Identifikasi campuran nada pada suara piano menggunakan codebook
ABSTRACT
ADE FRUANDTA. Identification of Mixed Tones On Piano Sounds Using Codebook.
Supervised by AGUS BUONO.
It has been identified blend of tones, either as a single tone or a mix tones using the melfrequency cepstrum coefficients (MFCC) as feature extraction and modeling of codebook for pattern
recognition. The voices which used are the sound of piano and identified as 12 singletones and 66 mix of tones recorded with 11 kHz on the duration of 1 second. The making of
codebook is applied step by step, that is the codebook with the blend and the codebook of
tones (single and mixed tones) which was developed using clustering techniques. The results of
research showed that the optimum number of codewords is 20 with width of frames is 256 data, with
an accuracy is 98.2%. However, there are some tones which are difficult to be identified, they
are CC#, CD, CF, and A#B which has
accuracy of
each below 50%.
For C# tone
is
more often recognized as C#D# tone, for the CC# tone is more often identified as C tone, for CD tone
is more often recognized as C# tone, the CF tone is more often identified as C# tone and CF# tone,
while for the A#B tone is more often identified with A# tone. Some errors happen in this recognition
because those tones have similiar signal pattern so that they have the vector points which adjacent to
each other.
Keywords: tone, MFCC, codebook, clustering
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO
MENGGUNAKAN CODEBOOK
ADE FRUANDTA
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO
MENGGUNAKAN CODEBOOK
ADE FRUANDTA
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
ABSTRACT
ADE FRUANDTA. Identification of Mixed Tones On Piano Sounds Using Codebook.
Supervised by AGUS BUONO.
It has been identified blend of tones, either as a single tone or a mix tones using the melfrequency cepstrum coefficients (MFCC) as feature extraction and modeling of codebook for pattern
recognition. The voices which used are the sound of piano and identified as 12 singletones and 66 mix of tones recorded with 11 kHz on the duration of 1 second. The making of
codebook is applied step by step, that is the codebook with the blend and the codebook of
tones (single and mixed tones) which was developed using clustering techniques. The results of
research showed that the optimum number of codewords is 20 with width of frames is 256 data, with
an accuracy is 98.2%. However, there are some tones which are difficult to be identified, they
are CC#, CD, CF, and A#B which has
accuracy of
each below 50%.
For C# tone
is
more often recognized as C#D# tone, for the CC# tone is more often identified as C tone, for CD tone
is more often recognized as C# tone, the CF tone is more often identified as C# tone and CF# tone,
while for the A#B tone is more often identified with A# tone. Some errors happen in this recognition
because those tones have similiar signal pattern so that they have the vector points which adjacent to
each other.
Keywords: tone, MFCC, codebook, clustering
Judul
: Identifikasi Campuran Nada Pada Suara Piano Menggunakan Codebook
Nama
: Ade Fruandta
NRP
: G64070074
Menyetujui:
Pembimbing
Dr. Ir. Agus Buono, M.Si, M.Kom.
NIP. 19660702 199302 1 001
Mengetahui:
Ketua Departemen Ilmu Komputer,
Dr. Ir. Sri Nurdiati, M.Sc.
NIP. 19601126 198601 2 001
Tanggal Lulus:
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 22 Februari 1989 dari pasangan Ir. H. Syafruddin dan
Hj. Tety Aryani. Penulis merupakan anak ketiga dari tiga bersaudara.
Tahun 2007 penulis lulus dari SMA Negeri 2 Depok dan pada tahun yang sama penulis masuk
Institut Pertanian Bogor (IPB) melalui jalur Ujian Saringan Masuk IPB (USMI). Penulis masuk
Program S1 Ilmu Komputer, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu
Pengetahuan Alam, Institut Pertanian Bogor.
Pada bulan Juli-Agustus 2010 penulis berkesempatan melaksanakan kegiatan Praktik Kerja
Lapangan di Departemen Ilmu Komputer, Institut Pertanian Bogor, Bogor. Selama menjadi
mahasiswa penulis juga pernah menjadi asisten praktikum Algoritme dan Pemrograman untuk
mahasiswa Tekhnik Pertanian, Institut Pertanian Bogor.
PRAKATA
Puji dan syukur penulis panjatkan kehadirat Allah SWT yang senantiasa memberikan rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan tulisan ini dengan judul: Identifikasi Campuran
Nada Pada Suara Piano Mengguanakan Codebook. Shalawat dan salam disampaikan kepada Nabi
Muhammad SAW beserta keluarga, sahabat, dan pengikutnya yang tetap berada di jalan-Nya hingga
akhir zaman.
Penulis mengucapkan terima kasih kepada Bapak Dr. Ir. Agus Buono, M.Si, M.Kom selaku
pembimbing atas segala saran, kritik, dorongan, dan bimbingannya selama penelitian dan penyusunan
tulisan ini. Ucapan terima kasih tak terhingga kepada orang tua atas nasihat, semangat, bantuan
materi, dan doa-doanya. Selain itu penulis mengucapkan terima kasih kepada teman bimbingan dan
teman-teman kosan wisma cemara atas doa, kebersamaan, diskusi, dan semangatnya yang telah
membantu dalam penyelesaian skripsi ini. Serta kepada teman-teman Ilmu Komputer atas jalinan
persahabatan selama ini terkhusus teman-teman Ilmu Komputer angkatan 44. Semoga tulisan ini
bermanfaat dan dapat menambah wawasan ilmu pengetahuan bagi penulis khususnya dan pembaca
umumnya.
Bogor, Mei 2011
Ade Fruandta
DAFTAR ISI
Halaman
DAFTAR GAMBAR ............................................................................................................................. vi
DAFTAR TABEL ................................................................................................................................. vi
DAFTAR LAMPIRAN.......................................................................................................................... vi
PENDAHULUAN .................................................................................................................................. 1
Latar Belakang .................................................................................................................................... 1
Tujuan ................................................................................................................................................. 1
Ruang Lingkup ................................................................................................................................... 1
Manfaat Penelitian .............................................................................................................................. 1
TINJAUANPUSTAKA .......................................................................................................................... 1
Nada dan Chord .................................................................................................................................. 1
Pemrosesan Sinyal Suara .................................................................................................................... 2
Ekstraksi Sinyal Suara ........................................................................................................................ 2
K-Means.............................................................................................................................................. 4
Codebook ............................................................................................................................................ 4
METODE PENELITIAN ....................................................................................................................... 5
Kerangka Pemikiran ........................................................................................................................... 5
Pengambilan Data ............................................................................................................................... 5
Preprocessing ..................................................................................................................................... 5
Pemodelan Codebook ......................................................................................................................... 6
Evaluasi .............................................................................................................................................. 7
HASIL DAN PEMBAHASAN .............................................................................................................. 7
Preprocessing ..................................................................................................................................... 7
Pemodelan Codebook ......................................................................................................................... 7
Pengujian ............................................................................................................................................ 7
Percobaan dengan Frame 128 ............................................................................................................. 8
Percobaan dengan Frame 256 ............................................................................................................. 9
Percobaan dengan Frame 512 ........................................................................................................... 10
Percobaan dengan Suara Lain dan Octave Berbeda.......................................................................... 10
KESIMPULAN DAN SARAN ............................................................................................................ 11
Kesimpulan ....................................................................................................................................... 11
Saran ................................................................................................................................................. 11
DAFTAR PUSTAKA ........................................................................................................................... 11
v
DAFTAR GAMBAR
Halaman
1 Nada dasar pada piano. ........................................................................................................................ 2
2 Tahapan transformasi sinyal suara menjadi informasi. ........................................................................ 2
3 Blok diagram proses MFCC. .............................................................................................................. 3
4 Ilustrasi frame blocking pada sinyal suara. .......................................................................................... 3
5 Grafik fungsi window Hamming. ......................................................................................................... 3
6 Frame sinyal sebelum proses windowing. ........................................................................................... 3
7 Frame sinyal setelah proses windowing............................................................................................... 3
8 Mel-frequency filter. ............................................................................................................................ 4
9 Codebook untuk setiap nada. ............................................................................................................... 5
10 Ilustrasi prinsip dasar penggunaan codebook..................................................................................... 5
11 Diagram alur proses identifikasi campuran nada. .............................................................................. 6
12 Model codebook berdasarkan kelompok nada. .................................................................................. 6
13 Model codebook berdasarkan kelompok banyaknya campuran. ........................................................ 6
14 Alur pengenalan campuran nada. ....................................................................................................... 8
15 Akurasi berdasarkan banyaknya campuran untuk setiap nilai frame. ................................................ 8
16 Akurasi untuk setiap nilai K pada frame 128. .................................................................................... 9
17 Sinyal nada A#B. ............................................................................................................................... 9
18 Sinyal nada A#. .................................................................................................................................. 9
19 Akurasi untuk setiap nilai K pada frame 256. .................................................................................. 10
20 Akurasi untuk setiap nilai K pada frame 512. .................................................................................. 10
DAFTAR TABEL
Halaman
1 Rataan nilai akurasi 78 nada pada frame 128 ...................................................................................... 8
2 Kesalahan pengenalan nada. ................................................................................................................ 9
3 Rataan nilai akurasi 78 nada pada frame 256 ...................................................................................... 9
4 Rataan nilai akurasi 78 nada pada frame 512 .................................................................................... 10
5 Akurasi pada suara selain suara piano ............................................................................................... 11
DAFTAR LAMPIRAN
Halaman
1 Tabel akurasi frame 128 .................................................................................................................... 14
2 Tabel akurasi frame 256 .................................................................................................................... 16
3 Tabel akurasi frame 512 .................................................................................................................... 18
vi
PENDAHULUAN
Latar Belakang
Manusia dianugrahi oleh Tuhan dua
telinga yang memiliki fungsi untuk
menangkap sinyal-sinyal suara. Namun untuk
mengoptimalkan dari fungsi telinga tersebut
manusia harus belajar memahami dan
mengenali sinyal-sinyal suara yang masuk.
Begitu juga untuk mengenali sebuah nada.
Untuk seorang perfect pitch dalam mengenali
sebuah nada adalah hal yang mudah karena
telah melalui tahap latihan yang lama. Perfect
pitch adalah kemampuan seseorang dalam
mengenali dan mengidentifikasi nada-nada
dari sebuah sinyal. Namun untuk seorang
yang tidak memiliki kemampuan perfect pitch
akan mengalami kesulitan dalam mengenali
sebuah nada, sehingga dibutuhkan latihan
untuk memiliki kemampuan perfect pitch.
Pengolahan Sinyal Digital (Digital Signal
Processing) saat ini telah memegang peranan
yang penting dalam ilmu pengetahuan dan
teknologi. Salah satunya adalah pengenalan
suara (voice recognition). Seperti penelitian
yang telah dilakukan oleh Rudy Adipranata
dan Resmana tentang pengenalan suara
manusia. Dalam penelitian tersebut membahas
tentang bagaimana cara mengenali suara
manusia dari sebuah sinyal menggunakan
jaringan saraf tiruan (Adipranata dan Resmana
1999).
Selain untuk pengenalan suara
manusia, pengenalan suara juga dapat dipakai
dalam berbagai hal, salah satunya adalah
pengenalan chord seperti penelitian yang telah
dilakukan oleh Elgar Wisnudisastra dan Agus
Buono pada tahun 2009 (Wisnudisastra dan
Buono 2009). Pada penelitian tersebut,
pemodelan chord pada gitar menggunakan
codebook.
Penelitian Elgar Wisnudisastra ini hanya
sampai pada pengenalan chord tidak sampai
nada-nada penyusun dari chord. Tidak semua
orang mengetahui semua jenis chord bahkan
chord-chord miring. Untuk itu dibutuhkan
pengenalan lebih mendalam untuk chord
hingga nada-nada penyusun dari chord
tersebut.
Tujuan
Penelitian
ini
bertujuan
untuk
mengidentifikasi campuran nada pada suara
piano menggunakan codebook sebagai
pemodelan nada dan banyaknya campuran
nada.
Ruang Lingkup
Adapun ruang lingkup dari penelitian ini
antara lain:
1.
Campuran nada yang akan dikenali hanya
campuran nada pada satu octave dan
maksimal 2 campuran nada.
2.
Suara yang dikenali hanya dimainkan
dengan cara ditekan secara serentak.
3.
Suara yang dikenali hanya suara piano
pada keyboard Yamaha PSR 3000.
Manfaat Penelitian
Penelitian ini diharapkan dapat membantu
bagi masyarakat dalam mengenali dan
mengidentifikasi campuran nada pada sebuah
suara piano.
TINJAUANPUSTAKA
Nada dan Chord
Nada adalah bunyi yang beraturan yang
memiliki frekuensi tunggal tertentu. Setiap
nada memiliki tinggi nada atau tala tertentu
menurut frekuensinya. Terdapat 7 nada dasar
yaitu : C = do, De = re, E = mi, F = fa, G =
sol, A = la, B = si. Masing-masing dari nada
dasar tersebut memiliki frekuensi yang
berbeda-beda. Jarak antar nada disebut
interval. Interval dari deretan nada C-D-E-FG-A-B adalah 1-1-1/2-1-1-1/2. Jarak enam
antara dua nada yang sama disebut satu
octave. Contohnya adalah jarak antara nada
C1 sampai nada C2. Nada C2 berada satu
octave di atas nada C1.
Nada natural tersebut dapat dinaikkan atau
diturunkan ½ nada. Nada yang dinaikkan ½
nada diberi simbol # (kres), sedangkan nada
yang diturunkan ½ nada diberi simbol b (mol).
