Pengenalan nadacetik secara real time menggunakan discrete cosine transform dan jarak hellinger.

(1)

INTISARI

Musik merupakan salah satu hasil dari budaya manusia di samping arsitektur, sastra, dan bahasa. Musik dibagi menjadi dua yaitu musik popular dan musik tradisional. Banyak orang yang belum mengenal alat tradisional, dan belum banyak yang mengerti tentang nada dari alat musik tradisional sebagai contoh cetik. Oleh karena itu diperlukan sistem untuk mengenali nada alat musik tradisional yang berguna untuk mengenali nada. Alat tradisional yang digunakan untuk sistem pengenalan nada ini yaitu cetik.

Sistem pengenalan ini membutuhkan cetik sebagai masukan nada, microphone, untuk merekam nada dari cetik, dan laptop untuk memproses. Sistem pengenalan nada ini melalui beberapa proses meliputi merekam, normalisasi, pemotongan sinyal, frame blocking, windowing, ekstraksi ciri, fungsi jarak, dan penentuan nada.

Sistem pengenalan nada menggunakan ekstraksi ciri DCT, windowing hamming, fungsi jarak Hellinger, dan Thresholding. Tampilan program meliputi hasil perekaman, spectrum ekstraksi ciri DCT, serta tampilan hasil pengenalan (teks). Parameter optimal untuk tingkat pengenalan nada secara 100%, dengan menggunakan nilai frame blocking 64, dan windowing koefisien 80%. Nilai tersebut di dapat dari pengujian program dari semua variasi. Sistem pengenalan nada hanya mengenali nada Do Re Mi Sol La Si Dotinggi.

Kata kunci : cetik, DCT, windowing Hamming, fungsi jarak Hellinger, Thresholding, frame blocking, Windowing koefisien, dan pengenalan nada.


(2)

ABSTRACT

Music is a one creature from human culture beside architech, literature and language. Music divided by two there are music popular and music traditional. Many people doesn`t instrument music tools, example: cetik. Because of that there needed a system to know tune , traditonal music instrument, there are needed to know abaout tune. Traditional instrument uses to knowing tune system there are cetik.

Knowing system need cetik to input tune, microphone to record tunes from cetik and laptop to processing. This knowing tune system through some process there are recording, normalization, signal cutting, frame blocking, windowing, feature ectraction DCT, range function , tune fixed.

Knowing system use extract feature DCT, windowing Hamming, range function Hellinger, and thresholding. Feature program include product of recording, spektrum extraction feature DCT, and feature output knowing (text). Parameter optimum to increase tune knowing on 100% with use of value frame blocking 64 and windowing coefficient 80%. Knowing tune ststem just recognize Do Re Mi Sol La Si Do’.

Key word : Cetik, Discrete Cosine Transform (DCT), Windowing Hamming , range function Hellinger, Thresholding, frame blocking, Windowing Coefficient, and tune recognized.


(3)

TUGAS AKHIR

PENGENALAN NADACETIK SECARA REAL TIME

MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN JARAK

HELLINGER

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Elektro

Oleh :

BLASIUS AIR DAHSYAT PAMUNGKAS NIM : 10 5114017

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA


(4)

i

TUGAS AKHIR

PENGENALAN NADA CETIK SECARA REAL TIME

MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN JARAK

HELLINGER

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Elektro

Oleh :

BLASIUS AIR DAHSYAT PAMUNGKAS

NIM : 10 5114017

PROGRAM STUDI TEKNIK ELEKTRO

JURUSAN TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA


(5)

ii

FINAL PROJECT

REAL TIME TONE RECOGNITION OF CETIK USINGDISCRETE

COSINE TRANSFORM AND HELLINGER DISTANCE

Presented as Partial Fulfillment of The Requirement

to Obtain The

Sarjana Teknik

Degree

in Electrical Engineering Study Program

BLASIUS AIR DAHSYAT PAMUNGKAS

NIM : 10 5114017

ELECTRICAL ENGINEERING STUDY PROGRAM

DEPARTMENT OF ELECTRICAL ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2015


(6)

iii

LEMBAR PERSETUJUAN

TUGAS AKHIR

PENGENALAN NADACETIK SECARA REAL TIME

MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN JARAK

HELLINGER

(REAL TIME TONE RECOGNITION OF CETIK USINGDISCRETE

COSINE TRANSFORM ANDHELLINGER DISTANCE)

disusun oleh :

BLASIUS AIR DAHSYAT PAMUNGKAS

NIM : 10 5114 017

telah disetujui oleh :

Pembimbing


(7)

iv

HALAMAN PENGESAHAN

TUGAS AKHIR

PENGENALAN NADA CETIK SECARA REAL TIME MENGGUNAKAN

DISCRETE COSINE TRANSFORM DAN JARAK HELLINGER

(REAL TIME TONE RECOGNITION OF CETIK USINGDISCRETE COSINE

TRANSFORM ANDHELLINGER DISTANCE) Oleh:

BLASIUS AIR DAHSYAT PAMUNGKAS

Nim : 105114017

Telah dipertahankan di depan Panitia Penguji Pada tanggal 22 Juni 2015

Dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

Ketua : ...

Sekertaris : ...

Anggota : ...

Yogyakarta, Oktober 2015

Fakultas sains dan Teknologi

Universitas Sanata Darma

Dekan,


(8)

v

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa tugas akhir ini tidak memuat karya ataupun bagian dari karya oranglain, kecuali yang telah disebutkan dalam kutipan dan daftar putaka sebagai mana layaknya karya ilmiah.

Yogyakarta, 13 Juli 2015

Penulis


(9)

vi

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

MOTTO

SEMUA BERAWAL DARI IMAJINASI

Persembahan

Karya ini ku persembahakan untuk..

Tuhan yang selalu setia bersamaku,

Bunda Maria pembimbing setia tanpa pamrih,

Keluargaku yang selalu ada untuk selalu member yang terbaik,

Keluarga baru ku, pacarku, adik-adik baru ku yang selalu member motifasi,

Teman- teman Teknik Elektro 2010 yang selalu membantu saat mendapatkan

kesulitan,

Dan semua yang mendoakan dan mendukung karya ini..


(10)

vii

LEMOBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMISI

Yang bertandatangan dibawah ini, saya mahasiswa Universitas Sanata Dharma:

Nama : Blasius Air Dahsyat Pamungkas

Nomor Mahasiswa : 10 5114 017

Dengan pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjuadul :

PENGENALAN NADA CETIK SECARA REAL TIME MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN JARAK HELLINGER

Beserta perangkat yang diperlukan (kalo ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Samata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas dan mempublikasikannya di internet atau media lainnya untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai penulis.

Demikian pernyataa ini saya buat dengan sebenarnya.

Yogyakarta, 13 Juli 2015


(11)

viii

INTISATI

Musik merupakan salah satu hasil dari budaya manusia di samping arsitektur, sastra, dan bahasa. Musik dibagi menjadi dua yaitu musik popular dan musik tradisional. Banyak orang yang belum mengenal alat tradisional, dan belum banyak yang mengerti tentang nada dari alat musik tradisional sebagai contoh cetik. Oleh karena itu diperlukan sistem untuk mengenali nada alat musik tradisional yang berguna untuk mengenali nada. Alat tradisional yang digunakan untuk sistem pengenalan nada ini yaitu cetik.

Sistem pengenalan ini membutuhkan cetik sebagai masukan nada, microphone, untuk merekam nada dari cetik, dan laptop untuk memproses. Sistem pengenalan nada ini melalui beberapa proses meliputi merekam, normalisasi, pemotongan sinyal, frame blocking, windowing, ekstraksi ciri, fungsi jarak, dan penentuan nada.

Sistem pengenalan nada menggunakan ekstraksi ciri DCT, windowing hamming, fungsi jarak Hellinger, dan Thresholding. Tampilan program meliputi hasil perekaman, spectrum ekstraksi ciri DCT, serta tampilan hasil pengenalan (teks). Parameter optimal untuk tingkat pengenalan nada secara 100%, dengan menggunakan nilai frame blocking 64, dan windowing koefisien 80%. Nilai tersebut di dapat dari pengujian program dari semua variasi. Sistem pengenalan nada hanya mengenali nada Do Re Mi Sol La Si Dotinggi.

Kata kunci : cetik, DCT, windowing Hamming, fungsi jarak Hellinger, Thresholding, frame blocking, Windowing koefisien, dan pengenalan nada.


(12)

ix

ABSTRACT

Music is a one creature from human culture beside architech, literature and language. Music divided by two there are music popular and music traditional. Many people doesn`t instrument music tools, example: cetik. Because of that there needed a system to know tune , traditonal music instrument, there are needed to know abaout tune. Traditional instrument uses to knowing tune system there are cetik.

Knowing system need cetik to input tune, microphone to record tunes from cetik and laptop to processing. This knowing tune system through some process there are recording, normalization, signal cutting, frame blocking, windowing, feature ectraction DCT, range function , tune fixed.

Knowing system use extract feature DCT, windowing Hamming, range function Hellinger, and thresholding. Feature program include product of recording, spektrum extraction feature DCT, and feature output knowing (text). Parameter optimum to increase tune knowing on 100% with use of value frame blocking 64 and windowing coefficient 80%. Knowing tune ststem just recognize Do Re Mi Sol La Si Do’.

Key word : Cetik, Discrete Cosine Transform (DCT), Windowing Hamming , range function Hellinger, Thresholding, frame blocking, Windowing Coefficient, and tune recognized.


(13)

x

KATA PENGANTAR

Puji dan Syukur kepada Tuhan Yesus karena telah memberikan Berkat-Nya sehingga penulis dapat menyelesaikan laporan tugas akhir dengan baik, dan memperoleh gelar sarjana.

Dalam penulisan tugas akhir ini, penulis menyadari bahwa tidak lepas dari seluruh bantuan dan bimbingan dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis mengucapkan banyak terimakasih kepada:

1. Tuhan Yesus Kristus atas berkat dan anugerah-Nya kepada penulis 2. Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma.

3. Petrus Setyo Prabowo, S.T., M.T., selaku Ketua Program Studi Teknik Elekro Universitas Sanata Dharma

4. Dr. Linggo Sumarno, selaku dosen pembimbing yang dengan tenang dan penuh kesabaran untuk membimbing dalam menyelesaikan penulisan Tugas Akhir ini. 5. Dr. Iswanjono, Wiwien Widyastuti, S.T., M.T., selaku dosen penguji yang telah

memberikan bimbingan, saran, dan merevisi Tugas Akhir ini.

