4.2.1. Pengujian Parameter Pengenalan Nada
Pada pengujian ini bertujuan untuk menguji seberapa besar tingkat pengenalan nada dari setiap parameter. Parameter ini antara lain frame blocking, windowing koefisien. Dan
nilai k pada K-NN. Pengujian program pengenalna alat musik saksofon alto ini mengguanakan 2 cara, yaitu pengujian secara tidak real-time, dan pengujian secara real-
time . Untuk pengujian secara real-time dibagi menjadi 2 cara, real-time tanpa
Thresholding, dan real-time menggunakan Thresholding.
4.2.1.1. Pengujian Secara Tidak Real-Time
Nada uji digunakan sebagai nada masukan untuk pengujian tidak real time. Proses pengambilan nada uji sama dengan proses pengambilan database nada. Pengujian tidak
real time menggunakan nada uji sebanyak 8, 16, 32 dan 64 data setiap nada memiliki 1, 2,
4 dan 8 database. Hasil pengujian tidak real time adalah data tingkat pengenalan nada dari pengujian yang telah dilakukan. Persentase tingkat pengenalan sistem dapat dicari dengan
menggunakan program lampiran 4. Data tingkat pengenalan untuk database 1, 2, 4 dan 8 disetiap nadanya lampiran
5 tersebut dipresentasikan dengan persentase yang menunjukan tingkat pengenalan nada berdasarkan variasi nilai frame blocking, windowing koefisien dan nilai k pada k-NN
seperti yang ditunjukkan pada tabel 4.1, 4.2, 4.3, dan 4.4. Tabel 4.1. Menggunakan nilai frame blocking 128 dengan 1 database untuk setiap nada
nilai k
Windowing Koefisien 100
90 80
70 60
50 40
30 20
10 7
12,5 12,5
12,5 12,5
12,5 12,5 12,5 12,5 12,5 12,5 5
12,5 12,5
12,5 12,5
12,5 12,5 12,5 12,5 37,5 25
3 12,5
12,5 12,5
12,5 12,5 12,5
25 37,5 62,5
25 1
100 100
100 100
100 100
100 100
75 12,5
Tabel 4.2. Menggunakan nilai frame blocking 64 dengan database 1 untuk setiap nada
nilai k
Windowing Koefisien 100
90 80
70 60
50 40
30 20
10 7
12,5 12,5
12,5 12,5
12,5 12,5 12,5 12,5 12,5 12,5 5
12,5 12,5
12,5 12,5
12,5 12,5 12,5 12,5 25
3 12,5
12,5 12,5
12,5 12,5 12,5 12,5
25 25
1 100
100 100
100 100
100 87,5 87,5
50
Tabel 4.3. Menggunakan nilai frame blocking 32 dengan 1 database untuk setiap nada
nilai k
Windowing Koefisien 100
90 80
70 60
50 40
30 20
10 7
12,5 12,5
12,5 12,5
12,5 12,5 12,5 12,5 12,5 12,5 5
12,5 12,5
12,5 12,5
12,5 12,5 12,5 25
25 12,5
3 12,5
12,5 12,5
12,5 12,5 12,5
25 12,5
25 1
100 100
87,5 87,5
75 75
62,5 62,5 37,5 12,5
Tabel 4.4. Menggunakan nilai frame blocking 16 dengan 1 database disetiap nadanya
nilai k
Windowing Koefisien 100
90 80
70 60
50 40
30 20
10 7
12,5 12,5
12,5 12,5
12,5 12,5 12,5 12,5 12,5
5 12,5
12,5 12,5
12,5 12,5 12,5 12,5
25 12,5 12,5
3 12,5
12,5 12,5
12,5 12,5 12,5 37,5
25 37,5 12,5
1 50
50 62,5
50 37,5 37,5 37,5 37,5 37,5
Gambar 4.5. Gambar Pengaruh Perubahan Windowing koefisien terhadap persentase keberhasilan pada frame blocking 128
Gambar 4.6. Gambar Pengaruh Perubahan Windowing koefisien terhadap persentase keberhasilan pada frame blocking 64
Gambar 4.7. Gambar Pengaruh Perubahan Windowing koefisien terhadap persentase keberhasilan pada frame blocking 32
Gambar 4.8. Gambar Pengaruh Perubahan Windowing koefisien terhadap persentase keberhasilan pada frame blocking 16
Hasil pengenalan di atas berdasarkan dari tabel dan lampiran 5 merupakan hasil pengenalan nada dari program yang menggunakan database 1, 2, 4 dan 8. Dari hasil
pengenalan nada tersebut di evaluasi apakah dengan menggunakan database nada 1, 2, 4 dan 8 sudah mampu mengenali nada saksofon alto. Setelah dievaluasi diperoleh
pengenalan terbaik yang akan digunakan sebagai pengenalan nada secara real time. Berdasarkan tabel 4.1, 4.2, 4.3, 4.4 dan lampiran 5 menunjukkan kenaikan dan
penurunan kinerja sistem dari hasil pengenalan nada dikarenakan oleh pengaruh variasi nilai frame blocking, windowing koefisien dan nilai k pada K-NN.