Misal nada C dinaikkan ½ maka akan menjadi
C# (C kres / Cis). Jika nada B diturunkan ½
maka akan menjadi Bb (B mol). Untuk nada E
jika dinaikkan ½ maka akan menjadi E# atau
sama dengan nada F karena jarak nada E
dengan nada F adalah ½. Begitu pula pada
nada B ke C. Untuk lebih jelasnya dapat
dilihat pada Gambar 1.
Chord merupakan gabungan dari nadanada yang dibunyikan secara serentak yang
berfungsi sebagai pengiring dalam lagu
maupun permainan musik (Hendro 2004).
Chord memiliki bentuk dan corak yang
berbeda sesuai dengan nada-nada yang
membentuknya. Chord biasanya terdiri dari
1
tiga nada (triad), misalnya chord C terdiri atas
C, E, dan G.
mengekspresikannya menggunakan sejumlah
digit tertentu dan proses ini yang dikenal
dengan kuantisasi.
Gambar 1 Nada dasar pada piano.
Pemrosesan Sinyal Suara
Sinyal suara merupakan gelombang yang
tercipta dari tekanan udara yang berasal dari
paru-paru yang berjalan melewati lintasan
suara menuju mulut dan rongga hidung (AlAkaidi 2007). Pemrosesan suara itu sendiri
merupakan teknik mentransformasi sinyal
suara menjadi informasi yang berarti sesuai
dengan yang diinginkan (Buono 2009).
Sinyal secara umum dapat dikategorikan
sesuai dengan peubah bebas waktu, yaitu:
1. Sinyal waktu kontinyu: kuantitas sinyal
terdefinisi pada setiap waktu dalam selang
kontinyu. Sinyal waktu kontinyu disebut
juga sinyal analog.
2. Sinyal waktu diskret: kuantitas sinyal
terdefinisi pada waktu diskret tertentu,
yang dalam hal ini jarak antar waktu tidak
harus sama.
Secara umum proses transformasi tersebut
terdiri atas digitalisasi sinyal analog, ekstraksi
ciri dan diakhiri dengan pengenalan pola
untuk klasifikasi, seperti yang terlihat pada
Gambar 2.
Pengolahan sinyal analog menjadi sinyal
digital dapat dilakukan melalui dua tahap
yaitu sampling dan kuantisasi (Jurafsky 2007).
Sampling adalah suatu proses untuk membagi
suatu sinyal kontinyu (sinyal analog) dalam
interval waktu yang telah ditentukan.
Sampling ini dilakukan dengan mengubah
sinyal analog menjadi sinyal digital dalam
fungsi waktu. Pengubahan bentuk sinyal ini
bertujuan untuk mempermudah memproses
sinyal masukan yang berupa analog karena
sinyal analog memiliki kepekaan terhadap
noise yang rendah, sehingga sulit untuk
memproses sinyal tersebut. Nilai dari hasil
sampling tersebut dibulatkan ke nilai terdekat
(rounding), atau bisa juga dengan pemotongan
bagian
sisa
(truncating)
sehingga
menghasilkan sinyal suara digital dengan
Gambar 2 Tahapan transformasi sinyal suara
menjadi informasi (Jurafsky dalam
Buono 2009).
Sinyal suara digital kemudian dilakukan
proses pembacaan sinyal disetiap frame
dengan lebar frame tertentu yang saling
tumpang tindih. Proses ini dikenal dengan
proses frame blocking. Barisan frame berisi
informasi yang lengkap dari sebuah sinyal
suara. Informasi yang terdapat dalam frameframe tersebut direpresentasikan dengan cara
pengekstraksian ciri sehingga dihasilkan
vektor-vektor yang nantinya digunakan dalam
pengenalan pola.
Ekstraksi Sinyal Suara
Ekstraksi ciri merupakan proses untuk
menentukan satu nilai atau vektor yang dapat
dipergunakan sebagai penciri objek atau
individu (Buono 2009). Terdapat banyak cara
untuk merepresentasikan parameter sinyal
suara, seperti Linear Prediction Coding
(LPC), Mel-Frequency Cepstrum Coefficients
(MFCC), dll.
MFCC merupakan cara yang paling sering
digunakan pada berbagai bidang area
pemrosesan suara, karena dianggap cukup
baik dalam merepresentasikan ciri sebuah
sinyal. Cara kerja MFCC didasarkan pada
perbedaan frekuensi yang dapat ditangkap
oleh telinga manusia sehingga mampu
merepresentasikan sinyal suara sebagaimana
manusia merepresentasikannya. Blok diagram
2
proses MFCC dapat dilihat pada Gambar 3
(Do 1994).
Speech
Mel
cepstrum
Frame
blocking
Frame
Cepstrum
Windowing
Mel
spectrum
Melfrequency
FFT
Spectrum
w(n) = 0.54 – 0.46 cos
–
,0≤n≤N–1
Grafik fungsi window Hamming dapat dilihat
pada Gambar 5. Jika sebuah sinyal seperti
pada Gambar 6 dikenakan fungsi window
Hamming maka akan menghasilkan sinyal
seperti pada Gambar 7.
Gambar 3 Blok diagram proses MFCC.
Frame blocking
Pada proses ini, sinyal suara disegmentasi
menjadi beberapa frame yang saling tumpang
tindih (overlap), hal ini dilakukan agar tidak
ada sedikitpun sinyal yang hilang (deletion).
Panjang frame biasanya memiliki panjang 1030 ms atau 256-1024 data. Proses ini akan
berlanjut sampai seluruh sinyal sudah masuk
ke dalam satu atau lebih frame seperti yang
diilustrasikan dalam Gambar 4.
Gambar 5 Grafik fungsi window Hamming.
Gambar 4 Ilustrasi frame blocking pada sinyal
suara.
Windowing
Gambar 6 Frame sinyal sebelum proses
windowing.
Sinyal analog yang sudah diubah menjadi
sinyal digital dibaca frame demi frame dan
pada setiap frame-nya dilakukan windowing
dengan fungsi window tertentu. Proses
windowing bertujuan untuk meminimalisasi
ketidakberlanjutan sinyal pada awal dan akhir
setiap frame (Do 1994). Dengan pertimbangan
kesederhanaan formula dan nilai kinerja
window, maka penggunaan window Hamming
cukup beralasan (Buono 2009).
Jika kita definisikan window sebagai w(n),
0 ≤ n ≤ N – 1, dimana N adalah jumlah sampel
pada setiap frame-nya, maka hasil dari
windowing adalah sinyal:
y1(n) = x1(n) w(n), 0 ≤ n ≤ N – 1
dimana w(n) biasanya menggunakan window
Hamming yang memiliki bentuk:
Gambar 7 Frame sinyal setelah proses
windowing.
Fast Fourier Transform (FFT)
FFT adalah algoritme cepat untuk
mengimplementasi discrete fourier transform
3
(DFT). FFT ini mengubah masing-masing
frame N sampel dari domain waktu menjadi
domain frekuensi yang didefinisikan sebagai
berikut:
∑
hasil rangkaian {
berikut:
, k = 0,1,2,…,N – 1
} direpresentasikan sebagai
a. frekuensi positif 0 ≤ f ≤
merepresentasikan nilai 0 ≤ n ≤
b. frekuensi negatif
yang
– 1,
< f < 0 yang
merepresentasikan nilai
+ 1 ≤ n ≤ N – 1.
Disini, berarti frequency sampling. Hasil
dari tahapan ini biasanya disebut dengan
spectrum atau periodogram.
Mel-Frequency Wrapping
Persepsi sistem pendengaran manusia
terhadap frekuensi sinyal suara tidak dapat
diukur dalam skala linear. Untuk setiap nada
dengan frekuensi aktual, f, diukur dalam Hz,
sebuah subjectivepitch diukur dalam sebuah
skala yang disebut ‘mel’. Skala mel-frequency
ialah sebuah frekuensi rendah yang bersifat
linear di bawah 1000 Hz dan sebuah frekuensi
tinggi yang bersifat logaritmik di atas 1000 Hz
seperti yang diilustrasikan pada Gambar 8.
Persamaan berikut menunjukkan hubungan
skala mel dengan frekuensi dalam Hz:
mel(f) = 2595 * log10 (1 + f / 700)
diketahui. Koefisien mel spectrum merupakan
sebuah nilai riil sehingga kita dapat
mengkonversinya ke dalam dominan waktu
menggunakan Discrete Cosine Transform
(DCT). Selanjutnya kita dapat menghitung
MFCC sebagai , sebagai
dimana
K – 1.
=∑
cos
,
, k = 0, 2, …, K – 1 dan n = 0, 1, …,
K-Means
K-means adalah salah satu algoritme
pembelajaran
unsupervised
dalam
menyelesaikan
permasalahan
klustering
(MacQueen 1967). Langkah pertama yang
dilakukan oleh algoritme ini adalah
menentukan K initial centroid, di mana K
adalah parameter spesifik yang ditentukan
user, yang merupakan jumlah kluster yang
diinginkan. Setiap titik atau objek kemudian
ditempatkan pada centroid terdekat, dan
kumpulan titik atau objek pada tiap centroid
disebut kluster. Centroid pada setiap kluster
kemudian akan berubah berdasarkan setiap
objek yang ada pada kluster. Kemudian
langkah penempatan objek dan perubahan
centroid diulangi sampai tidak ada objek yang
berpindah kluster. Algoritme dasar dari Kmeans adalah (Tan et al. 2006):
Select K points as initial centroids
repeat
Form K cluster by assigning each point
to its closets centroid
Recompute the centroid of each cluster
until Centroids do not change
Terdapat fungsi objektif untuk menghitung
tingkat error yang didefinisikan sebagai
berikut:
Gambar 8 Mel-frequency filter.
di mana ‖
∑ ∑‖
diukur antara titik
kluster .
‖
‖
adalah jarak yang
dengan titik center
Cepstrum
Codebook
Langkah
terakhir
yaitu
mengubah
spektrum log mel menjadi domain waktu.
Hasil ini disebut mel frequency cepstrum
coefficient (MFCC). Cepstral dari spectrum
suara merepresentasikan sifat-sifat spektral
lokal sinyal untuk analisis frame yang
Codebook adalah sekumpulan titik (vektor)
yang mewakili distribusi suara dari individu
maupun objek tertentu dalam ruang suara.
Titik-titik pada codebook disebut codeword.
Codebook merupakan cetakan yang dihasilkan
suara setelah melalui proses training. Dalam
4
pengenalan suara, masing-masing suara yang
akan dikenali harus dibuatkan codebook-nya.
Codebook dibentuk dengan cara membentuk
kluster semua vektor ciri yang dijadikan
sebagai training set dengan menggunakan
klustering algorithm. Algoritme klustering
yang akan dipakai adalah algoritme K-means.
Ilustrasi codebook untuk setiap nada dapat
dilihat pada Gambar 9.
dimana x dan y adalah vektor yang akan
dihitung jaraknya dengan D dimensi.
Jika dalam sinyal suara input O terdapat T
frame dan
merupakan masingmasing codeword yang ada pada codebook
maka jarak sinyal input dengan codebook
dapat dirumuskan:
∑
(
)
METODE PENELITIAN
Kerangka Pemikiran
Penelitian ini dikembangkan dengan
metode yang terdiri atas beberapa tahap yaitu:
(1) pengambilan data, (2) preprocessing, (3)
pemodelan codebook, (4) evaluasi. Alur
metode ini dapat dilihat pada Gambar 11.
Pengambilan Data
Gambar 9 Codebook untuk setiap nada.
Seperti yang telah diilustrasikan pada
Gambar 10, prinsip dasar dalam penggunaan
codebook adalah setiap suara yang masuk
akan dihitung jaraknya ke setiap codebook
yang telah dibuat. Kemudian jarak setiap
sinyal suara ke codebook dihitung sebagai
jumlah jarak setiap frame sinyal suara tersebut
ke setiap codeword yang ada pada codebook.
Kemudian dipilih codeword dengan jarak
minimum. Setelah itu setiap sinyal suara yang
masuk akan diidentifikasi berdasarkan jumlah
dari jarak minimum tersebut.
C
=
5
1
3
6
2
4
min
New
=
Jarak New - C
=
min
8
4
2
4
4
9
6
5
3,6 + ... + 2,2 + ...
Gambar 10 Ilustrasi prinsip dasar penggunaan
codebook.
Perhitungan jarak dilakukan dengan
menggunakan jarak euclid yang didefinisikan
sebagai berikut:
∑
Suara yang akan digunakan dalam
penelitian ini adalah suara grand piano yang
terdapat di keyboard Yamaha PSR 3000. Nada
yang diambil sebanyak 12 nada tunggal yang
terdiri dari C, C#, D, D#, E, F, F#, G, G#, A,
A#, dan B yang masing-masing akan diulang
sebanyak 15 kali. Nada dua campuran diambil
sebanyak 66 nada yang masing-masing akan
diulang sebanyak 15 kali.
Nada yang telah diambil akan dibagi dua,
yaitu data training dan data testing. Data
training adalah 12 nada tunggal yang masingmasing nada 10 suara dan 66 nada dua
campuran yang masing-masing nada 10 suara,
sedangkan data testing adalah 66
nada
campuran yang masing-masing nada lima
suara dan 12 nada tunggal yang masingmasing nada lima suara. Total dari data
training sebanyak 780 suara dan total dari data
testing sebanyak 390 suara.
Data direkam langsung dengan keyboard
melalui kabel yang dihubungkan langsung
dengan komputer. Perekaman menggunakan
software Matlab selama 1 detik, disimpan
dalam file berformat WAV, dan sampling rate
sebesar 11000 Hz. Proses perekaman dengan
menekan secara serentak dengan tekanan yang
berbeda. Tekanan yang diberikan ada yang
keras, lembut, ditekan lama, dan sesaat.
