ingin memulai proses pengenalan nada yang baru Nada Referensi (Database) Untuk memperoleh nada referensi setiap nada yang akan dikenali pada sistem pengenalan nada alat musik gamelan slenthem, penulis mengambil 10 sampel untuk setiap nada yang akan dikenali tersebut (1, 2, 3, 4, 5, 6, 7). Total sampel nada gamelan slenthem ada 70 sampel. Proses pengambilan nada dapat dilihat pada Gambar 3.11. Pengambilan nada yang akan dijadikan nada referensi harus melalui proses sampling, frame blocking, normalisasi, windowing, dan DCT.

(37) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 23 Mulai Masukan nada gamelan slenthem 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 Keluaran ekstraksi ciri nada referensi Selesai Gambar 3.11 Diagram alir Proses Pengambilan Nada Referensi Setelah 10 nada sampel pada setiap nada diperoleh, perhitungan (3.1) dilakukan untuk mendapatkan nada referensi. Hasil DCT telah dinormalisasi sebagai nada sampelnya, sehingga sistem pengenalan nada alat musik gamelan slenthem tidak melakukan perhitungan kembali dalam mendapatkan nada referensi. 𝒚= 𝒉𝒂𝒔𝒊𝒍 𝒆𝒌𝒔𝒕𝒓𝒂𝒌𝒔𝒊 𝒄𝒊𝒓𝒊𝟏 +𝒉𝒂𝒔𝒊𝒍 𝒆𝒌𝒔𝒕𝒓𝒂𝒌𝒔𝒊 𝒄𝒊𝒓𝒊𝟐 +⋯+𝒉𝒂𝒔𝒊𝒍 𝒆𝒌𝒔𝒕𝒓𝒂𝒌𝒔𝒊 𝒄𝒊𝒓𝒊𝟏𝟎 𝟏𝟎 (3.1)

(38) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 24 Nada referensi yang didapat kemudian disimpan dalam bentuk matrik basis data, sehingga sewaktu-waktu nada referensi dapat dipanggil dalam proses fungsi jarak yang ada dalam sistem pengenalan alat musik gamelan slenthem. 3.4 Nada Uji Nada uji merupakan nada terekam selain nada referensi. Nada uji berfungsi untuk mengetahui nilai pada frame blocking dan DCT yang baik untuk pengenalan nada. Pengambilan nada uji sama halnya dengan pengambilan nada referensi. Proses yang dilakukan yaitu sampling, frame blocking, normalisasi, windowing, dan DCT seperti ditunjukkan pada gambar 3.9. 3.5 Percobaan Awal Subsistem program Terdapat dua subsistem penting dalam sistem pengenalan nada gamelan slenthem, yaitu subsistem sampling dan subsistem pengenalan nada. Perancangan subsistem tersebut memerlukan variabel yang saling terikat, sehingga pengenalan dapat berhasil dan dengan waktu proses yang optimal. Pengujian awal untuk mencari variabel tersebut sangat diperlukan karena dalam program tersebut memiliki fungsi–fungsi menunjang subsistem dari sistem program pengenalan nada. 3.5.1 Subsistem Sampling Dalam subsistem ini terdapat dua variabel terikat berupa frekuensi sampling dan durasi perekaman. Setelah melakukan pengujian awal, dapat disimpulkan: a. Frekuensi sampling yang digunakan adalah 600Hz.(lihat lampiran 1) b. Durasi perekaman yang digunakan adalah 2 detik.(lihat lampiran 2) 3.5.2 Subsistem Pengenalan Nada Subsistem ini terdiri dari dua proses menggunakan variabel terikat yaitu proses frame blocking dan DCT. Variabel-variabel ini digunakan dalam mencari nilai-nilai nada yang terekam sebelum masuk pada tahap proses penentuan pengenalan nada. Dalam subsistem

(39) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 25 pengenalan nada ini, dua proses yang berada didalamnya adalah inti dari sistem pengenalan gamelan slenthem, sehingga berpengaruh pada unjuk kerja dalam subsistem ini. a. Variasi DCT yang digunakan untuk mengkonversi data hasil windowing adalah 16, 32, 64, 128 dan 512. Dalam subsistem pengenalan nada, data hasil DCT yang digunakan adalah data riil atau amplitudonya. b. Frame blocking mengambil sampel data dari data suara terekam (data yang diperoleh dalam proses sampling). Nilai variasi frame blocking sama dengan nilai variasi dari DCT.

(40) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan ditunjukkan hasil percobaan dan pembahasan dari pengenalan nada pada alat musik gamelan slenthem menggunakan fungsi jarak eucledian. Pengujian program perlu dilakukan untuk mengetahui apakah suatu program dapat bekerja dengan baik dan sesuai dengan perancangan. Hasil pengujian berupa data-data yang dapat memperlihatkan bahwa program yang telah dirancang dapat berjalan dengan baik. Analisa terhadap proses kerja dapat digunakan untuk menarik kesimpulan dari apa yang disajikan dalam tugas akhir ini. 4.1 Pengujian Program dan Tampilan Program Pengenalan Nada Alat Musik Gamelan Slenthem Secara Real Time Pengujian program dijalankan untuk memastikan apakah program yang dibuat sudah sesuai dengan perancangan dan berjalan dengan baik. Pengujian program dilakukan dengan spesifikasi komputer sebagai berikut : Processor : IntelIntel(R) Core(TM) i5-2410M CPU @ 2.30GHz (4 CPUs RAM : 4.00 GB Program pengenalan dapat dijalankan dengan langkah-langkah berikut : 1. Klik dua kali icon matlab dengan gambar icon seperti Gambar 4.1. Gambar 4.1. Icon Program Pengenalan 2. Tampilan awal yang terlihat pada Gambar 4.2. akan muncul sebelum masuk ke tampilan utama program. Kemudian Current Directory di ganti sesuai dengan directory dimana program disimpan. 26