Kelas yang digunakan k-Nearest Neighbour k-NN adalah bilangan ganjil seperti 1, 3, 5, dan 7. Berdasarkan data dari tingkat persentase keberhasilan mengenali nada saksofon
alto, dengan menggunakan database satu disetiap nadanya sudah mampu untuk mengenali nada-nada pada saksofon alto. Sehingga pada peneltian ini k-NN tidak diperlukan pada
proses pengenalan nada saksofon alto, dikarenakan untuk kelas k=1 sama dengan tidak menggunakan k-Nearest Neighbor k-NN karena nilai minimumnya hanya mencari satu
nilai sampel dari database dan juga kelasnya hanya ada satu. k=1 tidak bisa mencari nilai yang paling minimum dari nada lain, sedangkan kelas k=3, 5, 7 menggunakan k-Nearest
Neighbor k-NN karena mencari nilai minimum dari sampel database disetiap variasi
nada sesuai dengan nilai k. Syarat dari k-Nearest Neighbor k-NN yang diambil sebagai keluaran adalah kelas yang paling banyak muncul.
4.2.1.2. Pengujian Real Time
Pada pengujian secara real-time dibagi menjadi 2, pengujian tanpa Thresholding, dan pengujian untuk mencari nilai batas optimal sebelum ke pengujian menggunakan
Thresholding a
Pengujian tanpa Thresholding Pengujian tanpa menggunakan Thresholding ini bertujuan untuk mengetahui
kinerja program pengenalan nada saksofon alto yang telah dibuat. Dengan kesalahan yang terjadi adalah pengenalan nada dengan keluaran pengenalan secara salah.
Pada program pengenalan nada saksofon alto ini user memilih variasi frame blocking
, Windowing koefisien dan nilai k pada k-NN dan memilih Ya atau Tidak pada bagian pilihan Threshodling. Setelah user selesai memilih variasi- variasi yang ada maka,
user dapat menjalankan program pengenalan nada saksofon alto.
Pengujian real time dilakukan dengan menggunakan masukan nada saksofon alto secara langsung. Jumlah data yang diambil untuk pengujian ini adalah sebanyak sepuluh
kali untuk setiap nada saksofon alto. Parameter yang digunakan dalam pengujian real time adalah parameter terbaik yang telah didapat pada pengujian tidak real time sebelumnya
atau pengujian secara offline. Parameter yang didapat secara tidak realtime yakni dengan variasi frame blocking, windowing koefisien dan nilai k pada k-NN yang terbaik adalah
frame blocking 128, windowing koefisien 40, 50, 60, 70, 80, 90, 100 dan
nilai k=1 pada k-NN dengan menggunakan database 1.
