100 data, dan juga ketiga output tersebut memiliki nilai korelasi. Untuk alat musik belira memiliki nilai korelasi yaitu 0,6265, alat musik recorder yaitu 0,5714, dan alat musik
pianika yaitu 0,4882 seperti yang terlampir pada lampiran L-45. Hasil korelasi antara kedua gambar tersebut menunjukkan, nilai korelasi Gambar 4.15 lebih besar dibandingkan
dengan Gambar 4.16. Dengan melihat hasil korelasi dan jumlah data yang diolah, maka tingkat pengenalan
dengan nilai Windowing Koefisien 80 lebih tinggi dibandingkan dengan nilai Windowing Koefisien 40.
a Belira b Recorder
c Pianika Gambar 4.15. Hasil sinyal pengujian dengan titik Frame Blocking 128 dan
Windowing Koefisien 40
a Belira b Recorder
c Pianika Gambar 4.16. Hasil sinyal pengujian dengan titik Frame Blocking 128 dan
Windowing Koefisien 80
4.2.1.2. Pengujian Secara Real Time
Pada tahap ini, pengujian dilakukan menggunakan GUI yang sebelumnya telah dibuat oleh penulis. Sebelum melakukan tahap ini, user melakukan pemilihan varian Frame
Blocking dan Windowing Koefisien. Setelah memilih nilai dari varian nilai tersebut maka user dapat melakukan pengujian atau pengenalan alat musik.
10 20
30 40
50 0.2
0.4 0.6
0.8 1
Data Koefisien A
m pl
itudo
10 20
30 40
50 0.2
0.4 0.6
0.8 1
Data Koefisien A
m pl
itudo
10 20
30 40
50 0.2
0.4 0.6
0.8 1
Data Koefisien A
m pl
itudo
20 40
60 80
100 0.2
0.4 0.6
0.8 1
Data Koefisien A
m pl
itudo
20 40
60 80
100 0.2
0.4 0.6
0.8 1
Data Koefisien A
m pl
itudo
20 40
60 80
100 0.2
0.4 0.6
0.8 1
Data Koefisien A
m pl
itudo
Input suara pengujian secara real time menggunakan suara langsung dari alat musik, bukan melalui rekamansuara uji seperti pengujian secara tidak real time. Jumlah data yang
diambil pada pengujian ini adalah 10 kali percobaan pada setiap nada untuk ketiga alat musik tersebut, sama seperti pengujian secara tidak real time.
Setelah melakukan percobaan secara real time, mendapatkan hasil yang ditunjukkan pada Tabel 4.4, 4.5, dan 4.6. Pada ke tiga tabel tersebut, menunjukan presentase hasil
pengenalan alat musik pada sistem ini dengan melakukan pengujian sebanyak 10 kali percobaan tiap nada pada tiap alat musik.
Tabel 4.4 Hasil pengujian secara real time alat musik belira
Frame Blocking
Titik Windowing Koefisien
40 50
60 70
80 32
91,25 95
95 96.25 93,75
64 87,5
92,5 91,25 90
88,75 128
100 100 93,75 93,75
92,5 256
100 100 93,75 88,75
92,5 512
100 100 93,75 93,75 93,75
Gambar 4.17 Grafik pengujian secara real time alat musik belira
86 88
90 92
94 96
98 100
40 50
60 70
80 T
ingka t P
enge na
la n
Windowing Koefisien
Pengaruh Frame Blocking dan Windowing Koefisien Alat Musik Belira
32 64
128 256
512
Tabel 4.5 Hasil pengujian secara real time alat musik pianika
Frame Blocking
Titik Windowing Koefisien
40 50
60 70
80 32
48,75 66,25 82,5
68,75 83,75 64
88.5 96,25 98,75
100 100
128 98,75 96,25
92,5 96,25
100 256
96,25 100
100 100
93,75 512
100 100
100 100
100
Gambar 4.18 Grafik pengujian secara real time alat musik pianika
Tabel 4.6 Hasil pengujian secara real time alat musik recorder
Frame Blocking
Titik Windowing Koefisien
40 50
60 70
80 32
47,5 42,5
50 56,25
47,5 64
80 96,25
82,5 90
91,25 128
87,5 93,75 98,75
100 100
256 72,5
93,75 93,75 96,25 100
512 86,25
92,5 93,75
97,5 98,75
45 50
55 60
65 70
75 80
85 90
95 100
40 50
60 70
80 T
ingka t P
enge na
la n
Windowing Koefisien
Pengaruh Frame Blocking dan Windowing Koefisien Alat Musik Pianika
32 64
128 256
512
Gambar 4.19 Grafik pengujian secara real time alat musik recorder Berdasarkan data hasil presentase tingkat pengenalan alat musik pada tahap ini Tabel
4.4, 4.5, dan 4.6, dapat dilihat hasil yang didapatkan dari pengujian cukup acak dan tidak bergantung dari varian nilai Windowing Koefisien. Itu dikarenakan Windowing Koefisien