Preprocessing
Pada tahap ini dilakukan proses
pemotongan silent. Pemotongan silent ini
dapat menfokuskan sinyal yang akan diteliti.
Setelah melalui tahap pemotongan silent
sinyal akan diekstraksi ciri pada setiap nada
5
dengan menggunakan MFCC. Pada penelitian
ini akan diteliti dengan lebar frame 128, 256,
dan 512, overlap sebesar 50%, dan jumlah
cepstral coefficient setiap frame sebanyak 13
koefisien.
Mulai
Pengambilan Data:
12 nada tunggal @ 15 kali
66 nada campuran @ 15 kali
Frekuensi sampel 11 kHz
Durasi 1 detik
Gambar 11 Diagram alur proses identifikasi
campuran nada.
Pemodelan Codebook
Pada tahap ini akan dibuat codebook dari
data training yang terdiri dari 120 suara nada
tunggal dan 660 suara nada campuran yang
telah melalui preprocessing. Tiap suara akan
dikelompokkan berdasarkan nadanya dan
setiap kelompok nada tersebut akan diklustering dengan menggunakan K-means
sehingga dihasilkan kluster-kluster yang berisi
vektor-vektor berdasarkan kelompok nada
seperti pada Gambar 12.
Preprocessing:
Pemotongan silent
Ekstraksi ciri MFCC
Frame: 128 , 256, dan 512
Overlap: 50%
Koefisien: 13
Data latih:
12 nada tunggal @ 10
kali
66 nada campuran @ 10
kali
Data uji:
66 nada campuran @ 5
kali
12 nada tunggal @ 5
kali
Pemodelan codebook
menggunakan K-means
untuk setiap nada baik
nada tunggal maupun
nada campuran
Gambar 12 Model codebook berdasarkan
kelompok nada.
Banyaknya kluster yang diuji adalah 5, 10, 15,
dan 20 dan dibuat codebook-nya.
Dari
tiap
kluster
yang
telah
dikelompokkan berdasarkan nada tersebut
akan dikelompokkan lagi berdasarkan
banyaknya campuran nada yang dalam
penelitian ini adalah nada tunggal dan nada
dua campuran seperti pada Gambar 13. Setiap
kelompok tersebut akan diklustering dengan
nilai K sebesar 5, 10, 15, dan 20 dan dibuat
codebook-nya.
Pemodelan codebook
menggunakan K-means
berdasarkan banyaknya
campuran nada
Pencocokan campuran
nada
Data codebook
Evaluasi
Dokumentasi
Selesai
Gambar 13 Model codebook berdasarkan
kelompok banyaknya campuran.
6
Dalam penelitian ini terdapat dua model
codebook yang telah dijelaskan sebelumnya,
yang pertama model codebook berdasarkan
nada dan codebook berdasarkan banyaknya
campuran nada.
Evaluasi
Evaluasi sistem ini melihat akurasi
identifikasi campuran nada pada suara piano.
Data yang digunakan adalah 1170 suara yang
terdiri atas 286 nada campuran yang masingmasing lima suara dan 12 nada tunggal yang
masing-masing lima suara. Untuk perhitungan
tingkat akurasi identifikasi campuran nada
dilakukan dengan membandingkan jumlah
output yang benar diidentifikasi oleh sistem
dengan jumlah seluruh data yang diuji.
Persentase tingkat akurasi dihitung dengan
fungsi berikut:
∑
∑
HASIL DAN PEMBAHASAN
Preprocessing
Dari data yang telah direkam yaitu 780
data training dan 390 data testing, terlebih
dahulu dilakukan pemotongan silent yang
akan diteruskan dengan ekstraksi ciri
menggunakan MFCC. Dalam pemakaiannya
terdapat lima parameter yang harus digunakan
yaitu suara, sampling rate, frame, overlap, dan
cepstral coefficient. Pemilihan nilai untuk
sampling rate, overlap, dan cepstral
coefficient berturut-turut adalah 11000 Hz,
50%, dan 13. Untuk nilai frame akan diuji
dengan nilai 128, 256, dan 512. Proses
ekstraksi ini akan dilakukan terhadap semua
data. MFCC mengubah data menjadi sebuah
matriks yang berisikan vektor-vektor yang
menunjukkan ciri spectral dari data tersebut.
Pemodelan Codebook
Pada proses pembuatan codebook, data
yang digunakan adalah data training yang
berupa vektor ciri dari suara piano yang telah
direkam dan melewati praprocessing.
Terdapat dua jenis model codebook yang akan
dimodelkan yaitu codebook tiap nada baik
tunggal maupun campuran dan codebook
berdasarkan banyaknya campuran nada.
Pemodelan codebook tiap nada
Terdapat 12 jenis nada tunggal dan 66
jenis nada dua campuran yang masing-masing
berjumlah 10 suara yang akan dimodelkan
1.
codebook-nya. Tiap jenis nada akan
dikelompokkan dan melalui proses klustering
dengan K-means. Nilai K yang akan diuji
adalah 5, 10, 15, dan 20 untuk tiap frame yang
diuji yang masing-masing frame adalah 128,
256, dan 512. Setelah melalui proses
klustering akan didapatkan vektor-vektor
centroid yang mencirikan masing-masing dari
jenis nada baik nada tunggal maupun nada dua
campuran.
Pemodelan
codebook
berdasarkan
banyaknya campuran nada
Dari hasil model codebook untuk tiap
nada, akan digunakan dalam pemodelan
codebook berdasarkan banyaknya campuran
nada. Tiap nada akan dipisahkan berdasarkan
banyaknya campuran nada. Dalam hal ini satu
campuran dan dua campuran. Setelah
dipisahkan maka akan diproses dengan
klustering menggunakan K-means. Nilai K
yang akan diuji adalah 5, 10, 15, dan 20 untuk
tiap frame yang diuji yang masing-masing
frame adalah 128, 256, dan 512. Setelah
melalui proses klustering akan didapatkan
vektor-vektor centroid yang mencirikan
masing-masing banyaknya campuran yang
ada.
2.
Pengujian
Pengujian akan dilakukan dengan data
testing yang telah direkam dengan sampling
rate 11000 Hz. Banyaknya data testing ini
adalah 12 nada tunggal dan 66 nada dua
campuran yang masing-masing nada memiliki
lima suara. Data testing ini akan melewati
preprocessing untuk pemebersihan data dan
pencirian data. Setelah melalui preprocessing
masing-masing
suara
akan
dikenali
berdasarkan model codebook yang telah
dibuat sebelumnya dengan mencari jarak yang
terdekat dengan model. Untuk tahap awal
suara yang akan dikenali berdasarkan
banyaknya campuran pada suara tersebut.
Setelah diketahui banyaknya campuran pada
suara tersebut maka akan dikenali jenis
nadanya berdasarkan banyaknya campuran
nada. Alur pengenalan campuran nada dapat
dilihat pada Gambar 14.
Dari hasil pengujian dapat dilihat bahwa
akurasi paling tinggi saat nada tunggal yang
memiliki akurasi 97,083% jika dibandingkan
dengan akurasi nada dua campuran yang
memiliki akurasi 94,116%. Untuk akurasi
setiap frame dapat dilihat pada Gambar 15.
7
Untuk akurasi setiap frame dapat dilihat
paling tinggi saat nada tunggal dengan frame
256 dengan akurasi 99,56%.
Mulai
model codebook dengan nilai K sebesar 5, 10,
15, dan 20. Rataan tingkat akurasi untuk setiap
nada saat frame 128 dapat dilihat pada Tabel
1. Nilai akurasi tersebut didapatkan dengan
merata-ratakan total dari nilai akurasi yang
dihasilkan oleh setiap nada untuk seluruh nilai
K.
Tabel 1 Rataan nilai akurasi 78 nada pada
frame 128
Ekstraksi ciri MFCC
Hitung banyaknya
campuran pada suara
Apakah
banyaknya
campuran
satu?
Tidak
Ya
Cari nada satu
campuran yang
terdekat
Cari nada dua
campuran yang
terdekat
Selesai
Gambar 14 Alur pengenalan campuran nada.
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
128
256
512
Tunggal
2
Campuran
Gambar 15 Akurasi berdasarkan banyaknya
campuran untuk setiap nilai
frame.
Percobaan dengan Frame 128
Pada percobaan ini overlap dan koefisien
yang dipakai untuk setiap jenis nada dan
codebook masing-masing adalah 50% dan 13.
Setiap nada pada data testing akan diuji
dengan mencari jarak yang terdekat dengan
Nada
C, D#, E, F, F#, G, G#, A#, B,
CF#, CG, CG#, CA, CA#, CB,
C#F, C#G, C#G#, C#A#, C#B,
DF, DG, DG#, DA, DA#, DB,
D#F, D#F#, D#G, D#G#, D#A,
D#B, EF, EF#, EG, EG#, EA,
EA#, EB, FF#, FG, FG#, FA,
FB, F#G, F#G#, F#A, F#A#,
F#B, GG#, GA, GA#, GB,
G#A#, dan G#B
Akurasi
CE, DD#, DE, D#E, dan D#A#
95%
D, A, C#F#, dan G#A
90%
C#E, FA#, AA#, AB
85%
C#A
80%
DF#
70%
CD# dan C#D
65%
C#D#
60%
A#B
50%
C# dan CF
45%
CD
30%
CC#
20%
100%
Pada percobaan dengan frame 128 ini
akan diuji dengan nilai K 5, 10, 15, dan 20.
Untuk grafik akurasi di setiap nilai K dapat
dilihat pada Gambar 16. Dari hasil percobaan
tersebut didapatkan akurasi tertinggi saat K
bernilai 15 dengan nilai akurasi 94,36%. Dari
Gambar 16 dapat disimpulkan bahwa K yang
optimum dalam memodelkan codebook pada
frame 128 adalah saat K bernilai 15.
Terdapat nada-nada yang sulit dikenali
yang memiliki akurasi kurang dari sama
dengan 50% adalah A#B, C#, CC#, CD, dan
CF yang memiliki nilai masing-masing 50%,
45%, 20%, 30%, dan 45%. Untuk nada-nada
yang sulit dikenali ini lebih sering dikenali
dengan nada-nada yang terdekatnya yang
memiliki jarak interval setengah sampai satu
interval. Kesalahan pengenalan pada nadanada tersebut dapat dilihat pada Tabel 2.
8
Percobaan dengan Frame 256
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
K = 5 K = 10 K = 15 K = 20
Gambar 16 Akurasi untuk setiap nilai K pada
frame 128.
Tabel 2 Kesalahan pengenalan nada.
Nada
Kesalahan Pengenalan
A#B
A# dan B
C#
C#D#
CC#
C
CD
C# dan C
CF
CF# dan C
Salah satu faktor dari kesalahan pengenalan
tersebut adalah pola dari sinyal-sinyal tersebut
mirip sehingga saat nada-nada tersebut
dicirikan akan menghasilkan titik-titik yang
saling berdekatan. Dapat dilihat pada Gambar
17 adalah sinyal nada A#B sedangkan pada
Gambar 18 adalah sinyal nada A#.
Gambar 17 Sinyal nada A#B.
Gambar 18 Sinyal nada A#.
Pada percobaan ini overlap dan koefisien
yang dipakai untuk setiap jenis nada dan
codebook masing-masing adalah 50% dan 13.
Setiap nada pada data testing akan diuji
dengan mencari jarak yang terdekat dengan
model codebook dengan nilai K sebesar 5, 10,
15, dan 20. Rataan tingkat akurasi untuk setiap
nada saat frame 256 dapat dilihat pada Tabel
3. Nilai akurasi tersebut didapatkan dengan
merata-ratakan total dari nilai akurasi yang
dihasilkan oleh setiap nada untuk seluruh nilai
K.
Tabel 3 Rataan nilai akurasi 78 nada pada
frame 256
Nada
C, C#, D, D#, E, F, F#, G, G#,
A#, B, CD, CD#, CE, CF,
CF#, CG, CG#, CA, CA#,
C#E, C#F, C#F#, C#G, C#G#,
C#A, C#A#, C#B, DD#, DE,
DF, DF#, DG, DG#, DA,
DA#, DB, D#F, D#F#, D#G,
D#G#, D#A, D#A#, D#B, EF,
EF#, EG#, EA, EA#, EB,
FG#, FA, FA#, FA#, FB,
F#G#, F#A, F#A#, F#B, GG#,
GA, GA#, GB, G#A#, dan
G#B
Akurasi
100%
A, CB, C#D#, dan F#G
95%
EG dan FF#
90%
FG dan G#A
80%
C#D
75%
D#E dan AB
70%
AA#
55%
CC#
35%
A#B
25%
Pada percobaan dengan frame 256 ini
akan diuji dengan nilai K 5, 10, 15, dan 20.
Untuk grafik akurasi di setiap nilai K dapat
dilihat pada Gambar 19. Dari hasil percobaan
tersebut didapatkan akurasi tertinggi saat K
bernilai 20 dengan nilai akurasi 98,21%. Jika
dibandingkan nilai akurasi frame 128 dengan
256 untuk setiap nilai K dapat dikatakan
pencirian nada dengan frame 256 lebih baik
dari pada frame 128 karena akurasi untuk
setiap nilai K frame 256 lebih tinggi dari pada
frame 128. Dari Gambar 19 dapat disimpulkan
bahwa seiring nilai kluster dinaikkan maka
tingkat akurasi akan semakin naik pula.
9
Terdapat nada-nada yang sulit dikenali
yang memiliki akurasi kurang dari sama
dengan 50% adalah CC# dan A#B yang
memiliki nilai masing-masing 35% dan 25%.