(41) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 27 Gambar 4.2 Tampilan Awal Matlab 3. Kemudian ketik guide dalam command window dan pilih program pengenalan gamelan slenthem “iki” . Tampilan awal program pengenalan nada gamelan slenthem seperti gambar 4.3 sebelum program dijalankan. Untuk menjalankan program klik run. Gambar 4.3. Tampilan Program Pengenalan 4. Sebelum melakukan pengenalan dilakukan pengaturan terlebih dahulu nilai DCT dan frame blocking yang akan digunakan dalam proses pengenalan nada. Proses pengaturan pengenalan nada dapat dilihat pada Gambar 4.4. 5. Jika nilai DCT dan frame blocking telah dipilih, program pengenalan dapat dijalankan dengan menekan tombol “REKAM”.

(42) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 28 6. User dapat melihat hasil rekaman nada dan grafik hasil proses DCT pada kotak “Plot Hasil Rekam” dan “Plot Hasil DCT” seperti pada Gambar 4.3. Gambar 4.4. Tampilan Pengaturan DCT 7. Setelah nilai DCT dan frame blocking dipilih dan tombol rekam ditekan, user lalu memukul gamelan slenthem yang akan dikenali. Suara yang dihasilkan akan direkam dan hasil ekstraksi ciri DCT akan ditampilkan pada program kedalam grafik. 8. Tombol “Reset” digunakan untuk reset program jika user ingin melakukan perekaman lagi. 9. Tombol “Selesai” digunakan untuk jika user ingin menyelesaikan program dan keluar dari tampilan utama program. 4.1.1 Pengenalan Nada Pengenalan nada gamelan slenthem dapat dijalankan melalui langkah-langkah seperti yang telah dijelaskan di atas. Tampilan program pengenalan nada dapat dilihat pada Gambar 4.3. Pada tampilan pengenalan nada terdapat pop up menu, 2 axes, 3 push button, dan 1 static text yang digunakan dalam program pengenalan . Sebelum melakukan pengenalan user memilih nilai variasi DCT yang terdapat pada pop up menu. Setelah menentukan nilai variasi yang akan digunakan, user dapat memulai pengenalan nada dengan menekan tombol tekan ”Rekam”. Hasil pengenalan yang ditampilkan adalah plot perekaman, plot DCT, dan nada

(43) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 29 yang berhasil dikenali. User dapat mengulang proses pengenalan nada dengan menekan tombol “Reset” dan untuk mengakhiri pengenalan dengan menekan tombol “Keluar”. a. Pop Up Menu Pada tampilan program pengenalan nada terdapat pop up menu yaitu variasi DCT. Nilai variasi DCT yang ditampilkan pada pop up menu yaitu 16, 32, 64, 128, 256 dan 512. Pada variasi DCT menampilkan menjalankan perintah program yang telah dirancang sebagai berikut: indeks=get(handles.popupmenu2, 'Value') switch indeks case 1 frame=16; case 2 frame=32; case 3 frame=64; case 4 frame=128; case 5 frame=256; case 6 frame=512; end handles.ndct=frame; guidata(hObject,handles); pada program ini variasi nilai DCT dinisialisasi dengan ndct yang akan dipanggil sebagai masukan dari user dengan perintah handles.ndct=frame. b. Tombol Rekam Tombol “Rekam” adalah tombol yang berfungsi untuk melakukan proses pengenalan nada gamelan slenthem. Didalam tombol “Rekam” terdapat beberapa subproses untuk mendapatkan hasil pengenalan. Beberapa subproses yang digunakan adalah perekaman nada, ekstraksi ciri DCT, penghitungan jarak Euclidean, dan penentuan hasil pengenalan nada. Program yang digunakan untuk perekaman nada sebagai berikut: sample_len=2; sample_freq=600; sample_time=(sample_len*sample_freq); x=wavrecord(sample_time, sample_freq); axes(handles.axes1); plot(x);

(44) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 30 Perekaman nada pada software Matlab menggunakan perintah wavrecord. Durasi waktu perekaman yang dibutuhkan untuk mendapatkan data nada sebesar 2 detik. Nada yang telah terekam tersebut akan ditunjukan pada tampilan program pengenalan menggunakan perintah plot. Nada terekam akan ditampilkan pada axes yang tersedia di dalam tampilan program pengenalan. Selanjutnya nada yang telah terekam tadi akan melaui proses frame blocking, normalisasi dan windowing. %frame blocking frame=handles.ndct; 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 hamwin=hamming(frame); %windowing xwin=xnorm.*hamwin; Selanjutnya dilakukan inisialisasian nilai DCT yang dipilih oleh user. Pada proses ekstraksi ciri ini terdapat 2 masukan yaitu varriabel xwin yang merupakan hasil windowing dan variable ndct yang merupakan nilai DCT yang digunakan . Hasil dari ekstrasi ciri ditampilkan pada tampilan program seperti halnya hasil perekaman. y=abs(dct(xwin)); axes(handles.axes2); plot(y); if (frame==16) load xd16; elseif (frame==32) load xd32; elseif (frame==64) load xd64; elseif (frame==128) load xd128; elseif (frame==256) load xd256; elseif (frame==512) load xd512; Proses yang dilakukan selanjutnya adalah membandingkan database dengan hasil ekstraksi ciri menggunakan perhitungan jarak. Program perhitungan jarak sebagai berikut:

