Sistem Pengenalan Suara Instrumen Musik
frekuensi sampling. Sinyal digital kemudian disimpan dan digambarkan dalam sebuah plot. Data nada yang telah disimpan disebut nada terekam dan kemudian dapat di proses untuk dikenali
lewat proses pengenalan nada. 6.
Proses pengenalan suara Proses pengenalan suara adalah proses untuk mengenali suara alat musik yang terekam agar
dapat diketahui jenis suara musik apa yang direkam. Proses ini terdiri dari subproses pemotongan sinyal, frame blocking, windowing, normalisasi, ekstraksi ciri Row Mean DCT, centering, fungsi
jarak Euclidean, Klasifikasi K-NN, dan penentuan hasil suara alat musik. Diagram blok proses pengenalan suara alat musik dapat dilihat pada gambar 3.4.
Masukan Suara Belira, Pianika dan Recorder
Keluaran
Gambar 3.4. Diagram Blok Proses Pengenalan Suara Instrumen Musik
3.1.1 Suara Belira, Pianika, Atau Recorder Wav Masukan adalah hasil dari sampling suara alat musik yang direkam akan diproses
ketahap selanjutnya. K-NN
Pemotongan Sinyal
Frame Blocking
Data Base Centering
Fungsi Jarak Euclidean Normalisasi 1
Normalisasi 2
Normalisasi 3
Row Mean DCT : a.
Pembentukan kolom matriks
b. Windowing 2D
c. DCT 2D
d. Rerata baris
3.1.2 Pemotongan Sinyal Pemotongan sinyal berfungsi untuk menghilangkan efek noise atau suara lain yang ikut
terekam saat proses perekaman dan menghilangkan silence dan transisi dari sinyal yang terekam. 3.1.3 Frame Blocking
Proses ini berfungsi untuk memilih data dari nada suara musik yang terekam, sehingga data yang dipilih dapat mewakili semua data pada suara alat musik yang terekam.
3.1.4 Normalisasi Di tahap ini semua nada yang sudah terekam akan dinormalisasikan. Tujuan dari
penormalisasian ini agar amplitude pada saat nada dimainkan bias maksimal. Pada penelitian ini, proses normalisasi dibagi kedalam 3 tahap normalisasi. Normalisasi pertama dilakukan sebelum
proses pemotongan sinyal. Dan setelah melalui proses frame blocking data akan dinormalisasi lagi. Dan normalisasi terakhir dilakukan setelah melalui proses Row Mean DCT.
3.1.5 Row Mean DCT Discrete Cosine Transform Menunjukkan banyaknya suatu urutan data dari penjumlahan fungsi kosinus pada
frekuensi yang berbeda. DCT penting dalam banyak aplikasi seperti dalam bidang sains dan teknik. Pada proses Row Mean DCT ini, Data yang sudah dinormalisasikan akan mengalami
proses windowing. Dalam penelitian ini akan menggunakan jenis Hanning window. Windowing berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil rekaman.
3.1.6 Centering 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.
3.1.7 Fungsi Jarak Euclidean Pengenalan suara alat musik pada belira, pianika atau recorder dilakukan dengan
menggunakan metode fungsi jarak Euclidean.
3.1.8 Penentuan Hasil Suara Instrument Musik Proses ini adalah subproses terakhir dari proses pengenalan suara alat musik. Penentuan
hasil pengenalan ini akan ditentukan berdasarkan hasil perhitungan nilai dengan klasifikasi K- NN.
3.1.9 Hasil Tampilan Tampilan adalah hasil akhir dari software yang mengenali nada suara alat musik dari
belira, pianika atau recorder. Hasil keluaran akan ditampilkan dalam bentuk visual GUI Matlab yang telah dirancang oleh penulis.