Untuk nada-nada yang sulit dikenali ini lebih
sering dikenali dengan nada-nada yang
terdekatnya yang memiliki jarak interval
setengah sampai satu interval. Pada nada CC#
lebih sering dikenali dengan nada C
sedangkan pada nada A#B lebih sering
dikenali dengan nada A# dan B.
setengah sampai satu interval. Pada nada CC#
lebih sering dikenali dengan nada C
sedangkan pada nada A#B lebih sering
dikenali dengan nada A# dan B. Untuk nada
A#B jika dilihat akurasi saat frame 128, 256,
dan 512 akurasi tertinggi saat frame 128
dengan nilai akurasi 50%. Untuk nada CC#
jika dilihat akurasi saat frame 128, 256, dan
512 akurasi tertinggi saat frame 512.
Tabel 4 Rataan nilai akurasi 78 nada pada
frame 512
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
K = 5 K = 10 K = 15 K = 20
Gambar 19 Akurasi untuk setiap nilai K pada
frame 256.
Percobaan dengan Frame 512
Pada percobaan ini overlap dan koefisien
yang dipakai untuk setiap jenis nada dan
codebook masing-masing adalah 50% dan 13.
Setiap nada pada data testing akan diuji
dengan mencari jarak yang terdekat dengan
model codebook dengan nilai K sebesar 5, 10,
15, dan 20. Rataan tingkat akurasi untuk setiap
nada saat frame 512 dapat dilihat pada Tabel
4. Nilai akurasi tersebut didapatkan dengan
merata-ratakan total dari nilai akurasi yang
dihasilkan oleh setiap nada untuk seluruh nilai
K.
Pada percobaan dengan frame 512 ini
akan diuji dengan nilai K 5, 10, 15, dan 20.
Untuk grafik akurasi di setiap nilai K dapat
dilihat pada Gambar 20. Dari hasil percobaan
tersebut didapatkan akurasi tertinggi saat K
bernilai 20 dengan nilai akurasi 97,95%. Hasil
akurasi ini sedikit lebih kecil dari pada akurasi
saat frame 256 dan K bernilai 20 dengan
selisih 0,26. Dari Gambar 20 dapat
disimpulkan bahwa seiring nilai kluster
dinaikan maka tingkat akurasi akan semakin
naik pula.
Terdapat nada-nada yang sulit dikenali
yang memiliki akurasi kurang dari sama
dengan 50% adalah CC# dan A#B yang
memiliki nilai masing-masing 45% dan 40%.
Untuk nada-nada yang sulit dikenali ini lebih
sering dikenali dengan nada-nada yang
terdekatnya yang memiliki jarak interval
Nada
C, D#, E, F, F#, G, G#, A, B,
CD, CE, CF, CF#, CG, CG#,
CA, CA#, C#D#, C#E, C#F,
C#F#, C#G, C#G#, C#A,
C#A#, C#B, DE, DF, DG,
DG#, DA, DA#, DB, D#F,
D#F#, D#G, D#G#, D#A,
D#A#, D#B, EF, EF#, EG#,
EA, EA#, FG#, FA, FA#, FB,
F#G#, F#A, F#A#, F#B, GG#,
GA, GA#, GB, G#A#, dan
G#B
C#, D, CD#, C#D, DD#, DF#,
EB, FF#, dan F#G
Akurasi
100%
95%
AA#
90%
A# dan EG
85%
CB dan G#A
80%
FG dan AB
75%
D#E
65%
CC#
45%
A#B
40%
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
K = 5 K = 10 K = 15 K = 20
Gambar 20 Akurasi untuk setiap nilai K pada
frame 512.
Percobaan dengan Suara Lain dan Octave
Berbeda
Telah diuji untuk beberapa suara selain
suara piano yang terdapat pada keyboard
Yamaha PSR 3000 seperti elektrik piano,
10
string, gitar, saxophone, dan flute. Diambil
dua nada masing-masing nada satu campuran
dan nada dua campuran secara acak yaitu nada
C#G dan F. Setiap nada memiliki lima suara
untuk diuji yang dicirikan dengan frame 256
dan K bernilai 20. Dapat dilihat pada Tabel 5,
untuk pengenalan pada nada C#G cukup
bagus, namun tidak untuk pengenalan pada
nada F yang sama sekali tidak dapat dikenali.
Pada hasil tersebut dapat disimpulkan bahwa
pemodelan codebook yang telah dibuat
sebelumnya dapat mengidentifikasi campuran
nada dengan jenis suara yang berbeda
meskipun dengan keterbatasan terhadap nadanada tertentu.
Pemodelan codebook ini masih dapat
mengenali dan mengidentifkasi campuran
nada pada suara selain suara piano meskipun
dengan keterbatasan terhadap nada-nada
tertentu. Namun tidak untuk octave yang
berbeda.
Saran
Penelitian ini masih sangat sederhana
sehingga memungkinkan untuk dikembangkan
lebih lanjut. Saran-saran yang dapat diberikan
untuk pengembangan lebih lanjut adalah:
1.
Tabel 5 Akurasi pada suara selain suara piano
Suara
C#G
F
E-Piano
100%
0%
String
80%
0%
Gitar
80%
0%
Saxophone
80%
0%
Flute
80%
0%
Saat diuji lagi pada suara piano dengan
octave yang berbeda sama sekali tidak dapat
dikenali. Hal ini dikarenakan perbedaan tinggi
frekuensi di setiap octave sehingga
berbedanya titik-titik penciri di setiap octave.
Perbedaan titik-titik penciri di setiap octave
dikarenakan ekstraksi ciri MFCC mencirikan
sebuah sinyal suara berdasarkan frekuensi dari
sinyal suara tersebut.
2.
3.
4.
5.
KESIMPULAN DAN SARAN
Kesimpulan
Penelitian ini telah berhasil dalam
mengimplementasikan metode codebook
dalam mengidentifikasi campuran nada pada
suara piano. Akurasi tertinggi didapat saat
frame 256 dan K 20 dengan nilai akurasi
sebesar 98,2051%. Namun untuk pemodelan
nada CC# dan A#B akan lebih baik jika di
cirikan dengan frame masing-masing 128 dan
512.
Dari nada-nada yang sulit dikenali seperti
C#, CC#, CD, CF, dan A#B lebih banyak
dikenali dengan nada-nada yang terdekat
dengannya yang memiliki jarak setengah atau
satu octave. Kesalahan dalam pengenalan ini
dikarenakan nada-nada tersebut memiliki pola
sinyal yang mirip sehingga jarak nada-nada
tersebut berdekatan yang menyebabkan sulit
untuk dikenali.
Pada penelitian ini nada yang dimodelkan
hanya berada pada satu octave sehingga
jika dimasukkan dengan nada yang sama
namun dengan octave yang berbeda maka
akan salah dikenali. Dengan demikian
disarankan untuk memodelkan semua
octave pada piano untuk dimodelkan.
Banyaknya campuran pada penelitian ini
hanya dua campuran, sehingga disarankan
untuk memodelkan semua kemungkinan
campuran yang ada.
Nada campuran yang dapat dikenali
hanya berada pada satu octave, jika
terdapat campuran yang masing-masing
berbeda octave maka tidak dapat dikenali.
Dengan demikian disarankan untuk
memodelkan campuran nada yang
masing-masing berbeda octave.
Mencoba metode dinamik frame dalam
pencirian suara.
Memodelkan codebook untuk setiap nada
dengan menggabungkan semua vektor di
setiap frame dan dikumpulkan menjadi
sebuah codebook.
DAFTAR PUSTAKA
Adipranata R, Resmana. 1999. Pengenalan
Suara Manusia Dengan Menggunakan
LPC dan Jaringan Saraf Tiruan Propagasi
Balik. Prosiding Seminar Nasioanl I
Kecerdasan Komputasional. Universitas
Indonesia, 20-21 Juli 1999.
Al-Kaidi M. 2007.
Fractal Speech
Processing. Cambridge University Press.
Buono, A. 2009. Representasi Nilai HOS dan
Model MFCC sebagai Ekstraksi Ciri pada
Sistem
Identifikasi
Pembicara
di
Lingkungan Ber-noise Menggunakan
11
HMM. [Disertasi]. Depok: Program Studi
Ilmu Komputer, Universitas Indonesia.
Do MN. 1994. DSP Mini-Project: An
Automatic Speaker Recognition System.
Fausett, L. (1994). Fundamentals of Neural
Network.Prentice Hall, Englewood Cliffs,
NJ.
Hendro. 2004. Panduan Praktis Improvisasi
Gitar. Jakarta: Puspa Swara.
Jurafsky D, Martin JH. 2007. Speech and
Language Processing An Introduction to
Natural
Language
Processing,
Computational Linguistic, and Speech
Recognition. New Jersey: Prentice Hall.
McQueen, J. B. 1967. Some Methods for
classification and Analysis of Multivariate
Observations, Proceedings
of
5-th
Berkeley Symposium on Mathematical
Statistics and Probability. Berkeley:
University of California Press.
Tan P, Michael S, dan Vipin K. 2006.
Introduction to Data Mining. Addison
Wesley.
Wisnudisastra, E dan A. Buono.
2009.
Pengenalan Cord pada Alat Musik Gitar
Menggunakan Codebook dengan Teknik
Ekstraksi Ciri MFCC. Jurnal Ilmiah Ilmu
Komputer, Departemen Ilmu Komputer
IPB.
12
LAMPIRAN
Lampiran 1 Tabel akurasi frame 128
Nada
K=5
K = 10
K = 15
K = 20
C
100%
100%
100%
100%
C#
60%
20%
0%
100%
D
60%
100%
100%
100%
D#
100%
100%
100%
100%
E
100%
100%
100%
100%
F
100%
100%
100%
100%
F#
100%
100%
100%
100%
G
100%
100%
100%
100%
G#
100%
100%
100%
100%
A
100%
100%
80%
80%
A#
100%
100%
100%
100%
B
100%
100%
100%
100%
CC#
40%
0%
20%
20%
CD
0%
0%
60%
60%
CD#
60%
40%
80%
80%
CE
100%
80%
100%
100%
CF
40%
40%
60%
40%
CF#
100%
100%
100%
100%
CG
100%
100%
100%
100%
CG#
100%
100%
100%
100%
CA
100%
100%
100%
100%
CA#
100%
100%
100%
100%
CB
100%
100%
100%
100%
C#D
80%
80%
100%
0%
C#D#
40%
100%
100%
0%
C#E
100%
100%
100%
40%
C#F
100%
100%
100%
100%
C#F#
80%
80%
100%
100%
C#G
100%
100%
100%
100%
C#G#
100%
100%
100%
100%
C#A
80%
80%
80%
80%
C#A#
100%
100%
100%
100%
C#B
100%
100%
100%
100%
DD#
80%
100%
100%
100%
DE
100%
80%
100%
100%
DF
100%
100%
100%
100%
DF#
100%
40%
100%
40%
DG
100%
100%
100%
100%
DG#
100%
100%
100%
100%
DA
100%
100%
100%
100%
14
DA#
100%
100%
100%
100%
DB
100%
100%
100%
100%
D#E
100%
80%
100%
100%
D#F
100%
100%
100%
100%
D#F#
100%
100%
100%
100%
D#G
100%
100%
100%
100%
D#G#
100%
100%
100%
100%
D#A
100%
100%
100%
100%
D#A#
80%
100%
100%
100%
D#B
100%
100%
100%
100%
EF
100%
100%
100%
100%
EF#
100%
100%
100%
100%
EG
100%
100%
100%
100%
EG#
100%
100%
100%
100%
EA
100%
100%
100%
100%
EA#
100%
100%
100%
100%
EB
100%
100%
100%
100%
FF#
100%
100%
100%
100%
FG
100%
100%
100%
100%
FG#
100%
100%
100%
100%
FA
100%
100%
100%
100%
FA#
80%
80%
80%
100%
FB
100%
100%
100%
100%
F#G
100%
100%
100%
100%
F#G#
100%
100%
100%
100%
F#A
100%
100%
100%
100%
F#A#
100%
100%
100%
100%
F#B
100%
100%
100%
100%
GG#
100%
100%
100%
100%
GA
100%
100%
100%
100%
GA#
100%
100%
100%
100%
GB
100%
100%
100%
100%
G#A
80%
80%
100%
100%
G#A#
100%
100%
100%
100%
G#B
100%
100%
100%
100%
AA#
60%
80%
100%
100%
AB
40%
100%
100%
100%
A#B
0%
100%
0%
100%
15
Lampiran 2 Tabel akurasi frame 256
Nada
K=5
K = 10
K = 15
K = 20
C
100%
100%
100%
100%
C#
100%
100%
100%
100%
D
100%
100%
100%
100%
D#
100%
100%
100%
100%
E
100%
100%
100%
100%
F
100%
100%
100%
100%
F#
100%
100%
100%
100%
G
100%
100%
100%
100%
G#
100%
100%
100%
100%
A
80%
100%
100%
100%
A#
100%
100%
100%
100%
B
100%
100%
100%
100%
0%
40%
80%
20%
CD
100%
100%
100%
100%
CD#
100%
100%
100%
100%
CE
100%
100%
100%
100%
CF
100%
100%
100%
100%
CF#
100%
100%
100%
100%
CG
100%
100%
100%
100%
CG#
100%
100%
100%
100%
CA
100%
100%
100%
100%
CA#
100%
100%
100%
100%
CB
80%
100%
100%
100%
C#D
80%
60%
60%
100%
C#D#
100%
80%
100%
100%
C#E
100%
100%
100%
100%
C#F
100%
100%
100%
100%
C#F#
100%
100%
100%
100%
C#G
100%
100%
100%
100%
C#G#
100%
100%
100%
100%
C#A
100%
100%
100%
100%
C#A#
100%
100%
100%
100%
C#B
100%
100%
100%
100%
DD#
1
ADE FRUANDTA. Identification of Mixed Tones On Piano Sounds Using Codebook.
