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.

3.2 Perancangan Suara Referensi

Untuk mengenali suara referensi untuk setiap suara yang dikenali pada sistem pengenalan suara alat musik pada belira, pianika atau recorer. Penulis mengambil 20 sampel untuk setiap nadanya. Dengan nada referensi terdiri dari 9 nada acuan yaitu C, D, E, F, G, A, B, C ’, D’. Proses pengambilan dapat dilihat pada Gambar 3.5. Pengambilan data dilakukan melalui beberapa tahap yaitu melalui proses sampling, frame blocking, normalisasi, Row Mean DCT dimana dalam proses Row Mean DCT akan ada proses pembentukan kolom matriks, Windowing 2D, DCT 2D dan rerata baris,Centering, Fungsi Jarak Eucledian dan Klasifikasi K-NN. Masukan Suara Belira, Pianika, dan Recorder Keluaran Ekstraksi Ciri Gambar 3.5 Diagram Blok Proses Pengambilan Suara Referensi Frame Blocking Normalisasi 2 Normalisasi 3 Centering Normalisasi 1 Pemotongan Sinyal Row Mean DCT : a. Pembentukan kolom matriks b. Windowing 2D c. DCT 2D d. Rerata baris Proses pengambilan suara disesuaikan dengan variabel bebas pada pembuatan sistem pengenalan suara alat musik belira, pianika atau recorder. Untuk mendapatkan suara referensi, dilakukan perekaman sebanyak 20 kali untuk setiap nadanya. Hasil Row Mean DCT yang telah dinormalisasikan akan digunakan sebagai suara sampel, sebagai sistem pengenalan suara alat musik belira, pianika atau recorder tidak dilakukan perhitungan kembali dalam mendapatkan suara referensi dan proses pada sistem pengenalan suara alat musik belira, pianika atau recorder berjalan baik. Pada penelitian ini akan diuji 8 sampel input yang keluarannya jika 8 sampel input dibagi menjadi 8, 4, 2 atau 1 maka hasil keluarannya adalah 1, 2, 4 atau 8 untuk hasil ektraksi ciri. Proses ekstraksi ciri dilakukan dengan merata-ratakan hasil ekstraksi ciri pada belira, pianika atau recorder. Database untuk setiap sampel suara dibagi kedalam 2 bagian kemudian dirata-ratakan dan keluarannya adalah hasil untuk ekstraksi ciri. Suara referensi yang didapat kemudian disimpan dalam fungsi header yang ada dalam sistem pengenalan suara alat musik belira, pianika atau recorder. Sehingga sewaktu-waktu suara referensi dapat dipanggil dalam proses fungsi jarak yang ada dalam sistem pengenalan suara alat musik belira, pianika atau recorder.

3.3 Suara Uji

Pada penelitian ini, penulis mengambil 10 sampel pada setiap suara untuk memperoleh suara uji untuk setiap suara pada proses pengenalan suara alat musik pada belira, pianika atau recorder. Semua sampel suara yang sudah diambil dalam proses perekaman, akan melalui proses sampling sebelum masuk ke tahap proses selanjutnya. Proses pengambilan suara ditunjukkan pada gambar 3.6. Masukan Keluaran Wav Gambar 3.6. Blok diagram Proses Pengambilan Suara Uji Sampling

3.4 Tampilan Program GUI MATLAB

Tabel 3.1 Keterangan Tampilan Utama Sistem Nama Keterangan Plot Perekaman Untuk menampilkan grafik Plot Perekaman Plot Hasil Ekstraksi Ciri Row Mean DCT Untuk menampilkan grafik Hasil Ekstraksi Ciri Row Mean DCT Rekam Untuk memulai program perekaman Selesai Untuk mengakhiri program perekaman Tampilan Keluaran Untuk menampilkan teks suara instrument alat musik belira, pianika atau recorder. Plot Perekaman Plot Hasil Ekstraksi Ciri Row Mean DCT Tampilan Keluaran Rekam Selesai