berfungsi sebagai threshold atau pembatas untuk mengolah data yang mengakibatkan data menjadi tidak utuh. Sehingga semakin besar nilai Windowing Koefisien maka tingkat
pengenalan akan semakin tinggi, seperti ditunjukkan pada Gambar 4.20. dan Gambar 4.21. Pada Gambar 4.20 nilai Windowing Koefisien 80 menunjukan jumlah data yang diolah
lebih banyak dibandingkan dengan nilai Windowing Koefisien 40 yaitu sebanyak 50 data untuk dibandingkan dengan database, serta ketiga output memiliki nilai korelasi yang
berbeda pada tiap alat musik. Untuk alat musik belira memiliki nilai korelasi yaitu 0,7083, alat musik recorder yaitu 0,7172, dan alat musik pianika yaitu 0,6891. Sedangkan pada
Gambar 4.21, data yang diolah sebanyak 100 data, dan juga ketiga output tersebut memiliki nilai korelasi. Untuk alat musik belira memiliki nilai korelasi yaitu 0,6749, alat musik
recorder yaitu 0,6277, dan alat musik pianika yaitu 0,4819 seperti yang terlampir pada lampiran L-46. Hasil korelasi antara kedua gambar tersebut menunjukkan, nilai korelasi
Gambar 4.20 lebih besar dibandingkan dengan Gambar 4.21. Sehingga dengan melihat hasil perbandingan nilai korelasi dan jumlah data yang
diolah tingkat pengenalan dengan nilai Windowing Koefisien 80 lebih tinggi dibandingkan dengan nilai Windowing Koefisien 40.
40 50
60 70
80 90
100 110
40 50
60 70
80 T
ingka t P
enge na
la n
Windowing Koefisien
Pengaruh Frame Blocking dan Windowing Koefisien Alat Musik Recorder
32 64
128 256
512
a Belira b Rekorder
c Pianika Gambar 4.20 Sinyal hasil pengujian dengan titik Frame Blocking 64 dan Koefisien
Windowing 80
Gambar 4.21 Sinyal hasil pengujian dengan titik Frame Blocking 64 dan Koefisien Windowing 40
Melihat kembali penelitian sebelumnya, yaitu mengenai pengenalan alat musik belira, pianika dan recorder [1]. Penelitian sebelumnya menggunakan metode DFT Discrete
Fourier Transform dengan menggunakan setengah data koefisien dari tiap nilai varian titik Frame Blocking. Maka, pada penelitian ini dibandingkan dengan menggunakan Windowing
Koefisien 50. Pada penelitian ini, peneliti menggunakan beberapa varian data koefisien untuk melakukan penelitian. Dibandingkan dengan penelitian sebelumnya, pada 5 titik
Frame Blocking memiliki tingkat pengenalan yang berbeda antar keduanya seperti ditunjukkan pada Tabel 4.7. Pada Tabel 4.7 menunjukkan perbandingan tingkat pengenalan
antara penelitian ini dengan penelitian sebelumnya. Jika dibandingkan dengan penelitian sebelumnya, penelitian ini belum bisa mendapat tingkat pengenalan hingga 100. Namun
untuk 3 titik terkecil Frame Blocking untuk alat musik belira sudah lebih tinggi untuk tingkat pengenalannya dibandingkan dengan tingkat pengenalan untuk alat musik belira pada
panelitian sebelumnya.
10 20
30 40
50 0.5
1
Data Koefisien A
m pl
itudo 10
20 30
40 50
0.5 1
Data Koefisien A
m pl
itudo 10
20 30
40 50
0.5 1
Data Koefisien A
m pl
itudo
5 10
15 20
25 0.5
1
Data Koefisien A
m pl
itudo
5 10
15 20
25 0.5
1
Data Koefisien A
m pl
itudo
5 10
15 20
25 0.5
1
Data Koefisien A
m pl
itudo
Tabel 4.7. Hasil perbandingan 5 titik Frame Blocking antara penelitian sebelumnya dengan penelitian ini
Penelitian Sebelumnya Penelitian ini
Frame Blocking 32 Output
Output Belira
Pianika Recorder
Belira Pianika
Recorder 83
100 80
95 66,25
42
Rata-rata = 88 Rata-rata = 67,92
Frame Blocking 64 Output
Output Belira
Pianika Recorder
Belira Pianika
Recorder 70
100 100
92,5 96,25
96,25
Rata-rata = 90 Rata-rata = 95
Frame Blocking 128 Output
Output Belira
Pianika Recorder
Belira Pianika
Recorder 90
100 98
100 96,25
93,75
Rata-rata = 96 Rata-rata = 96,67
Frame Blocking 256 Output
Output Belira
Pianika Recorder
Belira Pianika
Recorder 100
100 100
100 100
93,75
Rata-rata = 100 Rata-rata = 97,92
Frame Blocking 512 Output
Output Belira
Pianika Recorder
Belira Pianika
Recorder 100
100 100
100 100
92,5
Rata-rata = 100 Rata-rata = 97,5
54
BAB V PENUTUP