(45) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 31 for n=1:7 jaraklist(n)=jarak(y,z(:,n)); end jaraklist %cari nilai minimal jarakmin=find(min(jaraklist)==jaraklist); minjaraklist=min(jaraklist); %deskripsi string nadalist={'ji_','ro_','lu_','pat','mo_','nem','pi_'} %penentuan keluaran min nadaout=nadalist(jarakmin); set(handles.text3,'String', nadaout); Program di atas melakukan penghitungan jarak nada terekam dengan database dari ketujuh nada gamelan. Perintah jarak berfungsi untuk menjalankan fungsi jarak Euclidean Nilai jarak minimal yang diperoleh digunakan untuk menentukan nada gamelan slenthem yang berhasil dikenali. Nada yang telah dikenali ditampilkan pada tampilan program pengenalan dalam bentuk teks. c. Tombol “Reset” Tombol Reset digunakan apabila user ingin mengulangi pengenalan nada gamelan slenthem. Tombol Reset akan mengembalikan kembali tampilan program seperti awal. Perintah program pada tombol Reset sebagai berikut: axes(handles.axes1); plot(0); axes(handles.axes2); plot(0); set(handles.text3,'string',' '); d. Tombol “Keluar” Tombol “Keluar” digunakan apabila user ingin mengakhiri program pengenalan nada. Perintah program tombol “Keluar” sebagai berikut: delete(figure(iki)); Kesimpulan dari pengujian program pengenalan adalah tombol yang terdapat pada tampilan program dapat berjalan dengan baik dan alur program telah sesuai dengan perancangan. Sistem pengenalan nada juga sudah dapat berjalan dengan baik.

(46) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 4.2 Pengujian Slenthem Parameter Pengaturan Pengenalan Nada 32 Gamelan Pengujian parameter dilakukan dalam dua cara, yaitu secara tidak real-time dan secara real time. Pengujian tidak real-time adalah pengujian untuk mencari nilai atau persentase tingkat pengenalan tanpa menggunakan program pengenalan nada. Pengujiannya menggunakan program tersendiri (lampiran) dan menggunakan nada uji sebagai masukannya. Pengujian real-time adalah pengujian untuk mengetahui tingkat pengenalan menggunakan program pengenalan nada. Pengujian ini dilakukan secara langsung menggunakan gamelan slenthem sebagai masukannya. a. Pengujian Tidak Real Time Percobaan dilakukan untuk melihat seberapa besar tingkat pengenalan nada yang terjadi setiap penentuan nada pada parameter parameter pengenalan dilakukan untuk memenentukan parameter nilai variabel DCT dan frame blocking yang digunakan. Langkahlangkah percobaan paramater pengenalan nada yang akan digunakan sebagai berikut: 1. Proses merekam 10 kali suara yang dihasilkan oleh setiap nada alat musik gamelan slenthem dari nada 1, 2, 3, 4, 5, 6 dan 7. 2. Hasil suara rekaman disimpan untuk menguji setiap nilai parameter pengaturan pengenalan nada. 3. Mengenali setiap nada menggunakan nilai koefisien DCT dan frame blocking sebesar 16, 32, 64, 128, 256, dan 512. 4. Menentukan nilai parameter pengaturan nada yang menghasilkan pengenalan nada yang paling baik. Berdasarkan` hasil percobaan yang dilakukan dapat dibuat grafik tingkat pengenalan dari setiap nilai ekstraksi ciri DCT. Pada gambar 4.5 dapat dilihat bahwa semakin tinggi nilai ekstraksi ciri DCT, maka tingkat pengenalan yang didapat semakin baik.

(47) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 33 Pengaruh Koefisien Nilai DCT Terhadap Tingkat Pengenalan 100 Tingkat Pengenalan (%) 90 100 100 100 100 100 32 64 128 256 512 80 70 77.1429 60 50 40 30 20 10 0 16 Panjang DCT (titik) Gambar 4.5 Grafik Pengaruh Panjang DCT Terhadap Tingkat Pengenalan Pada gambar 4.6 memperlihatkan jarak antara nada mo dan nem dengan berbagai nilai koefisien DCT (16, 32, 64, 128, 256 dan 512) yang berbeda menghasilkan pembacaan jarak yang berbeda. Semakin besar nilai koefisien DCT semakin teliti perbedaan jarak antara nada satu dengan yang lain. Dengan semakin teliti perbedaan jarak antara nada satu dengan yang lainnya maka dapat disimpulkan semakin besar nilai koefisien DCT yang digunakan semakin tinggi tingkat pengenalan nadanya. Dari hasil pengujian maka, nilai koefisien DCT yang digunakan adalah 512. Tabel 4.1 Jarak Antara Nada Mo dan Nem Koefisien DCT Jarak 16 0,6752 32 1,4060 64 3,4664 128 6,1008 256 7,7809 512 10,5210

