Suara Uji Analisis Data Pengujian

sistem pengenalan suara alat musik belira, pianika, dan recorder. Sehingga dapat memanggil database tersebut ketika sewaktu waktu diperlukan untuk melakukan proses pengenalan suara.

3.3. Suara Uji

Proses suara uji bertujuan untuk pencuplikan gelombang suara menjadi sinyal diskrit yang termodulasi menjadi sebuah pulsa. Fungsi dari proses ini untuk menjalankan program pengenalan suara belira, pianika dan recorder secara offline. Suara uji ini memiliki data nada sebanyak 240 nada yang didalamnya terdapat 10 kali perekaman setiap nada yaitu do, re, mi, fa, sol, la, si, dan do tinggi pada setiap alat musik belira, pianika, dan recorder. Semua sample masuk dalam proses ini sebelum masuk ke tahap berikutnya. Proses suara uji di tunjukkan pada Gambar 3.5. Gambar 3.5. Proses pembuatan suara uji

3.4. Perancangan Tampilan Program GUI Matlab

Gambar 3.6. Rancangan interface sistem pengenalan alat musik belira, pianika dan recorder menggunakan GUI Matlab Pengenalan Alat Musik Selesai Rekam Plot Perekaman Plot Ekstraksi Ciri Alat Musik Pilih Windowing Koefisien Pilih Frame Reset Perekaman Masukan suara Belira, Pianika, dan Recorder.wav Hasil Keluaran .wav Tampilan interface untuk sistem pengenalan suara alat musik belira, pianika, dan recorder ini penulis menggunakan GUI yang terdapat dalam Matlab. Tampilan interface sistem pengenalan alat musik ini dapat dilihat pada Gambar 3.6 dan untuk fungsi dari bagian- bagian pada interface dapat dilihat pada Tabel 3.2. Tabel 3.2. Keterangan dari interface pada GUI Matlab Nama Keterangan Rekam Untuk memulai proses pnegenalan Selesai Untuk mengakhiri proses pengenalan Reset Untuk mengulang proses pengenalan Plot Perekaman Menampilkan gambar grafik hasil perekaman Nilai Korelasi Menampilkan nilai hasil rata-rata korelasi Alat Musik Hasil output berupa teks alat musik yang sedang dimainkan 3.5. Perancangan Alur Program Gambar 3.7. Diagram alur proses sistem pengenalan suara alat musik belira, pianika, dan recorder Normalisasi 2 Input Suara Belira, Pianika, Recorder Start End Normalisasi 1 Pemotongan Sinyal Frame Blocking Rekam Windowing DST Normalisasi 3 Centering dan Windowing Koefisien Penyekalaan Logaritmis Normalisasi 4 Fungsi Korelasi Penentuan Alat Musik Output Teks Pada proses sistem pengenalan suara alat musik belira, pianika, dan recorder ini, memiliki beberapa proses, yaitu: perekaman, Normalisasi 1, Pemotongan Sinyal, Frame Blocking, Normalisasi 2, Windowing, DST, Normalisasi 3, Centering, Windowing Koefisien, Penyekalaan Logaritmis, Normalisasi 4, Fungsi Korelasi, penentuan output alat musik, dan output yang akan ditampilkan berupa teks, seperti tertera pada gambar 3.7.

3.5.1. Rekam

Pada proses ini, input suara dari belira, pianika, dan recorder akan direkam dan kemudian akan dilakukan sampling. Proses sampling bertujuan untuk merekam suara belira, pianika, dan recorder dengan menentukan nilai frekuensi sampling yaitu 10000 Hz. Ferkuensi sampling menggunakan frekuensi sampling yang telah digunakan pada penelitian sebelumnya [1]. Nilai frekuensi 10000 Hz dipilih karena menurut teori nyiquist frekuensi sampling harus lebih besar 2 kali dari frekuensi maksimum dari frekuensi yang telah direkam tadi persamaan 2.1. Proses diagram alur proses perkaman ini dapat dilihat pada Gambar 3.8 berikut. Gambar 3.8. Diagram alur proses rekam Sampling Rekam Start End Output: Nada Terekam Rekam YA TIDAK Input : Tekan Tombol “Rekam” Pada GUI