6. Eyang Putri, Papa dan Mama, Harjan minah, FX hermawan, dan fransiska niluh kertiasih atas perhatian dan doanya kepada penulis.

7. Mbah kung, Bapak dan ibuk , Stephanus Moedjijo Moeljoduhardjo, Vincentius Dwi Juriantoko, dan Maria Margaretha Sri Murahati yang selalu memberikan doa dan mendoakan

8. Om dan bulek , Dr.Yosef Dedy Pradipto, L.Th., M.Hum, dan Cicilia Emitan yang selalu memberikan dukungan, semangat dan doa.

9. Vincentia Diajeng Hapsari Mariantia, yang selalu memberikan doa, tidak bosan- bosannya memberi semangat dan setia dalam menemani penyelesaian tugas Akhir ini.

10.Krisna, tia, dan rendi yang selalu member semangat dan doa.

11.Nikodemos Tyson Awan Mahara, Innocentius Arus Maheri, Brigitta Astut, Felicita Nikita Inori, yang selalu memberikan doa

12.Dionisius Diva Rosarian yang selalu mengajari, member masukan, dan membantu dalam penulisan Tugas Akhir ini.


(14)

xi

13.Antonius Febri Nurcahyo, Andreas Ardy Darmawan, Patrick Cahya Wedha, Deny Rahman Pranyoto, Henrikus Arga, dan Stephanus Sabdo Adi yang tidak bosan- bosannya memberikan dukungan dan semangat.

14.Segenap staff secretariat, dan laboran Teknik Elektro yang telah memberikan dukungan secara tidak langung dalam kelancaran tulisan tugas Akhir ini.

15.Teman- teman Konco Cilik “koncil”, yang selalu mendukung dan mendoakan dalam kelancaran penulisan Tugas Akhir ini.

16.Teman- teman Teknik Elktro 2010 yang telah memberikan semangat pada saat menempuh pendidikan di Universitas Sanata Dharma.

17.Semua Pihak yang tidak bisa disebutkan satu persatu yang telah banyak mendukung, dan memberikan banyak bantuan dalam menyelesaikan Tugas Akhir ini.

Penulis menyadari bahwa dalam penyusunan laporan Tugas Akhir ini masih mengalami kesulitan dan tidak lepas dari kesalahan. Oleh karena itu, penulis mengharapkan masukan, saran ,kritikan yang mendukung agar skripsi ini menjadi lebih baik, dan semoga sripsi ini dapat bermanfaaat sebagaimana mestinya

Penulis


(15)

xii

DAFTAR ISI

HALAMAN JUDUL ... i

HALAMAN PERSETUJUAN ... iii

HALAMAN PENGESAHAN ... iv

PERNYATAAN KEASLIAN KARYA ... v

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP ... vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS ... vii

INTISARI ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI ... xii

DAFTAR GAMBAR ... xvi

DAFTAR TABEL ... xviii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Tujuan dan Manfaat Penelitian ... 2

1.3 Batasan Masalah ... 2

1.4 Metodologi Penelitian ... 3

BAB II DASAR TEORI ... 4

2.1 Cetik ... 4

2.2 Frekuensi Dasar ... 5

2.3 Pengenalan Nada ... 6

2.3.1 Normalisasi ... 6


(16)

xiii

2.3.3 Frame Blocking ... 7

2.3.4 Windowing Hamming ... 7

2.3.5 Discrate Cosine Transform (DCT) ... 8

2.3.6 Jarak Hellinger ... 9

2.3.7 Microphone ... 10

2.3.8 Sound Card ... 11

2.3.9 Matlab ... 12

BAB III PERANCANGAN ... 14

3.1. Sistem Pengenalan Nada ... 14

3.1.1 Cetik ... 14

3.1.2 microphone ... 14

3.1.3 Soundcard ... 15

3.1.4 Proses Perekaman ... 15

3.1.5 Proses Pengenalan ... 15

3.2 Perancangan Nada Referensi ... 15

3.3 Perancangan Sistem Software ... 16

3.3.1 Proses Perekaman ... 17

3.3.2 Normalisasi ... 18

3.3.3 Pemotongan Sinyal ... 19

3.3.4 Frame Blocking ... 19

3.3.5 Windowing Hamming ... 20

3.3.6 Discrate Cosine Transform (DCT) ... 21

3.3.7 Jarak Hellinger ... 22

3.3.8 Penentuan Hasil Nada ... 22

3.4 Tampilan Program ... 23


(17)

xiv

3.5.1 Subsistem Sampling ... 25

3.5.2 Subsistem Pengenalan Nada ... 25

BAB IV HASIL DAN PEMBAHASAN ... 26

4.1. Pengujian Program Pengenalan Nada Cetik Secara Real-Time menggunakan Discrate Cosine Transform dan Jarak Hellinger ... 26

4.1.1 Proses Pengenalan Nada Cetik dengan Menggunakan Langkah- langkah Berikut ... 26

4.1.2 Pengenalan Nada ... 29

4.2. Hasil Pengujian Program Pengenalan Nada Terhadap Terhadap Tingkat Pengenalan Nada Cetik ... 34

4.2.1 Pengujian untuk Menentukan nilai Thresholding ... 34

4.2.2 Pengujian Parameter Pengenalan Nada ... 35

4.2.2.1 Pengujian Secara Tidak Real-Time ... 36

4.2.2.2 Pengujian Secara Real-Tame ... 41

a. Pengujian Tanpa Thresholding ... 42

b Pengujian Mengguanakan Thresholding ... 43

4.2.3 Pengujian dengan Nada Masukan Gamelan Pekhing ... 44

BAB V KESIMPULAN DAN SARAN ... 46

5.1 Kesimpulan ... 46

5.2 Saran ... 46

DAFTAR PUSTAKA ... 47

LAMPIRAN

LAMPIRAN A Percobaan Mencari Spektrum Frekuensi ... L 1

LAMPIRAN B Percobaan Mencari Durasi Perekaman ... L 6

LAMPIRAN C Program Utama ... L 8

LAMPIRAN D Program Fungsi Jarak Hellinger ... L 18


(18)

xv

LAMPIRAN F Program Mencari Persentase ... L 18

LAMPIRAN G Program x ciri ... L 19

LAMPIRAN H Pencarian Nilai Thresholding ... L 21


(19)

xvi

DAFTAR GAMBAR

Gambar 1.1 Blok Model Perancangan... 3

Gambar 2.1 Alat Musik tradisional Lampung Cetik ... 5

Gambar 2.2 Frame Blocking ... 7

Gambar 2.3(a) Sinyal Sinus ... 8

Gambar 2.3(b) Sinyal sinus yang telah melalui proses Windowing ... 8

Gambar 2.4 Contoh DCT dari sinyal dengan menggunakan DCT 256 titik ... 9

Gambar 2.5 Dekstop Microphone Intopic jazz-012 ... 10

Gambar 2.6 Contoh sound card ... 12

Gambar 2.7 Tampilan awal Matlab ... 13

Gambar 3.1 Diagram blok sistem keseluruhan ... 14

Gambar 3.2 Diagram Blok Proses Pengenalan Nada Refrensi ... 16

Gambar 3.3 Diagram Blok Keseluruhan ... 17

Gambar 3.4 Diagram Alir Proses Perekaman... 17

Gambar 3.5 Diagram Alir Proses Normalisasi ... 18

Gambar 3.6 Diagram Alir Proses Pemotongan Sinyal ... 19

Gambar 3.7 Diagram Alir Proses Frame Blocking ... 19

Gambar 3.8 Diagram Alir Proses Windowing Hamming ... 20

Gambar 3.9 Diagram Alir Proses DCT ... 21

Gambar 3.10 Diagram Alir Fungsi Jarak ... 22

Gambar 3.11 Diagram Alir Proses Penentuan Hasil Nada ... 22

Gambar 3.12 Tampilan Program Pengenalan Nada Alat Musik Cetik ... 24

Gambar 4.1 Ikon Matlab 7.0.4 ... 26

Gambar 4.2 Tampilan Matlab ... 27

Gambar 4.3 Tampilan Program Pengenalan Nada Cetik... 27

Gambar 4.4a Pengaturan Variasi DCT ... 28


(20)

xvii

Gambar 4.4c Pengaturan Thresholding ... 28

Gambar 4.5 Tampilan Hasil Penentuan Nada Cetik ... 28

Gambar 4.6 Pengaruh panjang DCT, n, Terhadap hasil Pengenalan, p=30% ... 38

Gambar 4.7 Pengaruh Windowing koefisien terhadap hasil Pengenalan ... 41


(21)

xviii

DAFTAR TABEL

Tabel 2.1 Penyebutan Notasi Nada ... 4

Tabel 2.2 Interval Nada ... 5

Tabel 2.3 Spesifikasi desktop microphone Intopic jazz-012 ... 11

Tabel 3.1 Keterangan Tampilan GUI ... 24

Tabel 3.2 Lanjutan Keterangan Tampilan GUI ... 25

Tabel 4.1 Hasil Nilai Thresholding ... 35

Tabel 4.2 Hasil Pengenalan secara Real-Tame tanpa Thresholding ... 42

Tabel 4.3 Hasil Pengujian Secara Real-Tame dengan menggunakan Thresholding ... 43


(22)

1

BAB I

PENDAHULUAN

1.1.

Latar Belakang

Musik merupakan salah satu hasil dari budaya manusia disamping ilmu pengetahuan, arsitektur, sastra dan bahasa. Musik berasal dari kata muse yang berarti satu dewa. Tidak hanya itu, musik juga merupakan suatu karya seni berupa bunyi dalam bentuk lagu atau komposisi yang mengungkapkan emosi dari pemain musik itu sendiri [1]. Musik sendiri dibedakan menjadi musik populer dan musik tradisional. Musik populer dapat berupa jazz, pop, rock, dan lain sebagainya. Sedangkan musik tradisional dapat berupa keroncong, karawitan, dan lain sebagainya. Selain itu, musik tidak bisa lepas dari adanya alat musik, yaitu; alat musik populer dan alat musik tradisional. Alat musik populer meliputi key board, drum, guitar, dan lain sebagainya. Sedangkan alat musik tradisional terdiri dari gamelan Jawa, sasando, cetik, dan lain sebagainya. Berkaitan dengan hal tersebut, hampir seluruh wilayah Indonesia mempunyai alat musik tradisional yang khas dan unik. Salah satunya yaitu alat musik cetik.