(48) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI (a) DCT 16 Ket: |Nilai DCT| Nada mo(5) Nada nem(6) Koefisien DCT Gambar 4.6 Pengaruh Koefisien DCT terhadap Hasil pengenalan |Nilai DCT| (b) DCT 32 Koefisien DCT Gambar 4.6 Pengaruh Koefisien DCT terhadap Hasil pengenalan 34

(49) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI |Nilai DCT| (c) DCT 64 Koefisien DCT Gambar 4.6 Pengaruh Koefisien DCT terhadap Hasil pengenalan |Nilai DCT| (d) DCT 128 Koefisien DCT Gambar 4.6 Pengaruh Koefisien DCT terhadap Hasil pengenalan 35

(50) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI |Nilai DCT| (e) DCT 256 Koefisien DCT Gambar 4.6 Pengaruh Koefisien DCT terhadap Hasil pengenalan |Nilai DCT| (f) DCT 512 Koefisien DCT Gambar 4.6 Pengaruh Koefisien DCT terhadap Hasil pengenalan 36

(51) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 37 Nilai jarak dari tabel 4.1 dapat diperoleh beradasarkan perhitungan dari rumus fungsi jarak Euclidean yaitu 𝑑𝐸 𝑥, 𝑦 = (𝑥𝑙 − 𝑦𝑙 )2 . Sebagai contoh dengan menggunakan nilai koefisien DCT 16 antara nada mo dan nada nem. Nada mo diinisialkan dengan 𝑥𝑙 dan nada nem diinisialkan dengan 𝑦𝑙 . Nilai nada mo dan nada nem merupakan nada referensi (database) dari kedua nada tersebut. 0.0297 0.0276 0.0343 0.0261 0.0467 0.0056 0.0130 0.0101 Nilai dari nada mo (𝑥𝑙 ) adalah dan nada nem (𝑦𝑙 ) 0.0066 0.1652 0.3506 0.9982 0.7548 0.9641 0.3600 0.1733 0.0034 0.0076 0.0499 0.0006 0.0302 0.0201 0.0059 0.0465 . 0.0180 0.0632 0.2582 0.3230 1.1783 0.5103 0.9532 0.1905 Sesuai dengan rumus, nilai dari 𝑥𝑙 dan 𝑦𝑙 dimasukkan kedalam rumus Euclidean seperti perhitungan berikut: 0.0297 0.0034 0.0276 0.0076 0.0343 0.0499 0.0261 0.0006 0.0467 0.0302 0.0056 0.0201 0.0130 0.0059 0.0101 0.0465 2 ( − ) = 0.0066 0.0180 0.1652 0.0632 0.3506 0.2582 0.9982 0.3230 0.7548 1.1783 0.9641 0.5103 0.3600 0.9532 0.1733 0.1905 0.0263 0.0200 0.0156 0.0255 0.0165 0.0145 0.0071 0.0364 0.0114 0.1020 0.0924 0.6752 0.4235 0.4538 0.5932 0.0172

(52) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 38 Hasil dari perhitungan di atas dicari nilai maksimalnya, dan diperoleh nilai maksimalnya yang sebagai jarak antara nada mo dan nada nem (dE) yaitu 0.6752. Pada tabel 4.1 memperlihatkan semakin besar koefisien DCT jarak antara dua nada semakin jauh. Semakin jauh jarak antar nada maka tingkat pengenalan akan semakin baik. b. Pengujian Real Time Pengujian real-time dilakukan menggunakan gamelan slenthem secara langsung sebagai masukkannya. Pada pengujian ini dilakukan pengujian sebanyak lima kali untuk setiap nada dari gamelan slenthem. Pengujian real-time dilakukan sebanyak 5 kali pengujian untuk setiap nada dari gamelan slenthem tersebut (lampiran). Hasil dari pecobaan ini memiliki kesamaan dengan pengujian secara tidak real-time. Dari percobaan yang telah dilakukan, sistem pengenalan nada tersebut sudah mampu untuk mengenali nada-nada yang terdapat pada gamelan slenthem. Pada nilai koefisien DCT tertentu sistem mengalami kesalahan dalam pengenalan. Seperti yang telah dibahas di atas bahwa semakin besar nilai DCT maka tingkat pengenalan semakin baik. Setelah dilakukan pengujian secara real time, diketahui bahwa pada nilai DCT 512 sistem mampu mengenali semua nada gamelan slenthem dengan baik. 4.3 Pengujian Batas Nilai Jarak Minimum Nada Untuk Melakukan Pengenalan Pengujian ini dilakukan untuk menentukan batasan jarak maksimum yang digunakan dalam sistem pengenalan. Pengujian ini menggunkan nilai koefisien DCT yang terbaik yaitu 512. Pengujian dilakukan dengan mencari nilai jarak minimum setiap nada sebanyak 5 kali. Dari kelima jarak minimal setiap nada dicari jarak yang paling maksimal, sehingga diperoleh 7 jarak maksimal dari 7 nada gamelan slenthem seperti yang ditunjukkan pada tabel 4.2. Tabel 4.2 Hasil Pengujian Jarak Nada Jarak Minimal Ji 4,7827 Ro 4,4738 Lu 4,3462 Pat 4,5710 Mo 4,6813