3.5.2. Normalisasi 1

Setelah proses perekaman yaitu proses normalisasi. Tujuan dari proses normalisasi ini adalah untuk memaksimalkan aplitudo pada data nada yang sudah direkam pada data nada yang baru, agar lemah atau kuatnya suara yang baru direkam tidak mempengaruhi proses pengenalan. Data nada tersebut akan dibagi dengan nilai absolut tertinggi dari data nada yang sudah terekam persamaan 2.2. Diagram alur proses ini dapat dilihat pada Gambar 3.9. Gambar 3.9. Diagram alur proses normalisasi 1

3.5.3. Pemotongan Sinyal

Proses pemotongan sinyal berfungsi untuk menghilangkan bagian silence dan transisi pada data nada yang telah terekam yang telah melewati proses normalisasi. Bagian silence tersebut terdapat pada bagian awal saat perekamaan atau dibagian sisi kiri pada sinyal yang telah tercuplik, dan juga tujuan dari pemotongan sinyal untuk menghilangkan noise pada rekaman agar suara yang dinginkan benar-benar suara asli dari belira, pianika dan recorder. Untuk proses pemotongan sinyal ini dapat dilihat pada gambar 3.10. Input : Suara Belira, Pianika, Recorder.wav Proses Membagi Data Masukan Dengan Data Absolut Yang Telah Terekam Output : Hasil Normalisasi 1 Start End A A Gambar 3.10. Diagram alur proses pemotongan sinyal

3.5.4. Frame Blocking

Proses selanjutnya dari sistem pengenalan suara alat musik belira, pianika, dan recorder ini adalah frame blocking. Fungsi dari proses ini adalah untuk memilih bagian mana yang akan diproses atau diolah, serta fungsi dari proses ini bisa mempercepat dan mempermudah proses perhitungan. User akan memilih nilai frame yang teleh ditentukan. Pilihan frame yang disediakan yaitu 32, 64, 128, 256 dan 512 [1]. Input proses frame blocking ini adalah output hasil dari proses pemotongan sinyal. Untuk proses frame blocking dapat dilihat pada Gambar 3.11. Gambar 3.11. Diagram alur proses Frame Blocking Proses Mengambil Data Sepanjang Nilai Frame Output : Data Nada Hasil Frame Blocking Start End C C Input : “Pilih Frame” pada GUI Output : Data Suara Hasil Normalisasi1 Proses Pemotongan Bagian Silence Start B Proses Pemotongan Bagian Transisi Output : Data Suara Hasil Pemotongan Sinyal End B

3.5.5. Normalisasi 2

Setelah proses frame blocking adalah proses normalisasi 2. Input pada proses ini adalah hasil Output dari frame blocking. Pada proses ini bertujuan agar amplitudo data nada yang telah di proses pada frame blocking terbentuk pada skala yang sama. Pada proses ini data nada hasil frame blocking dibagi dengan nilai absolut maksimum dari frame blocking persamaan 2.2. Untuk proses Normalisasi 2 dapat dilihat pada Gambar diagram alur 3.12. Gambar 3.12. Diagram alur proses normalisasi 2

