Tampilan Program GUI MATLAB Perancangan Alur Program

Gambar 3.7. Diagram Alir Sistem Pengenalan Suara alat Belira, Pianika atau Recorder 3.5.1 Rekam Gambar 3.8 Blok Diagram Proses Rekam Proses rekam memiliki proses sampling suara. Proses sampling suara berfungsi untuk merekam suara alat musik belira, pianika atau recorder. Frekuensi sampling yang digunakan adalah 10000 Hz. Untuk frekuensi samplingnya didapatkan dari hasil penelitian yang sudah dilakukan sebelumnya [17]. Penulis memilih nilai frekuensi 10000 Hz karena nilai frekuensi sampling harus lebih besar 2 kali dari nilai frekuensi tertinggi dari sinyal yang sudah disampling. Hasil dari proses perekaman ini akan ditampilkan dalam bentuk plot atau gambar grafik yang ada pada interface GUI Matlab. Proses perekaman ini ditunjukkan pada gambar 3.8. 3.5.2 Normalisasi 1 Gambar 3.9 Diagram Alir Normalisasi 1 Tujuan dari proses ini adalah agar pengaruh kuat atau lemahnya suara rekaman dapat diminimalisasikan. Proses ini digunakan agar besar amplitudonya setara dengan data sinyal suara yang terekam sehingga terbentuk pada skala yang sama. Gambar sinyal untuk hasil normalisasi ditunjukkan pada gambar 2.5. Diagram alir proses normalisasi 1 ditunjukkan pada gambar 3.9. 3.5.3 Pemotongan Sinyal Gambar 3.10 Diagram Alir Pemotongan Sinyal Proses pemotongan sinyal adalah pemotongan sinyal yang tidak digunakan yang terdapat di sisi kiri atau bagian awal dari sinyal yaitu bagian silence dan bagian transisi. Gambar sinyal bagian silence pada belira ditunjukkan pada gambar 2.7 a, gambar sinyal silence pada pianika ditunjukkan pada gambar 2.8 a dan gambar sinyal silence pada recorder ditunjukkan pada gambar 2.9 a sedangkan gambar sinyal bagian Transisi pada belira ditunjukkan pada gambar 2.7 b, gambar sinyal transisi pada pianika ditunjukkan pada gambar 2.8 b dan gambar sinyal transisi pada recorder ditunjukkan pada gambar 2.9 b. Tujuan dari proses pemotongan ini adalah untuk menghilangkan sinyal efek noise atau suara lain yang ikut terekam pada saat proses perekaman agar didapatkan sinyal yang benar-benar suara alat musik belira, pianika atau recorder. Proses pemotongan sinyal ditunjukkan pada gambar 3.10. 3.5.4 Frame Blocking Proses frame blocking bertujuan untuk mengurangi jumlah data sinyal yang akan diproses. Pilihan nilai pada frame blocking ini ada beberapa pilihan yang bervariasi yaitu 64, 256, 1024 dan 4096. Proses frame blocking ini akan menentukan nilai titik tengah dari data masukan. Setelah data titik tengahnya diambil, maka data yang akan diambil dapat ditentukan dengan nilai frame blocking yang dipilih oleh user. Data yang diambil tersebut merupakan keluaran untuk proses frame blocking. Diagram alir proses frame blocking ditunjukkan pada gambar 3.11. Gambar sinyal untuk proses frame blocking ini ditunjukkan pada gambar 2.10, 2.11 dan 2.12. Gambar 3.11 Diagram Alir Frame Blocking 3.5.5 Normalisasi 2 Gambar 3. 12 Diagram Alir Normalisasi 2 Pada proses normalisasi 2 ini digunakan agar besar pada amplitudo dari data sinyal suara yang sudah di proses pada frame blocking terbentuk pada skala yang sama. Masukan dari normalisasi 2 ini adalah sinyal dari frame blocking. Data masukan dari hasil frame blocking dibagi dengan nilai absolut maksimal dari frame blocking dan hasil keluarannya adalah untuk proses normalisasi 2. Gambar sinyal untuk normalisasi 2 ditunjukkan pada gambar 2.13. Diagram alir proses normalisasi 2 ini ditunjukkan pada gambar 3.12. 