(53) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 39 Lanjutan Tabel 4.2 Hasil Pengujian Jarak Nem 4,4134 Pi 4,4731 Rerata jarak 4,5345 Berdasarkan tabel di atas bahwa jarak maksimum dari ketujuh jarak minimal di atas adalah 4,7827. Jarak inilah yang akan digunakan sebagai batas atas sistem pengenalan nada gamelan slenthem. Pada saat dilakukan pengenalan nada yang mempunyai jarak minimal di atas 4,7827 maka sistem pengenalan nada tersebut tidak akan mengenali nada yang akan dikenali. 4.4 Pengujian Dengan Nada Masukan Gamelan Lain Pengujian ini dilakukan untuk mengetahui tingkat sistem dalam mengenali nada dari alat musik gamelan lainnya. Pada pengujian tersebut diharapkan sistem mampu untuk tidak mengenali nada selain nada gamelan slenthem. Pengujian ini menggunakan gamelan peking yang ditunjukkan pada gambar 4.7 sebagai nada masukkanya. Langkah-langkah percobaan yang dilakukan adalah: 1. Menyiapkan gamelan peking yang akan digunakan. 2. Mengunakan nada-nada ji, ro, lu, pat, mo, nem dan pi. 3. Menggunakan koefisien DCT 512 yang memiliki tingkat pengenalan terbaik. 4. Melihat hasil pengenalanyang akan muncul “tidak dikenali” atau mengenali nada dengan karakter yang sama pada nada gamelan slenthem. Setelah melakukan langkah – langkah diatas maka diperoleh hasil yang diperlihatkan pada tabel 4.3 bahwa program pengenalan nada menghasilkan pengenalan “TIDAK DIKENALI”. Hal ini disebabkan nilai rerata jarak dari gamelan peking lebih besar dari nilai rerata jarak gamelan slenthem.

(54) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Tabel 4.3 Hasil Pengujian Dengan Alat Musik Gamelan Peking Jarak Output sistem Minimum pengenalan nada Ji 6,7064 Tidak dikenali Ro 6,7859 Tidak dikenali Lu 6,0303 Tidak dikenali Pat 6,3478 Tidak dikenali Mo 6,6970 Tidak dikenali Nem 6,7102 Tidak dikenali Pi 6.7463 Tidak dikenali Rerata jarak 6,5748 Nada masukan Gambar 4.7 Gamelan Peking 40

(55) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari percobaan dan pengujian sistem pengenalan nada alat musik gamelan slenthem dapat disimpulkan sebagai berikut : 1. Implementasi dari sistem pengenalan nada alat musik gamelan slenthem sudah bisa bekerja sesuai dengan perancangan. Program pengenalan nada alat musik gamelan slenthem sudah mampu mengenali nada-nada dasar dari gamelan slenthem yaitu ji(1), ro(2), lu(3), pat(4), mo(5), nem(6) dan pi(7). 2. Pengenalan nada gamelan slenthem menggunakan koefisien nilai DCT minimal 32 untuk mendapatkan tingkat pengenlan 100%. 5.2 Saran Saran untuk pengembangan sistem pengenalan nada alat musik gamelan slenthem adalah sebagai berikut : 1. Pengembangan sistem yang mampu untuk mengenali nada dari berbagai jenis gamelan yang dipukul seperti bonang, kenong, gong, saron dan peking. 2. Pengembangan sistem yang dapat mengenali nada-nada yang dimainkan dalam satu tembang jawa. 41

(56) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Daftar Pustaka [1] http://alatmusiktradisional.com/alat-musik-ritmis-beserta-contohnya.html diakses tanggal 28april 2013 [2] Riris Lazuardi, Aloysius, 2012, PENGENALAN NADA PADA ALAT MUSIK BONANG MENGGUNAKAN FUNGSI JARAK EUCLEDIAN, Teknik Elektro, Fakultas Sains dan Teknologi,Universitas Sanata Dharma [3] Prayitno, Joko ,2012, PENGENALAN NADA SARON PELOG MENGGUNAKAN FUNGSI JARAK MINKOWSKI, Teknik Elektro, Fakultas Sains dan Teknologi,Universitas Sanata Dharma [4] http://hermawan-music.blogspot.com/2012/08/alat-alat-musik-gamelan-jawa.html diakses tanggal 1 Mei 2013 [5] http://mystarworld-nijhonk.blogspot.com/2010/11/tentang-gamelan.html diakses tanggal 2 mei 2013 [6] Drs. Miftahul Huda, MT, Dwi Kurnia Basuki, S.Si.M.Kom , Fandy Akbar, Febrianzah Juanidy Permana, 2011, Konversi nada-nada akustik menjadi chord menggunakan pitch class profile, ITS, Surabaya [7] Prabowo Hadi Putra Sutiknyo,2010, PENGGOLONGAN SUARA BERDASARKAN USIA DENGAN MENGGUNAKAN METODE K – MEANS,Teknik Telekomunikasi Politeknik Elektronika Negeri Surabaya, Institut Teknologi Sepuluh Nopember [8] Duhamel, P. and M. Vetterli, "Fast Fourier Transforms: A Tutorial Review and a State of the Art," Signal Processing, Vol. 19, April 1990, pp. 259-299. [9] Jain, A.K. Fundamentals of Digital Image Processing. Englewood Cliffs, NJ: Prentice-Hall, 1989. 42

