9
32 . Makin tinggi nilai jangkauan makin baik kualitas. Namun demikian ukuran file yang diperlukan juga semakin besar.
Dalam audio digital, kedalaman bit menggambarkan jumlah bit informasi yang direkam untuk setiap sampel. Kedalaman bit secara langsung sesuai dengan
resolusi tiap sampel dalam satu set data audio digital.
2.6 Sampling Rate
Sampling rate atau sampling frekuensi adalah nilai sinyal audio yang diambil dalam satu detik ketika melakukan rekaman suara. Semakin tinggi nilai
sample rate ini kualitas audio yang dimainkan semakin baik. Agar diperoleh suara digital yang bagus maka suara analog harus di-sampling sekitar 2 kali lipat
frekuensi-nya. Karena frekuensi tertinggi suara sekitar 20 KHz, maka sampling yang terbaik haruslah minimal 44.100 sampledetik kualitas CD.
Tabel 2.1 Perbandingan Tingkat Kualitas Suara Berdasarkan Sample Rate nya
2.7 Frekuensi dan Amplitudo
Ada dua elemen yang terukur dalam gelombang suara, yaitu frekuensi dan amplitudo.
Frekuensi adalah jumlah tingkat gerakan keatas dan kebawah siklus atau jumlah panjang gelombang yang terjadi per detik.
10
Gambar 2.2 Frekuensi Pada Sinyal
Amplitudo mendefinisikan keras lemahnya atau tinggi rendahnya suatu gelombang. Amplitudo dibatasi oleh volume dan sound pressure level SPL.
Semakin tinggi suatu tekanan maka akan semakin halus keras suaranya. Level ini diibatasi oleh pengukuran logaritmik yang disebut decibel dB
4
.
Gambar 2.3. Amplitudo pada sinyal sinusoidal
2.8 Audio Mono
Mono adalah satu kanal. Audio mono hanya menghasilkan 1 suara yang didengar oleh kedua telinga kita. sehingga suara yang diterima oleh kedua telinga
kita selalu sama. signal mono adalah R+L right and Left, dimana R dan L digabungkan, sehingga jadi satu signal R+L. ini dibuat agar bisa mendengar kedua
sinyal dalam satu sumber suara.
4
Ben Harris. Home Studio Setup: everything you need to know from equipment to
acoustics. United. Focal Press. 2009. h. 5
11
Contoh : sebuah rekaman audio dengan durasi 10 detik pada 22.05 kHz dengan resolusi 8 bit akan mempunyai ukuran file :
2205010881 = 220.500 byte
2.9 Transformasi Fourier dan FFT Fast Fourier Transform
Bentuk gelombang sinyal pada dasarnya merupakan fungsi waktu dimana analisis yang digunakan adalah analisis Fourier, yang dikembangkan menjadi
deret Fourier. Bentuk-bentuk sinyalnya pun bermacam-macam, ada yang berupa gelombang sinus atau kosinus, maupun bentuk gelombang yang lainnya. Setiap
bentuk gelombang yang bukan berupa gelombang sinus atau kosinus, yang berulang pada setiap selang waktu yang teratur regular interval, dinamakan satu
gelombang periodik kompleks dengan periode T, dimana gelombang berulang setiap selang waktu tersebut dinamakan waktu periodik untuk sinyal xt yang
periodik Hampir semua analisa sinyal dilakukan dalam domain waktu dan
frekuensi, karena itulah disebut time-frequency analysis. Dalam domain waktu, sinyal digambarkan dengan bentuk gelombang dimana sumbu-x horizontal
menunjukkan time dan sumbu-y vertikal menunjukkan besarnya amplitude tiap waktu. Bentuk ini kadang kurang informatif karena kita tidak bisa mengetahui
besarnya magnitude tiap waktu. Untuk itu diperlukan sebuah transformasi yang mampu mengubah bentuk gelombang menjadi spektrum, dimana tiap komponen
frekuensi akan terlihat jelas. Fourier Transform merupakan tranformasi yang dapat melakukan hal ini. Apalagi ditambah dengan adanya FFT atau Fast Fourier
12
Transform, maka waktu komputasi akan menjadi lebih cepat sehingga memudahkan analisa sinyal suara. Output dari FFT berupa spektrum yang
menggambarkan grafik frekuensi dengan magnitudo. Fast fourier transform dilakukan untuk mentranformasikan sinyal dari
domain waktu ke domain frekuensi.
Untuk melakukan analisa frekuensi pada suatu sinyal diskrit {xn}, kita mengkonversi deret domain waktu ke suatu tampilan domain
frekuensi ekivalen. �
�−� � ���
�� 2. 1
Kita mengetahui bahwa penggambaran seperti itu diberikan dengan transformasi Fourier X
� dari deret xn. Penggambaran domain frekuensi mengarahkan ke transformasi Fourier diskrit, yang merupakan suatu alat yang
digunakan untuk melakukan analisa frekuensi sinyal waktu diskrit. Pencuplikan sinyal energi berhingga aperiodik mempunyai spektrum
kontinu. Suatu sinyal waktu diskrit aperiodik xn disimpulkan dengan transformasi Fourier :
� � = �
− � ∞
= −∞
2. 2
Secara fisis, X � digunakan untuk frekuansi sinyal xn. Dengan kata lain, X�
adalah suatu dekomposi xn menjadi komponen-komponen frekuensinya. Persamaan ini merupakan bentuk transformasi Fourier yang siap dikomputasi
secara langsung dari bentuk sinyal xt. Sehingga pemrosesan sinyal digital diubah menjadi diskrit. Analisis frekuensi dari sinyal waktu diskrit xn dapat
menggunakan transformasi fourier diskrit DFT.
13
Untuk mendapatkan persamaan 2.3 dengan mengalikan kedua ruas dengan e
jωm
dan mengintegralkan melalui selang - , jadi persamaan tersebut menjadi
� �
�
= �
− � ∞
= −∞
�
�
� −�
� −�
2. 3
Integral pada ruas kanan persamaan 2.4 dapat dievaluasi jika dapat mempertukarkan orde penjumlahan dan integrasi. Pertukaran ini dapat dibuat jika
deret �
�
� = �
� �
= −�
2. 4 Secara merata konvergen untuk Xω dengan N→. konvergen secara merata
berarti bahwa, untuk setiap , X
N
→X, dengan X→. Dapat disimpulkan
bahwa deret konvergen seragam sehingga dapat mempertukarkan orde penjumlahan dan integrasi. Maka,
� −
� = 2
�, = 0,
≠
� −�
2. 5
Konsekuensi,
�
� − �
−� ∞
−∞
� = 2
�� , = 0,
≠ 2. 6
Dengan mengkombinasikan 2.10.3 dan 2.10.4, didapatkan hasil
� = 1
2 �
� �
� �
−�
� 2. 7
14
Gambar 2.4 Sinyal Sinus dalam domain waktu dan domain frekuensi
2.10 Pencuplikan Data
