17
3.2
Perancangan Nada Referensi
Untuk merancang suatu pengenalan nada maka dibutuhkan nada acuan atau sering juga disebut nada refrensi. Nada refrensi harus memiliki ciri yang
sudah diketahui oleh sistem terlebih dahulu. Nada refrensi diperlukan untuk menjadi data base. Fungsi database untuk perbandingan nada yang akan dikenali.
Pada sistem pengenalan nada Harmonika ini penulis menggambil nada sebagai nada uji dan 10 sebagai database. Pengambilan nada untuk nada refrensi melalui
proses sampling, frame blocking, normalisasi, windowing ,DST dan windowing koefisien. Untuk mendapatkan nada refrensi maka dilakukan perhitungan :
Nada referensi yang telah di dapat akan disimpan dalam fungsi yang ada dalam sistem pegenalan nada Harmonika. Nada refrensi yang disimpan dalam
sistem pengenalan nada Harmonika ini berfungsi jika sewaktu - waktu dibutuhkan dapat langsung dipanggil dalam proses fungsi jarak yang ada dalam sistem. Alur
proses pengenalan nada referensi terlihat pada gambar 3.2.
Gambar 3.2 Diagram Proses Pengambilan Nada Referensi
3.2. Tampilan Program Pada GUI Matlab
Tampilan program sebagai interface dengan user.Program tersebut berfungsi mempermudah user dalam mengoperasikan pengenalan nada
Harmonika. Program tersebut menampilkan plotting hasil perekaman dan hasil dari DFT dan nilai jarak yang diperoleh. Pada program ini juga memberikan
DST Windowing
Normalisasi Frame Blocking
Sampling Windowing koefisien
Pemotongan sinyal
18
pilihan nilai DFT dan alpha pada windowing yang akan digunakan untuk pengenalan nada. Tampilan program dibuat menggunakan software Matlab.
Penjelasan lebih lanjut tentang tampilan program terdapat pada tabel 3.5. Gambar 3.3.
Gambar 3.3 Tampilan Utama Program Tabel 3.1 Keterangan Tampilan Program
Nama Bagian Keterangan
Tombol Pengenalan Nada Digunakan untuk memulai proses pengenalan
Tombol Input Data Digunakan untuk
mengambil suara
nada pengenalan harmonika
Variasi Windowing koefisien
Untuk variasi
windowing Koefisien
DST menggunakan
10, 20,
30, 40,50,60,70 dan 80
Variasi DST Untuk memilih nilai DST yang akan digunakan
pada proses pengenalan nada, pilihan nilainya PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
adalah 16, 32, 64,128,256. Jarak
Tampilan nilai jarak Tombol Exit
Digunakan untuk mengakhiri dan keluar aplikasi. Plot Hasil Rekaman Tampilan grafik suara hasil perekaman.
Plot Hasil DST Tampilan data berupa grafik data hasil DST baik
dari rekaman maupun dari 8 nada referensi.
3.3. Perancangan Diagram Blok
Ketika pengguna akan memulai program pengenalan nada Harmonika, pengguna dihadapkan tampilan yang sederhana dari interface Matlab. Masukkan
nada uji ke input data, variasi nilai DST dan variasi windowing koefisien pada list box, setelah user selesai memilih nilai variasi yang diinginkan kemudian pada
plot hasil perekaman tertampil. proses selanjutnya adalah penekanan tombol pengenalan nada yang tersedia pada tampilan awal. Sistem akan mengenali nada
secara tidak real time pada nada harmonika. Proses perekaman aktif selama durasi 1.5 detik. Setelah dilakukan pengenalan maka kemudian tergambar grafik pada
hasil pengenalan DST dan kemudian berbentuk keluaran text pada hasil pengenalan nada Dalam gambar 3.4 akan menjabarkan mengenai alur proses
utama dalam program. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
Gambar 3.4. Diagram Block Keseluruhan
3.4.1 Proses Perekaman
Mulai Masukan nada
Harmonika
DST Fungsi
Jarak
Keluaran text
Selesai Frame
Blocking Normalisasi
Windowing Hanning
Penentuan Nada
Windowing Koefisien
Pemotongan sinyal
Mulai Rekam
Sampling Nada
Plot Grafik sampling
Selesai PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
Gambar 3.5Proses program rekam
Gambar 3.5 memperlihatkan alir program saat melakukan proses rekam. Pada proses perekaman ada proses delay. Proses delay digunakan untuk
memberikan jeda waktu pada user sebelum melakukan perekaman. Pada proses perekaman ini menggunakan frekuensi sampling yang telah ditentukan yang
sesuai dengan karakteristik nada Harmonika . perekaman nada harmonika dilakukan 160 kali, 80 nada untuk nada referensi atau database dan 80 nada
perekaman untuk nada uji. Hasil proses rekam tersebut kemudian ditampilkan dalam bentuk plot grafik sesuai dengan alir program.
