Pengujian Real Time Pengujian Parameter Pengenalan Suara Instrument Musik
Tabel 4.9. Hasil Pengujian secara real time dengan variasi frame blocking 1024 database per nada 4 dan nilai k=1 pada k-NN.
Confusion Matrix
Belira Pianika
Rekorder Tingkat Pengenalan
Belira 35
5 5
77,77 Pianika
2 42
1 93,33
Rekorder 1
9 35
77,77 Rata-rata tingkat pengenalan
82,96 Ket : Masukan berupa nada do, re, mi, fa, sol, la, si, do tinggi, re tinggi dengan masing-masing 5
kali pengujian. Tabel 4.10. Hasil Pengujian secara real time dengan variasi frame blocking 1024 database per
nada 8 dan nilai k=1 pada k-NN.
Ket : Masukan berupa nada do, re, mi, fa, sol, la, si, do tinggi, re tinggi dengan masing-masing 5 kali pengujian.
Tabel 4.11. Hasil Pengujian secara real time dengan variasi frame blocking 4096 database per nada 4 dan nilai k=1 pada k-NN.
Confusion Matrix
Belira Pianika
Rekorder Tingkat Pengenalan
Belira 41
4 91,11
Pianika 3
38 3
84,44 Rekorder
10 35
77,77 Rata-rata tingkat pengenalan
84,44 Ket : Masukan berupa nada do, re, mi, fa, sol, la, si, do tinggi, re tinggi dengan masing-masing 5
kali pengujian. Confusion
Matrix Belira
Pianika Rekorder
Tingkat Pengenalan Belira
35 5
5 77,77
Pianika 2
42 1
93,33 Rekorder
10 35
77,77 Rata-rata tingkat pengenalan
82,96
Tabel 4.12. Hasil Pengujian secara real time dengan variasi frame blocking 4096 database per nada 8 dan nilai k=1 pada k-NN.
Confusion Matrix
Belira Pianika
Rekorder Tingkat Pengenalan
Belira 35
5 5
77,77 Pianika
3 39
3 86,66
Rekorder 10
35 77,77
Rata-rata tingkat pengenalan 80,73
Ket : Masukan berupa nada do, re, mi, fa, sol, la, si, do tinggi, re tinggi dengan masing-masing 5 kali pengujian.
Berdasarkan tabel 4.5 sampai dengan tabel 4.12 merupakan hasil pengujian suara secara real time yang dilakukan dengan masing-masing 5 kali pengujian. Dari tabel tersebut dapat
dilihat pada tabel 4.5 menunjukkan bahwa tingkat pengenalan untuk suara alat musik pada rekorder sebesar 95.55 . Tabel 4.7 dan 4.11 menunjukkan bahwa tingkat pengenalan suara alat
musik pada belira sebesar 91.11 serta pada tabel 4.9 dan 4.10 menunjukkan bahwa tingkat pengenalan suara alat musik pada pianika sebesar 93.33 .
Dari tabel-tabel data hasil percobaan dapat dicari persen pengenalan melalui pehitungan dari masing-masing panjang nilai frame blocking dan dapat dibuat grafik dari pengaruh panjang
Row Mean DCT terhadap tigkat pengenalan. Untuk mendapatkan tingkat persen pengenalan dari percobaan tersebut digunakan rumus [18]:
Tingkat pengenalan =
∑
4.1 Ket :
∑ = jumlah suara yang dikenali dan benar.
Perhitungan tingkat pengenalan dari :
a. frame blocking = 64 dengan database per nada 4
Tingkat pengenalan =
∑
= = 85,92
b. frame blocking = 64 dengan database per nada 8
Tingkat pengenalan =
∑
= = 82,22
c. frame blocking = 256 dengan database per nada 4
Tingkat pengenalan =
∑
= = 87,69
d. frame blocking = 256 dengan database per nada 8
Tingkat pengenalan =
∑
= =
e. frame blocking = 1024 dengan database per nada 4
Tingkat pengenalan =
∑
= =
f. frame blocking = 1024 dengan database per nada 8
Tingkat pengenalan =
∑
= =
g. frame blocking = 4096 dengan database per nada 4
Tingkat pengenalan =
∑
= = 85,07
h. frame blocking = 4096 dengan database per nada 8
Tingkat pengenalan =
∑
=
=
Tabel 4.13.Pengaruh frame blocking terhadap tingkat pengenalan Database per nada dan
frame blocking Tingkat pengenalan
frame blocking 64, Database per nada 4
85, 92 frame blocking 64, Database
per nada 8 82, 22
frame blocking 256, Database per nada 4
87,69
frame blocking 256, Database per nada 8
74,81
frame blocking 1024, Database per nada 4
82,96
frame blocking 1024, Database per nada 8
82,96
frame blocking 4096, Database per nada 4
85,07
frame blocking 4096, Database per nada 8
80,74
Gambar 4.3. Grafik Pengaruh Frame Blocking Terhadap Tingkat Pengenalan Suara
Dari tabel dan gambar grafik dari pengaruh frame blocking terhadap tingkat pengenalan suara dapat disimpulkan dan ditentukan nilai parameter yang digunakan dalam proses
pengenalan suara secara real time daengan variasi nilai pada frame blocking yang digunakan mulai 64, 256, 1024 dan 4096
serta database per nada 4 dan 8. Setelah melalui perhitungan
tingkat persen pengenalan didapatkan hasil seperti pada tabel 4.13. dari tabel tersebut menunjukkan kenaikan dan penurunan kinerja sistem dari hasil pengenalan suara instrument
musik dikarenakan oleh pengaruh variasi frame blocking dan database per nada. Secara teori dalam menentukan nilai koefisien yaitu mencari nilai koefisien yang terkecil untuk
mendapatkan hasil yang baik , maka nilai koefisien yang digunakan dalam proses pengenalan
88,97 82,22
87,69
74,81 82,96
82,96 85,07
80,74