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

65.00 70.00

75.00 80.00

85.00 90.00

95.00 T in gk at P en ge n alan Jumlah Frame Blocking dan Database per nada Pengaruh Frame Blocking Terhadap Tingkat Pengenalan Suara Tingkat pengenalan suara instrument musik yaitu 256 karena dengan nilai koefisien 256 sudah mendapatkan hasil pengenalan nada belira sebesar 87,69. Hasil penelitian tidak selalu benar dikarenakan karena beberapa hal, sehingga penelitian ini tingkat pengenalannya tidak mencapai 100 . Hasil penelitian ini salah karena disebabkan oleh ketidaksesuaian pemilihan k pada nilai K-NNnya. Penentuan keluaran atau hasil keluaran ini ditentukan dari jumlah pada K-NNnya. Pada penentuan keluarannya sudah ditentukan dari jumlah k pada nilai K-NNnya, sehingga jika keluarannya tidak mencapai angka k pada K-NNnya maka keluaranya akan salah. Hal lain yang disebabkan pengenalan salah adalah karena cara memukul ataupun meniup alat musiknya juga akan berpengaruh pada hasil keluarannya. 68 BAB V KESIMPULAN DAN SARAN

5.1 KESIMPULAN

Berdasarkan percobaan dan pengujian sistem suara instrument musik maka dapat disimpulkan sebagai berikut : 1. Implementasi dari sistem pengenalan suara instrument alat musik belira, pianika dan rekorder sudah bisa bekerja. 2. Pengujian pengenalan suara musik secara real-time menggunakan database pernada 4 dan 8 dengan variasi frame blocking 256, 1024 dan 4096, dan nilai k=1 pada k-NN. 3. Pengenalan suara instrument musik pada belira, pianika dan rekorder secara real- time dengan menggunakan database pernada 4 dengan variasi frame blocking 256, dan nilai k=1 pada k-NN memiliki tingkat pengenalan suara instrument musik mencapai 87,69 .

5.2 SARAN

Sistem pengenalan suara instrument musik ini masih memiliki kekurangan. Ada beberapa saran yang diharapkan dapat mengurangi kekurangan tersebut, antara lain: 1. Pengembangan dapat dilakukan agar sistem dapat mengenali banyak alat musik dengan berbagai nada yang dihasilkan. 2. Untuk pengembangannya dapat juga membuat hardware pengenalan suara instrument musik.