Berdasarkan percobaan yang telah dilakukan, sistem pengenalan nada dapat mengenali nada saksofon alto dengan baik. Hasil pengujian real time sesuai dengan hasil
pengujian tidak real time yaitu mendapatkan nilai variasi parameter terbaik. Pada sistem pengenalan nada saksofon alto tersebut menggunakan variasi terbaik yakni frame blocking
128, windowing koefisien 50 dan nilai k=1 pada k-NN dengan menggunakan database 1.Tabel 4.17 memperlihatkan hasil pengujian secara real time yang dilakukan sebanyak 10
kali pengujian seperti pada tabel berikut : Tabel 4.5. Hasil Pengujian secara real time tanpa Thresholding dengan variasi frame
blocking 128, windowing koefisien 50 dan k=1 pada k-NN dengan confusion matriks
Input Output
Persentase Keberhasilan
Do Re
Mi Fa
Sol La
Si Do
Tinggi Do
10 100
Re 10
100 Mi
10 100
Fa 10
100 Sol
10 100
La 10
100 Si
10 100
DoTinggi 10
100 Rata-rata tingkat persentase keberhasilan pengenalan nada
100
Pada tabel 4.5. dapat dilihat dari 10 kali percobaan tidak terdapat nada yang
dikenali secara salah. Dengan demikian pengujian secara real-time tanpa menggunakan Thresholding
sama dengan percobaan saat pengujian secara tidak real-time. b
Pengujian untuk Menentukan Batasan Nilai Jarak yang Optimal Pada pengujian ini dilakukan untuk menentukan batasan nilai jarak yang optimal
sebelum ke pengujian real-time menggunakan thresholding. Parameter yang digunakan untuk menentukan batas nilai ini menggunakan variasi frame blocking 128, windowing
koefisien 50, dan nilai k=1 pada k-NN. Pengujian ini menggunakan 15 kali percobaan setiap nadanya dan dari 15 percobaaan setiap nada tersebut akan mendapatkan nilai
optimal lampiran 6. Pada tabel 4.6 menunjukan nilai optimal yang di dapat untuk setiap nada. Jarak optimal pada tabel tersebut yang digunakan sebagai batas atas penengenalan
setiap nada. jika melebihi batas atas tersebut maka sistem tidak akan mengenali nada- nada yang lain selain nada yang di inginkan, dan a
kan terdeteksi “ERROR”. Tabel 4.6. Jarak Optimal Tiap Nada dengan variasi frame blocking 128, windowing
koefisien 50 dan k=1 pada k-NN.
Nada Jarak Optimal
Do 55,0587
Re 81,5725
Mi 42,4711
Fa 54,8266
Sol 57,4214
La 105,5574
Si 36,6529
Do Tinggi 62,7467
c Pengujian menggunakan Thresholding
Pada pengujian ini bertujuan untuk mengetahui kinerja program pengenalan nada saksofon alto yang telah dibuat dengan penambahan thresholding, sehingga kesalahan
yang dikenal sebag ai keluaran teks “ERROR”. Thresholding merupakan nilai batas yang
ditentukan untuk mengurangi pengenalan nada yang salah. Dalam program thresholding di inisialisasi dengan “jmaks”. Nilai “jmaks” di dapat dari pengujian sebelumnya yaitu
pengujian menentukan batas nilai jarak yang optimal. Nilai jarak optimal yang digunakan dalam fungsi logika dalam penentuan keluaran.
User langsung dapat menjalankan program dengan thresholding karena
Thresholding telah aktif pada sistem pengenalan nada saksofon alto.