3.5.6. Windowing

Proses selanjutnya pada sistem pengenalan suara alat musik belira, pianika, serta recorder ini yaitu windowing. Penulis menggunakan windowing hamming pada proses ini. Fungsi dari windowing ini adalah untuk menghilangkan efek diskontinuitas pada data sinyal suara yang telah terekam. Windowing tersebut memiliki karakteristik memiliki side lobe yang besar dan main lobe yang kecil pada sumbu frekuensi, sehingga dapat lebih baik untuk menghilangkan efek diskontinuitas. Pada proses ini data suara yang telah dinormalisasi melalui tahap frame blocking yang akan dikalikan dengan windowing hamming dengan persamaan 2.3 yang menggunakan fungsi hamming pada Matlab, sehingga memperoleh Input : Data Suara Hasil Frame Blocking Proses Membagi Data Masukan Dengan Nilai Maksimal Frame Blocking Output : Hasil Normalisasi 2 Start End hasil output dari windowing hamming tersebut. Kemudian akan dilanjutkan ke proses berikutnya. Untuk proses windowing ini dapat dilihat pada Gambar diagram alur 3.13. Gambar 3.13. Diagram alur proses windowing

3.5.7. Discrete Sine Transform DST

Gambar 3.14. Diagram alur proses DST Pada proses selanjutnya hasil Output data dari windowing kemudian diproses melalui proses DST dengan persamaan 2.4 yang menggunakan fungsi DST pada Matlab. Pada proses ini, hasil dari windowing dikonversikan dari domain waktu menjadi domain frekuensi yang menghasilkan panjang nilai koefisien. Untuk proses ini dapat dilihat pada Gambar 3.14. Input : Hasil Windowing Proses Mencari Nilai Absolut DST Output : Hasil DST Start End Input : Hasil Normalisasi 2 Proses Perkalian Data Input Dengan Windowing Hamming Output : Hasil Windowing End Start

3.5.8. Normalisasi 3

Setelah melewati proses DST, proses selanjutnya adalah normalisasi 3. Pada proses ini output dari proses DST dibagi dengan nilai absolut maksimum dari DST persamaan 2.2. Untuk diagram alur proses normalisasi 3 ini dapat dilihat pada Gambar 3.15. Gambar 3.15. Diagram alur proses normalisasi 3

3.5.9. Centering dan Windowing Koefisien

Setelah melewati proses normalisai 3 proses selanjutnya adalah Centering. Pada proses ini Centering berfungsi untuk menengahkan data sinyal suara, sinyal dengan amplitudo yang paling tinggi yang akan ditengahkan. Sinyal dengan amplitudo tertinggi yang sudah berada ditengah kemudian akan dilakukan zero padding. Sinyal akan diproses pada bagian sebelah kanan dan bagian sebelah kiri. Setelah pembagian menjadi 2 sisi, kemudian dikalikan dengan Windowing Koefisien. Pemilihan Windowing Koefisien terdapat pada user interface. Untuk proses Centering dan Windowing Koefisien dapat dilihat pada Gambar 3.16. Input : Hasil DST Proses Membagi Data Input Dengan Nilai Maksimum DST Output : Hasil Normalisasi 3 Start End Gambar 3.16. Diagram alur proses centering dan Windowing Koefisien

3.5.10. Penyekalaan Logaritmis

Proses ini mendapatkan input dari proses output centering dan Windowing koefisien. Pada proses ini, bertujuan untuk meningkatkan harmonisasi dan harmonic noise pada amplitudo sinyal suara. Sehingga dapat meninggkatkan amplitudo sinyal suara yang kecil menjadi amplitudo sinyal yang tinggi, begitu juga dengan amplitudo yang tinggi Proses Sisi Kiri Mencari Nilai Maksimum, potong kanan, kali dengan Windowing Koefisien, Zero Padding Proses Penggabungan Sisi Kiri dan Sisi Kanan Output : Hasil Centering dan Windowing Koefisien Start Proses Mencari Indeks Tertinggi Dan Centering Proses Sisi Kanan Mencari Nilai Maksimum, potong kiri, kali dengan Windowing Koefisien, Zero Padding End Input :”Pilih Windowing Koefisien” pada GUI ditingkatkan namun tidak terlalu signifikan dibandingkan dengan sinyal amplitudo yang kecil persamaan 2.6. Untuk proses penyekalaan logaritmis dapat dilihat pada Gambar 3.17. Gambar 3.17. Diagram alur proses penyekalaan logaritmis