(57) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI [10] 43 Harry Kurniawan, Taufiq Hidayat, 2008, PERANCANGAN PROGRAM PENGENALAN WAJAH MENGGUNAKAN FUNGSI JARAK METODE EUCLIDEAN PADA MATLAB, Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia [11] http://www.qbonk.org/sound-card-laptop-bentuk-dan-fungsinya.html diakses tanggal 2 Mei 2013 [12] http://lintoherlambang.com/microphone-adalah.html diakses tanggal 2 Mei 2013 [13] http://bisonerich-matlab.blogspot.com/2009/02/pengertian-matlab.html diakses tanggal 2 Mei 2013

(58) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LAMPIRAN 44

(59) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LAMPIRAN 1 PERCOBAAN MENCARI FREKUENSI SAMPLING NADA ALAT MUSIK SLENTHEM DENGAN MATLAB 7.04 Tujuan: 1. Mengetahui frekuensi maksimum pada nada alat musik slenthem 2. Mengetahui frekuensi sampling minimum yang dapat digunakan Variabel: 1. Frekuensi sampling yang digunakan 500Hz, 600Hz, 1200Hz dan 2400Hz 2. Durasi perekaman yang digunakan sebesar 2 detik Listing Program fs = 500;%%fsampling 500Hz %fs = 600;%%fsampling 600Hz %fs = 1200;%%fsampling 1200Hz %fs = 2400;%%fsampling 2400Hz y = wavrecord (2*fs,fs,'double');%% 2 detik wavwrite(y,fs,'sample2s8000Hz1.wav'); [y,fs]=wavread('sample2s8000Hz1.wav'); Y=fft(y,fs); Spek= Y.* conj(Y); f = fs*(0:(1/2*fs))/fs; plot(f,Spek(1:(1/2*fs+1)));grid;%output Hasil Ploting Fs = 500Hz Siji (1) Loro (2) L1

(60) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Telu (3) Papat (4) Lima (5) Enem (6) Pitu (7) L2

(61) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Fs = 600Hz Siji (1) Loro (2) Telu (3) Papat (4) Limo (5) Enem (6) L3

(62) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Pitu (7) Fs = 1200Hz Siji (1) Loro (2) Telu (3) Papat (4) L4

(63) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Limo (5) Pitu (7) Enem (6) L5

(64) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Fs = 2400Hz Siji (1) Telu (3) Limo (5) Loro (2) Papat (4) Enem (6) L6

(65) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L7 Pitu (7) Tabel Data Percobaan Nada 1 2 3 4 5 6 7 Ket: Frekuensi Sampling 500Hz 600Hz 1200Hz X X X X X X X X X X X X X X X X X X V X X V= terdapat harmonisa 2400Hz V X X X X X X Kesimpulan 1. Frekuensi sampling yang tidak memiliki frekuensi harmonisa adalah 600Hz dan 1200Hz. 2. Frekuensi sampling yang digunakan adalah 600Hz karena tidak ada frekuensi harmonisa dan memenuhi kriteria nyquist yaitu 2 kali frekuensi maksimum . 3. Frekuensi sampling berguna untuk mencuplik data suara yang diinginkan dan memfilter data suara yang tidak diinginkan dalam hal ini harmonisa yang terjadi dan noise saat perekaman

(66) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LAMPIRAN 2 PERCOBAAN MENCARI DURASI PEREKAMAN UNTUK SISTEM PENGENALAN NADA ALAT MUSIK GAMELAN SLENTHEM Tujuan: 1. Mendapatkan durasi perekaman yang tepat untuk perekaman. 2. Mengetahui pengaruh durasi perekaman pada data sinyal yang terekam. Variabel: 1. Frekuensi sampling yang digunakan 600Hz. 2. Durasi perekaman yang digunakan sebesar 1 detik, 2 detik,3 detik dan 4 detik. Listing Program fs =600;%%fsampling 600Hz y = wavrecord (fs,fs,'double');% 1 detik wavwrite(y,fs,'sample1s600Hz5.wav'); [y,fs]=wavread('sample1s600Hz5.wav'); plot(y); %y = wavrecord (2*fs,fs,'double');%% 2 detik %wavwrite(y,fs,'sample2s600Hz5.wav'); %[y,fs]=wavread('sample2s600Hz5.wav'); %plot(y); %y = wavrecord (3*fs,fs,'double');%% 3 detik %wavwrite(y,fs,'sample3s600Hz5.wav'); %[y,fs]=wavread('sample3s600Hz5.wav'); %plot(y); %y = wavrecord (4*fs,fs,'double');%% 4 detik %wavwrite(y,fs,'sample4s600Hz5.wav'); %[y,fs]=wavread('sample4s600Hz5.wav'); %plot(y); Hasil Ploting L8

(67) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Durasi Perekaman 1 detik Durasi Perekaman 2 detik L9

(68) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L 10 Durasi Perekaman 3 detik Durasi Perekaman 4 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 2 detik.

