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