Cetik merupakan alat musik tradisional yang sudah ada pada zaman skala brak [2]. Namun, seiring dengan berkembangnya zaman, alat musik cetik mulai ditinggalkan. Hal ini juga berimbas pada masyarakat yang tidak mengenal cetik, bahkan tidak dapat memainkan alat musik ini. Oleh karena itu, sangat diperlukan adanya sistem dalam mengenali nada pada cetik. Berkaitan dengan hal tersebut, terdapat penelitian-penelitian yang juga membahas mengenai pengenalan nada pada alat musik. Salah satunya adalah penelitian yang berjudul “Pengenalan Nada Gamelan Kenong Secara Real Time Menggunakan Ekstrasi Ciri DCT Dan Fungsi Jarak Chebyshev” yang dilakukan oleh Yogi Isworo[3]. DCT sendiri juga dapat digunakan untuk pengenalan suara ucap seperti manusia dan dapat digunakan untuk pengenalan pada suara alat musik. Penelitian tersebut mengenalkan nada alat musik dengan menggunakan ekstrasi DCT dan fungsi jarak Chebyshev. Oleh karena itu, melalui penelitian kali ini, penulis ingin mengembangkan pengenalan nada, dengan alat musik yang berbeda yaitu cetik dan dengan menggunakan jarak Hellinger.


(23)

Penelitian kali ini, nada cetik akan dikenali oleh sistem. Setelah alat musik cetik dipukul, nada akan diolah melewati frame blocking terlebih dahulu. Kemudian hasil dari frame blocking akan dinormalisasi. Setelah itu, menuju ke proses berikutnya dengan menggunakan windowing Hamming. Dari proses windowing Hamming, nantinya akan melalui proses Discrite Cosene Transform (DCT), yang kemudian akan memasuki proses perhitungan jarak menggunakan perhitungan jarak Hellinger. Setelah itu, pada data base hasil perhitungan jarak Hellinger tadi akan dicocokkan, sehingga mendapatkan hasil yaitu pengenalan nada. Dengan adanya sistem ini, penulis berharap bahwa nantinya akan berguna untuk membantu pengguna dalam mengenali nada dan memainkan alat musik cetik.

1.2.

Tujuan dan Manfaat

Tujuan dari penulisan tugas akhir ini adalah menghasilkan sistem pengenalan nada pada alat musik cetik.

Manfaat dari penelitian ini antara lain:

a. Sebagai alat bantu masyarakat dalam mengenali nada pada alat musik cetik b. Sebagai alat bantu bagi pengrajin alat musik tradisional cetik untuk mencari

nada.

1.3.

Batasan Masalah

Sistem pengolahan nada pada alat musik cetik terdiri dari hardware dan software. Fungsi dari pada hardware itu sendiri, yaitu untuk memasukan nada yang dimainkan pada alat musik cetik. Sedangkan software yang berada pada komputer guna mengatur semua proses pengenalan suara yang dimainkan alat musik cetik.

Alat yang digunakan meliputi laptop, microphone, dan alat musik cetik. Pada perancangan sistem ini, penulis fokus pada pembuatan software. Penulis menetapkan batasan masalah yang dianggap perlu pada perancangan ini, yaitu sebagai berikut:

a. Nada cetik berupa do, re, mi, sol, la, si, do b. Hasil pengolahan secara real time

c. Menggunakan perangkat lunak/software matlab dalam pembuatan program d. Menggunakan microphone Intopic jazz-012


(24)

1.4.

Metode penelitian

Pada kesempatan kali ini, penulis menggunkan metode sebagai berikut: a. Pengumpulan bahan- bahan literatur berupa buku, jurnal, dan artikel. b. Perancangan subsistem software

Tahap ini bertujuan untuk mencari bentuk model yang optimal daripada sistem yang akan dibuat dengan pertimbangan dari faktor- faktor permasalahan yang ada dan kebutuhan- kebutuhan yang telah ditentukan. Perancangan sistem pada penelitian ini dapat dilihat pada gambar 1.1.

Gambar 1.1 Blok Model Perancangan

c. Pembuatan subsistem software

Penulis menggunakan software matlab untuk pembuatan program pengenalan nada cetik. Program akan bekerja jika user memberikan perintah melalui komputer, dengan media push button yang telah disediakan pada program pengenalan nada cetik. Program akan mengolah perintah yang telah diterima dan memulai proses recording sampai user memberikan perintah kembali untuk menghentikan proses recording. Setelah proses recording, user memberikan perintah untuk memulai proses pengenalan nada, dan komputer akan mengolah nada kemudian menyajikan sebagai sebuah informasi.

d. Analisa dan penyimpulan hasil percobaan

Analisa data dilakukan dengan meneliti pengaruh variasi DCT, frameblocking, windowing koefisien DCT, serta memeriksa keakuratan data terhadap hasil proses pengolahan nada, dengan cara membandingkan antara data di komputer dengan data dilapangan.


(25)

4

BAB II

DASAR TEORI

2.1.

Cetik

Cetik merupakan alat tradisional Lampung yang berasal dari kerajaan skala brak di dataran bengkulu. Menurut seniman asal lampung Wirda Puspanegara, alat musik cetik ini diperkirakan sudah ada sejak abad 485 SM. Masyarakat lampung menyebut alat musik tersebut dengan sebutan gamolan [2].

Gamolan itu sendiri berasal dari kata gamol yang artinya gemuruh. Suara gemuruh tersebut berasal dari suara yang dihasilkan oleh bambu. Selain itu, Harry Djayaningrat yang merupakan pencetus kata cetik menyebut gamolan pheking dengan kata cetik, karena menghasilkan bunyi “tik-tik”, meskipun yang disebut cetik sebenarnya merupakan alat pemukulnya. Cetik sendiri mempunyai notasi nada yang dapat diperlihatkan pada tabel 2.1.

Tabel 2.1 Penyebutan notasi nada

Notasi Angka 1 2 3 5 6 7 I

Tangga Nada Do Re mi sol la si Do

Pembacaan nada cetik Sai wajai khwa khitu khop kayo Sai

Jenis tabuhan cetik memiliki beberapa macam yang disesuaikan dengan kegunaannya, seperti penjelasan berikut :

2.1.1. Sambai

Biasanya tabuhan ini digunakan untuk mengiringi tari hali bambang (tari penyambutan tamu).

2.1.2. Jekhang


(26)

2.1.3. Sekelik

Tabuhan ini digunakn untuk mengiringi pelepasan pengantin wanita atau untuk perpisahan.

2.1.4. Labung angin

Tabuhan ini biasanya digunakan saat terjadi musibah. Selain itu, alat musik cetik dapat dilihat pada gambar 2.1.

Gambar 2.1 Alat musik tradisional Lampung CETIK

2.2.

Frekuensi Dasar

Nada pada dasarnya merupakan nada yang kompleks, yaitu terdiri atas satu atau lebih frekuensi didalamnya. Frekuensi yang paling dasar dalam sebuah nada biasa disebut sebagai fundamental frequency atau frekuensi dasar. Frekuensi dasar ini yang menentukan pitch dari keseluruhan nada.

Frekuensi nada A dalam musik secara internasional adalah 440Hz, frekuensi nada- nada yang lain dapat di tentukan berdasarkan interval nada. interval nada dari setiap nada adalah

Tabel 2.2 interval nada

Nada C D E F G A B C’

Persamaan Do Re Mi Fa Sol La Si Do’

Perbandingan frekuensi 24 27 30 32 36 40 45 48


(27)

2.3.

Pengenalan Nada

Nada merupakan tinggi rendahnya bunyi [4]. Dengan kata lain, pengenalan nada adalah suatu proses untuk mengenali tinggi rendahnya bunyi yang keluar dari ucapan manusia maupun dari alat yang dapat mengeluarkan suara [5]. Pengenalan nada berfungsi agar suara dapat dikenali atau diidentifikasi sehingga dapat dimanfaatkan untuk mengenali bunyi yang mempunyai nada- nada, seperti yang di hasilkan oleh alat musik.

Pengenalan ini menggunkan beberapa proses. Berikut merupakan beberapa proses dalam pengenalan nada:

2.3.1. Normalisasi

Normalisasi merupakan suatu cara untuk mengatasi jarak antara sumber suara dengan mikrofon. Pada perekaman atau pengambilan suara ini perlu adanya normalisasi supaya amplitudo nada saat dimainkan dapat menjadi maksimal [6]. Normalisasi amplitudo dilakukan dengan cara membagi semua nilai input dengan nilai maksimum dari input sendiri, sehingga untuk semua sinyal masukan memiliki nilai maksimum yang sama yaitu 1 (satu).

2.3.2. Sampling

Sampling merupakan proses pencuplikan gelombang suara yang akan menghasilkan gelombang diskrit termodulasi suara[7]. Pada proses sampling ini, ada juga yang disebut dengan laju pencuplikan (Sampling rate). Fungsi daripada sampling rate ini untuk menandakan jumlah pencuplikan gelombang analog dalam 1,5 detik[8].

Proses sampling rate ini harus memenuhi kriteria Nyquist. Kriteria Nyquist berbunyi: Frekuensi pencacah harus minimal dua kali frekuensi tertinggi (bukan bandwidth) yang dikandung oleh sinyal asli. Hal ini dikarenakan jika kurang dari syarat Nyquist maka hasil sinyal pencacah tidak dapat mepresentasikan sinyal analog asli [9]. Selain itu, penulisan secara matematis dari sampling dapat dilihat dibawah ini.

Dimana: fs = Frekuensi sampling (sampling rate) fm = Frekuensi tertinggi sinyal analog

2.3.3. Frame Blocking

Frame Blocking adalah pembagian sinyal suara menjadi beberapa frame / bagian dan biasanya untuk satu frame / bagian terdiri dari beberapa data sample. Pembagian frame


(28)

blocking memiliki jumlah data yang sama yaitu 2N data. Frame blocking itu sendiri berfungsi untuk memilih data yang akan diproses dalam sistem pengenalan nada [10]. Berikut merupakan gambar dari frame blocking yang dapat dilihat pada gambar 2.2.