3.5.11. Normalisasi 4

Setelah melalui proses penyekalaan logaritmis, kemudian hasil output data dari penyekalaan logaritmis dinormalisasi kembali. Pada proses ini adalah normalisasi yang paling akhir. Proses ini membagi data input yaitu hasil penyekalaan logaritmis dengan nilai maksimum absolut penyekalaan logaritmis persamaan 2.2. Untuk proses normalisasi ini dapat dilihat pada Gambar 3.18. Gambar 3.18. Diagram alur proses normalisasi 4 Masukan Hasil Penyekalaan Logaritmis Keluaran Hasil Normalisasi 4 Start Proses Membagi Data Masukan Dengan Nilai Maksimal Penyekalaan Logaritmis End Start Input : Hasil Centering dan Windowing Koefisien Proses Penyekalaan Logaritmisis Output : Hasil Penyekalaan Logaritmis End

3.5.12. Fungsi Korelasi

Gambar 3.19. Diagram alur proses fungsi korelasi Setelah melewati proses normalisasi yang terakhir yaitu normalisasi 4, selanjutnya data nada akan diproses pada fungsi korelasi dan akan menentukan hasil keluaran alat musik. Fungsi korelasi pada proses ini adalah untuk membandingkan antara hasil data Suara yang baru dengan data suara yang telah direkam atau database persamaan 2.7. Setelah melalui proses fungsi korelasi hasil data dilakukan sort descending, yang berarti hasil perhitungan pada proses korelasi di urutkan dari yang paling besar ke paling kecil. Untuk proses fungsi korelasi ini dapat dilihat pada Gambar 3.19.

3.5.13. Penentuan Keluaran

Tahap ini adalah menentukan output dari perhitungan korelasi. Setelah memproses data perhitungan fungsi korelasi, data akan dilakukan sort descending, kemudian pengambilan kelas terbesar dan ditentukan hasil output. Setelah mengetahui hasil output kelas yang memiliki nilai paling besar, maka dapat diperoleh hasil output dari suara alat musik belira, pianika, dan recorder. Untuk proses penentuan keluaran dapat dilihat pada Gambar 3.20. Proses Perhitungan Fungsi Korelasi Database Outpur : Hasil Perhitungan Fungsi Korelasi Input : Hasil Normalisasi 4 End Start Gambar 3.20. Diagram alur proses penentuan keluaran

3.5.14. Keluaran Teks

Pada sistem pengenalan alat musik belira, pianika, dan recorder ini, proses terakhir adalah menampilkan keluaran teks pada interface. Yang akan mengenali alat musik apa yang dimainkan. Untuk menampilkan output berupa teks pada sistem pengenalan alat musik ini menggunakan perintah callback yang terdapat pada GUI Matlab, dengan menginisialisasi kelasout sebagai hasil output dari pengenalan belira, pianika, dan recorder . Untuk proses keluaran teks dapat dilihat pada Gambar 3.21. Input : Hasil Perhitungan Korelasi Start Pilih Kelas Yang Memiliki Nilai Hasil Korelasi Paling Besar Output : Hasil Penentuan Keluaran End Gambar 3.21. Diagram alur proses keluaran teks