3.4.2 Pemotongan Sinyal
Gambar 3.6 Proses Pemotongan Sinyal.
Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi ciri. Proses ini bertujuan untuk memotong bagian kiri sinyal yang tidak ada
datanya.
3.4.3 Proses frame Blocking
Mulai Mulai
Masukan Nada TerekamWAV
Pemotongan sinyal Keluaran hasil
Selesai PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
Gambar 3.7 Proses Frame Blocking
Dari gambar ditampilkan pada Gambar 3.6. Proses frame blocking memilih data dari data nada terekam, Jumlah data yang diambil dalam proses ini
sesuai dengan variasi DST yang dipilih user sehingga data yang dipilih dapat mewakili semua data pada nada terekam dan kemudian di normalisasi.
Masukan Nada TerekamWAV
Fr=166 Fr=32
Fr=64 Fr=128
Mencari titik tengah Length x2
Pengambilan Data mulai dari titik tengah
Keluaran hasil
Selesai
ya ya
ya ya
Tidak Tidak
Tidak Tidak
Fr=256
23
3.4.4 ProsesNormalisasi
Gambar 3.8 Proses Normalisasi
Pada proses normalisasi seperti gambar 3.7 di atas proses tersebut harus mencari nilai maksimum dari data hasil frame blocking sebelum dilakukan
penormalisasian. Normalisasi tersebut berfungsi untuk mengkonversi data maksimum dalam deretan hasil frame blocking menjadi bernilai 1. Dalam
pengkonversian menjadi
data maksimum
menggunakan perintah
xmax=maxabsxframe. Setelah mencari nilai maksimum, kemudian dilakukan proses normalisasi dengan cara membagi data dengan nilai maksimum yang
berisikan perintah xnorm=xframexmax. Diperoleh keluaran hasil normalisasi
berupa matriks yang digunakan untuk proses selanjutnya sebagai masukan.
Mulai
Hasil Frame blocking
Hasil Normalisasi
Selesai
24
3.4.5 Proses Hanning Windowing
Gambar 3.9 Proses Hanning windowing
Pada sistem pengenalan nada ini menggunakan salah satu dari beberapa jenis windowing yang ada yaitu Hanning window. Untuk gambar proses
windowing hamming tertera diatas pada gambar 3.8. Pada proses Hanning window ini melakukan perhitungan dengan memasukkan nilai frame yang
digunakan ke dalam persamaan 2.1. Hasil dari proses windowing ini berupa matriks yang selanjutnya menjadi masukan proses DST.
3.4.6 ProsesDST dan windowing koefisien Dari hasil windowing hamming kemudian ditransformasikan menggunakan
Discrete FourierTransform DST. Proses ini mengkonversi data nada suara dalam domain waktu menjadi domain DST. Proses DST menghasilkan panjang
nilai koefisien, Dari panjang nilai nilai koefisien DST kemudian akan dipilih Mulai
Hasil Normalisasi
w [n] = 0.5 cos
Hasil Windowing
Selesai
25
dengan windowing koefisien sejumlah pilihan user. kemudian komputer menjalankan proses plotting hasil konversi tersebut. Proses DST dan windowing
koefisien diperlihatkan pada Gambar 3.9.
Gambar 3.10 Proses DST dan windowing koefisie 3.4.7 Prosesfungsi jarak Matusita
Mulai
Mencari Nilai Absolut DST
Pilih Windowing koefisien DST
Hasil windowing koefisien DST
Selesai
Mulai
Hasil windowing koefisien DST
Hasil Windowing
26
Gambar 3.11 Proses fungsi jarak Matusita Proses penghitungan ini menggunakan fungsi jarak Matusita. Gambar 3.10
memperlihatkan diagram alir proses fungsi jarak Matusita. Pada proses ini Hasil dari keluaran DST kemudian dibandingkan dengan delapan puluh nada referensi
atau database. Perbandingan menghasilkan jarak dan data – data tersebut dicari
nilai terkecilnya. Setelah nilai jarak terkecil diperoleh maka nada terekam dapat dikenali.
3.4.8 Prosespenentuan nada
Gambar 3.12 Penentuan Nada
Selesai Hasil perhitungan jarak
Mulai
Hasil jarak
Keluaran = jarak minimal
text
Selesai
27
Gambar 3.11 merupakan gambar Penentuan Nada. Nada hasil pengenalan ditampilkan dalam tampilan program dalam bentuk teks. Komputer menampilkan
nada hasil pengenalan “ Do, Re, Mi, Fa, Sol, La, Si, Do’ ”Jika sudah mencapai pada proses tersebut maka proses pengenalan nada Harmonika sudah selesai. User
dapat keluar dari program pengenalan nada tersebut dengan menekan tombol “EXIT”.
3.4. Perancangan Subsistem Program