APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO SKRIPSI
APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi M. ARDIANSYAH 091402062 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
PERSETUJUAN
Judul : APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO
Kategori : SKRIPSI Nama : MUHAMMAD ARDIANSYAH Nomor Induk Mahasiswa : 091402062 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI Diluluskan di Medan, 23 Agustus 2014
Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Drs. Marihat Situmorang, M.Kom Romi Fadillah Rahmat,B.Comp.Sc.,M.Sc.
NIP. 19631214 198903 1 001 NIP. 19860303 201012 1 004 Diketahui/Disetujui oleh Program Studi Teknologi Informasi Ketua, M. Anggia Muchtar, ST.,MM.IT NIP. 19800110 200801 1 010
PERNYATAAN
APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 23 Agustus 2014 Muhammad Ardiansyah 091402062
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini. Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada : 1.
Keluarga penulis, terutama kedua orang tua penulis. Ibunda, Adriaty Handayani dan Ayahanda, R. Epidaryanto yang selalu sabar dalam mendidik dan membesarkan penulis. Adik penulis Ananda Listiarini dan Kakak penulis Annisa Yunita yang selalu memberikan semangat kepada penulis.
2. Bapak Romi Fadillah Rahmat,B.Comp.Sc.,M.Sc. dan Bapak Drs. Marihat Situmorang, M.Kom selaku pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
3. Bapak dan Ibu dosen pembanding.
4. Ketua dan Sekretaris Program Studi Teknologi Informasi Bapak M. Anggia Muchtar, ST.,MM.IT. dan Bapak M. Fadly Syahputra, B.Sc.,M.Sc.IT.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.
6. Kepada Melinda Agustien yang selalu memberikan motivasi, memberikan nasihat agar penulis dapat menyelesaikan penulisan tugas akhir ini dengan baik.
7. Kepada Nurul Khadijah, Ade Maulana yang selalu membantu penulis sehingga dapat menyelesaikan tugas akhir dengan baik.
8. Seluruh sahabat terbaik penulis yang selalu memberikan dukungan, Ade Tambunan, Ammar Adianshar, Ridzuan Ikram Fadjri, Julia Annisa, Yunisya Aulia Putri, Reza Elfandra, Ibnu setiawan, Raisha Ariani, Fanny sari wulandari, Yogi, Bora, Sheila, Septi, Aat, Ijal,Uti serta seluruh angkatan 09, serta teman-teman seluruh angkatan mahasiswa USU lainnya yang tidak dapat penulis sebutkan satu persatu, Semoga Allah SWT membalas kebaikan kalian dengan nikmat yang berlimpah.
Akhir kata, penulis memohon maaf bila dalam penulisan tugas akhir ini terdapat beberapa kesalahan, oleh karena itu penulis sangat mengharapkan adanya masukan - masukan yang membangun dan semoga tugas akhir ini dapat bermanfaat bagi semua pihak yang memerlukannya.
ABSTRAK
Dalam bermain musik khususnya bermain piano, seorang pianist membutuhkan partitur dalam panduan untuk bermain musik. Partitur merupakan tulisan yang digunakan seorang pianist untuk menyimpan atau menyampaikan sebuah lagu. Banyak pianist yang tidak mempunyai keahlian dalam pembuatan partitur, khusunya dalam pembuatan musik yang spontan. Karena itu, diperlukan sebuah aplikasi yang dapat membantu dalam pembuatan partitur dari suara musik piano. Metode ekstraksi
Mel-Frequency Cepstral Coefficient dan metode pencocokan Learning Vector
Quantization digunakan untuk membuat aplikasi tersebut. Metode MFCC digunakan
untuk mengambil Vector
- – vector yang berada didalam sebuah lagu. Dan metode LVQ
digunakan untuk mencocokkan data uji dengan data acuan yang telah disimpan terlebih dahulu. Output yang dihasilan dari sistem ini berupa partitur musik dari lagu yang telah diinput kedalam sistem. Kata kunci-pembuatan partitur, metode Mel-Frequency Cepstral Coefficient, Learning Vector Quantization.
VOICE RECOGNITION APPLICATIONS BASIC DIGITAL PIANO TONE
ABSTRACT
In playing music especially playing the piano, a pianist needs score to play music in the guide. Scores are writing who used by a pianist to store or deliver a song. Many pianists do not have expertise in the making of sheet music, especially in spontaneous music-making. Therefore, we need an application that can help in the making of the music scores. Methods for extracting is Mel - Frequency cepstral coefficient and Learning Vector Quantization matching method is used to create such applications. MFCC method is used to retrieve Vectors which resides in a song. And LVQ method is used to match test data with reference data that has been stored in advance. output of this system in the form of sheet music of a song that has been inputed into the system.