(69) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L11 Pengujian Tidak Real Time function pctkenal load xd256 ndct=256 y1=kenal1('ji_',z,ndct); y2=kenal1('ro_',z,ndct); y3=kenal1('lu_',z,ndct); y4=kenal1('pat',z,ndct); y5=kenal1('mo_',z,ndct); y6=kenal1('nem',z,ndct); y7=kenal1('pi_',z,ndct); ytot=y1+y2+y3+y4+y5+y6+y7; persentase_kenal=(ytot/70)*100 %====================================================== % INTERNAL FUNCTION %====================================================== function y1=kenal1(nada,z,ndct) y1=0; y2=kenal2(nada,[nada '1.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '2.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '3.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '4.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '5.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '6.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '7.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '8.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '9.wav'],z,ndct);y1=y1+y2; y2=kenal2(nada,[nada '10.wav'],z,ndct);y1=y1+y2; %====================================================== function k=kenal2(nada,nadawav,z,ndct) x=wavread(nadawav); y=xciri(x,ndct); for n=1:7 r(n)=jarak(y,z(:,n)); end %cari nilai minimum b1= find(min(r)==r); %deskripsi string nadalist={'ji_','ro_','lu_','pat','mo_','nem','pi_'}; %penentuan keluaran nilai max nadaout=nadalist(b1); nada1=nadaout{1}; c=strcmp(nada1,nada); if c==1 k=1; else k=0; end %======================================================

(70) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L12 Hasil Pengujian Secara Real Time Pengujian 1 NO Nada 1 2 3 4 5 6 7 Ji Ro Lu Pat Mo Nem Pi 16 V X V V X V V 32 V V V V V V V Koefisien Nilai DCT 64 128 V V V V V V V V V V V V V V 256 V V V V V V V 512 V V V V V V V 32 V V V V V V V Koefisien Nilai DCT 64 128 V V V V V V V V V V V V V V 256 V V V V V V V 512 V V V V V V V 32 V V V V V V V Koefisien Nilai DCT 64 128 V V V V V V V V V V V V V V 256 V V V V V V V 512 V V V V V V V Pengujian 2 NO Nada 1 2 3 4 5 6 7 Ji Ro Lu Pat Mo Nem Pi 16 V X X V V X V Pengujian 3 NO Nada 1 2 3 4 5 6 7 Ji Ro Lu Pat Mo Nem Pi 16 V X V V X X V

(71) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L13 Pengujian 4 NO Nada 1 2 3 4 5 6 7 Ji Ro Lu Pat Mo Nem Pi 16 V X V V V V V 32 V V V V V V V Koefisien Nilai DCT 64 128 V V V V V V V V V V V V V V 256 V V V V V V V 512 V V V V V V V 32 V V V V V V V Koefisien Nilai DCT 64 128 V V V V V V V V V V V V V V 256 V V V V V V V 512 V V V V V V V Pengujian 5 NO Nada 1 2 3 4 5 6 7 Ji Ro Lu Pat Mo Nem Pi 16 V V X V X X X 𝑣 Ket : Tingkat pengenalan = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 𝑣 = jumlah nada slenthem yang dikenali dan benar. Perhitungan tingkat pengenalan dari : a. Koefisien DCT 16 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 22 = 35 𝑥 100% = 62,85 %

(72) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI b. Koefisien DCT 32 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 35 = 35 𝑥 100% = 100 % c. Koefisien DCT 64 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 35 = 35 𝑥 100% = 100 % d. Koefisien DCT 128 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 35 = 35 𝑥 100% = 100 % e. Koefisien DCT 256 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 35 = 35 𝑥 100% = 100 % f. Koefisien DCT 512 Tingkat pengenalan 𝑣 = 𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑥 100% 35 = 35 𝑥 100% = 100 % L14

(73) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L15 PROGRAM PENGENALAN NADA function varargout = IKI(varargin) % IKI M-file for IKI.fig % IKI, by itself, creates a new IKI or raises the existing % singleton*. % % H = IKI returns the handle to a new IKI or the handle to % the existing singleton*. % % IKI('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in IKI.M with the given input arguments. % % IKI('Property','Value',...) creates a new IKI or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before IKI_OpeningFunction gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to IKI_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help IKI % Last Modified by GUIDE v2.5 06-Dec-2013 09:48:23 clc % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @IKI_OpeningFcn, ... 'gui_OutputFcn', @IKI_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 % --- Executes just before IKI is made visible. function IKI_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % 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 IKI (see VARARGIN)

(74) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % Choose default command line output for IKI handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes IKI wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = IKI_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % 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 edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double % --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (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 selection change in popupmenu2. function popupmenu2_Callback(hObject, eventdata, handles) %guidata(handles.ndct,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) L16

(75) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI L17 % Hints: contents = get(hObject,'String') returns popupmenu2 contents as cell array % contents{get(hObject,'Value')} returns selected item from popupmenu2 indeks=get(handles.popupmenu2, 'Value') switch indeks case 1 frame=16; case 2 frame=32; case 3 frame=64; case 4 frame=128; case 5 frame=256; case 6 frame=512; end handles.ndct=frame; guidata(hObject,handles); % --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) %guidata(hObject, handles); sample_len=2; sample_freq=600; sample_time=(sample_len*sample_freq); %nama='s'; %file_nama=sprintf('%s.wav'); x=wavrecord(sample_time, sample_freq); %wavwrite(x, sample_freq, 's.wav'); %sound(x, sample_freq); %wavwrite(x, sample_freq, file_nama); axes(handles.axes1); plot(x); %proses frame blocking dimalau dari tengah keseluruhan data sample frame=handles.ndct; %frame=16 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 hamwin=hamming(frame); %windowing