3.6. Rancangan Pengujian

3.6.1. Pengujian Data Secara Tidak Real Time

Dalam pengujian alat musik belira, pianika, dan recorder secara tidak real time ini, penulis terlebih dahulu mengambil sample sebanyak 10 kali berupa nada-nada yaitu do, re, mi fa sol, la si, dan do tinggi pada setiap alat musik melalui microphone kemudian merekamnya menggunakan Matlab. Setelah setiap nada dari ketiga alat musik direkam kemudian data tersebut disimpan dala satu folder untuk dijadikan database. Untuk pengujiannya, setiap nada direkam sebanyak 10 kali untuk ketiga alat musik kemudian deberi nama yang berbeda untuk setiap rekaman. Setelah itu, data tersebut diproses oleh Matlab sebagai data uji yang akan diteruskan ke tahap preprocessing yang telah dibuat. Kemudian data yang telah diolah akan dibandingkan dengan data yang terdapat pada database dan hasilnya akan ditampilkan ke layar monitor dengan format teks melalui software Matlab. Input Hasil Kelas Terbesar Start KelasOut = Belira, Pianika, Recorder End Hasil = KelasOut Output : “Nama Alat Musik Berupa Teks” pada GUI

3.6.2. Pengujian Secara Real Time

Pengujian yang akan dilakukan secara real time dilakukan melalui GUI yang yang telah dibuat oleh penulis. Microphone akan merekam nada dari salah satu alat musik, kemudian nada tersebut diproses oleh Matlab yang telah memiliki list program. Pengujian nantinya akan ada 1 orang eksekutor untuk melakukan pengujian terhadap 3 alat musik tersebut. Pada saat pengujian, alat akan diujikan satu per satu untuk dikenali nama alat musik yang dimainkan. Sebelum menguji alat, eksekutor akan memilih varian untuk Frame Blocking dan Windowing Koefisien. Untuk pengujian alatnya, setiap alat akan membunyikan 8 nada yaitu do, re, mi fa sol, la si, dan do tinggi sebanyak 10 kali, sehingga data yang akan di uji sebanyak 240 data uji secara langsung. Nada-nada yang dimainkan akan melalui tahap preprocessing. Setelah melalui tahap tersebut, pada GUI akan menampilkan plot proses hasil perekaman dan plot proses hasil ekstraksi ciri. Setelah melakukan pengujian, GUI akan menampilkan output hasil dari alat musik yang diuji berupa teks pada layar monitor.

3.7. Analisis Data Pengujian

Dalam menghitung besarnya tingkat pengenalan pada penelitian ini menggunakan rumus sebagai berikut: Tingkat Pengenalan = Banyak Data Yang Benar Banyak Data Yang Diuji x 100 37

BAB IV HASIL DAN PEMBAHASAN

Pada bab ini, peneliti akan menganalisa dan membahas hasil dari data-data yang telah diuji. Data-data tersebut diperoleh dari hasil sistem pengenalan yang telah dilakukan pengujian pada rancangan program sistem pengenalan. Peneliti membuat dan menguji sistem pengenalan alat musik tersebut untuk menentukan seberapa tinggi tingkat pengenalan suatu sistem tersebut. 4.1. Pengujian Program Pengenalan Suara Alat Musik Belira, Pianika dan Recorder menggunakan Windowing Koefisien Discrete Sine Transform Perancangan dan pengujian program sistem pengenalan alat musik ini menggunakan software Matlab 7.10.0.499 R2010a. Pada pengujian program, peneliti menggunakan spesifikasi notebook sebagai berikut: Prosesor : Intel® Core™ i5-3337U CPU 1.80GHz RAM : 4 GB Tipe Sistem : Sistem Operasi 64-bit Dalam perancangan sistem ini, tujuan membuat GUI adalah untuk memudahkan user mengakses aplikasi pada penelitian ini. Pada proses pengenalan alat musik ada beberapa tahapan atau langkah yang harus dilakukan pada GUI, seperti berikut: 1. Langkah pertama sebelum membuka GUI yaitu, buka software Matlab kemudian arahkan Current Directory ke folder tempat menyimpan program yang telah dirancang. 2. Langkah selajutnya setelah mengarahkan Current Directory adalah membuka GUI. Untuk membuka GUI ada 2 cara. Yang pertama, mencari nama GUI yang telah tersimpan. Cara kedua, mengetikkan langsung nama GUI yang telah tersimpan pada Command Window. Tampilan GUI ditunjukkan seperti pada Gambar 4.1.