Tabel 4.7. Hasil Pengujian secara real time dengan variasi frame blocking 128, windowing koefisien 50 dan k=1 pada k-NN menggunakan thresholding dengan confusion matriks
Input Output
ERROR Persentase
Keberhasilan Do
Re Mi
Fa Sol
La Si
Do Tinggi
Do 10
100 Re
10 100
Mi 10
100 Fa
10 100
Sol 10
100 La
10 100
Lanjutan Tabel 4.7. Hasil Pengujian secara real time dengan variasi frame blocking 128, windowing
koefisien 50 dan k=1 pada k-NN menggunakan thresholding dengan confusion
matriks
Input Output
ERROR Persentase
Keberhasilan Do
Re Mi
Fa Sol
La Si
Do Tinggi
Si 10
100 DoTinggi
10 100
Rata-rata tingkat persentase keberhasilan pengenalan nada 100
Dari hasil pengujian menggunakan thresholding yang telah dilakukan, sistem pengenalan nada saksofon alto tersebut sudah mampu menggenali nada-nada yang terdapat
pada saksofon alto sesuai dengan perancangan dimana untuk nada do sampai do tinggi tidak dikenali sebagai ERROR meskipun sudah menggunakan nilai thresholding yang
didapatkan dari hasil pengujian 15 kali percobaan untuk mencari nilai thresholding disetiap nadanya.
4.3. Pengujian Dengan Nada Masukan Pianika
Pada pengujian ini bertujuan untuk mengetahui tingkat pengenalan sistem dalam mengetahui nada. Sistem diharapkan tidak dapat mengenali nada alat musik lain selain
nada saksofon alto. Untuk pengujian program pengenalan nada saksofon alto digunakan alat musik pianika sebagai masukan nadanya. Ada pula langkah- langkah untuk melakukan
percobaaan sebagai berikut: 1.
Menyiapkan alat musik pianika yang akan digunakan. 2.
Nada- nada yang akan digunakan antara lain Do, re, mi, fa, sol, la, si dan DoTinggi. 3.
Menggunakan variasi frame blocking 128, windowing koefisien 50 dan k=1 karena variasi tersebut mempunyai tingkat pengenalan yang baik. Menggunakan
masukan Thresholding untuk batasan setiap nadanya. 4.
Melihat hasil keluaran nada, apakah pengujian tersebut dapat mengenali nada masukan, dikenali dengan kelua
ran “ERROR”, dikenali dengan nada lain, atau bahkan dikenali nada dengan nada saksofon alto.
Setelah melakukan langkah-langkah diatas, berikut ini gambar alat musik pianika dan hasil pengujian dengan nada dari alat musik pianika :
Gambar 4.9. Gambar Alat Musik Pianika Setelah melakukan langkah-langkah diatas, hasil yang diperoleh sebagai berikut:
Tabel 4.8. Hasil pengujian dengan nada dari alat musik pianika dengan confusion matriks
Input Output
ERROR Persentase
Keberhasilan Do
Re Mi
Fa Sol
La Si
Do Tinggi
Do 10
100 Re
10 100
Mi 10
100 Fa
100 Sol
3 6
70 La
10 Si
10 100
DoTinggi 10
100 Rata-rata tingkat persentase keberhasilan pengenalan nada
83,75
Dari hasil pengujian dengan nada dari alat musik pianika dimana nada dasar yang dipakai adalah nada dasar sesuai dengan perancangan. Pada nada sol dan la dikenal dengan
nada lain yakni pada nada sol dikenal nada mi dan pada nada la dikenal nada fa ini dikarenakan menurut teori musik bahwa nada dasar yang dipakai pada peracangan
pengenalan saksofon alto adalah nada Do=D dan pada piano Do=F atau bisa dikatakan sama dengan pianika, dengan kata lain ada beberapa nada yang kemungkinan akan dikenali
berbeda, karena tangga nada masih dalam jarak range yang sama atau masih dalam 1 oktaf yang sama. Pada perocobaan dengan alat musik pianika, pemilihan nilai Thresholding
yang digunakan sangat berpengaruh dalam hal tersebut.
4.4. Pengujian Dengan Nada-Nada Kromatis Pada Saksofon Alto
Pada pengujian dengan nada-nada kromatis bertujuan untuk mengetahui tingkat pengenalan sistem dalam mengetahui nada. Sistem diharapkan tidak dapat mengenali nada-
nada kromatis pada saksofon alto. Nada-nada kromatis atau biasa dikenal nada-nada tengah
Kategori