Gambar 2.2 Frame blocking[10]

2.3.4. Windowing Hamming

Pengenalan nada pada alat musik cetik ini menggunakan windowing Hamming. Windowing berfungsi untuk menghilangkan discontinuitas. Terjadinya discontinuitas diakibatkan oleh proses Frame Blocking atau Framing [11]. Untuk mendapatkan hasil yang maksimal pada proses DCT, maka sample suara yang telah dibagi menjadi beberapa frame perlu di jadikan suara continu dengan cara mengkalikan tiap frame windowing tertentu. Pada pengenalan nada alat musik cetik, windowing yang digunakan adalah windowing Hamming. Berikut ini merupakan persamaan dari windowing Hamming :

( )

Dimana : w(n)= windowing

N = jumlah data dari sinyal

n = waktu diskrit ke-

Sedangkan hasil dari proses windowing Hamming dapat dilihat pada gambar 2.3, dimana sinyal cossinus (gambar 2.3a) dikalikan dengan persamaan windowing, sehingga menghasilkan sinyal seperti yang ditunjukan pada gambar 2.3(b).


(29)

(a)

(b)

Gambar 2.3(a)sinyal sinus, (b) sinyal sinus yang telah melalui proses windowing[12]

2.3.5. Discrete Cosine Transform (DCT)

Discrete Cosine Transform (DCT) merupakan teknik untuk mengubah sinyal kedalam komponen frekuensi dasar [3]. Pada dasarnya setelah mengekstraksi ciri, setiap koefisien transform dapat dikodekan secara independen tanpa kehilangan efisiensi kompresi. Rumus DCT yang paling umum yaitu:

Dengan :

{

Terlihat DCT sinyal hasil windowing terlihat bersih, dikarenakan sinyal- sinyal frekuensi tinggi tidak tampak seperti yang terlihat pada gambar 2.4 [4]


(30)

Gambar 2.4. Contoh DCT dari sinyal dengan menggunakan DCT 256 titik [13].

2.3.6. Jarak Hellinger

Jarak Hellinger berfungsi untuk mencari kedekatan antara dua obyek. Jarak Hellinger itu sendiri didefinisikan sebagai vektor yang mempunyai nilai positif atau nol elemen [14]. Jarak hellinger di rumuskan sebagai berikut (lihat persamaan 2.6) :

√ ∑ √ √

Dengan : = jarak Hellinger

n = panjangvektor

Pi = Nilai dari ekstraksi ciri masukan

Q1 = Nilai dari ekstraksi ciri Database

2.3.7. Microphone

Microphone merupakan suatu jenis tranduser yang mengubah energi akustik gelombang menjadi sinyal suara. Jenis- jenis mikrofon antara lain [14] ;

a. Microphone Dinamis

Microphone dinamis adalah microphone yang menggunkan prinsip kerja induksi. b. Microphone Carbon.

Mikrophone carbon adalah microphone yang menggunkan prinsip kerja resistansi (tahanan) yang berubah- ubah.

c. Microphone Kondensor

Microphone kondensor adalah microphone yang dalam kerjanya menggunakan kondensator


(31)

Pada dasarnya fungsi microphone berguna untuk merubah suara menjadi getaran listrik menjadi sinyal analog. Berikut merupakan karakteristik microphone yang harus selalu di ketahui agar mendapatkan hasil keluaran suara yang sesuai dengan keinginginan : a. Daerah respon frekuensi suara yang mampu dicuplik mikrofon

b. Sudut atau arah mikrofon

c. Output dari pada sinyal listrik yang dihasilkan mikrofon d. Bentuk fisik dri mikrofon

e. Cara kerja mikrofon

Dalam penggunaan microphone supaya mendapatkan hasil yang baik, maksimal, dan efektif, maka disarankan menggunakan mikrofon yang sesuai dengan kebutuhan dan seimbang antara sumber suara yang ingin dicuplik. Berikut merupakan gambar daripda mikrofon yang digunkan untuk pengenalan nada alat musik cetik :

Gambar 2.5 Dekstop Microphone Intopic jazz-012 [15]

Setiap mikrofon mempunyai spesifikasi dan kegunaan yang berbeda pula, berikut ini merupakan spesifikasi dari Dekstop Microphone Intopic jazz-012yang di tunjukan pada tabel 2.2.

Tabel 2.3 Spesifikasi dekstop microphone Intopic jazz-012 [15]

Frequency Response 100-16KHz

Sensitivity -58dB ± 3dB

Output Impedance 2.2KΩ

Microphone Spesification Speaker Dimension : L= 24.5 cm W= 8 cm H= 8 cm

Cable length Approx. 2.5m ± 0.3m


(32)

Tabel 2.3 (Lanjutan) Spesifikasi dekstop microphone Intopic jazz-012 [15] Others Features Turning Direction : 360 degrees

Dimension (WHD) 250(H) x 75(W) x 80(D) mm

Weight 220 gram (On Blister Package)

2.3.8. Sound Card

Sound card atau kartu suara merupakan perangkat keras komputer yang berfungsi untuk mengolah data berupa audio maupun video[16]. Fungsi daripada sound card antara lain sebagai synthesizew, sebagai MIDI interface, dan pengonfeksian data analog ke digital maupun dari data digital ke data anaog. Terdapat beberapa jenis sound card antara lain[17]:

a. Sound card On Board

Sound card yang masih menjadi satu dengan motherbord b. Sound Card PCI

Sound card PCI merupakan soundcard yang dipasang pada slotPCI motherboard. c. Sound card External

Sound card yang dipasang seperti USB

Tidak hanya itu, cara kerja sound card umumnya terdiri dari beberapa tahap, misalnya

a. Data digital yang berupa waveform atau .mp3 dikirimkan ke sound card.

b. Data digital tersebut kemudian di proses oleh DSP (Digital Sinyal Processing), dan DAC (Digital Analog Converter).

c. Kemudian mengubah sinyal digital menjadi sinal analog.

d. Kemudian sinyal analog diperkuat dan dikeluarkan melalui speaker Gambar sound card pada umumnya dapat dilihat pada gambar 2.6.


(33)

2.3.9. Matlab

Matlab merupakan singkatan dari Mattrix Lboratory. Sofware ini pertamakali dibuat untuk mempermudah penggunaan dua koleksi subrutin pada pustaka FORTRAN yaitu, LINPACK dan EISPACK, dalam mengenali komputasi matriks[8]. Sejak itu pula matlab mulai berkembang sebagai sistem interaktif.

Selain itu, matlab sendiri merupakan bahasa pemrograman yang hadir dengan fungsi dan karaktersistik yang berbeda dengan bahasa pemrograman lain yang sudah ada lebih dahulu seperti Delphi, Basic maupun C++ [6]. Pada matlab tersebut terdapat bagian- bagian utama yang mendukung antara lain[8] :

a. Development Envitonment

Bagian ini menunjukan kumpulan semua alat dan fasilitas yang diberikan oleh software, yang berfungsi membantu kita dalam menggunakan fungsi matlab. Development ini memuat desktop, command window, command history, editor and debugger, dan browser.

b. The matlab Mathematical Function library

Bagian ini terdapat koleksi algoritma komputasi, mulai dari fungsi yang sederhana hingga yang sulit sekalipun.

c. The matlab language

Berisi bahasa pemrograman matriks/ array level tinggi serta fitur objek programming lainnya.

d. Graphics

Matlab memberikan fasilitas untuk menampilkan matriks sebagai grafik. Fasilitas ini mencakup data dua dimensi dan tiga dimensi.

e. The matlab Application Program Interface (API)

Bagian ini memungkinkan kita untuk menulis bahasa C dan Fortan yang berinteraksi dengan matlab.

Saat ini Matlab memiliki ratusan fungsi yang dapat digunakan sebagai problem solver mulai dari yang sederhana hingga yang lebih kompleks dari berbagai disiplin ilmu [6]. Gambar 2.7 menunjukan tampilan awal dari software matlab.


(34)

(35)

14

BAB III

PERANCANGAN

3.1

Sistem Pengenalan Nada

Sistem pengenala nada merupakan sistem yang dapat mengenal nada pada alat musik. Sistem pengenalan nada ini menggunkan software. Tujuan dari sofware sendiri berfungsi untuk user interface. Selain itu, software dibuat menggunkan program Matlab. Fungsi dari software ini memudahkan pengguna untuk membuat sebuah sistem pengenalan nada. Selain itu, peran software juga digunakan untuk melakuan proses pengenalan seperti perekaman suara, sampai suara yang dikenali. Sistem ini dilakukan secara real time. Komponen yang dibutuhkan yaitu alat musik cetik, microphone, soundcard, dan laptop. Ada pula proses perekaman yang dilakukan untuk pengenalan nada alat musik cetik. Gambar 3.1 memperlihatkan gambar diagram blok sistem keseluruhan

Gambar 3.1 Diagram blok sistem keseluruhan 3.1.1 Cetik

Cetik merupakan alat musik yang berfungsi sebagai sumber suara dalam proses pengenalan suara. Nada cetik yang dihasilkan yaitu 1 (do), 2(re), 3(mi), 5(sol), 6(la), 7(si), i(do tinggi). Alat musik cetik tidak menggunkan nada 4(fa) dikarenakan alat musik cetik ini termasuk jenis alat musik pentatonis.

3.1.2 Microphone

Pada pengenalan nada alat musik cetik ini microphone berfungsi untuk merekam suara dan menangkap suara. Jenis microphone yang digunakan yaitu jenis dekstop microphone intopic jazz-012. Jarak microphone pada pengenalan nada cetik ini yaitu 5cm,


(36)

10cm, dan 15cm, jarak tersebut berguna sebagai pembanding dalam perekaman nada cetik, sehingga menghasilkan sinyal nada yang di inginkan.

3.1.3 Sound Card

Sound card pada pengenalan nada alat musik cetik ini berguna untuk menggubah sinyal analog menjadi digital. Untuk pengkonversian sinyal analog menjadi sinyal digital memerlukan pengaturan sampling rate (frekuensi sampliing). Pengaturan sampling rate dilakukan pada proses perekaman dengan program yang akan dibuat. Sound card yang digunkan sound card yang sudah menjadi satu dengan laptop.