Supervised by AGUS BUONO.
It has been identified blend of tones, either as a single tone or a mix tones using the melfrequency cepstrum coefficients (MFCC) as feature extraction and modeling of codebook for pattern
recognition. The voices which used are the sound of piano and identified as 12 singletones and 66 mix of tones recorded with 11 kHz on the duration of 1 second. The making of
codebook is applied step by step, that is the codebook with the blend and the codebook of
tones (single and mixed tones) which was developed using clustering techniques. The results of
research showed that the optimum number of codewords is 20 with width of frames is 256 data, with
an accuracy is 98.2%. However, there are some tones which are difficult to be identified, they
are CC#, CD, CF, and A#B which has
accuracy of
each below 50%.
For C# tone
is
more often recognized as C#D# tone, for the CC# tone is more often identified as C tone, for CD tone
is more often recognized as C# tone, the CF tone is more often identified as C# tone and CF# tone,
while for the A#B tone is more often identified with A# tone. Some errors happen in this recognition
because those tones have similiar signal pattern so that they have the vector points which adjacent to
each other.
Keywords: tone, MFCC, codebook, clustering
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO
MENGGUNAKAN CODEBOOK
ADE FRUANDTA
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO
MENGGUNAKAN CODEBOOK
ADE FRUANDTA
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
ABSTRACT
ADE FRUANDTA. Identification of Mixed Tones On Piano Sounds Using Codebook.
Supervised by AGUS BUONO.
It has been identified blend of tones, either as a single tone or a mix tones using the melfrequency cepstrum coefficients (MFCC) as feature extraction and modeling of codebook for pattern
recognition. The voices which used are the sound of piano and identified as 12 singletones and 66 mix of tones recorded with 11 kHz on the duration of 1 second. The making of
codebook is applied step by step, that is the codebook with the blend and the codebook of
tones (single and mixed tones) which was developed using clustering techniques. The results of
research showed that the optimum number of codewords is 20 with width of frames is 256 data, with
an accuracy is 98.2%. However, there are some tones which are difficult to be identified, they
are CC#, CD, CF, and A#B which has
accuracy of
each below 50%.
For C# tone
is
more often recognized as C#D# tone, for the CC# tone is more often identified as C tone, for CD tone
is more often recognized as C# tone, the CF tone is more often identified as C# tone and CF# tone,
while for the A#B tone is more often identified with A# tone. Some errors happen in this recognition
because those tones have similiar signal pattern so that they have the vector points which adjacent to
each other.
Keywords: tone, MFCC, codebook, clustering
Judul
: Identifikasi Campuran Nada Pada Suara Piano Menggunakan Codebook
Nama
: Ade Fruandta
NRP
: G64070074
Menyetujui:
Pembimbing
Dr. Ir. Agus Buono, M.Si, M.Kom.
NIP. 19660702 199302 1 001
Mengetahui:
Ketua Departemen Ilmu Komputer,
Dr. Ir. Sri Nurdiati, M.Sc.
NIP. 19601126 198601 2 001
Tanggal Lulus:
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 22 Februari 1989 dari pasangan Ir. H. Syafruddin dan
Hj. Tety Aryani. Penulis merupakan anak ketiga dari tiga bersaudara.
Tahun 2007 penulis lulus dari SMA Negeri 2 Depok dan pada tahun yang sama penulis masuk
Institut Pertanian Bogor (IPB) melalui jalur Ujian Saringan Masuk IPB (USMI). Penulis masuk
Program S1 Ilmu Komputer, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu
Pengetahuan Alam, Institut Pertanian Bogor.
Pada bulan Juli-Agustus 2010 penulis berkesempatan melaksanakan kegiatan Praktik Kerja
Lapangan di Departemen Ilmu Komputer, Institut Pertanian Bogor, Bogor. Selama menjadi
mahasiswa penulis juga pernah menjadi asisten praktikum Algoritme dan Pemrograman untuk
mahasiswa Tekhnik Pertanian, Institut Pertanian Bogor.
PRAKATA
Puji dan syukur penulis panjatkan kehadirat Allah SWT yang senantiasa memberikan rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan tulisan ini dengan judul: Identifikasi Campuran
Nada Pada Suara Piano Mengguanakan Codebook. Shalawat dan salam disampaikan kepada Nabi
Muhammad SAW beserta keluarga, sahabat, dan pengikutnya yang tetap berada di jalan-Nya hingga
akhir zaman.
Penulis mengucapkan terima kasih kepada Bapak Dr. Ir. Agus Buono, M.Si, M.Kom selaku
pembimbing atas segala saran, kritik, dorongan, dan bimbingannya selama penelitian dan penyusunan
tulisan ini. Ucapan terima kasih tak terhingga kepada orang tua atas nasihat, semangat, bantuan
materi, dan doa-doanya. Selain itu penulis mengucapkan terima kasih kepada teman bimbingan dan
teman-teman kosan wisma cemara atas doa, kebersamaan, diskusi, dan semangatnya yang telah
membantu dalam penyelesaian skripsi ini. Serta kepada teman-teman Ilmu Komputer atas jalinan
persahabatan selama ini terkhusus teman-teman Ilmu Komputer angkatan 44. Semoga tulisan ini
bermanfaat dan dapat menambah wawasan ilmu pengetahuan bagi penulis khususnya dan pembaca
umumnya.
Bogor, Mei 2011
Ade Fruandta
DAFTAR ISI
Halaman
DAFTAR GAMBAR ............................................................................................................................. vi
DAFTAR TABEL ................................................................................................................................. vi
DAFTAR LAMPIRAN.......................................................................................................................... vi
PENDAHULUAN .................................................................................................................................. 1
Latar Belakang .................................................................................................................................... 1
Tujuan ................................................................................................................................................. 1
Ruang Lingkup ................................................................................................................................... 1
Manfaat Penelitian .............................................................................................................................. 1
TINJAUANPUSTAKA .......................................................................................................................... 1
Nada dan Chord .................................................................................................................................. 1
Pemrosesan Sinyal Suara .................................................................................................................... 2
Ekstraksi Sinyal Suara ........................................................................................................................ 2
K-Means.............................................................................................................................................. 4
Codebook ............................................................................................................................................ 4
METODE PENELITIAN ....................................................................................................................... 5
Kerangka Pemikiran ........................................................................................................................... 5
Pengambilan Data ............................................................................................................................... 5
Preprocessing ..................................................................................................................................... 5
Pemodelan Codebook ......................................................................................................................... 6
Evaluasi .............................................................................................................................................. 7
HASIL DAN PEMBAHASAN .............................................................................................................. 7
Preprocessing ..................................................................................................................................... 7
Pemodelan Codebook ......................................................................................................................... 7
Pengujian ............................................................................................................................................ 7
Percobaan dengan Frame 128 ............................................................................................................. 8
Percobaan dengan Frame 256 ............................................................................................................. 9
Percobaan dengan Frame 512 ........................................................................................................... 10
Percobaan dengan Suara Lain dan Octave Berbeda.......................................................................... 10
KESIMPULAN DAN SARAN ............................................................................................................ 11
Kesimpulan ....................................................................................................................................... 11
Saran ................................................................................................................................................. 11
DAFTAR PUSTAKA ........................................................................................................................... 11
v
DAFTAR GAMBAR
Halaman
1 Nada dasar pada piano. ........................................................................................................................ 2
2 Tahapan transformasi sinyal suara menjadi informasi. ........................................................................ 2
3 Blok diagram proses MFCC. .............................................................................................................. 3
4 Ilustrasi frame blocking pada sinyal suara. .......................................................................................... 3
5 Grafik fungsi window Hamming. ......................................................................................................... 3
6 Frame sinyal sebelum proses windowing. ........................................................................................... 3
7 Frame sinyal setelah proses windowing............................................................................................... 3
8 Mel-frequency filter. ............................................................................................................................ 4
9 Codebook untuk setiap nada. ............................................................................................................... 5
10 Ilustrasi prinsip dasar penggunaan codebook..................................................................................... 5
11 Diagram alur proses identifikasi campuran nada. .............................................................................. 6
12 Model codebook berdasarkan kelompok nada. .................................................................................. 6
13 Model codebook berdasarkan kelompok banyaknya campuran. ........................................................ 6
14 Alur pengenalan campuran nada. ....................................................................................................... 8
15 Akurasi berdasarkan banyaknya campuran untuk setiap nilai frame. ................................................ 8
16 Akurasi untuk setiap nilai K pada frame 128. .................................................................................... 9
17 Sinyal nada A#B. ............................................................................................................................... 9
18 Sinyal nada A#. .................................................................................................................................. 9
19 Akurasi untuk setiap nilai K pada frame 256. .................................................................................. 10
20 Akurasi untuk setiap nilai K pada frame 512. .................................................................................. 10
DAFTAR TABEL
Halaman
1 Rataan nilai akurasi 78 nada pada frame 128 ...................................................................................... 8
2 Kesalahan pengenalan nada. ................................................................................................................ 9
3 Rataan nilai akurasi 78 nada pada frame 256 ...................................................................................... 9
4 Rataan nilai akurasi 78 nada pada frame 512 .................................................................................... 10
5 Akurasi pada suara selain suara piano ............................................................................................... 11
DAFTAR LAMPIRAN
Halaman
1 Tabel akurasi frame 128 .................................................................................................................... 14
2 Tabel akurasi frame 256 .................................................................................................................... 16
3 Tabel akurasi frame 512 .................................................................................................................... 18
vi
PENDAHULUAN
Latar Belakang
Manusia dianugrahi oleh Tuhan dua
telinga yang memiliki fungsi untuk
menangkap sinyal-sinyal suara. Namun untuk
mengoptimalkan dari fungsi telinga tersebut
manusia harus belajar memahami dan
mengenali sinyal-sinyal suara yang masuk.
Begitu juga untuk mengenali sebuah nada.
Untuk seorang perfect pitch dalam mengenali
sebuah nada adalah hal yang mudah karena
telah melalui tahap latihan yang lama. Perfect
pitch adalah kemampuan seseorang dalam
mengenali dan mengidentifikasi nada-nada
dari sebuah sinyal. Namun untuk seorang
yang tidak memiliki kemampuan perfect pitch
akan mengalami kesulitan dalam mengenali
sebuah nada, sehingga dibutuhkan latihan
untuk memiliki kemampuan perfect pitch.
Pengolahan Sinyal Digital (Digital Signal
Processing) saat ini telah memegang peranan
yang penting dalam ilmu pengetahuan dan
teknologi. Salah satunya adalah pengenalan
suara (voice recognition). Seperti penelitian
yang telah dilakukan oleh Rudy Adipranata
dan Resmana tentang pengenalan suara
manusia. Dalam penelitian tersebut membahas
tentang bagaimana cara mengenali suara
manusia dari sebuah sinyal menggunakan
jaringan saraf tiruan (Adipranata dan Resmana
1999).
Selain untuk pengenalan suara
manusia, pengenalan suara juga dapat dipakai
dalam berbagai hal, salah satunya adalah
pengenalan chord seperti penelitian yang telah
dilakukan oleh Elgar Wisnudisastra dan Agus
Buono pada tahun 2009 (Wisnudisastra dan
Buono 2009). Pada penelitian tersebut,
pemodelan chord pada gitar menggunakan
codebook.
Penelitian Elgar Wisnudisastra ini hanya
sampai pada pengenalan chord tidak sampai
nada-nada penyusun dari chord. Tidak semua
orang mengetahui semua jenis chord bahkan
chord-chord miring. Untuk itu dibutuhkan
pengenalan lebih mendalam untuk chord
hingga nada-nada penyusun dari chord
tersebut.
Tujuan
Penelitian
ini
bertujuan
untuk
mengidentifikasi campuran nada pada suara
piano menggunakan codebook sebagai
pemodelan nada dan banyaknya campuran
nada.
Ruang Lingkup
Adapun ruang lingkup dari penelitian ini
antara lain:
1.
Campuran nada yang akan dikenali hanya
campuran nada pada satu octave dan
maksimal 2 campuran nada.
2.
Suara yang dikenali hanya dimainkan
dengan cara ditekan secara serentak.
3.
Suara yang dikenali hanya suara piano
pada keyboard Yamaha PSR 3000.
Manfaat Penelitian
Penelitian ini diharapkan dapat membantu
bagi masyarakat dalam mengenali dan
mengidentifikasi campuran nada pada sebuah
suara piano.
TINJAUANPUSTAKA
Nada dan Chord
Nada adalah bunyi yang beraturan yang
memiliki frekuensi tunggal tertentu. Setiap
nada memiliki tinggi nada atau tala tertentu
menurut frekuensinya. Terdapat 7 nada dasar
yaitu : C = do, De = re, E = mi, F = fa, G =
sol, A = la, B = si. Masing-masing dari nada
dasar tersebut memiliki frekuensi yang
berbeda-beda. Jarak antar nada disebut
interval. Interval dari deretan nada C-D-E-FG-A-B adalah 1-1-1/2-1-1-1/2. Jarak enam
antara dua nada yang sama disebut satu
octave. Contohnya adalah jarak antara nada
C1 sampai nada C2. Nada C2 berada satu
octave di atas nada C1.
Nada natural tersebut dapat dinaikkan atau
diturunkan ½ nada. Nada yang dinaikkan ½
nada diberi simbol # (kres), sedangkan nada
yang diturunkan ½ nada diberi simbol b (mol).