3.5.6 Hanning Windowing Gambar 3.13 Diagram Alir Hanning Windowing Proses selanjutnya adalah windowing. Dalam penelitian ini akan menggunakan jenis Hanning window. Windowing berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil rekaman. Hanning memiliki lobe utama dua kali lebih lebar dari Window Rectangular, dan hampir tiga baris spectral akan selalu dibangkitkan. Gambar sinyal untuk hanning windowing dalam windowing 2D ditunjukkan pada gambar 2.16. Diagram alir proses hanning windowing ditunjukkan pada gambar 3.13. 3.5.7 Row Mean DCT Gambar 3.14 Diagram Alir Row Mean DCT Proses selanjutnya adalah proses Row Mean DCT. Dimana masukan pada proses ini adalah hasil dari proses windowing, dan keluarannya merupakan hasil dari ekstraksi ciri Row Mean DCT. Proses Row Mean DCT ini meliputi proses pembentukan matriks, kemudian matriks tersebut akan diubah menjadi matriks kotak reshape dimana pada pembuatan reshape ini dilakukan proses windowing 2D yaitu setiap kolom dan barisnya dikalikan. Setelah semua kolom dan baris dikalikan, proses selanjutnya adalah proses transformasi matriks reshape kedalam matriks reshape DCT 2D. Pada proses DCT 2D ini, setiap kolomnya akan dirata-ratakan sehingga hasil keluarannya adalah row mean DCT. Gambar sinyal dari pembentukan kolom matriks pada Row Mean DCT ditunjukkan pada gambar 2.15. Diagram alir proses Row Mean DCT ditunjukkan pada gambar 3.14. 3.5.8 Normalisasi 3 Gambar 3.15 Diagram Alir Normalisasi 3 Proses selanjutnya adalah proses normalisasi 3, dimana proses normalisasi ini adalah proses normalisasi akhir. Proses normalisasi ketiga ini adalah sinyal hasil dari proses Row Mean DCT. Pada proses ini, data masukan dari hasil Row Mean DCT dibagi dengan nilai maksimal dari Row Mean DCT. Gambr sinyal dari normalisasi 3 ini ditunjukkan pada gambar 2.19. Hasil dari pembagian ini adalah keluaran untuk proses normalisasi ketiga atau normalisasi akhir. Proses akhir dari normalisasi ditunjukkan pada gambar 3.15. 3.5.9 Centering Gambar 3.16 Diagram Alir Centering Proses selanjutnya adalah proses centering. Dimana centering adalah untuk menengahkan sinyal sinyal yang dengan amplitudo tertinggi ditempatkan dibagian tengah. Sinyal yang sudah ditempatkan pada bagian tengah akan di zero padding ke bagian sebelah kiri dan bagian sebelah kanan. Gambar sinyal untuk centering Proses sisi kiri, kanan dan penggabungan kiri dan kanan ditunjukkan pada gambar 2.20, 2.21 dan 2.22. Diagram alir proses centering ditunjukkan pada gambar 3.16. 3.5.10 Fungsi Jarak Euclidean Gambar 3.17 Diagram Alir Fungsi Jarak Euclidean Proses selanjutnya adalah proses untuk fungsi jarak. Dimana fungsi jarak pada penelitian ini menggunakan fungsi jarak dengan Euclidean. Jarak Euclidean adalah jarak antara dua titik yaiu dari titik satu ke titik yang lain dalam satu ruang. Secara umum, yang dimaksud antara dua titik adalah garis terpendek diantara semua garis yang menghubungkan kedua titik tersebut. Proses fungsi jarak menggunakan Euclidean ditunjukkan pada gambar 3.17. 3.5.11 K-NN Gambar 3.18 Diagram Alir k-Nearest Neighbor K-NN Proses selanjutnya adalah proses k-Nearest Neighbor K-NN. Proses ini adalah subproses terakhir dari proses pengenalan suara alat musik. Penentuan hasil keluaran ini dapat ditentukan dengan Look Up Table dan Penentuan hasil pengenalan ini akan ditentukan berdasarkan hasil perhitungan nilai dengan klasifikasi K-NN. Proses klasifikasi K-NN ditunjukkan pada gambar 3.18. 43