3.1.4 Proses Perekaman

Proses perekaman merupakan proses masukan data nada cetik berupa sinyal digital. Proses perekaman berawal dari sinyal analog di konversi menjadi sinyal digital kemudian sinyal yang terekma tersebut di simpan. Sinyal digital ditampilkan dalam bentuk plot. Nada yang disimpan di sebut juga nada terekam. Nada yang telah direkam dan disimpan akan melalui proses selanjutnya proses pengenalan nada.

3.1.5 Proses Pengenalan

Proses pengenalan merupakan prosses dimana nada terekam akan dikenalai nadanya. Proses pengenalan nada ini melalui beberapa tahap yaitu tahap frame blocking, normalisasi, windowing dalam pengenalan nada cetik ini menggunkan windowing Hamming, DCT, fungsi jarak Hellinger dan yang terakhir yaitu penentuan nada.

3.2

Perancangan Nada Referensi

Untuk merancang suatu pengenalan nada maka dibutuhkan nada acuan atau sering disebut dengan nada referensi. Nada referensi diperlukan sebagai database yang nantinya akan dibandingkan dengan nada yang akan dikenali. Sistem pengenalan nada cetik ini menggunakan 10 nada sebagai nada uji dan 10 nada yang lainnya sebagai nada referensi sebagai database. Nada uji yang telah di dapat akan diproses sehingga mendapatkan ekstraksi ciri, dari kesepuluh nada uji tersebut dicari nilai rata-ratanya. Pengambilan nada untuk nada referensi melalui proses sampling, normalisasi, pemotongan sinyal, frame blocking, windowing, DCT dan windowing koefisien. Untuk mendapatkan nada referensi maka dilakukan perhitungan persamaan 3.1:


(37)

Nada referensi yang telah di dapat akan disimpan dalam fungsi yang ada dalam sistem pegenalan nada alat musik cetik. Nada referensi yang disimpan dalam sistem pengenalan nada alat musik cetik ini berfungsi jika sewaktu-waktu dibutuhkan dapat langsung dipanggil dalam proses fungsi jarak yang ada dalam sistem.

Mulai

i = 1 Masukan Nada

Cetik

Membagi data dengan nilai max (Normalisasi)

Nada akan dipotong pada nada awal (Pemotongan sinyal)

Menentukan data yang diambil menurut Frame (Frame blocking)

Perkalian elemen antara hasil frame blocking

dengan hasil windowing Hamming

Ekstraksi ciri DCT

i = i + 1

simpan

i <= 10

Keluaran nada refrensi

Menentukan rata- rata setiap nada referensi

selesai

Ya

Tidak

Gambar 3.2 Diagram Blok Nada Referensi

3.3

Perancangan Sistem Software

Pada pengenalan nada alat musik cetik ini terdapat proses- proses yang perlu di lakukan. Bermula dari perekaman hingga hasil akhir yang menghasilkan tampilan nada yang di inginkan. Sistem pengenalan nada cetik ini terdiri dari software yang berfungsi sebagai user interface. Gambar 3.3 menunjukan diagram ke seluruhan pengenalan nada alat musik cetik


(38)

Rekaman

Normalisasi

Pemotongan Sinyal

Frame Blocking

Windowing Ekstraksi ciri DCT Fungsi Jarak Hellinger

Penentuan Hasil

Data Base

Masukan Nada Cetik (.wav)

Mulai (Pengenalan nada)

Keluaran Teks Selesai

Gambar 3.3 Diagram Blok Keseluruhan

3.3.1 Proses Perekaman

Mulai Sample_frek= 2000Hz

Sample_length= 1,5 Masukan (nada cetik Samling Suara

y=wavrecord(1.5*fs,fs,'double')

Keluaran Nada terekam(.wav)

Selesai

Gambar 3.4 Diagram Alir Proses Perekaman

Pada tahapan perekaman terdapat pula proses - proses yang perlu dilalui. Pada proses perekaman terdapat proses delay dan sampling sebelum selesai perekaman. Fungsi delay yaitu untuk memberi jeda pada user untuk melalukan perekaman. Proses perekaman ini juga menggunakan frekuensi sampling yang sesuai dengan karakter alat musik cetik. Panjang pencuplikan dalam proses ini sebesar 2000Hz, nilai tersebut berasal dari perkalian antara frekuennsi sampling dan waktu pencuplikan. Dengan durasi pencuplikan sebesar 1.5 detik. Hasil keluaran proses berupa .wav.


(39)

3.3.2 Normalisasi

Mulai

Masukan Hasil rekaman (.wav)

Keluaran Hasil normalisai

Selesai Normalisasi

x1=x/max(x)

Gambar 3.5 Diagram Alir Proses Normalisasi

Pada proses normalisasi, sinyal suara atau sinyal nada harus mempunyai nilai maksimum. Normalisasi berfungsi untuk mengkonversi data maksimum dalam deret sinyal nada, yang bernilai |1|. Ada pula perintah yang digunakan untuk mengkonversi menjadi data maksimum yaitu

Setelah pencarian nilai maksimum maka yang harus dilakuakn adalah proses normalisasi dengan cara membagi data dengan nilai maksimum berikut perintah yang digunakan untuk membagi xnorm=xframe/xmax

Setelah mendapatkan pembagian nilai maksimum maka akan mendapatkan hasil yang berbentuk matriks sebagai nilai masukan. Dibawah ini merupakan diagram alir normalisasi untuk pengenalan nada alat musik cetik

3.3.3 Pemotongan Sinyal

Mulai Masukan hasil

Normalisasi

Menentukan variabelbatas potong |0.2| (dilihat pada lampiran secara visual)

Keluaran Hasil pemotongan

selesai

Gambar 3.6 Diagram Alir Proses Pemotongan Sinyal

Proses setelah normalisasi yaitu proses pemotongan sinyal. Pemotongan sinyal berguna untuk memotong kekosongan pada sinyal nada atau data nada yang terdapat pada


(40)

awal dan akhir sinyal.Proses pemotongan sinyal ditentukan oleh variabel batas potong. Dengan cara visual (pada lampiran 2) maka penulis dapat menggunakan |0,2| sebagai batas potong, untuk menghilangkan kekosongan pada sinyal nada cetik.

Pemotongan sinyal yang dilakukan adalah masukan yang berupa sinyal nada cetik akan dipotong pada sisi kiri, dan akan menghasilkan sinyal nada cetik dan akan menghasilkan keluaran data nada cetik dan akhir data nada cetik.

Proses pemotongan sinyal ini bergantung nilai batas potong yang terdapat pada m-file. Proses pemotongan sinyal bagian awal akan dipotong bagian awalnya, sehingga memperoleh data nada cetik dan data akhir. Proses pemotongan sinyal dapat dilihat gambar3.6

3.3.4 Frame Blocking

mulai

Masukan : Nada Pemotongan Sinyal

Frame = 16 Frame = 32 Frame = 64 Frame = 128 Frame = 256 Ambil data sesuai

frame

Keluaran : Hasil frame blocking

selesai

Tidak Tidak Tidak Tidak

Ya Ya Ya Ya Ya

Gambar 3.7 Diagram Alir Proses Frame Blocking

Selesai proses pemotongan sinyal maka proses yang selanjutnya dilakukan adalah proses frame blocking. Frame blocking bertujuan untuk mengurangi jumlah data sinyal yang akan di proses.

Proses frame blocking menggunakan beberapa variable yaitu 16. 32. 64. 128, dan 256. Frame blocking bertujuan mengurangi jumlah data sinyal yang akan diproses. Proses ini, sample diambil dari data nada terekam yang telah melewati proses pemotongan sinyal. Nada terekam diperoleh dari data sampling. Langkah pertama yaitu dengan pemotongan sinyal untuk bagian kiri.Dari titik samping kiri yang didapat di tentukan besar data yang akan di ambil untuk proses pengenalan nada selanjutnya.


(41)

3.3.5 Windowing Hamming

Mulai

Masukan : Hasil frame blocking

Perkalian elemen antara hasi frame blocking dengan windowing

(w=hammingx(frame)

Keluaran : Hasil windowing

selesai

Gambar 3.8 Diagram Alir Proses Windowing Hamming

Tahab setelah normalisasi yaitu hatap windowing. Untuk pengenalan nada alat musik cetik ini menggunakan windowing Hamming sebagai proses selanjutnya. Fungsi dari pada proses windowing ini untuk mengurangi efek diskontinuitas saat sinyal ditransformasikan ke domain frekuensi. Digunakannya windowing Hamming dikarenakan windowing Hamming mempunyai main lobe cukup besar dan side lobe yang kecil.

Pada proses windowing hamming, melakukan perhitungan dengan menggunakan nilai frame yang digunakan ke dalam persyaratan (2.2). Nilai frame yang digunakan

dinyatakan dengan “k”. hasil proses windowing ini berupa matriks

[ ]

. Hasil windowing

ini yang selanjutnya menjadi masukan proses ekstraksi ciri DCT.

3.3.6 Discrete Cosine Transform(DCT)

Mulai

Masukan : Hasil Windowing (wi)

dctx=x(n)*cos((pi*(2*n-1)*(k-1))/(2*N));

Perhitungan DCT y=abs(dctx(wi))

Pilih Windowing koefisien

Keluaran : Hasil ekstraksi ciri DCT

Selesai


(42)

Setelah proses windowing proses selanjutnya adalah proses pengekstraksian ciri. Pada pengenalan nada alat musik cetik ekstraksi ciri menggunakan DCT dengan rumus yang dapat dilihat pada persamaan (2.3)

Untuk sistem pengenalan nada alat musik cetik ini menggunakan windowing koefisien DCT. DCT adalah pengubahan sinyal dari ranah waktu menjadi ranah DCT [18]. Sebagian sinyal diambil dari koefisien DCT yang dapat digunakan sebagai ekstraksi ciri. Untuk pengambilan sebagian sinyal dapat diambil dari koefisien DCT 1 hingga nilai ke-n (ke-nilai maksimal), deke-ngake-n n adalah panjang DCT. Dalam proses pengenalan nada alat musik cetik ini dievaluasi sejumlah n dari panjang frameblocking yaitu 16, 32, 64, 128, dan 256 titik. Dari panjang setiap n framebloking akan dipilih sejumlah c koefisien dengan rumus

Dengan : p = persentase windowing koefisien (10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, dan 100%).

n = panjang framebloking

3.3.7 Jarak Hellinger

Selesai Masukan : hasil DCT dan data base

Mulai

Penentuan Jarak Dengan Jarak Hellinger

Keluaran : Daftar perhitungan jarak

Gambar 3.10 Diagram Alir Proses fungsi jarak

Proses selanjutnya yaitu proses fungsi jarak, pada pengenalan nada cetik ini menggunakan jarak Hellinger. Fungsi daripada jarak Hellinger yaitu untuk mencari kedekatan antara dua obyek atau mencari kedekatan antara dua vektor. Gambar 3.10 menunjukan diagram alir proses fungsi jarak.