(76) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI xwin=xnorm.*hamwin; %DCT y=abs(dct(xwin)); axes(handles.axes2); plot(y); if (frame==16) load xd16; elseif (frame==32) load xd32; elseif (frame==64) load xd64; elseif (frame==128) load xd128; elseif (frame==256) load xd256; elseif (frame==512) load xd512; end %load xd128 %y=xciri(x,frame) for n=1:7 jaraklist(n)=jarak(y,z(:,n)); end jaraklist %cari nilai minimal jarakmin=find(min(jaraklist)==jaraklist); minjaraklist=min(jaraklist); r=4.7827; if minjaraklist>r yy={'tidak dikenali'} else %deskripsi string nadalist={'ji_','ro_','lu_','pat','mo_','nem','pi_'} %penentuan keluaran nilai min %nadaout=nadalist(jarakmin) yy=nadalist(jarakmin) end set(handles.text3,'String', yy); % hObject % eventdata % handles handle to pushbutton1 (see GCBO) reserved - to be defined in a future version of MATLAB structure with handles and user data (see GUIDATA) % --- Executes during object creation, after setting all properties. function axes1_CreateFcn(hObject, eventdata, handles) % hObject handle to axes1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called L18

(77) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % Hint: place code in OpeningFcn to populate axes1 function edit2_Callback(hObject, eventdata, handles) % hObject handle to edit2 (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 edit2 as text % str2double(get(hObject,'String')) returns contents of edit2 as a double % --- Executes during object creation, after setting all properties. function edit2_CreateFcn(hObject, eventdata, handles) % hObject handle to edit2 (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 pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) delete(figure(iki)); % 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) axes(handles.axes1); plot(0); axes(handles.axes2); plot(0); set(handles.text3,'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) function edit3_Callback(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB L19

(78) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % handles L20 structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit3 as text % str2double(get(hObject,'String')) returns contents of edit3 as a double % --- Executes during object creation, after setting all properties. function edit3_CreateFcn(hObject, eventdata, handles) % hObject handle to edit3 (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 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 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 % --- 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

(79) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % 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 % --- If Enable == 'on', executes on mouse press in 5 pixel border. % --- Otherwise, executes on mouse press in 5 pixel border or over pushbutton1. function pushbutton1_ButtonDownFcn(hObject, eventdata, handles) % 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) Data base function dbxciri frame=16 %panjang frame blocking z1=zciri('ji_',frame); z2=zciri('ro_',frame); z3=zciri('lu_',frame); z4=zciri('pat',frame); z5=zciri('mo_',frame); z6=zciri('nem',frame); z7=zciri('pi_',frame); z=[z1 z2 z3 z4 z5 z6 z7] save xd16 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); Ekstraksi Ciri function y=xciri(x,frame); %proses frame blocking dimalau dari tengah keseluruhan data sample mulai=length(x)/2; L21

(80) PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI xframe=zeros(frame,1); for i=1:frame xframe(i)=x(i+mulai); end %normalisasi xmax=max(abs(xframe)); xnorm=xframe/xmax; %hamming window hamwin=hamming(frame); %windowing xwin=xnorm.*hamwin; %DCT y=abs(dct(xwin)); Jarak function r=jarak(p,q) %fungsi jarak Eucledian r1=(p-q).^2; r=sqrt(sum(r1)); L22

(81)

Dokumen baru

Tags

Dokumen yang terkait

MONITORING DATA KECEPATAN DAN ARAH ANGIN SECARA REAL TIME MELALUI WEB
3
16
72
ANALISIS PENENTUAN NADA DASAR GAMELAN MENGGUNAKAN METODE KLASTERING FUZZY C-MEANS.
1
5
8
PROGRAM SEDERHANA SISTEM PENGENALAN WAJAH MENGGUNAKAN FUNGSI JARAK
0
7
6
PENGENALAN WAJAH SECARA REAL TIME DENGAN SMARTPHONE ANDROID.
0
3
15
PENGENALAN NOTASI BALOK MENGGUNAKAN PENGENALAN NOTASI BALOK MENGGUNAKAN SEGMENTASI DAN JARINGAN SYARAF TIRUAN UNTUK MENGHASILKAN NADA BERIRAMA BERBASIS IOS.
0
3
11
PENGENALAN REAL TIME ABJAD BAHASA ISYARAT INDONESIA MENGGUNAKAN SEGMENTASI YCBCR
0
0
5
PENGENALAN CIRI GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI FITUR (GLCM) DAN METODE K-NN
0
0
10
RANCANG BANGUN PENGHITUNG BENIH IKAN MENGGUNAKAN BINARY THRESHOLDING PADA RASPBERRY PI SECARA REAL TIME
0
1
8
View of MODIFIKASI METODE CAMSHIFT UNTUK PENGENALAN CITRA WAJAH SECARA REAL TIME BERDASARKAN WARNA KULIT WAJAH
0
0
7
PEMODELAN DAN PREDIKSI DAYA OUPUT PHOTOVOLTAIC SECARA REAL TIME BERBASIS MIKROKONTROLER
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
Show more