Misal nada C dinaikkan ½ maka akan menjadi
C# (C kres / Cis). Jika nada B diturunkan ½
maka akan menjadi Bb (B mol). Untuk nada E
jika dinaikkan ½ maka akan menjadi E# atau
sama dengan nada F karena jarak nada E
dengan nada F adalah ½. Begitu pula pada
nada B ke C. Untuk lebih jelasnya dapat
dilihat pada Gambar 1.
Chord merupakan gabungan dari nadanada yang dibunyikan secara serentak yang
berfungsi sebagai pengiring dalam lagu
maupun permainan musik (Hendro 2004).
Chord memiliki bentuk dan corak yang
berbeda sesuai dengan nada-nada yang
membentuknya. Chord biasanya terdiri dari
1
tiga nada (triad), misalnya chord C terdiri atas
C, E, dan G.
mengekspresikannya menggunakan sejumlah
digit tertentu dan proses ini yang dikenal
dengan kuantisasi.
Gambar 1 Nada dasar pada piano.
Pemrosesan Sinyal Suara
Sinyal suara merupakan gelombang yang
tercipta dari tekanan udara yang berasal dari
paru-paru yang berjalan melewati lintasan
suara menuju mulut dan rongga hidung (AlAkaidi 2007). Pemrosesan suara itu sendiri
merupakan teknik mentransformasi sinyal
suara menjadi informasi yang berarti sesuai
dengan yang diinginkan (Buono 2009).
Sinyal secara umum dapat dikategorikan
sesuai dengan peubah bebas waktu, yaitu:
1. Sinyal waktu kontinyu: kuantitas sinyal
terdefinisi pada setiap waktu dalam selang
kontinyu. Sinyal waktu kontinyu disebut
juga sinyal analog.
2. Sinyal waktu diskret: kuantitas sinyal
terdefinisi pada waktu diskret tertentu,
yang dalam hal ini jarak antar waktu tidak
harus sama.
Secara umum proses transformasi tersebut
terdiri atas digitalisasi sinyal analog, ekstraksi
ciri dan diakhiri dengan pengenalan pola
untuk klasifikasi, seperti yang terlihat pada
Gambar 2.
Pengolahan sinyal analog menjadi sinyal
digital dapat dilakukan melalui dua tahap
yaitu sampling dan kuantisasi (Jurafsky 2007).
Sampling adalah suatu proses untuk membagi
suatu sinyal kontinyu (sinyal analog) dalam
interval waktu yang telah ditentukan.
Sampling ini dilakukan dengan mengubah
sinyal analog menjadi sinyal digital dalam
fungsi waktu. Pengubahan bentuk sinyal ini
bertujuan untuk mempermudah memproses
sinyal masukan yang berupa analog karena
sinyal analog memiliki kepekaan terhadap
noise yang rendah, sehingga sulit untuk
memproses sinyal tersebut. Nilai dari hasil
sampling tersebut dibulatkan ke nilai terdekat
(rounding), atau bisa juga dengan pemotongan
bagian
sisa
(truncating)
sehingga
menghasilkan sinyal suara digital dengan
Gambar 2 Tahapan transformasi sinyal suara
menjadi informasi (Jurafsky dalam
Buono 2009).
Sinyal suara digital kemudian dilakukan
proses pembacaan sinyal disetiap frame
dengan lebar frame tertentu yang saling
tumpang tindih. Proses ini dikenal dengan
proses frame blocking. Barisan frame berisi
informasi yang lengkap dari sebuah sinyal
suara. Informasi yang terdapat dalam frameframe tersebut direpresentasikan dengan cara
pengekstraksian ciri sehingga dihasilkan
vektor-vektor yang nantinya digunakan dalam
pengenalan pola.
Ekstraksi Sinyal Suara
Ekstraksi ciri merupakan proses untuk
menentukan satu nilai atau vektor yang dapat
dipergunakan sebagai penciri objek atau
individu (Buono 2009). Terdapat banyak cara
untuk merepresentasikan parameter sinyal
suara, seperti Linear Prediction Coding
(LPC), Mel-Frequency Cepstrum Coefficients
(MFCC), dll.
MFCC merupakan cara yang paling sering
digunakan pada berbagai bidang area
pemrosesan suara, karena dianggap cukup
baik dalam merepresentasikan ciri sebuah
sinyal. Cara kerja MFCC didasarkan pada
perbedaan frekuensi yang dapat ditangkap
oleh telinga manusia sehingga mampu
merepresentasikan sinyal suara sebagaimana
manusia merepresentasikannya. Blok diagram
2
proses MFCC dapat dilihat pada Gambar 3
(Do 1994).
Speech
Mel
cepstrum
Frame
blocking
Frame
Cepstrum
Windowing
Mel
spectrum
Melfrequency
FFT
Spectrum
w(n) = 0.54 – 0.46 cos
–
,0≤n≤N–1
Grafik fungsi window Hamming dapat dilihat
pada Gambar 5. Jika sebuah sinyal seperti
pada Gambar 6 dikenakan fungsi window
Hamming maka akan menghasilkan sinyal
seperti pada Gambar 7.
Gambar 3 Blok diagram proses MFCC.
Frame blocking
Pada proses ini, sinyal suara disegmentasi
menjadi beberapa frame yang saling tumpang
tindih (overlap), hal ini dilakukan agar tidak
ada sedikitpun sinyal yang hilang (deletion).
Panjang frame biasanya memiliki panjang 1030 ms atau 256-1024 data. Proses ini akan
berlanjut sampai seluruh sinyal sudah masuk
ke dalam satu atau lebih frame seperti yang
diilustrasikan dalam Gambar 4.
Gambar 5 Grafik fungsi window Hamming.
Gambar 4 Ilustrasi frame blocking pada sinyal
suara.
Windowing
Gambar 6 Frame sinyal sebelum proses
windowing.
Sinyal analog yang sudah diubah menjadi
sinyal digital dibaca frame demi frame dan
pada setiap frame-nya dilakukan windowing
dengan fungsi window tertentu. Proses
windowing bertujuan untuk meminimalisasi
ketidakberlanjutan sinyal pada awal dan akhir
setiap frame (Do 1994). Dengan pertimbangan
kesederhanaan formula dan nilai kinerja
window, maka penggunaan window Hamming
cukup beralasan (Buono 2009).
Jika kita definisikan window sebagai w(n),
0 ≤ n ≤ N – 1, dimana N adalah jumlah sampel
pada setiap frame-nya, maka hasil dari
windowing adalah sinyal:
y1(n) = x1(n) w(n), 0 ≤ n ≤ N – 1
dimana w(n) biasanya menggunakan window
Hamming yang memiliki bentuk:
Gambar 7 Frame sinyal setelah proses
windowing.
Fast Fourier Transform (FFT)
FFT adalah algoritme cepat untuk
mengimplementasi discrete fourier transform
3
(DFT). FFT ini mengubah masing-masing
frame N sampel dari domain waktu menjadi
domain frekuensi yang didefinisikan sebagai
berikut:
∑
hasil rangkaian {
berikut:
, k = 0,1,2,…,N – 1
} direpresentasikan sebagai
a. frekuensi positif 0 ≤ f ≤
merepresentasikan nilai 0 ≤ n ≤
b. frekuensi negatif
yang
– 1,
< f < 0 yang
merepresentasikan nilai
+ 1 ≤ n ≤ N – 1.
Disini, berarti frequency sampling. Hasil
dari tahapan ini biasanya disebut dengan
spectrum atau periodogram.
Mel-Frequency Wrapping
Persepsi sistem pendengaran manusia
terhadap frekuensi sinyal suara tidak dapat
diukur dalam skala linear. Untuk setiap nada
dengan frekuensi aktual, f, diukur dalam Hz,
sebuah subjectivepitch diukur dalam sebuah
skala yang disebut ‘mel’. Skala mel-frequency
ialah sebuah frekuensi rendah yang bersifat
linear di bawah 1000 Hz dan sebuah frekuensi
tinggi yang bersifat logaritmik di atas 1000 Hz
seperti yang diilustrasikan pada Gambar 8.
Persamaan berikut menunjukkan hubungan
skala mel dengan frekuensi dalam Hz:
mel(f) = 2595 * log10 (1 + f / 700)
diketahui. Koefisien mel spectrum merupakan
sebuah nilai riil sehingga kita dapat
mengkonversinya ke dalam dominan waktu
menggunakan Discrete Cosine Transform
(DCT). Selanjutnya kita dapat menghitung
MFCC sebagai , sebagai
dimana
K – 1.
=∑
cos
,
, k = 0, 2, …, K – 1 dan n = 0, 1, …,
K-Means
K-means adalah salah satu algoritme
pembelajaran
unsupervised
dalam
menyelesaikan
permasalahan
klustering
(MacQueen 1967). Langkah pertama yang
dilakukan oleh algoritme ini adalah
menentukan K initial centroid, di mana K
adalah parameter spesifik yang ditentukan
user, yang merupakan jumlah kluster yang
diinginkan. Setiap titik atau objek kemudian
ditempatkan pada centroid terdekat, dan
kumpulan titik atau objek pada tiap centroid
disebut kluster. Centroid pada setiap kluster
kemudian akan berubah berdasarkan setiap
objek yang ada pada kluster. Kemudian
langkah penempatan objek dan perubahan
centroid diulangi sampai tidak ada objek yang
berpindah kluster. Algoritme dasar dari Kmeans adalah (Tan et al. 2006):
Select K points as initial centroids
repeat
Form K cluster by assigning each point
to its closets centroid
Recompute the centroid of each cluster
until Centroids do not change
Terdapat fungsi objektif untuk menghitung
tingkat error yang didefinisikan sebagai
berikut:
Gambar 8 Mel-frequency filter.
di mana ‖
∑ ∑‖
diukur antara titik
kluster .
‖
‖
adalah jarak yang
dengan titik center
Cepstrum
Codebook
Langkah
terakhir
yaitu
mengubah
spektrum log mel menjadi domain waktu.
Hasil ini disebut mel frequency cepstrum
coefficient (MFCC). Cepstral dari spectrum
suara merepresentasikan sifat-sifat spektral
lokal sinyal untuk analisis frame yang
Codebook adalah sekumpulan titik (vektor)
yang mewakili distribusi suara dari individu
maupun objek tertentu dalam ruang suara.
Titik-titik pada codebook disebut codeword.
Codebook merupakan cetakan yang dihasilkan
suara setelah melalui proses training. Dalam
4
pengenalan suara, masing-masing suara yang
akan dikenali harus dibuatkan codebook-nya.
Codebook dibentuk dengan cara membentuk
kluster semua vektor ciri yang dijadikan
sebagai training set dengan menggunakan
klustering algorithm. Algoritme klustering
yang akan dipakai adalah algoritme K-means.
Ilustrasi codebook untuk setiap nada dapat
dilihat pada Gambar 9.
dimana x dan y adalah vektor yang akan
dihitung jaraknya dengan D dimensi.
Jika dalam sinyal suara input O terdapat T
frame dan
merupakan masingmasing codeword yang ada pada codebook
maka jarak sinyal input dengan codebook
dapat dirumuskan:
∑
(
)
METODE PENELITIAN
Kerangka Pemikiran
Penelitian ini dikembangkan dengan
metode yang terdiri atas beberapa tahap yaitu:
(1) pengambilan data, (2) preprocessing, (3)
pemodelan codebook, (4) evaluasi. Alur
metode ini dapat dilihat pada Gambar 11.
Pengambilan Data
Gambar 9 Codebook untuk setiap nada.
Seperti yang telah diilustrasikan pada
Gambar 10, prinsip dasar dalam penggunaan
codebook adalah setiap suara yang masuk
akan dihitung jaraknya ke setiap codebook
yang telah dibuat. Kemudian jarak setiap
sinyal suara ke codebook dihitung sebagai
jumlah jarak setiap frame sinyal suara tersebut
ke setiap codeword yang ada pada codebook.
Kemudian dipilih codeword dengan jarak
minimum. Setelah itu setiap sinyal suara yang
masuk akan diidentifikasi berdasarkan jumlah
dari jarak minimum tersebut.
C
=
5
1
3
6
2
4
min
New
=
Jarak New - C
=
min
8
4
2
4
4
9
6
5
3,6 + ... + 2,2 + ...
Gambar 10 Ilustrasi prinsip dasar penggunaan
codebook.
Perhitungan jarak dilakukan dengan
menggunakan jarak euclid yang didefinisikan
sebagai berikut:
∑
Suara yang akan digunakan dalam
penelitian ini adalah suara grand piano yang
terdapat di keyboard Yamaha PSR 3000. Nada
yang diambil sebanyak 12 nada tunggal yang
terdiri dari C, C#, D, D#, E, F, F#, G, G#, A,
A#, dan B yang masing-masing akan diulang
sebanyak 15 kali. Nada dua campuran diambil
sebanyak 66 nada yang masing-masing akan
diulang sebanyak 15 kali.
Nada yang telah diambil akan dibagi dua,
yaitu data training dan data testing. Data
training adalah 12 nada tunggal yang masingmasing nada 10 suara dan 66 nada dua
campuran yang masing-masing nada 10 suara,
sedangkan data testing adalah 66
nada
campuran yang masing-masing nada lima
suara dan 12 nada tunggal yang masingmasing nada lima suara. Total dari data
training sebanyak 780 suara dan total dari data
testing sebanyak 390 suara.
Data direkam langsung dengan keyboard
melalui kabel yang dihubungkan langsung
dengan komputer. Perekaman menggunakan
software Matlab selama 1 detik, disimpan
dalam file berformat WAV, dan sampling rate
sebesar 11000 Hz. Proses perekaman dengan
menekan secara serentak dengan tekanan yang
berbeda. Tekanan yang diberikan ada yang
keras, lembut, ditekan lama, dan sesaat.