BAB IV HASIL DAN PEMBAHASAN

Dalam bab ini dibahas mengenai hasil uji coba sistem yang telah dirancang dan dibuat. Uji coba dilakukan untuk mengetahui apakah sistem dapat bekerja dengan sesuai dengan perancangan. Hasil pengujian berupa data-data yang dapat memperlihatkan bahwa sistem yang telah dirancang dapat bekerja dengan baik . 4.1 Pengujian Program Pengenalan Suara Instrument Musik menggunakan Row Mean DCT dan Pengklasifikasian K-NN dan Fungsi Jarak Euclidean Perancangan program menggunakan software Matlab 7.10.0 R2010a. Pada pengujian program menggunakan laptop dengan spesifikasi: Prosesor : Intel® Atom™ CPU N280 1.66GHz 1.67GHz RAM : 1 GB Tipe sistem : Sistem operasi 32 bit Dalam perancangan ini, dibuat GUI agar user dengan lebih mudah menggunakan aplikasi dalam penelitian ini. Proses pengenalan suara instrument musik dapat dilakukan dengan menjalankan perintah-perintah yang terdapat dalam GUI, seperti berikut : 1. Sebelum membuka tampilan program, perlu memastikan terlebih dahulu pada Current Directory sudah sesuai dengan tempat penyimpanan program yang telah dirancang. 2. Mengetikan perintah gui pada Command window untuk memunculkan tampilan program pengenalan suara instrument musik. Setelah itu akan muncul tampilan program pengenalan suara instrument musik seperti pada Gambar 4.1. Gambar 4.1. Tampilan Program Pengenalan Suara Instument Musik 3. User memilih nilai variasi frame blocking, database per nada dan nilai k pada K-NN yang akan digunakan terlebih dahulu sebelum melakukan pengenalan suara isntrumen musik. Nilai variasi frame blocking yang digunakan adalah 64, 256, 1024 dan 4096. Nilai variasi untuk database per nada yang digunakan adalah 1, 2, 4 dan 8. Nilai variasi K-NN yang digunakan adalah 1, 3, 5 dan 7. 4. User dapat memulai pengenalan suara instrument musik dengan menekan tombol “MULAI”. Hasil pengenalan suara instrument musik terlihat seperti pada gambar 4.2. G a m b a r Gambar 4.2. Tampilan Hasil Pengenalan 5. User dapat mengulang kembali pengenalan suara instrument musik dengan menekan tombol “RESET” dan mengulang kembali langkah 1 dan 2. 6. User dapat mengakhiri pengenalan suara instrument musik dengan menekan tombol “SELESAI”.

4.1.1 Pengenalan Suara Instrument Musik

Pengenalan suara instrument musik hanya dapat dilakukan dengan melakukan langkah- langkah seperti yang sudah dijelaskan di atas. Tampilan pengenalan program dapat dilihat pada gambar 4.1. Pada tampilan pengenalan suara instrument musik terdapat 3 push button, 3 pop up menu, 2 axes, dan 1 edit text. Untuk dapat memulai pengenalan suara instrument musik, user terlebih dahulu melakukan pengaturan pada program pengenalan suara instrument musik. Pengaturan yang dilakukan adalah dengan memilih variasi nilai pada frame blocking, variasi nilai pada database pernada dan variasi nilai k pada K-NN yang terdapat pada pop up menu. Setelah menentukan variasi nilai yang akan digunakan, user dapat memulai pengenalan suara instrument musik dengan menekan tombol “MULAI”. Hasil pengenalan yang ditampilkan adalah plot perekaman, plot Row Mean DCT, dan hasil suara instrument yang berhasil dikenali. User dapat mengulang pengenalan suara instrument musik dengan menekan tombol “RESET” dan user dapat mengakhiri pengenalan dengan menekan tombol “SELESAI”. a. Pop Up Menu Pada tampilan pop up menu ini, terdapat 3 pop up menu yaitu variasi dari frame blocking, variasi nilai K-NN, dan variasi nilai database per nada. Variasi nilai frame blocking yang ditampilkan pada pada pop up menu yaitu 64, 256, 1024 dan 4096. Variasi nilai yang ditampilkan pada pop up menu K-NN yaitu 1, 3, 5 dan 7. Dan variasi nilai yang ditampilkan pada pop up menu database per nada yaitu 1, 2, 4 dan 8. Variasi frame blocking menjalankan perintah program yang telah dirancang sebagai berikut :