(43)

3.3.8 Penentuan hasil Nada

Mulai

Masukan :Hasil Daftar jarak Hellinger (h)

Thresholding? Tidak Dikenali Keluaran Hasil bentuk Teks Selesai Ya Ya Nadaout=1 & r>Th1 Nadaout=2 & r>Th2 Nadaout=3 & r>Th3 Nadaout=4 & r>Th4 Nadaout=5 & r>Th5 Nadaout=6 & r>Th6 Nadaout=7 & r>Th7

Tidak Tidak Tidak Tidak Tidak Tidak

Ya Ya Ya Ya Ya Ya

Tidak Mencari jarak minimum

Nadaout = angka nada dengan jarak minimum

Hasil= Konversi angka nadake teks

nada Tidak Dikenali Tidak Dikenali Tidak Dikenali Tidak Dikenali Tidak Dikenali Tidak Dikenali Tidak

Gambar 3.11 Diagram Alir Proses Penentuan Hasil Nada

Pada proses penentuan hasil nada ini dapat dilihat bahwa terdapat beberapa bagian yang mendukung dari awal hingga akhir. Bermula dari masukan yang berupa hasil daftar jarak Hellinger yang telah diperoleh dari perhitungan sebelumnya (subbab sebelumnya). Dari daftar hasil maka di cari nilai jarak minimum, dengan mensortir dari angka terkecil hingga terbesar. Setelah mendapatkan jarak minimum maka akan mendapatkan nadaout yang berisi angka nada dengan jarak Hellinger.

Langkah selanjutnya yaitu langkah untuk memilih variasi yang digunakan. Variasi tersebut adalah Thresholding. User dapat memilih menggunakan Tresholding atau tidak menggunankan Tresholding. Jika user memilih utnuk menggunakan Thresholding maka langkah selanjutnya mengetahui apakah nada tersebut terdeteksi dengan nada yang di inginkan (Do, Re, Mi, Sol, La, Si, Dotinggi) atau terdeteksi error (Tidak Dikenali). pendeteksian tersebut dilihat dari nilai “Th”. “Th” merupakan nilai Thresholding, Nilai Th di peroleh dari jarak maksimum setiap nada. Untuk “r” merupakan jarak minimal yang di peroleh saat penggujian secara real-tame. Jika r lebih besar daripada Th maka nada akan dikenali dengan “Tidak Dikenali”, sedangkan jika nilai r tidak lebih daripada Th maka akan dikenali dengan hasil yang di inginkan.

Untuk menggunakan pilihan tidak menggnakna Threshodling maka nadaout yang dihasilkan dalam proses sebelumnya akan langsung mendapatkan hasil akan di konversikan dari angka nada ke teks nada setelah itu masuk hasil penentuan teks.


(44)

User dapat mengulangi kembali pencarian nada dengan cara menekan tombol reset dan mulai merekam kembali dengan nada yang berbeda. Jika user ingin mengakhiri program maka user dapat memilih opsi keluar. Gambar 3.11 menunjukan diagram alir proses penentuan hasil rekaman.

3.4

Tampilan Program

Tampilan program menggunkan tampilan pada GUI matlab. GUI merupakan tampilan program interface dengan user. Fungsi GUI yaitu untuk memudahkan user mengoprasikan sistem pengenalan nada alat musik cetik. Program GUI pengenalan nada cetik ini menampilakn plot hasil ekstraksi ciri DCT, dan plot hasil perkaman. Selain memberikan plot hasil DCT dan plot hasil perekaman , program ini juga memberikan tampilan untuk nilai variasi DCT yang ingin digunakan user. Gambar 3.6 memperlihatkan tampilan daripada GUI

Gambar 3.12 Tampilan Program Pengenalan Nada Alat Musik Cetik Tabel 3.1 Keterangan Tampilan GUI

Nama Bagian Keterangan

Tombol rekam Berfungsi untuk mengambil suara

nada alat musik cetik

Nada yang dikenal Nada yang keluar saat terdeteksi saat

proses pengenalan suara

Variasi frameblocking Untuk variasi frameblocking


(45)

Tabel 3.1 (Lanjutan) Keterangan Tampilan GUI

Variasi Windowing koefisien DCT Untuk variasi Persen Koefisien DCT menggunakan 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%

Variasi Thresholding Dapat memilih : Ya, atau Tidak

Tombol reset Nada yang keluar saat terdeteksi saat

proses pengenalan suara

Tombol Keluar Berguna untuk mengakhiri proses

pengenalan nada atau keluar dari tampilan GUI

Plot hasil rekam Menampilakn grafik suara terekam

dan hasil perekaman

Plot hasil ekstraksi ciri DCT Berguna untuk menampilkan grafik data hasil DCT. Bisa dari rekaman nada maupun nada referensi

3.5

Perancangan Subsistem

Pada pengenalan nada cetik terdapat terdapat dua subsistem yang penting, yaitu subsistem sampling dan subsistem pengenalan nada. Pengenalan nada alat musik cetik dapat berhasil dan berjalan dengan proses optimal maka memerlukan sebuah variabel terkait. Variabel berfungsi untuk menunjang susbsistem dari penegenalan nada yaitu 3.5.1 Subsistem Sampling

Subsistem sampling memerlukan 2 variabel yaitu frekuensi sampling dan furasi perekaman. Frekuensi sampling dan durasi dapat ditentukan nilainya setelah dilakukannya percobaan. Berikut hasil percobaan

a. Frekuensi sampling yang digunaan 2000Hz. Di ambil dari nilai dua kali frekuensi fundamental (lampiran)


(46)

3.5.2 Subsistem Pengenalan Nada a. Windowing

Windowing yang digunakan yaitu windowing Hamming. b. Variabel DCT

Untuk variasi DCT pada pengenalan nada alat musik cetik ini yang digunakna untuk mengkonversi data dari hasil perhitungan windowing adalah 16, 32, 64, 128, 256. Data hasil perhitungan DCT menggunakan data riil atau amplitudo

c. Frame blocking

Untuk nilai variasi frame blocking menggunakan nilai variasi seperti variasi DCT, dan variasi persen koefisien DCT

d. Persen Koefisien DCT

Dalam proses variasi Windowing koefisien DCT dievaluasi jumlah koefisiennya. Nilai windowing koefisien (p) adalah 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90% dan 100%


(47)

26

BAB IV

HASIL DAN PEMBAHASAN

Program yang telah dibuat perlu dilakukan sebuah pengujian. Pengujian bertujuan untuk mengetahui kinerja program dalam melakukan pengenalan nada. Saat dilakukan pengujian maka akan diperoleh data- data. Data- data hasil pengujian menunjukan program yang telah dirancang dapat berjalan dengan baik atau tidak. Oleh karena itu pada bab ini akan dilakukan analisa dan pembahasan pada data hasil pengujian yang telah diperoleh.

4.1

Pengujian Program Pengenalan nada Cetik Secara Real-Time

menggunakan Discrete Cosine Transform dan Jarak Hellinger

Perancangan program menggunakan software Matlab 7.0.4. Untuk pengujian program menggunakan laptop dengan spesifikasi :

Prosesor : intel® Atom™ CPU N2600 @1.60GHz

RAM : 2.00 GB

Tipe sistem : sistem operasi 32 bit

4.1.1

Proses pengenalan nada cetik dapat melakukan langkah- langkah

berikut ini:

1. Mengklik dua kali pada ikon Matlab pada layar desktop seperti pada gambar 4.1.

Gambar 4.1 Ikon Matlab 7.0.4

2. Setelah melakukan langkah 1, akan muncul tampilan utama software Matlab seperti gambar 4.2.


(48)

Gambar 4.2 Tampilan Matlab

3. Setelah sukses pada langkah kedua, maka langkah selanjutnya user memastikan terlebih dahulu pada Current Directory (lihat gambar 4.2 no.1) sudah sesuai pada tempat penyimpanan program yang telah dirancang.

4. Mengetikan perintah (guipengenalan) pada Command Window (lihat gambar 4.2 no.2) untuk memunculkan tampilan program pengenalan nada cetik. Setelah itu akan muncul tampilan program pengenalan nada cetik seperti pada gambar 4.3.


(49)

5. Setelah tampilan program pengelan nada cetik muncul maka dapat di lihat terdapat tampilan nilai- nilai sebagai variasi frameblocking, variasi windowing koefisien DCT, dan pilihan menggunakan Threshoblding. Sebelum melakukan langkah selanjutnya, user di harapkan memilih variasi- variasi tersebut, seperti pada gambar 4.4

(a) (b) (c)

Gambar 4.4 Tampilan Pengaturan Pengenalan Nada Cetik. (a) pengaturan frameblocking, (b) pengeturan variasi windowing koefisien, (c) pengaturan Thresholding

6. Apabila user telah melakukan langkah kelima, user dapat memulai pengenalan nada dengan menekan tombol “Pengenalan”. Hasil pengenalan nada cetik dapat di lihat pada gambar 4.5.