Preprocessing
Pada tahap ini dilakukan proses
pemotongan silent. Pemotongan silent ini
dapat menfokuskan sinyal yang akan diteliti.
Setelah melalui tahap pemotongan silent
sinyal akan diekstraksi ciri pada setiap nada
5
dengan menggunakan MFCC. Pada penelitian
ini akan diteliti dengan lebar frame 128, 256,
dan 512, overlap sebesar 50%, dan jumlah
cepstral coefficient setiap frame sebanyak 13
koefisien.
Mulai
Pengambilan Data:
12 nada tunggal @ 15 kali
66 nada campuran @ 15 kali
Frekuensi sampel 11 kHz
Durasi 1 detik
Gambar 11 Diagram alur proses identifikasi
campuran nada.
Pemodelan Codebook
Pada tahap ini akan dibuat codebook dari
data training yang terdiri dari 120 suara nada
tunggal dan 660 suara nada campuran yang
telah melalui preprocessing. Tiap suara akan
dikelompokkan berdasarkan nadanya dan
setiap kelompok nada tersebut akan diklustering dengan menggunakan K-means
sehingga dihasilkan kluster-kluster yang berisi
vektor-vektor berdasarkan kelompok nada
seperti pada Gambar 12.
Preprocessing:
Pemotongan silent
Ekstraksi ciri MFCC
Frame: 128 , 256, dan 512
Overlap: 50%
Koefisien: 13
Data latih:
12 nada tunggal @ 10
kali
66 nada campuran @ 10
kali
Data uji:
66 nada campuran @ 5
kali
12 nada tunggal @ 5
kali
Pemodelan codebook
menggunakan K-means
untuk setiap nada baik
nada tunggal maupun
nada campuran
Gambar 12 Model codebook berdasarkan
kelompok nada.
Banyaknya kluster yang diuji adalah 5, 10, 15,
dan 20 dan dibuat codebook-nya.
Dari
tiap
kluster
yang
telah
dikelompokkan berdasarkan nada tersebut
akan dikelompokkan lagi berdasarkan
banyaknya campuran nada yang dalam
penelitian ini adalah nada tunggal dan nada
dua campuran seperti pada Gambar 13. Setiap
kelompok tersebut akan diklustering dengan
nilai K sebesar 5, 10, 15, dan 20 dan dibuat
codebook-nya.
Pemodelan codebook
menggunakan K-means
berdasarkan banyaknya
campuran nada
Pencocokan campuran
nada
Data codebook
Evaluasi
Dokumentasi
Selesai
Gambar 13 Model codebook berdasarkan
kelompok banyaknya campuran.
6
Dalam penelitian ini terdapat dua model
codebook yang telah dijelaskan sebelumnya,
yang pertama model codebook berdasarkan
nada dan codebook berdasarkan banyaknya
campuran nada.
Evaluasi
Evaluasi sistem ini melihat akurasi
identifikasi campuran nada pada suara piano.
Data yang digunakan adalah 1170 suara yang
terdiri atas 286 nada campuran yang masingmasing lima suara dan 12 nada tunggal yang
masing-masing lima suara. Untuk perhitungan
tingkat akurasi identifikasi campuran nada
dilakukan dengan membandingkan jumlah
output yang benar diidentifikasi oleh sistem
dengan jumlah seluruh data yang diuji.
Persentase tingkat akurasi dihitung dengan
fungsi berikut:
∑
∑
HASIL DAN PEMBAHASAN
Preprocessing
Dari data yang telah direkam yaitu 780
data training dan 390 data testing, terlebih
dahulu dilakukan pemotongan silent yang
akan diteruskan dengan ekstraksi ciri
menggunakan MFCC. Dalam pemakaiannya
terdapat lima parameter yang harus digunakan
yaitu suara, sampling rate, frame, overlap, dan
cepstral coefficient. Pemilihan nilai untuk
sampling rate, overlap, dan cepstral
coefficient berturut-turut adalah 11000 Hz,
50%, dan 13. Untuk nilai frame akan diuji
dengan nilai 128, 256, dan 512. Proses
ekstraksi ini akan dilakukan terhadap semua
data. MFCC mengubah data menjadi sebuah
matriks yang berisikan vektor-vektor yang
menunjukkan ciri spectral dari data tersebut.
Pemodelan Codebook
Pada proses pembuatan codebook, data
yang digunakan adalah data training yang
berupa vektor ciri dari suara piano yang telah
direkam dan melewati praprocessing.
Terdapat dua jenis model codebook yang akan
dimodelkan yaitu codebook tiap nada baik
tunggal maupun campuran dan codebook
berdasarkan banyaknya campuran nada.
Pemodelan codebook tiap nada
Terdapat 12 jenis nada tunggal dan 66
jenis nada dua campuran yang masing-masing
berjumlah 10 suara yang akan dimodelkan
1.
codebook-nya. Tiap jenis nada akan
dikelompokkan dan melalui proses klustering
dengan K-means. Nilai K yang akan diuji
adalah 5, 10, 15, dan 20 untuk tiap frame yang
diuji yang masing-masing frame adalah 128,
256, dan 512. Setelah melalui proses
klustering akan didapatkan vektor-vektor
centroid yang mencirikan masing-masing dari
jenis nada baik nada tunggal maupun nada dua
campuran.
Pemodelan
codebook
berdasarkan
banyaknya campuran nada
Dari hasil model codebook untuk tiap
nada, akan digunakan dalam pemodelan
codebook berdasarkan banyaknya campuran
nada. Tiap nada akan dipisahkan berdasarkan
banyaknya campuran nada. Dalam hal ini satu
campuran dan dua campuran. Setelah
dipisahkan maka akan diproses dengan
klustering menggunakan K-means. Nilai K
yang akan diuji adalah 5, 10, 15, dan 20 untuk
tiap frame yang diuji yang masing-masing
frame adalah 128, 256, dan 512. Setelah
melalui proses klustering akan didapatkan
vektor-vektor centroid yang mencirikan
masing-masing banyaknya campuran yang
ada.
2.
Pengujian
Pengujian akan dilakukan dengan data
testing yang telah direkam dengan sampling
rate 11000 Hz. Banyaknya data testing ini
adalah 12 nada tunggal dan 66 nada dua
campuran yang masing-masing nada memiliki
lima suara. Data testing ini akan melewati
preprocessing untuk pemebersihan data dan
pencirian data. Setelah melalui preprocessing
masing-masing
suara
akan
dikenali
berdasarkan model codebook yang telah
dibuat sebelumnya dengan mencari jarak yang
terdekat dengan model. Untuk tahap awal
suara yang akan dikenali berdasarkan
banyaknya campuran pada suara tersebut.
Setelah diketahui banyaknya campuran pada
suara tersebut maka akan dikenali jenis
nadanya berdasarkan banyaknya campuran
nada. Alur pengenalan campuran nada dapat
dilihat pada Gambar 14.
Dari hasil pengujian dapat dilihat bahwa
akurasi paling tinggi saat nada tunggal yang
memiliki akurasi 97,083% jika dibandingkan
dengan akurasi nada dua campuran yang
memiliki akurasi 94,116%. Untuk akurasi
setiap frame dapat dilihat pada Gambar 15.
7
Untuk akurasi setiap frame dapat dilihat
paling tinggi saat nada tunggal dengan frame
256 dengan akurasi 99,56%.
Mulai
model codebook dengan nilai K sebesar 5, 10,
15, dan 20. Rataan tingkat akurasi untuk setiap
nada saat frame 128 dapat dilihat pada Tabel
1. Nilai akurasi tersebut didapatkan dengan
merata-ratakan total dari nilai akurasi yang
dihasilkan oleh setiap nada untuk seluruh nilai
K.
Tabel 1 Rataan nilai akurasi 78 nada pada
frame 128
Ekstraksi ciri MFCC
Hitung banyaknya
campuran pada suara
Apakah
banyaknya
campuran
satu?
Tidak
Ya
Cari nada satu
campuran yang
terdekat
Cari nada dua
campuran yang
terdekat
Selesai
Gambar 14 Alur pengenalan campuran nada.
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
128
256
512
Tunggal
2
Campuran
Gambar 15 Akurasi berdasarkan banyaknya
campuran untuk setiap nilai
frame.
Percobaan dengan Frame 128
Pada percobaan ini overlap dan koefisien
yang dipakai untuk setiap jenis nada dan
codebook masing-masing adalah 50% dan 13.
Setiap nada pada data testing akan diuji
dengan mencari jarak yang terdekat dengan
Nada
C, D#, E, F, F#, G, G#, A#, B,
CF#, CG, CG#, CA, CA#, CB,
C#F, C#G, C#G#, C#A#, C#B,
DF, DG, DG#, DA, DA#, DB,
D#F, D#F#, D#G, D#G#, D#A,
D#B, EF, EF#, EG, EG#, EA,
EA#, EB, FF#, FG, FG#, FA,
FB, F#G, F#G#, F#A, F#A#,
F#B, GG#, GA, GA#, GB,
G#A#, dan G#B
Akurasi
CE, DD#, DE, D#E, dan D#A#
95%
D, A, C#F#, dan G#A
90%
C#E, FA#, AA#, AB
85%
C#A
80%
DF#
70%
CD# dan C#D
65%
C#D#
60%
A#B
50%
C# dan CF
45%
CD
30%
CC#
20%
100%
Pada percobaan dengan frame 128 ini
akan diuji dengan nilai K 5, 10, 15, dan 20.
Untuk grafik akurasi di setiap nilai K dapat
dilihat pada Gambar 16. Dari hasil percobaan
tersebut didapatkan akurasi tertinggi saat K
bernilai 15 dengan nilai akurasi 94,36%. Dari
Gambar 16 dapat disimpulkan bahwa K yang
optimum dalam memodelkan codebook pada
frame 128 adalah saat K bernilai 15.
Terdapat nada-nada yang sulit dikenali
yang memiliki akurasi kurang dari sama
dengan 50% adalah A#B, C#, CC#, CD, dan
CF yang memiliki nilai masing-masing 50%,
45%, 20%, 30%, dan 45%. Untuk nada-nada
yang sulit dikenali ini lebih sering dikenali
dengan nada-nada yang terdekatnya yang
memiliki jarak interval setengah sampai satu
interval. Kesalahan pengenalan pada nadanada tersebut dapat dilihat pada Tabel 2.
8
Percobaan dengan Frame 256
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
K = 5 K = 10 K = 15 K = 20
Gambar 16 Akurasi untuk setiap nilai K pada
frame 128.
Tabel 2 Kesalahan pengenalan nada.
Nada
Kesalahan Pengenalan
A#B
A# dan B
C#
C#D#
CC#
C
CD
C# dan C
CF
CF# dan C
Salah satu faktor dari kesalahan pengenalan
tersebut adalah pola dari sinyal-sinyal tersebut
mirip sehingga saat nada-nada tersebut
dicirikan akan menghasilkan titik-titik yang
saling berdekatan. Dapat dilihat pada Gambar
17 adalah sinyal nada A#B sedangkan pada
Gambar 18 adalah sinyal nada A#.
Gambar 17 Sinyal nada A#B.
Gambar 18 Sinyal nada A#.
Pada percobaan ini overlap dan koefisien
yang dipakai untuk setiap jenis nada dan
codebook masing-masing adalah 50% dan 13.
Setiap nada pada data testing akan diuji
dengan mencari jarak yang terdekat dengan
model codebook dengan nilai K sebesar 5, 10,
15, dan 20. Rataan tingkat akurasi untuk setiap
nada saat frame 256 dapat dilihat pada Tabel
3. Nilai akurasi tersebut didapatkan dengan
merata-ratakan total dari nilai akurasi yang
dihasilkan oleh setiap nada untuk seluruh nilai
K.
Tabel 3 Rataan nilai akurasi 78 nada pada
frame 256
Nada
C, C#, D, D#, E, F, F#, G, G#,
A#, B, CD, CD#, CE, CF,
CF#, CG, CG#, CA, CA#,
C#E, C#F, C#F#, C#G, C#G#,
C#A, C#A#, C#B, DD#, DE,
DF, DF#, DG, DG#, DA,
DA#, DB, D#F, D#F#, D#G,
D#G#, D#A, D#A#, D#B, EF,
EF#, EG#, EA, EA#, EB,
FG#, FA, FA#, FA#, FB,
F#G#, F#A, F#A#, F#B, GG#,
GA, GA#, GB, G#A#, dan
G#B
Akurasi
100%
A, CB, C#D#, dan F#G
95%
EG dan FF#
90%
FG dan G#A
80%
C#D
75%
D#E dan AB
70%
AA#
55%
CC#
35%
A#B
25%
Pada percobaan dengan frame 256 ini
akan diuji dengan nilai K 5, 10, 15, dan 20.
Untuk grafik akurasi di setiap nilai K dapat
dilihat pada Gambar 19. Dari hasil percobaan
tersebut didapatkan akurasi tertinggi saat K
bernilai 20 dengan nilai akurasi 98,21%. Jika
dibandingkan nilai akurasi frame 128 dengan
256 untuk setiap nilai K dapat dikatakan
pencirian nada dengan frame 256 lebih baik
dari pada frame 128 karena akurasi untuk
setiap nilai K frame 256 lebih tinggi dari pada
frame 128. Dari Gambar 19 dapat disimpulkan
bahwa seiring nilai kluster dinaikkan maka
tingkat akurasi akan semakin naik pula.
9
Terdapat nada-nada yang sulit dikenali
yang memiliki akurasi kurang dari sama
dengan 50% adalah CC# dan A#B yang
memiliki nilai masing-masing 35% dan 25%.