Keywords - making of musical scores, methods Mel - Frequency cepstral coefficient, Learning Vector Quantization.
Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak iv
Abstract v
Daftar isi vi
Daftar tabel vii
Daftar gambar viii
Bab 1 Pendahuluan
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
3
1.3 Batasan Masalah
3
1.4 Tujuan Penelitian
3
1.5 Manfaat Penelitian
3
1.6 Metodologi Penelitian
3
1.7 Sistematika Penulisan
4 Bab 2 Landasan Teori
5
2.1 Latar Belakang Pengenalan Ucapan
6
2.2 Suara Musik
7
2.3 Pengolahan Audio
7
2.4 Mel-Frequency Cepstrum Coefficient ( MFCC )
9
2.4.1 DC
9
- – Removal
2.4.2 Pre
10
- – Emphasize Filtering
2.4.3 Frame Blocking
11
2.4.4 Windowing
12
2.4.5 Analisis Fourier
13
a. Discrete Fourier Transform ( DFT )
15
2.4.6 Fast Fourier Transform
16
2.4.7 Mel-Frequency Warping
18
2.4.8 DCT
19
2.5 Jaringan Syaraf Tiruan
19
2.5.1 Learning Vector Quantization ( LVQ )
20
2.6 Penelitian Terdahulu
21 Bab 3 Analisis dan Perancangan
23
3.1 Analisis Sinyal Suara
24
3.2 Analisis Ekstraksi Fitur Suara Menggunakan MFCC
24
3.2.1 Input Suara
24
3.2.2 DC- Removal
25
3.2.3 Pre-Emphasize
26
3.2.4 Frame Blocking
27
3.2.5 Windowing
28
3.2.6 Analisis Fourier
28
3.2.7 Filter Bank
29
3.2.8 Discrete Cosine Transform ( DCT )
29
3.3 Pencocokan dengan Metode Learning Vector Quantization
30
3.3.2 Algoritma LVQ
30
3.4 Database
34
3.5 Antarmuka Sistem
35 Bab 4 Impelemntasi dan Pengujian Sistem
38
4.1 Implementasi Sistem
39
4.2 Skenario Uji Coba Sistem
39 Bab 5 Kesimpulan dan Saran
50
5.1 Kesimpulan
50
5.2 Saran
52 Daftar Pustaka
52
DAFTAR TABEL
Hal
Tabel 2.1. Fungsi13 Tabel 2. 2 Penelitian Terdahulu
- – fungsi window dan Formulanya
21 Tabel 4.1 Rencana Pengujian Sistem
45 Tabel 4.2 Pengujian Sistem ( input data acuan )
46 Tabel 4.3 Pengujian Sistem ( pengenalan data )
46 Tabel 4.4 Sampe data pengujian sistem
47 Tabel 4.5 Processing time
48 Tabel 4.6 Pengujian Suara Musik
48
DAFTAR GAMBAR
17 Gambar 2.10 Arsitektur Jaringan LVQ
36 Gambar 3.8 Rancangan Halaman Pelatihan
36 Gambar 3.7 Rancangan Halaman Pengenalan
35 Gambar 3.6 Rancangan Halaman Awal
27 Gambar 3.5 Database Aplikasi
26 Gambar 3.4 Flowchart Frame Blocking
25 Gambar 3.3 Flowchart Pre-Emphasize Filter
23 Gambar 3.2 Flowchart DC-Removal
20 Gambar 3.1Arsitektur Umum Aplikasi
17 Gambar 2.9 Pembagian Sinyal Suara Menjadi Dua Kelompok
Hal
16 Gambar 2.8 Grafik Perbandingan Kecepatan Direct Calculation Dengan Algoritma FFT
15 Gambar 2.7 Domain Waktu Menjadi Domain Frekuensi
14 Gambar 2.6 Tiga Gelombang Sinusoidal Dan Superposisinya
11 Gambar 2.5 Contoh Dari Spectogram
10 Gambar 2.4 Contoh Frame Blocking
8 Gambar 2.3 Contoh Dari Pre- Emphasize Pada Sebuah Frame
7 Gambar 2.2 Struktur WAV
Gambar 2.1 Tahapan dalam Speech Recognition37
Gambar 4.1 Tampilan Awal Aplikasi40 Gambar 4.2 Tampilan Menu Pengenalan
40 Gambar 4.3 Tampilan Menu Pengenalan
41 Gambar 4.4 Tampilan Spectogram Untuk Suara Input
41 Gambar 4.5 Tampilan Spectogram Suara Potong
42 Gambar 4.6 Partitur Hasil
43 Gambar 4.7 Tampilan Menu Admin
44 Gambar 4.8 Tampilan Menu Tentang
44