Pendekatan yang digunakan dalam membentuk tata bahasa untuk mengenali pola adalah mengikuti kontur tepi batas objek dengan sejumlah segmen garis terhubung satu sama
lain, lalu mengkodekan setiap garis tersebut misalnya dengan kode rantai. Setiap segmen garis merepresentasikan primitif pembentuk objek.
2.4. Teorema Pencuplikan
Sampling adalah proses pencuplikan gelombang suara yang akan menghasilkan gelombang diskret. Dalam proses sampling ada yang disebut dengan laju pencuplikan
sampling rate. Sampling rate menandakan berapa banyak pencuplikan gelombang analog dalam 1 detik. Sampling rate dinyatakan dalam satuan Hertz Hz. Pada proses sampling,
sebaiknya sampling rate memenuhi kriteria Nyquist. Kriteria Nyquist menyatakan bahwa sampling rate
harus lebih besar dari dua kali frekuensi tertinggi sinyal analog [5]. Secara matematis dapat dituliskan:
2.2 dengan:
f
s
= frekuensi sampling rate f
m
= frekuensi tertinggi sinyal suara analog
2.5. Preprocessing
Preprocessing adalah proses-proses awal yang dilakukan sebelum proses
membangkitkan spektrum. Tujuan dari preprocessing ini adalah untuk menyetarakan sinyal nada masukan agar lebih mudah diproses untuk pengenalan nadanya.
2.5.1 Normalisasi Awal
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]. Proses normalisasi awal dilakukan dengan cara membagi tiap nilai data masukan yaitu nada terekam dengan nilai
absolut maksimal dari data masukan tersebut. Berikut rumus untuk proses normalisasi:
2.3
Keterangan: = hasil data sinyal normalisasi
= data input
Gambar 2.3 dan gambar 2.4 meperlihatkan gambar sinyal sebelum dan setelah melalui proses normalisasi awal.
Gambar 2.6 Sinyal Sebelum Normalisasi
Gambar 2.7 Hasil Setelah Normalisasi Awal
2.5.2 Pemotongan Sinyal
Proses pemotongan sinyal bertujuan untuk memotong beberapa bagian sinyal. Proses pemotongan dilakukan setelah proses normalisasi awal. Dalam proses pemotongan,
bagian yang dipotong adalah bagian awal dari sinyal. Tujuan dari pemotongan awal sinyal nada adalah untuk menghilangkan bagian yang tidak termasuk bagian dari sinyal nada serta
untuk mengurangi cacat sinyal akibat derau ruangan yang ikut terekam agar didapatkan sinyal yang benar-benar suara nada alat musik belira. Pada proses pemotongan ini, akan
melewati dua kali proses pemotongan. Proses pemotongan yang pertama yaitu memotong bagian silence atau bagian awal sinyal yang tidak termasuk sinyal nada terekam. Proses
pemotongan yang kedua yaitu memotong bagian transisi sinyal. Berikut gambar untuk hasil pemotongan :
Gambar 2.8 Sinyal Sebelum Pemotongan
Gambar 2.9 Hasil Pemotongan Bagian Silence
Gambar 2.10 Hasil Pemotongan Bagian Transisi
2.5.3 Frame Blocking
Frame Blocking adalah pembagian sinyal audio menjadi beberapa frame
yang nantinya dapat memudahkan dalam perhitungan dan analisa sinyal, satu frame terdiri dari
beberapa sampel tergantung berapa detik suara akan disampel dan berapa besar frekuensi sampling. Pada proses ini dilakukan pemotongan sinyal dalam slot-slot tertentu agar
memenuhi dua syarat yaitu linear dan time invariant. Gambar 2.9 memperlihatkan contoh hasil frame blocking.
Gambar 2.11 Bagian Sinyal yang Akan Diambil untuk Frame Blocking
Gambar 2.12 Hasil Frame Blocking dari Gambar 2.11 Fungsi frame blocking yaitu mereduksi data yang akan diproses dalam sistem
pengenalan. Pada pengenalan ini nilai frame bervariasi, user akan diberikan pilihan variasi untuk nilai frame. Pada gambar di atas nilai frame yang digunakan sebesar 512.
