3.2. Perancangan Database Suara
Pada proses pengenalan suara, database diperlukan sebagai suara acuan untuk merancang suatu sistem pengenalan suara. Pada sistem ini memiliki 1 database yang
memiliki 3 kelas, setiap kelasnya memiliki 8 sample. Setiap sampel memiliki 10 data nada pada setiap alat musik yang akan akan dievaluasi. Seperti pada Tabel 3.1.
Tabel 3.1. Data setiap sample untuk pengenalan suara Sample 1
do1, do2, do3, do4, do5, do6, do7, do8, do9, do10 Sample 2
re1, re2, re3, re4, re5, re6, re7, re8, re9, re10 Sample 3
mi1, mi2, mi3, mi4, mi5, mi6, mi7, mi8, mi9, mi10 Sample 4
fa1, fa2, fa3, fa4, fa5, fa6, fa7, fa8, fa9, fa10 Sample 5
sol1, sol2, sol3, sol4, sol5, sol6, sol7, sol8, sol9, sol10
Sample 6 la1, la2, la3, la4, la5, la6, la7, la8, la9, la10
Sample 7 si1, si2, si3, si4, si5, si6, si7, si8, si9, si10
Sample 8 dotinggi1, dotinggi2, dotinggi3, dotinggi4, dotinggi5, dotinggi6,
dotinggi7, dotinggi8, dotinggi9, dotinggi10 Pengambilan database pengenalan suara akan melalui beberapa tahap yaitu perekaman
dengan format .wav dan tahap preprocessing. Pada tahap preprocessing terdapat beberapa proses yaitu Normalisasi 1, Pemotongan Sinyal, Frame Blocking, Normalisasi 2, Windowing
Hamming, DST, Normalisasi 3, Centering, Windowing Koefisien, Penyekalaan Logaritmis, dan Normalisasi 4. Proses pengambilan database dapat dilihat pada Gambar 3.4 yang berada
di dalam kotak dengan garis hitam putus-putus. Setelah proses normalisasi 4 adalah hasil ekstraksi ciri untuk database, yang nanti akan dibandingkan dengan data input yang baru
secara real time maupun tidak real time. Database yang digunakan untuk tiap kombinasi antara Windowing Koefisien dan Frame Blocking yaitu 1 database, yang berarti pada sistem
ini memiliki 25 database dari tiap kombinasi antara Frame Blocking dan Windowing Koefisien. Tiap kombinasi memiliki 240 ekstraksi ciri yaitu berupa ekstraksi ciri pada setiap
nada yang memiliki 10 kali perekaman untuk ketiga alat musik. ekstraksi ciri setiap nada kemudian dirata-rata, sehingga tiap database memiliki 3 kelas yang terdiri dari 8 sample.
Pada proses pembuatan database pengenalan suara alat musik belira, pianika, dan recorder ini meyesuaikan dengan variabel bebas dengan frekuensi sampling dan durasi
rekaman yang telah ditentukan.. Awalnya merekam setiap data nada pada setiap sample, kemudian dilakukan sampling. Database tersebut digunakan sebagai pembanding untuk
mengetahui hasil keluaran suara, kemudian database tersebut disimpan di dalam fungsi pada
sistem pengenalan suara alat musik belira, pianika, dan recorder. Sehingga dapat memanggil database tersebut ketika sewaktu waktu diperlukan untuk melakukan proses pengenalan
suara.
3.3. Suara Uji