Untuk nada-nada yang sulit dikenali ini lebih
sering dikenali dengan nada-nada yang
terdekatnya yang memiliki jarak interval
setengah sampai satu interval. Pada nada CC#
lebih sering dikenali dengan nada C
sedangkan pada nada A#B lebih sering
dikenali dengan nada A# dan B.
setengah sampai satu interval. Pada nada CC#
lebih sering dikenali dengan nada C
sedangkan pada nada A#B lebih sering
dikenali dengan nada A# dan B. Untuk nada
A#B jika dilihat akurasi saat frame 128, 256,
dan 512 akurasi tertinggi saat frame 128
dengan nilai akurasi 50%. Untuk nada CC#
jika dilihat akurasi saat frame 128, 256, dan
512 akurasi tertinggi saat frame 512.
Tabel 4 Rataan nilai akurasi 78 nada pada
frame 512
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
K = 5 K = 10 K = 15 K = 20
Gambar 19 Akurasi untuk setiap nilai K pada
frame 256.
Percobaan dengan Frame 512
Pada percobaan ini overlap dan koefisien
yang dipakai untuk setiap jenis nada dan
codebook masing-masing adalah 50% dan 13.
Setiap nada pada data testing akan diuji
dengan mencari jarak yang terdekat dengan
model codebook dengan nilai K sebesar 5, 10,
15, dan 20. Rataan tingkat akurasi untuk setiap
nada saat frame 512 dapat dilihat pada Tabel
4. Nilai akurasi tersebut didapatkan dengan
merata-ratakan total dari nilai akurasi yang
dihasilkan oleh setiap nada untuk seluruh nilai
K.
Pada percobaan dengan frame 512 ini
akan diuji dengan nilai K 5, 10, 15, dan 20.
Untuk grafik akurasi di setiap nilai K dapat
dilihat pada Gambar 20. Dari hasil percobaan
tersebut didapatkan akurasi tertinggi saat K
bernilai 20 dengan nilai akurasi 97,95%. Hasil
akurasi ini sedikit lebih kecil dari pada akurasi
saat frame 256 dan K bernilai 20 dengan
selisih 0,26. Dari Gambar 20 dapat
disimpulkan bahwa seiring nilai kluster
dinaikan maka tingkat akurasi akan semakin
naik pula.
Terdapat nada-nada yang sulit dikenali
yang memiliki akurasi kurang dari sama
dengan 50% adalah CC# dan A#B yang
memiliki nilai masing-masing 45% dan 40%.
Untuk nada-nada yang sulit dikenali ini lebih
sering dikenali dengan nada-nada yang
terdekatnya yang memiliki jarak interval
Nada
C, D#, E, F, F#, G, G#, A, B,
CD, CE, CF, CF#, CG, CG#,
CA, CA#, C#D#, C#E, C#F,
C#F#, C#G, C#G#, C#A,
C#A#, C#B, DE, DF, DG,
DG#, DA, DA#, DB, D#F,
D#F#, D#G, D#G#, D#A,
D#A#, D#B, EF, EF#, EG#,
EA, EA#, FG#, FA, FA#, FB,
F#G#, F#A, F#A#, F#B, GG#,
GA, GA#, GB, G#A#, dan
G#B
C#, D, CD#, C#D, DD#, DF#,
EB, FF#, dan F#G
Akurasi
100%
95%
AA#
90%
A# dan EG
85%
CB dan G#A
80%
FG dan AB
75%
D#E
65%
CC#
45%
A#B
40%
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
K = 5 K = 10 K = 15 K = 20
Gambar 20 Akurasi untuk setiap nilai K pada
frame 512.
Percobaan dengan Suara Lain dan Octave
Berbeda
Telah diuji untuk beberapa suara selain
suara piano yang terdapat pada keyboard
Yamaha PSR 3000 seperti elektrik piano,
10
string, gitar, saxophone, dan flute. Diambil
dua nada masing-masing nada satu campuran
dan nada dua campuran secara acak yaitu nada
C#G dan F. Setiap nada memiliki lima suara
untuk diuji yang dicirikan dengan frame 256
dan K bernilai 20. Dapat dilihat pada Tabel 5,
untuk pengenalan pada nada C#G cukup
bagus, namun tidak untuk pengenalan pada
nada F yang sama sekali tidak dapat dikenali.
Pada hasil tersebut dapat disimpulkan bahwa
pemodelan codebook yang telah dibuat
sebelumnya dapat mengidentifikasi campuran
nada dengan jenis suara yang berbeda
meskipun dengan keterbatasan terhadap nadanada tertentu.
Pemodelan codebook ini masih dapat
mengenali dan mengidentifkasi campuran
nada pada suara selain suara piano meskipun
dengan keterbatasan terhadap nada-nada
tertentu. Namun tidak untuk octave yang
berbeda.
Saran
Penelitian ini masih sangat sederhana
sehingga memungkinkan untuk dikembangkan
lebih lanjut. Saran-saran yang dapat diberikan
untuk pengembangan lebih lanjut adalah:
1.
Tabel 5 Akurasi pada suara selain suara piano
Suara
C#G
F
E-Piano
100%
0%
String
80%
0%
Gitar
80%
0%
Saxophone
80%
0%
Flute
80%
0%
Saat diuji lagi pada suara piano dengan
octave yang berbeda sama sekali tidak dapat
dikenali. Hal ini dikarenakan perbedaan tinggi
frekuensi di setiap octave sehingga
berbedanya titik-titik penciri di setiap octave.
Perbedaan titik-titik penciri di setiap octave
dikarenakan ekstraksi ciri MFCC mencirikan
sebuah sinyal suara berdasarkan frekuensi dari
sinyal suara tersebut.
2.
3.
4.
5.
KESIMPULAN DAN SARAN
Kesimpulan
Penelitian ini telah berhasil dalam
mengimplementasikan metode codebook
dalam mengidentifikasi campuran nada pada
suara piano. Akurasi tertinggi didapat saat
frame 256 dan K 20 dengan nilai akurasi
sebesar 98,2051%. Namun untuk pemodelan
nada CC# dan A#B akan lebih baik jika di
cirikan dengan frame masing-masing 128 dan
512.
Dari nada-nada yang sulit dikenali seperti
C#, CC#, CD, CF, dan A#B lebih banyak
dikenali dengan nada-nada yang terdekat
dengannya yang memiliki jarak setengah atau
satu octave. Kesalahan dalam pengenalan ini
dikarenakan nada-nada tersebut memiliki pola
sinyal yang mirip sehingga jarak nada-nada
tersebut berdekatan yang menyebabkan sulit
untuk dikenali.
Pada penelitian ini nada yang dimodelkan
hanya berada pada satu octave sehingga
jika dimasukkan dengan nada yang sama
namun dengan octave yang berbeda maka
akan salah dikenali. Dengan demikian
disarankan untuk memodelkan semua
octave pada piano untuk dimodelkan.
Banyaknya campuran pada penelitian ini
hanya dua campuran, sehingga disarankan
untuk memodelkan semua kemungkinan
campuran yang ada.
Nada campuran yang dapat dikenali
hanya berada pada satu octave, jika
terdapat campuran yang masing-masing
berbeda octave maka tidak dapat dikenali.
Dengan demikian disarankan untuk
memodelkan campuran nada yang
masing-masing berbeda octave.
Mencoba metode dinamik frame dalam
pencirian suara.
Memodelkan codebook untuk setiap nada
dengan menggabungkan semua vektor di
setiap frame dan dikumpulkan menjadi
sebuah codebook.
DAFTAR PUSTAKA
Adipranata R, Resmana. 1999. Pengenalan
Suara Manusia Dengan Menggunakan
LPC dan Jaringan Saraf Tiruan Propagasi
Balik. Prosiding Seminar Nasioanl I
Kecerdasan Komputasional. Universitas
Indonesia, 20-21 Juli 1999.
Al-Kaidi M. 2007.
Fractal Speech
Processing. Cambridge University Press.
Buono, A. 2009. Representasi Nilai HOS dan
Model MFCC sebagai Ekstraksi Ciri pada
Sistem
Identifikasi
Pembicara
di
Lingkungan Ber-noise Menggunakan
11
HMM. [Disertasi]. Depok: Program Studi
Ilmu Komputer, Universitas Indonesia.
Do MN. 1994. DSP Mini-Project: An
Automatic Speaker Recognition System.
Fausett, L. (1994). Fundamentals of Neural
Network.Prentice Hall, Englewood Cliffs,
NJ.
Hendro. 2004. Panduan Praktis Improvisasi
Gitar. Jakarta: Puspa Swara.
Jurafsky D, Martin JH. 2007. Speech and
Language Processing An Introduction to
Natural
Language
Processing,
Computational Linguistic, and Speech
Recognition. New Jersey: Prentice Hall.
McQueen, J. B. 1967. Some Methods for
classification and Analysis of Multivariate
Observations, Proceedings
of
5-th
Berkeley Symposium on Mathematical
Statistics and Probability. Berkeley:
University of California Press.
Tan P, Michael S, dan Vipin K. 2006.
Introduction to Data Mining. Addison
Wesley.
Wisnudisastra, E dan A. Buono.
2009.
Pengenalan Cord pada Alat Musik Gitar
Menggunakan Codebook dengan Teknik
Ekstraksi Ciri MFCC. Jurnal Ilmiah Ilmu
Komputer, Departemen Ilmu Komputer
IPB.
12
LAMPIRAN
Lampiran 1 Tabel akurasi frame 128
Nada
K=5
K = 10
K = 15
K = 20
C
100%
100%
100%
100%
C#
60%
20%
0%
100%
D
60%
100%
100%
100%
D#
100%
100%
100%
100%
E
100%
100%
100%
100%
F
100%
100%
100%
100%
F#
100%
100%
100%
100%
G
100%
100%
100%
100%
G#
100%
100%
100%
100%
A
100%
100%
80%
80%
A#
100%
100%
100%
100%
B
100%
100%
100%
100%
CC#
40%
0%
20%
20%
CD
0%
0%
60%
60%
CD#
60%
40%
80%
80%
CE
100%
80%
100%
100%
CF
40%
40%
60%
40%
CF#
100%
100%
100%
100%
CG
100%
100%
100%
100%
CG#
100%
100%
100%
100%
CA
100%
100%
100%
100%
CA#
100%
100%
100%
100%
CB
100%
100%
100%
100%
C#D
80%
80%
100%
0%
C#D#
40%
100%
100%
0%
C#E
100%
100%
100%
40%
C#F
100%
100%
100%
100%
C#F#
80%
80%
100%
100%
C#G
100%
100%
100%
100%
C#G#
100%
100%
100%
100%
C#A
80%
80%
80%
80%
C#A#
100%
100%
100%
100%
C#B
100%
100%
100%
100%
DD#
80%
100%
100%
100%
DE
100%
80%
100%
100%
DF
100%
100%
100%
100%
DF#
100%
40%
100%
40%
DG
100%
100%
100%
100%
DG#
100%
100%
100%
100%
DA
100%
100%
100%
100%
14
DA#
100%
100%
100%
100%
DB
100%
100%
100%
100%
D#E
100%
80%
100%
100%
D#F
100%
100%
100%
100%
D#F#
100%
100%
100%
100%
D#G
100%
100%
100%
100%
D#G#
100%
100%
100%
100%
D#A
100%
100%
100%
100%
D#A#
80%
100%
100%
100%
D#B
100%
100%
100%
100%
EF
100%
100%
100%
100%
EF#
100%
100%
100%
100%
EG
100%
100%
100%
100%
EG#
100%
100%
100%
100%
EA
100%
100%
100%
100%
EA#
100%
100%
100%
100%
EB
100%
100%
100%
100%
FF#
100%
100%
100%
100%
FG
100%
100%
100%
100%
FG#
100%
100%
100%
100%
FA
100%
100%
100%
100%
FA#
80%
80%
80%
100%
FB
100%
100%
100%
100%
F#G
100%
100%
100%
100%
F#G#
100%
100%
100%
100%
F#A
100%
100%
100%
100%
F#A#
100%
100%
100%
100%
F#B
100%
100%
100%
100%
GG#
100%
100%
100%
100%
GA
100%
100%
100%
100%
GA#
100%
100%
100%
100%
GB
100%
100%
100%
100%
G#A
80%
80%
100%
100%
G#A#
100%
100%
100%
100%
G#B
100%
100%
100%
100%
AA#
60%
80%
100%
100%
AB
40%
100%
100%
100%
A#B
0%
100%
0%
100%
15
Lampiran 2 Tabel akurasi frame 256
Nada
K=5
K = 10
K = 15
K = 20
C
100%
100%
100%
100%
C#
100%
100%
100%
100%
D
100%
100%
100%
100%
D#
100%
100%
100%
100%
E
100%
100%
100%
100%
F
100%
100%
100%
100%
F#
100%
100%
100%
100%
G
100%
100%
100%
100%
G#
100%
100%
100%
100%
A
80%
100%
100%
100%
A#
100%
100%
100%
100%
B
100%
100%
100%
100%
0%
40%
80%
20%
CD
100%
100%
100%
100%
CD#
100%
100%
100%
100%
CE
100%
100%
100%
100%
CF
100%
100%
100%
100%
CF#
100%
100%
100%
100%
CG
100%
100%
100%
100%
CG#
100%
100%
100%
100%
CA
100%
100%
100%
100%
CA#
100%
100%
100%
100%
CB
80%
100%
100%
100%
C#D
80%
60%
60%
100%
C#D#
100%
80%
100%
100%
C#E
100%
100%
100%
100%
C#F
100%
100%
100%
100%
C#F#
100%
100%
100%
100%
C#G
100%
100%
100%
100%
C#G#
100%
100%
100%
100%
C#A
100%
100%
100%
100%
C#A#
100%
100%
100%
100%
C#B
100%
100%
100%
100%
DD#
1