2.5.4 Normalisasi Akhir
Normalisasi akhir adalah normalisasi setelah melalui proses pemotongan dan frame blocking
. Setelah melalui proses frame blocking, sinyal yang dihasilkan tidak maksimal sehingga dibutuhkan proses normalisasi akhir. Proses normalisasi akhir dilakukan dengan
cara membagi tiap nilai data masukan yaitu hasil frame blocking dengan nilai absolut maksimal dari data masukan tersebut. Tujuan dari normalisasi akhir adalah untuk
menyetarakan amplitudo hasil frame blocking agar maksimal. Rumus untuk proses normalisasi akhir sama dengan rumus proses normalisasi awal:
2.4 Keterangan:
= hasil data sinyal normalisasi = data input
Berikut gambar untuk hasil normalisasi akhir:
Gambar 2.13 Hasil Normalisasi dari Gambar 2.12
2.5.5 Windowing
Windowing digunakan untuk menghilangkan diskontinuitas yang diakibatkan oleh
proses Frame Blocking atau Framing. Ada beberapa fungsi windows yang telah ada diantaranya Kaiser, Hamming, Triangular, dan Rectangular. Dalam proses ini jenis
window yang digunakan adalah Hamming Window. Hamming Window mempunyai side
lobe yang paling kecil dan main lobe yang paling besar sehingga hasil windowing akan
lebih halus dalam menghilangkan efek diskontinuitas. Hamming Window adalah sebuah vektor dengan jumlah elemen sebanyak n. Biasanya n akan disesuaikan dengan banyaknya
elemen pada frame sehingga banyaknya elemen pada Hamming Window akan sama dengan banyaknya elemen pada frame. Persamaan dari windowing hamming[7]:
2.5
Keterangan : wn = windowing N = jumlah data dari sinyal
n = waktu diskrit ke-
Gambar 2.14 Hasil Windowing dari Gambar 2.13
2.6. DFT Discrete Fourier Transform
Salah satu formulasi yang ampuh untuk proses pengolahan sinyal adalah menggunakan
Discrete Fourier
Transform DFT.
Prinsip DFT
adalah mentransformasikan alih bentuk sinyal yang semula analog menjadi diskret dalam
domain waktu, dan kemudian diubah ke dalam domain frekuensi. Hal ini dilakukan dengan mengalikan sinyal diskret dengan suatu fungsi kernel. DFT dan FFT memiliki resolusi
sebesar fsN yang mana fs adalah sampling rate dalam 1 detik diambil sebanyak fs data dan N adalah banyaknya data hasil penyamplingan.
Discrete Fourier Transform DFT didefinisikan sebagai:
2.6
Dengan : n = indeks dalam domain waktu = 0, 1, ..., N-1, m = indeks dalam domain frekuensi =
0, 1, ..., N-1
Persamaan ini menyatakan bahwa DFT merupakan metode yang berguna dalam menentukan amplitudo dan komponen-komponen frekuensi harmonik ke-m dari suatu
sinyal periodik atau merupakan koefisien-koefisien deret Fourier[8]. Discrete Fourier Transform
DFT mengubah sinyal atau sistem dari kawasan waktu ke kawasan frekuensi. DFT yang dikenakan pada sinyal akan menghasilkan
spektrum frekuensi yang terdiri dari spektrum magnitude dan spektrum fasa yang menunjukkan hubungan antara magnitude, fasa dengan frekuensi. Artinya kita dapat
melihat komponen penyusun sinyal tersebut dari magnitude sinyal pada rentang frekuensi. Begitu juga dengan fasenya. Misalnya digunakan untuk analisis suara nada alat musik
belira maka kita dapat melihat sebenarnya nada dari belira tersebut mempunyai magnitude besar pada frekuensi berapa saja yang menunjukkan dominan frekuensi dari suara nada
tersebut. Penerapan DFT pada tanggapan cuplik satuan suatu sistem akan menghasilkan tanggapan frekuensi yang terdiri dari tanggapan magnitude dan tanggapan fase. Hal ini
berguna untuk analisis suatu filter, bagaimana respon filter tersebut secara frekuensi.
Gambar 2.15 Spektrum Frekuensi dari Gambar 2.14
16
BAB III PERANCANGAN
3.1. Sistem Pengenalan Nada Alat Musik Belira
Blok diagram sistem pengenalan nada alat musik belira diperlihatkan pada gambar diberikut:
Gambar 3.1 Diagram Blok Sistem Pengenalan Nada Belira 3.1.1
Belira Alat musik belira digunakan sebagai objek penelitian oleh penulis, belira memiliki 16 nada
yang akan dikenali yaitu
, ,
, 1, 2, 3, 4, 5, 6, 7, ,
, ,
, ,
.
3.1.2 Mikrofon
Mikrofon berfungsi untuk menangkap suara dari belira kemudian menyalurkan pada laptop kemudian diproses untuk pengenalan nada.
3.1.3 Proses Perekaman
Proses perekaman adalah proses masuknya data nada terekam berupa sinyal digital. Saat proses perekaman berlangsung sinyal analog dikonversi menjadi sinyal digital dengan
frekuensi sampling. Sinyal digital kemudian disimpan dan digambarkan dalam sebuah plot. Data nada yang telah disimpan disebut nada terekam dan kemudian dapat diproses untuk
dikenali lewat proses pengenalan nada.