(50)

7. User dapat mengulangi pengenalan nada dengan menekan tombol “Reset” dan melakukan langkah 5 dan 6.

8. Jika user akan mengakhiri pengenalan nada cetik, user dapan menekan tombol “Keluar”.

4.1.2

Pengenalan Nada

Pengenalan nada cetik dapat dilakukan dengan melakukan barbagai langkah- langkah yang telah di jelaskan di pembahasan sebelumnya. Tampilan pengenalan nada cetik dapat dilihat pada gambar 4.3. Tampilan pengenalan nada cetik terdapat 3 push button, 2 axes, 1 edit text, dan 3 pop up menu.

a. Pop Up Menu

Pada program pengenalan nada cetik ini menggunakan dua pop up menu variasi frameblocking, variasi windowing koefisien, dan Threshoding. Untuk pop up menu 1 akan menampilakan variasi frame blocking yang bernilai 16, 32, 64, 128, dan 256. Pop up menu 2 akan menampilkan windowing koefisien yang bernilai 10, 20, 30, 40, 50, 60, 70, 80, 90, dan 100. Sedangakan pop up menu 3 akan menampilkan pilihan menggunakan thresholding atau tidak. Berikut merupakan contoh program dalam penggunakan pop up menu

Pada program di atas, nilai frameblocking diinisialkan menggunakan nama vardct yang dibagi menjadi lima kondisi. Inisialisasi vardct tersebut diproses dengan perintah handles. Perintah tersebut digunakan sebagai nilai atau data DCT yang telah diinisialisasi sebagai masukan apabila dilakukan callback. Untuk melihat secara lengkap program pop up menu, dapat dilihat pada (lampiran L9, L10, dan L15).

indeks=get(handles.popupmenu1,'Value');

switch indeks

case 1 frame=16; case 2 frame=32; case 3 frame=64; case 4 frame=128; case 5 frame=256;

end


(51)

b. Tombol Pengenalan

Tombol “Pengenalan” adalah tombol yang berfungsi untuk memulai program pengenalan nada cetik. User dapat memulai pengenalan nada cetik dengan menekan tombol “Pengenalan”. Tombol ini untuk memulai pengenalan pengenalan nada cetik dengan menjalankan beberapa subproses. Dalam subproses dimulai dari perekamana nada cetik, Normalisasi, pemotongan sinyal, frame blocking, windowing hamming, ekstraksi ciri DCT, penghitungan jarak Hellinger, penentuan menggunakna Threshoding atau tidak dan penentuan hasil pengenalan nada cetik. Program yang akan digunakan untuk perekaman nada cetik sebagai berikut:

Pada sample_length merupakan perintah yang menunjukan bahwa untuk sekali perekaman nada hanya diberi waktu sebesar 1,5 detik, dan untuk sample_frekuensi, menunjukan frekuensi sampling sebesar 2000 Hz. Perekaman nada cetik pada matlab menggunakan perintah wavrecord untuk menyimpan nada cetik yang telah direkam, Nada yang telah terekam akan diplot pada tampilan program pengenalan menggunakan perintah plot. Data terekam di plot pada axes1 yang telah tersedia pada tampilan program pengenalan nada cetik. Program untuk menampilkan gambar sinyal hasil perekaman sebagai berikut

Fungsi perintah handles adalah untuk mengatur masukan atau keluaran program. Program pengenalan nada cetik yang telah direkam akan di inisialisasi dengan “x”, inisialisasi “x” ini yang akan diplotkan pada axes1 yang pada tampilan “guipengenalan” di berinama “Plot Perekaman”.

Setelah proses perekaman, program akan memproses hasil rekaman tersebut sehingga dapat di kenali. Ada pun proses- proses yang harus di lakukan dengan cara, yaitu pemotongan sinyal. Nada yang sudah direkam tersebut akan dipotong dengan batas potong sebesar |0.2| pada sisi kiri sinyal. Setelah proses pemotongan itu selesai maka langkah

sample_length=1.5; sample_freq=2000;

sample_time=(sample_length*sample_freq); x=wavrecord(sample_time, sample_freq); axes(handles.axes1);

plot(x);

axes(handles.axes1); plot(x);


(52)

selanjutnya memilih data yang dinamakan frame blocking, langkah selanjutnya yaitu windowing, pada pengenalan nada cetik ini menggunkan windowing hamming. Setelah selesai windowing hamming, dilakukan proses ekstraksi ciri DCT dan windowing koefisien.

Hasil dari windowing koefisien akan di simpan dengan nama “ya”. berikut ini merupakan proses pengolahan pemotongan sinyal hingga program windowing koefisien :

Dari hasil windowing koefisien yang di inisialisasikan dengan “ya”, maka akan diplot pada axes2 yang menggambarkan hasil akhir dari sinyal windowing koefisien. Program untuk menggambarkan hasil windowing koefisien ke axes2 sebagai berikut:

% Normalisasi %

x1=x/max(x);

% pemotongan sinyal kiri %

b0=0.2;

b1=find(x1>b0 | x1<-b0); x1(1:b1(1))=[];

% frame blocking %

frame=handles.vardct; frame;

for p=1:frame;

f(p)=x1(p+frame);

end

% hamming window %

w=hammingx(frame);

for p=1:frame;

wi(p)=f(p)*w(p); %wi(p)==> windowing hamming (p)

end

% DCT %

y=abs(dctx(wi));

% windowing koefisien %

pk=handles.koef; d=frame; c=(pk/100)*d; a=floor(c); ya=y(1:a); ya=ya(:); axes(handles.axes2) plot(ya);


(53)

Proses selanjutnya setelah penggambaran sinyal nada cetik adalah proses pemanggilan database yang telah disesuaikan dengan 2 variasi masukan yaitu variasi DCT, dan variasi windowing koefisien yang telah dipilih oleh user sebelumnya. Program database menggunakan logika if else agar database mempunyai kesamaan dengan nilai variasi yang telah dipilih sebelumnya oleh user. Program di bawah merupakan sebagian kecil dari program pemanggilan database, untuk lebih lengkapnya dapat dilihat pada (lampiran L11- L14).

Program di atas untuk memanggil database yang akan dibandingkan dengan nada yang telah terekam dengan menggunakan perinitah jarak. Database yang dipanggil sesuai dengan masukan variasi frameblocking, variasi windowing koefisien yang telah dipilih oleh user sebelumnya.

Setelah proses pemanggilan database, proses selanjutnya adalah membandingkan database dengan data masukkan dari user yang telah dimasukkan secara real-time sebelumnya. Perbandingan data- data tersebut memakai metode jarak Hellinger. Program perhitungan jarak sebagai berikut:

Program selanjutnya merupakan program untuk penentuan keluaran, apakah terdeteksi sebagai nada cetik atau tidak dikenali. Program penentuan keluaran sebagai berikut:

if (frame==16) & (pk==10) load xciri1610

elseif (frame==16) & (pk==20)

load xciri1620

elseif (frame==16) & (pk==30)

load xciri1630

%jarak Hellinger

function h=jarakhellinger(p,q);

h=sqrt(2*sum(((sqrt(p))-(sqrt(q))).^2));

% menghitung jarak %

for n=1:7

jarak(n)=jarakhellinger(ya,z(:,n));


(54)

Pada penentuan keluaran ini terdapat metode Thresholding yang digunakan untuk syarat penentuan keluaran akhir. Metode Thresholding bertujuan untuk menentukan hasil akhir yang tidak sesuai dengan database dengan penamaan “tidak dikenali”. Untuk menggunakan metode Thresholding ini, user dapat memilih Menggunakan Threshoding atau tidak pada tampilan program pengenalan nada cetik (pop up menu3). Terdapat nilai r pada program diatas, yang bertujuan untuk nilai batas pada pengenalan nada cetik. Nilai r merupakan nilai minimum dari perhitungan jarak hellinger dan subprogram sebelumnya.

Pada tiap nada mempunyai nilai- nilai batas yang berbeda, dikarenakan setiap nada mempunyai pola pengenalan yang berbeda. Untuk batas nilai thresholding, nilai nada yang

[r,nadaout]=sort(jarak,'ascend') r=r(1)

nadaout=nadaout(1)

thx=get(handles.popupmenu3,'value');

if (nadaout==1)&(r>1,8731) & (thx==1) hasil=('Tidak Dikenali')

elseif (nadaout==2)&(r>1,9879) & (thx==1)

hasil=('Tidak Dikenali')

elseif (nadaout==3)&(r>1,8721) & (thx==1)

hasil=('Tidak Dikenali')

elseif (nadaout==4)&(r>1,8591) & (thx==1)

hasil=('Tidak Dikenali')

elseif (nadaout==5)&(r>2,6458) & (thx==1)

hasil=('Tidak Dikenali')

elseif (nadaout==6)&(r>1,8569) & (thx==1)

hasil=('Tidak Dikenali')

elseif (nadaout==7)&(r>1,2238) & (thx==1)

hasil=('Tidak Dikenali')

elseif thx==0

else

%koneksi starting

nada={'Do','Re','Mi','Sol','La','Si','DoTinggi'};

%penentuan keluaran min

hasil=nada(nadaout)

end


(55)

didapat harus lebih kecil dari pada nilai r. Hasil akhir akan di keluarkan dan ditampilakan pada tampilan program pengenalan pada text.text10. Thx digunakan untuk mengaktifkan apakah menggunakan Thresholding atau tidak mengguankan.

c. Tombol Reset

User dapat menekan tombol ”Reset” jika menginginkan mengulangi pengenalan dengan kondisi seperti tampilan awal. Program yang terdapat pada tombol “Reset” sebagai berikut:

program di atar berfungsi menghapus data pada axes, dan text10 yang telah di tampilakan oleh program pengenalan nada cetik.

d. Tombol Keluar

User dapat menekan tombol “Keluar” jika ingin mengakhri program pengenalan nada cetik. Adapula program untuk tombol keluar sebagai berikut

kesimpulan dari pengujian program nada cetik adalah tombol- tombol yang terdapat pada tampilan program dapat berjalan dan berfungsi dengan baik. Sistem pengenalan nada cetik sudah berjalan dengan baik sesuai dengan yang di inginkan.

4.2

Hasil Pengujian Program Pengenalan Nada Terhadap Tingkat

Pengenalan Nada Cetik

4.2.1.

Pengujian untuk Menentukan nilai Thresholding

Pada pengujian ini dilakukan untuk menentukan nilai Thresholding (Th) yang digunakan. Parameter yang digunakan untuk menentukan batas nilai ini menggunakan windowing koefisien 80%, dan panjang frameblocking 64 yang mempunyai tingkat

function pushbutton3_Callback(hObject, eventdata, handles)

axes(handles.axes1); plot(0);

axes(handles.axes2); plot(0);

set(handles.text10,'String',' ');

function pushbutton4_Callback(hObject, eventdata, handles)


(56)

pengenalan yang baik (Lampiran L23 ). Pengujian ini menggunakan 20 kali percobaan setiap nadanya dan dari 20 percobaaan setiap nada tersebut akan mendapatkan nilai maksimal. Setelah mendapatkan nilai minimal dari 20 kali percobaan, maka dicari nilai maksimal dari percobaan sebanyak 20 kali tersebut untuk setiap nada (lampiran L21). Nilai maksimal tersebut digunakna untuk batas nilai Thresholding.

Table 4.1 hasil nilai Thresholding

Thresholding Nilai Threshodling Nada

Th1 1,8731 Do

Th2 1,9747 Re

Th3 1,8721 Mi

Th4 1,8591 Sol

Th5 2,6458 La

Th6 1,8569 Si

Th7 1,2238 DoTinggi

Pada table di atas menunjukan nilai Threshodling (Th) yang digunakan untuk batas atas untuk setiap nada. Jika melebihi batas atas tersebut, maka sistem tidak akan mengenali nada- nada yang lain selain nada yang di inginkan, dan akan terdeteksi eror atau “Tidak Dikenali".

4.2.2.

Pengujian Parameter Pengenalan Nada

Pada pengujian ini bertujuan untuk menguji seberapa besar tingkat pengenalan nada dari setiap parameter. Parameter ini antara lain koefisien DCT, serta windowing koefisien. Pengujian program pengenalna alat music cetik ini mengguanakan 2 cara, yaitu pengujian secara tidak real-time, dan pengujian secara real-time. Untuk pengujian secara real-time dibagi menjadi 2 cara, real-time tanpa Thresholding, dan real-time menggunakan Thresholding.

4.2.2.1.

Pengujian secara tidak Real-Time

Pengujian ini bertujuan untuk mencari nilai atau persentase tingkat pengenalan tiap nada alat musik cetik, tanpa menggunakan program pengenalan nada cetik. Pengujian secara tidak real-time ini menggunakan program tersendiri (lihat lampiran L18).


(57)

Untuk pengujian menggunakan nada uji sebanyak 70 kali, setiap nada sebanyak 10 data yang di peroleh dari perekaman sebelumnya. Nada uji digunakan sebagai nada masukan. Pengujian secara tidak real-time diperoleh data tingkat pengenalan nada dari pengujian yang dilakukan. Hasil pengujian secara tidak real-tame dapat dilihat pada lampiran L22

Pada lampiran L22 tingkat pengenalan nada yang paling baik dapat terlihat pada panjang frameblocking 64, dan windowing koefisien DCT 80%. Terlihat pada lampiran bahwa nilai n yang semakin besar, maka naiknya tingkat pengenalan akan semakin baik. Penyebab naiknya tingkat pengenalan dapat dilihat pada gambar 4.6


(58)

(b)


(59)

(d)

Gambar 4.6 Pengaruh panjang frameblocking, n¸terhadap hasil pengenalan, p=30%, (a)n=32, (b) n=64, (c) n=128, (d) n=256

(biru= DoTinggi, hijau=Si)

Pada gambar 4.6 dapat dilihat bahwa, nilai n yang semakin besar, maka semakin banyak jumlah koefisien DCT yang digunakan untuk membedakan nada satu dengan nada yang lain. Oleh karena itu makin banyak jumlah koefisien, makin mudah untuk membedakan, sehingga makin naik tingkat pengenalan nada antara nada satu dengan nada yang lainnya.


(60)

(a)


(61)

(c)


(62)

(e)

Gambar 4.7 Pengaruh windowing koefisien terhadap hasil pengenalan, n= 32, (a)p= 20%, (b)p= 40%, (c)p= 60%, (d)p= 80%, (e)p= 100%

(biru=DoTinggi, hijau=Si)

Pada gambar 4.7 terlihat bahwa semakin besar nilai windowing koefisien (p) maka koefisien DCT makin banyak yang digunakna untuk membedakan nada satu dengan nada yang lainnya. Dengan kata lain akan makin mudah di membedakan nada satu dengan nada yang lain, maka akan menyebabkan makin naik tingkat pengenalan nada.

Pada lampiran L22 dapat di lihat bahwa untuk mendapatkan tingkat pengenalan 100%, maka dibutuhkan frameblocking 64 titik, dan windowing koefisien sebesar 80%. Di bandingkan percobaan yang dilakukan oleh Yogi Isworo [3], yang memerlukan 512 ekstraksi ciri, maka pada penelitian ini memperlihatkan pengaruh jumlah koefisien ekstraksi ciri yang signifikan yaitu menggunakan 51 ekstraksi ciri.


(63)

4.2.2.2.

Pengujian secara Real- Time

Pada pengujian secara real-tame dibagi menjadi 2, pengujian tanpa menggunakan Thresholding, dan menggunakna Tresholding.

a) Pengujian tanpa Thresholding

Pengujian tanpa menggunakan Thresholding ini bertujuan untuk mengetahui kinerja program pengenalan nada cetik yang telah dibuat. Dengan kesalahan yang terjadi adalah pengenalan nada dengan keluaran pengenalan secara salah.

Pada program pengenalan nada cetik ini user memilih variasi frameblocking, dan variasi Windowing koefisien, dan memilih Ya atau Tidak pada bagian pilihan Threshodling. Setelah user selesai memilih variasi- variasi yang ada maka, user dapat menjalankan program pengenalan nada cetik.

Pengujian dilakukan menggunakna variasi frameblocking 64, dan windowing koefisien 80% (Lampiran L23). Variasi tersebut diperoleh dari percobaan- percobaan sebelumnya dengan jumlah titik yang minimal dan pengenlanan maksimal atau 100%. Pengujian ini dilakukan sebanyak 15 kali. Dengan pengujian sebanyak 15 kali, diharapkan memperoleh hasil yang baik, dan sesuai dengan yang di inginkan. Table 4.2 menunjukan hasik pengujian:

Table 4.2 Hasil pengenalan secara Real- Time tanpa Thresholding, frameblocking = 64, dan Windowing koefisien 80%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y

Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y

Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y

Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y

La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y

Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y

DoTinggi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Keterangan : X= dikenali salah


(1)

Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 64, Windowing koefisien = 100%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 128, Windowing koefisien = 10%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do TD Y TD TD Y TD TD TD TD Y TD TD TD TD TD Re Y TD TD Y TD TD TD TD TD TD TD TD TD Y TD Mi TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD Sol TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD La TD TD Y TD TD TD TD Y Y TD TD TD TD TD TD Si TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 128, Windowing koefisien = 20%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do TD Y TD TD Y Y Y TD TD TD Y TD Y TD TD Re TD TD TD TD Y TD TD TD Y TD TD TD TD TD Y Mi TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD Sol Y TD Y Y TD Y Y Y TD TD Y TD Y TD Y

La TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD Si TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD DoT Y Y Y TD Y Y Y Y TD Y TD Y Y Y Y


(2)

Sol Y TD Y TD Y Y TD Y Y Y TD Y TD TD Y La TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD

Si TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 128, Windowing koefisien = 40%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD Mi Y Y TD TD Y Y Y Y Y TD Y Y Y Y Y Sol TD TD TD Y Y TD TD Y TD Y Y TD TD Y TD

La TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD Si TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 128, Windowing koefisien = 50%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD

Si TD Y TD TD Y Y TD Y TD TD TD Y TD TD Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 128, Windowing koefisien = 60%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y TD Y Y TD TD Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y TD Y TD TD Y Y Y TD Y Y Y TD Y TD DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y


(3)

Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 128, Windowing koefisien = 80%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 128, Windowing koefisien = 90%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 128, Windowing koefisien = 100%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y


(4)

Sol Y Y Y TD TD TD Y Y TD Y Y Y Y Y Y La TD TD TD TD TD Y TD TD TD TD TD TD Y TD TD

Si TD Y Y TD TD TD TD TD TD TD TD TD TD TD TD DoT Y Y Y TD Y Y TD Y Y Y Y Y Y Y Y  Variasi frame blocking = 256, Windowing koefisien = 20%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do TD TD Y TD TD TD TD TD Y TD TD TD Y TD TD Re TD Y TD TD TD TD TD TD TD TD TD TD TD TD Y Mi TD TD TD TD TD Y Y TD Y TD TD TD TD TD TD Sol TD TD Y Y Y TD Y TD TD TD Y Y TD Y Y

La TD TD TD TD TD TD Y TD TD TD TD TD TD TD TD Si Y TD TD TD TD Y TD TD TD TD TD TD TD TD TD DoT Y Y TD TD Y Y Y Y Y Y Y TD Y Y Y  Variasi frame blocking = 256, Windowing koefisien = 30%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y TD TD Y TD TD TD TD TD Y TD TD TD TD TD Re Y TD TD TD TD TD TD TD TD TD TD TD TD Y Y Mi TD Y TD Y Y Y TD TD TD Y Y TD Y TD Y Sol TD TD Y Y Y TD Y Y TD TD TD Y Y Y Y La TD TD Y TD TD TD TD TD TD TD TD TD TD TD TD Si Y Y TD Y Y TD TD Y Y TD TD TD TD Y TD DoT Y TD TD Y Y Y Y TD Y Y Y Y Y Y Y  Variasi frame blocking = 256, Windowing koefisien = 40%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re TD TD TD TD TD TD TD TD TD TD TD TD TD TD TD Mi Y TD TD TD Y Y Y TD Y TD Y TD Y Y Y Sol Y Y Y Y TD Y TD Y Y Y Y Y Y Y Y La TD TD TD TD TD TD Y TD TD TD TD TD TD Y TD

Si Y TD TD TD TD TD Y TD TD TD TD TD TD TD Y DoT Y TD Y Y TD Y Y Y Y TD Y Y Y Y Y


(5)

Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol TD TD TD TD Y TD TD TD TD TD Y TD TD TD TD

La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y TD TD TD TD Y TD Y Y TD TD TD TD TD TD DoT Y Y Y TD TD Y Y Y Y Y TD Y Y Y Y  Variasi frame blocking = 256, Windowing koefisien = 60%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La TD Y Y Y Y TD Y Y TD Y Y Y Y Y Y Si Y TD Y Y TD TD Y Y Y Y TD Y Y Y Y DoT Y Y Y TD Y Y Y Y Y Y Y Y TD Y Y  Variasi frame blocking = 256, Windowing koefisien = 70%,

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 256, Windowing koefisien = 80%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y


(6)

Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y  Variasi frame blocking = 256, Windowing koefisien = 100%

Nada Percobaan Ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Do Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Re Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Mi Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sol Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y La Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Si Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y DoT Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Kesimpulan

Setelah melakukan pengujian menggunakna semua variasi, maka dapat disimpulkan bahwa, tingkat pengenalan nada yang paling baik dapat terlihat pada panjang frameblocking 64, dan widowing koefisien 80%. Dengan tingkat pengenalan nada mencapai 100%, dengan jumlah ekstraksi ciri sebanyak 51 titik.