Gambar 4.7 Tampilan menu admin
Pada menu admin terdapat 2 cara dalam menyimpan data acuan. Yang pertama adalah dengan menggunakan MFCC saja langsung diproses dan disimpan ke database.
Atapun menggunakan LVQ dalam memproses data acuannya. Hal ini dimaksudkan agar range data acuan lebar. Sehingga dapat menggenali suara not yang akan dikenal.
4.2.4 Tampilan Tentang Berisi nama dan nim dari pembuat applikasi
Gambar 4.8
Tampilan menu tentang
4.3 Pengujian Sistem
Universitas Sumatera Utara
Pengujian sistem penting dilakukan untuk menguhu dan memastikan bahwa hal – hal
yang terdapat didalam sistem telah sesuai dengan apa yang ingin diselesaikan. Metode pengujian yang diterapkan pada penelitian ini adalah metode ekstraksi ciri
Mel-Frequency Cepstrum Coefficient Dengan metode pencocokannya adalah metode Learning Vector Quantization
4.3.1 Rencana Pengujian Sistem Rancangan pengujian sistem yang akan diuji dengan metode pengujian black box
dapat dilihat pada tabel 4.1 berikut.
Tabel 4.1 Rencana Pengujian Sistem
No. Komponen sistem yang diuji
Butir Uji
1. Halaman Awal
Mencoba semua menu 2.
Halaman pengenalan Tombol Pilih data
Tombol mainkan data Tombol Tampilkan
Spectogram Tombol tampilkan
spectogram data uji
Tombol Buka Gambar
3. Halaman Pilih File
Memilih file yang akan diuji dengan format “.Wav’
4. Halaman Menu Admin
Tombol Pilih File Tabel Isi database
Tombol Pelatihan data dengan LVQ
No. Komponen sistem yang diuji
Butir Uji
Universitas Sumatera Utara
Tabel 4.1 Rencana Pengujian Sistem
4.3.2 Kasus dan hasil Pengujian Sistem 4.3.2.1 Pengujian Input data
1. Input data acuan Pada tabel 4.2 Berikut ini akan dilakukan pengujian sistem untuk input data acuan .
input data acuan dilakukan oleh admin yang akan mengisi data acuan.:
Tabel 4.2 Pengujian sistem input data acuan
No. Skenario Uji
Hasil yang diharapkan Hasil
pengujian 1.
Memilih tombol
data admin
Sistem akan mengalihkan user ke halaman form input data acuan
Berhasil
Tabel 4.2 Pengujian sistem input data acuan lanjutan
No. Skenario Uji
Hasil yang diharapkan Hasil
Pengujian
2. Memasukkan file input
data dengan memilih file data
Ketika tombol sikmpan ditekan. Maka sistem akan mengolah data
file audio yang telah dipilih terlebih dahulu.
Berhasil
2. Pengenalan Suara Pada tabel 4.4. Dilakukan pengujian sistem untuk pengenalan suara. Pengenalan suara
dilakukan oleh user. Data yang diinput berupa file musik yang akan dirubah menjadi partitur.
5. Halaman Tentang
Menampilan data pembuat skripsi
Universitas Sumatera Utara
Tabel 4.3 Pengujian Sistem Pengenalan Data
No. Skenario Uji
Hasil yang diharapkan Hasil
pengujian
1. Memilih tombol
pengenalan data Sistem akan mengailhkan user ke
halaman form pengenalan Berhasil
2. Memilih file data yang
akan diuji Sistem akan mengalihkan user ke
form pemilihan data yang akan dipilih
Berhasil
3. Memilih tombol kenali
Sistem akan mengenali data yang dipilih dan mencocokannya
dengan data acuan yang ada di database
Berhasil
4. Memilih tombol buka
gambar Berisi file partitur berupa images
Berhasil
4.3.3 Pengujian kinerja Sistem Pengujian kinerja sistem dilakukan dengan memasukkan sampel data sebanyak 4 buah
lagu. Beriut adalah sampel data pengujian data :
Tabel 4.4 Sampel data pengujian sistem
No. Nama lagu
Banyak not Format
1. Balonku.
57 .wav
2. Cicak
27 .wav
3. Kartini
23 .wav
4. Doremi
3 .wav
Pengujian sistem ini dilakukan agar penulis dapat mengetahui akurasi dari sistem yang
telah dibangun. Adapun langkah – langkahnya adalah :
1. User mengisi data acuang dari nada yang akan digunakan untuk melakukan pengenalan kedalam sistem
2. User memilih lagu apa yang akan dikenalkan ke dalam sistem 3. User mendapatkan images partitur dari lagu yang dikenalkan ke sistem.
Universitas Sumatera Utara
Pelatihan sistem dilakukan dengan memasukkan 20 data latih nada mayor dengan epoch 5, Learning Rate = 0.02 dan pengurangan Learning Rate = 0.00005. Semakin
rendah nilai Learning Rate maka persentase pengenalan makin lebih besar.
Pengujian yang dilakukan selanjutnya adalah pengujian terhadap data unuk mengetahui running time dari sistem yang telah dibuat. Tabel 4.6. Berikut adalah hasil
pengujian running time terhadap 4 data pada sampel data
Tabel 4.5 Processing time
No. Data
Running time Format
1. Balonku
20.38 s .wav
2. Cicak
9.46 s .wav
3. Kartini
8.53 s .wav
4. Doremi
2.3 .wav
Dengan menganalisa data dari tabel diatas. Maka dapat ditarik kesimpulan bahwa proses dalam sistem rata
– rata mengkonsumsi waktu sekitar 10 detik untuk mengolah data sebanyak 25 not.
Pengujian selanjutnya dilakukan pengujian untuk menguji ketepatan sistem apabila tempo nya berubah ubah.
Tabel 4.6 Pengujian Suara Musik
No. Nama Musik Banyak
Not Tempo
Jumlah Not
yang dikenal
Jumlah Not
yang benar
Persentase Kecocokan
1. Ibu
Kita Kartini
23 Lambat
23 23
100
2. Ibu Kita
Kartini 23
Sedang 22
3 13
3. Ibu Kita
Kartini 23
Cepat 16
2 12.5
Universitas Sumatera Utara
4. Cicak
– Cicak 27 Lambat
27 27
100 5.
Cicak – Cicak 27
Sedang 25
5 20
6. Cicak
– Cicak 27 Cepat
17 7.
Balonku 57
Lambat 57
57 100
8. Balonku
57 Sedang
52 3
5 9.
Balonku 57
Cepat 36
Total persentase kecocokan didapat dengan
pengenalan =
Persentase diatas didapat bahwa tempo yang lambat merupakan tempo yang paling pas untuk digunakan dalam aplikasi ini. Hal ini terjadi karena terjadi pemotongan
suara yang tidak tepat apabila tempo yang digunakan menjadi sedang dan cepat. Sehingga pengenalan data uji terhadap data latih menjadi tidak sinkron.
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan