Pengenalan nada harmonika menggunakan windowing koefisien DST dan jarak matusita.

(1)

PENGENALAN NADA HARMONIKA MENGGUNAKAN WINDOWING KOEFISIEN DST DAN JARAK MATUSITA

Rendi Pradhana

ABSTRAK

Seni musik merupakan suatu seni hiburan yang sudah melekat di masyarakat dunia. Salah satu alat musik yang biasa digunakan untuk mengiringi sebuah alunan musik adalah harmonika.Cara memainkan alat musik harmonika ini yaitu dengan meniup ataupun menyedot yang kemudian dapat menghasilkan suara ataupun nada yang indah.

Harmonika menggunakan sumber bunyi berupa pelat getar (reed) yang dipasangkan pada piring pelat getar (reedplate). Saat dilewati udara, reed akan merespon dengan cara bergetar bolak-balik melalui lubang (slot) yang sudah dibuat pada reed plate dan menghasilkan bunyi.

Ada suatu suatu sistem yang mampu mengenali dan mendefinisikan suara harmonika.Sistem ini membandingkan secara langsung nada Do, Re, Mi, Fa, Sol, La, Si , Do’ yang akan dimainkan. Nada yang akan dimainkan dibandingkan dengan nada yang telah tersimpan pada sistem tersebut (data base).

Setelah itu, dilakukan proses ekstrak ciri menggunakan Discrete Sine Transform (DST). Pembandingan nada yang dimainkan menggunakan fungsi jarak Matusita. Pemrograman sistem ini menggunakan software Matlab dan program interface user menggunakan GUI Matlab.

Kata kunci : Harmonika, DST, windowing Hanning, fungsi jarak Matusita, Windowingkoefisien,

(2)

HARMONICA TONE RECOGNITION USING WINDOWING OF DST COEFICIENTS AND MATUSITA DISTANCE

Rendi Pradhana

ABSTRACT

Musical arts is an art entertainment already attached in the world community. One of the music commonly used to follow up a intoning music is harmonica.Way playing a musical instrument harmonica is by blowing or absorb that can then be producing sound or tone beautiful.

Harmonica use up the sound of plates a trill (reed) paired to the plate a trill (reedplate). When passed by air, reed will respond by means of vibrating back and forth over a hole (slot) already made upon a reed plate and produce sounds.

There is a a system that able to recognize and define harmonica playing .This system compare directly

tone do , re , mi , fa , sol , la , the , do’ which will be played. Tones of which are to played compared to the tone

have been stored on those systems (data a base).

After that, the process extracts done features using discrete sine transform so on and so forth.The purpose of comparing the tones of which played using a function of distance matusita .Programming this system uses matlab software programs and user interface uses gui matlab.

Key word : Harmonica, Discrete Sine Transform (DST), Windowing Hanning , range function Matusita, Windowing Coefficient, and tune recognized.

(3)

TUGAS AKHIR

PENGENALAN NADA HARMONIKA MENGGUNAKAN

WINDOWING KOEFISIEN DST DAN JARAK MATUSITA

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Elektro

Oleh :

Rendi Pradhana

NIM : 105114018

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

(4)

FINAL PROJECT

HARMONICA TONE RECOGNITION

USING WINDOWING OF DST COEFICIENTS

AND MATUSITA DISTANCE

Presented As Partial Fulfillment Of The Requirement

To Obtain The Sarjana Teknik Degree

In Electrical Engineering Study Program

Rendi Pradhana

NIM : 105114018

ELECTRICAL ENGINEERING STUDY PROGRAM

SCIENCE AND TECHNOLOGY FACULTY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

(5)

(6)

(7)

(8)

HALAMAN PERSEMBAHAN

MOTTO

MY LIFE MY ADVENTURE

Persembahan

Karya ini ku persembahakan untuk..

Tuhan yang selalu setia bersamaku,

Bunda Maria yang pembimbing setia tanpa pamrih,

Keluargaku yang selalu ada untuk selalu memberi yang terbaik,

Keluarga baru ku, pacarku, adik-adik baru ku yang selalu memberi

motifasi,

Teknik Elektro angkatan 2010 yang selalu membantu saat mendapatkan

kesulitan,

Dan semua yang mendoakan dan mendukung karya ini..

(9)

(10)

viii

PENGENALAN NADA HARMONIKA MENGGUNAKAN WINDOWING KOEFISIEN DST DAN JARAK MATUSITA

Rendi Pradhana

ABSTRAK

Ada suatu suatu sistem yang mampu mengenali dan mendefinisikan suara

harmonika.Sistem ini membandingkan secara langsung nada Do, Re, Mi, Fa, Sol, La, Si , Do’ yang

akan dimainkan. Nada yang akan dimainkan dibandingkan dengan nada yang telah tersimpan pada sistem tersebut (data base).

Kata kunci : Harmonika, DST, windowing Hanning, fungsi jarak Matusita, Windowingkoefisien,

(11)

HARMONICA TONE RECOGNITION USING WINDOWING OF DST COEFICIENTS AND MATUSITA DISTANCE

Rendi Pradhana

ABSTRACT

Musical arts is an art entertainment already attached in the world community. One of the music commonly used to follow up a intoning music is harmonica.Way playing a musical instrument harmonica is by blowing or absorb that can then be producing sound or tone beautiful.

Harmonica use up the sound of plates a trill (reed) paired to the plate a trill (reedplate). When passed by air, reed will respond by means of vibrating back and forth over a hole (slot) already made upon a reed plate and produce sounds.

There is a a system that able to recognize and define harmonica playing .This system compare directly tone do , re , mi , fa , sol , la , the , do’ which will be played. Tones of which are to played compared to the tone have been stored on those systems (data a base).

After that, the process extracts done features using discrete sine transform so on and so forth.The purpose of comparing the tones of which played using a function of distance matusita .Programming this system uses matlab software programs and user interface uses gui matlab.

Key word : Harmonica, Discrete Sine Transform (DST), Windowing Hanning , range function Matusita, Windowing Coefficient, and tune recognized.

(12)

KATA PENGANTAR

Puji dan Syukur kepada Tuhan Yesus karena telah memberikan Berkat-Nya sehingga penulis dapat menyelesaikan laporan tugas akhir dengan baik, dan dapat 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. Yasinta Petronella Nugraheni, yang selalu memberikan doa, tidak bosan- bosannya memberi semangat dan setia dalam menemani penyelesaian tugas Akhir ini.

7. Renny Erlyana, terimakasih mama yang selalu memberi semangat dan doanya yang kuat setiap saat dan setiap waktu.

8. Mastok debian vitraly, Christian Jordy,Herman Jansen, Maulana Akbar Tobing, Blasius air dasyat,Ranger paingan yang telah membantu dalam penulisan Tugas Akhir ini.

9. Teman-teman yang selalu mengajari, memberi masukan, dan membantu dalam penulisan Tugas Akhir ini.

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

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

(13)

(14)

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

ABSTRAK ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI ... xii

DAFTAR GAMBAR ... xvii

DAFTAR TABEL ... xviii

BAB I PENDAHULUAN ... 1

1.1Latar 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 Harmonika ... 4

2.2 Sampling ... 6

2.3 Pemotongan Sinyal ... 6

(15)

xiii

2.5Hanning Window ... 7

2.6Ekstraksi Ciri ... 8

2.7Discrete Sine Transform (DST) ... 8

2.8Fungsi Jarak Matusita ... 9

2.9Mikrofon ... 9

2.10Sound Card ... 6

2.11Matlab ... 6

BAB III PERANCANGAN... 13

3.1. Sistem Pengenalan Nada ... 13

3.1.1Nada Harmonika ... 14

3.1.2Pemotongan Sinyal... 14

3.1.3Frame Blocking ... 14

3.1.4Normalisasi ... 14

3.1.5Windowing ... 14

3.1.6Discrete Sine Transform(DST) ... 14

3.1.7Windowing Koefisien ... 15

3.1.8Fungsi Jarak ... 15

3.1.9Penentuan Nada ... 15

3.1.10Hasil Tampilan Nada... 15

3.2Perancangan Nada Referensi... 16

3.3Tampilan Program Pada GUI Matlab ... 16

3.4Perancangan Blok Diagram... 18

3.4.1 Proses Perekaman... 19

(16)

xiv

3.4.3Proses Frame Blocking ... 20

3.4.4Proses Normalisasi ... 21

3.4.5Proses Hanning Windowing ... 22

3.4.6 Proses Discrate Sine Transform (DST) dan Windowing Koefisien . 22 3.4.7 Proses Fungsi Jarak Matusita ... 23

3.4.8 Proses Penentuan Hasil Nada ... 24

3.5 Perancangan Subistem Program ... 24

3.6 Perancangan Sampling ... 25

3.7 Perancangan Blok Diagram... 27

BAB IV HASIL DAN PEMBAHASAN ... 29

4.1. Pengujian Program Pengenalan NadaHarmonika menggunakan Ekstraksi Ciri Discreate Sine Transform dan Jarak Matusita ... 26

4.1.1 Proses Pengenalan NadaHarmonika dengan Menggunakan Langkah- langkah Berikut ... 26

4.1.2 Pengenalan Nada ... 28

4.2. Hasil Pengujian Program Pengenalan Nada Terhadap Terhadap Tingkat Pengenalan Nada Harmonika ... 40

4.2.1 Pengujian untuk Menentukan batas Nilai Jarak yang Opimal ... 45

BAB V KESIMPULAN DAN SARAN... 46

5.1Kesimpulan ... 46

(17)

(18)

xvi

DAFTAR LAMPIRAN

LAMPIRAN A ... L 1 LAMPIRAN B ... L 3 LAMPIRAN C ... L 5 LAMPIRAN D ... L 14 LAMPIRAN E ... L 14 LAMPIRAN F ... L 14 LAMPIRAN G ... L 15 LAMPIRAN H ... L 15 LAMPIRAN I ... L 17 LAMPIRAN J ... L 18

(19)

xvii

DAFTAR GAMBAR

Gambar 2.1 Alat Musik Harmonika ... 4

Gambar 2.2 Harmonika ... 5

Gambar 2.3 Frame Blocking ... 7

Gambar 2.4 HasilPlot Jendela Hann ... 8

Gambar 2.5 Contoh sound card ... 11

Gambar 2.6 Tampilan awal Matlab ... 12

Gambar 3.1 Diagram Blok Pengenalan Harmonika ... 13

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

Gambar 3.3 Diagram Tampilan Utama Program ... 17

Gambar 3.4 Diagram Blok Keseluruhan ... 18

Gambar 3.5 Diagram Alir Proses Perekaman ... 19

Gambar 3.6 Diagram Alir Proses Pemotongan Sinyal ... 19

Gambar 3.7 Diagram Alir Proses Frame Blocking ... 20

Gambar 3.8 Diagram Alir Proses Normalisasi ... 21

Gambar 3.9 Diagram Alir Proses Windowing Hanning ... 22

Gambar 3.10 Diagram Alir Proses DST ... 23

Gambar 3.11Diagram Alir Fungsi Jarak ... 23

Gambar 3.12 Diagram Alir Proses Penentuan Hasil Nada ... 24

Gambar 4.1 Ikon Matlab 7.0.4 ... 26

Gambar 4.2 Tampilan Matlab ... 27

Gambar 4.3 Tampilan Program Pengenalan Nada Harmonika ... 27

(20)

xviii

DAFTAR TABEL

Tabel 3.1Keterangan Tampilan Program ... 17

Tabel 4.1Nilai Jarak Yang Optimal ... 40

Tabel 4.2 Hasil Pengenalan DST : 256 dan Windowing Koefesien : 80% ... 41

(21)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Seni musik merupakan suatu seni hiburan yang sudah melekat di masyarakat dunia. Banyak jenis musik dan alat musik yang digunakan untuk memainkan suatu lagu / instrument. Salah satu alat musik yang biasa digunakan untuk mengiringi sebuah alunan musik.

Harmonika bukan hanya alat musik berbentuk yang kecil dan mudah di bawa. cara memainkan alat musik harmonika ini dengan hanya meniup ataupun menyedot kemudian bisa menghasilkan suara ataupun nada yang indah. Harmonika menggunakan sumber bunyi berupa pelat getar (reed) yang dipasangkan pada piring pelat getar (reedplate). Saat dilewati udara, reed akan merespon dengan cara bergetar bolak-balik melalui lubang(slot) yang sudah dibuat pada reed plate dan menghasilkan bunyi.

Berdasarkan dari hal di atas, maka dapat ditarik kesimpulan bahwa secara pendengaran telinga manusia sudah pasti dapat mendefinisikan suara yang dihasilkan oleh alat musik. harmonika. Oleh karena itu peneliti ingin membuat suatu sistem yang mampu mengenali dan mendefinisikan suara harmonika.

Sistem ini membandingkan secara langsung nada Do, Re, Mi, Fa, Sol, La, Si , Do’ yang akan dimainkan. Nada yang akan dimainkan dibandingkan dengan nada yang telah tersimpan pada sistem tersebut (data base). Setelah itu, dilakukan proses ekstrak ciri menggunakan Discrete Sine Transform (DST). Pembandingan nada yang dimainkan menggunakan fungsi jarak Matusita. Pemrograman sistem ini menggunakan software Matlab dan program interface user menggunakan GUI Matlab.

Sebelumnya sudah ada yang melakukan penelitian pengenalan nada. Penelitian yang sudah pernah dilakukan adalah “Pengenalan Nada Seruling

(22)

Bambu Secara Real-Time Menggunakan Ekstraksi ciri DCT dan Similaritas Sorensen” [1] yang dilakukan oleh Yustinus Deddy Yuswantoro. Peneliti memilih metode ini untuk mengembangkan tentang pengenalan nada alat musik tiup dan metode ekstraksi ciri yang berbeda dan ada tambahan windowing koefisien agar hasil ekstraksi ciri lebih sedikit.

1.2 Tujuan dan Manfaat Penelitian

Tujuan dari penulisan tugas akhir ini adalah menghasilkan perangkat lunak yang mampu mengenali suara Harmonikasecara tidak real time.

Manfaat dari penelitian ini adalah :

a. Dalam pengembangannyasebagai perangkat lunak untuk mengenali suara Do, Re, Mi, Fa, Sol, La, Si , Do’ yang dihasilkan dari alat musik harmonika.

b. Sebagai penelitian awal untuk pengembangan alat bantu penyetelan suara nada dasar harmonika pada ssaat pembuatannya.

1.3 Batasan Masalah

Sistem pengenalan nada harmonika ini terdiri dari hardware dan software(komputer). Hardware berfungsi untuk memasukkan suara Harmonika yang diditiup dan disedot, sedangkan perangkat lunakpada komputer berfungsi untuk mengatur semua proses pengenalan suara harmonika yang ditiup dan disedot.

Pada perancangan sistem ini, penulis fokus pada pembuatan softwarekomputer untuk memproses pengenalan suara harmonika, sedangkan untuk hardware berupa microphone yang sudah tersedia di pasaran. Penulis menetapkan beberapa batasan masalah yang dianggap perlu pada perancangan ini, yaitu sebagai berikut:

a. Suara yang diidentifikasi 1 alat (harmonika penguji). Ditiup oleh penguji (1orang)

(23)

b. Nada berupa Do, Re, Mi, Fa, Sol, La, Si , Do’ Suara yang lain dikenali secara salah.

c. Hasil pengenalan nada tidak secara realtime.

d. Menggunakan perangkat lunak komputasi (Matlab) dalam pembuatan program.

e. Memakai ekstraksi ciri Discrete Sine Transform (DST) dan fungsi jarak Matusita.

f. Memakai windowing koefisien agar hasil ekstraksi ciri lebih sedikit g. Memakai jenis mikrofon INTOPIC Jazz MIC, Dekstop MIC Jazz-013,

dengan jarak harmonika 10 cm dari mikrofon.

1.4 Metodologi Penelitian

Penulisan skripsi ini menggunakan metode :

a. Pengumpulan bahan–bahan referensi berupa buku–buku dan jurnal–jurnal. b. Perancangan subsistem software. Tahap ini bertujuan untuk mencari bentuk model yang optimal dari sistem yang akan dibuat dengan mempertimbangkan dari berbagai faktor–faktor permasalahan dan kebutuhan yang telah ditentukan.

c. Pembuatan subsistem software. sistem akan bekerja apabila user memberikan interupsi melalui PC dengan media push button yang sudah disediakan dalam software.Kemudian sistem akan mengolah interupsi ini dan setelah selesai maka komputer akan mengolah data dan menyajikannya berupa sebuah informasi/teks.

d. Analisa data dilakukan dengan memeriksa keakuratan data terhadap hasil proses pengenalan nada, dengan cara membandingkan antara data di komputer dengan lapangan dan perancangan. Penyimpulan hasil percobaan dapat dilakukan dengan menghitung jarak yang terjadi

(24)

BAB II

LANDASAN TEORI

2.1 Harmonika

Gambar 2.1 Harmonika

Harmonika bukan hanya alat musik yang berbentuk kecil, mungil dan mudah di bawa. Banyak orang mengira memainkan alat musik harmonika ini begitu mudah dimainkan. Dengan hanya meniup dan menyedot dapat menghasilkan suara ataupun nada yang indah. Memainkan alat musik harmonika tidak semudah yang kita bayangkan. Dibutuhkan trik untuk bermain harmonika dengan baik dan benar. Harmonika adalah salah satu alat musik tiup. Cara memainkan alat musik ini adalah dengan meniup dan menghisap lubang untuk menghasilkan suara. Harmonika berasal dari alat musik tradisional Cina yang bernama 'Sheng'. Alat musik tradisional tersebut telah digunakan sekitar 5000 tahun yang lalu, tepatnya sejak kekaisaran Nyu-kwa.

Harmonika modern ditemukan pada tahun 1821 oleh Christian Friedrich Buschmann. Sebuah instrumen musik tiup sederhana yang terdiri dari plat-plat getar dari logam yang disusun secara horizontal dengan model yang sederhana dan hanya menyediakan nada tiup kromatis.

(25)

Model awal dari Buschmann akhirnya banyak ditiru dan disempurnakan menjadi lebih baik. Salah satu contohnya adalah harmonika buatan Richter yang merupakan desain awal dari sebuah harmonika modern. Pada tahun 1826 ia mengembangkan variasi harmonika dengan 10 lubang tetap dan 20 pelat getar dengan pemisahan fungsi pelat yang ditiup dan yang dihisap.

.Harmonika menggunakan sumber bunyi berupa pelat getar (reed) yang dipasangkan pada piring pelat getar (reedplate). Saat dilewati udara, reed akan merespon dengan cara bergetar bolak-balik melalui lubang(slot) yang sudah

dibuat pada reed plate dan menghasilkan

bunyi. Harmonikaterdiridari3bagianbesar,yaitu: (lihat gambar 2.3)

Gambar 2.3 Bagian-bagian Harmonika

1.Tutupluar(cover)

Tutup luar harmonika fungsinya untuk memusatkan suara dari reed dan melindungi reed yang bergetar dari genggaman tangan. Ada sepasang, atas dan bawah. Di tutup ini juga (bagian atas), biasanya dicetak nomor lubang (pada jenis diatonik/kromatik), nama, kunci dasar harmonika, dan merek harmonika. Bahan cover biasanya baja tahan karat, alumunium, kadang besi yang di krom atau dilapisi nikel

(26)

2.Piringpelatgetardanpelatgetar(reedplate&reed)

Tempat dipasangnya reed. Reedplate dilubangi dengan pola tertentu, biasanya dari kirilubang terpanjang, berderet sampai lubang terpendek di kanan. Reedplate ada sepasang, yaitu reedplate tiup dan reedplate hirup. Untuk reedplate tiup, posisi reednya menghadap ke dalam dan dipasang diatas comb, yang reedplate hirup, posisi reednya menghadap ke luar dan dipasang di bawah comb. Di reedplate ini, reed yang panjang, bernada rendah, sedangkan reed yang pendek, bernada tinggi. Bahan reed dan reedplate biasanya (dan paling umum) dari kuninganagartidakmudahkaratan.

3.Sisir(comb)

Bagian tengah dari harmonika ini berbentuk seperti sisir, biasanya terbuat dari plastik, kayu, dan ada juga yang metal. Disini dibuat juga lubang untuk menyalurkan udara.

2.2 Sampling

Sampling merupakan proses pencuplikan gelombang suara yang akan menghasilkan gelombang diskret . Dalam proses pencuplikan, ada yang disebut dengan laju pencuplikan (samplingrate). Sampling rate menandakan berapa banyak pencuplikan gelombang analog dalam satu detik. Satuan dari samplingrate ialah Hertz (Hz). Secara teori Nyquist-Shamon yang menyebutkan bahwa untuk mencegah hilangnya informasi dalam sebuah konversi sinyal kontinu ke diskrit, pencuplikan minimal harus dua kali lebih besar dari sinyal asli [3]. Kriteria Nyquist perlu diperhatikan dalam melakukan pencuplikan. Lebih jelasnya kriteria Nyquist menyatakan sebuah sinyal harus memiliki pencuplikan rate yang lebih besar dari 2 dengan adalah frekuensi paling tinggi yang muncul di sebuah sinyal.

(27)

2.3 Pemotongan Sinyal

Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi ciri. Proses ini bertujuan untuk memotong beberapa bagian sinyal. Dalam proses perekaman, pemotongan sering terjadi untuk bagian awal sinyal. Pemotongan bagian awal sinyal suara dimaksudkan untuk menghilangkan bagian yang tidak termasuk bagian dari sinyal nada harmonika serta untuk mengurangi cacat sinyal akibat derau ruangan yang ikut terekam .

2.4 Frame Blocking

Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan satu frame terdiri dari beberapa data sampel [4]. Pengambilan sampel tersebut tergantung dari tiap detik suara akan disampel dan berapa besar frekuensi sampling-nya. Gambar 2.4 menunjukkan contoh dari frame blocking dimana keseluruhan frame dibagi menjadi 5 M frame. Setiap M memiliki jumlah data yaitu data, dengan N adalah Bilangan bulat

Gambar 2.4. Frame Blocking

Fungsi frame blocking yaitu untuk memilih data yang akan diproses dalam sistem pengenalan. Frame Blocking juga dapat mempercepat proses perhitungan pada DST (Descrete Sine Transform) dengan jumlah data pada setiap frame memiliki data sampel yang diambil dari keseluruhan data sampel.

(28)

2.5 Hann (Hanning) window

Jendela Hann dinamai Julius von Hann dan juga dikenal

sebagai Hanning (karena mirip nama dan dalam bentuk ke jendela Hamming ) [5], von Hann dan jendela kosinus mengangkat didefinisikan oleh:

(2.1)

Ujung-ujung cosinus hanya menyentuh nol, sehingga sisi-lobus menggelinding pada sekitar 18 dB per oktaf.

Gambar 2.5 hasil plot dengan Jendela Hann.

2.6 Ekstraksi Ciri

Ekstraksi ciri merupakan proses untuk mendapatkan sederetan besaran pada bagian sinyal masukkan untuk menetapkan pola pembelajaran atau pola uji [6]. Dalam proses pengenalan diperlukan pencuplikan yang lebih dari satu oleh sebab itu pencuplikan yang telah dilakukan dapat dibentuk pola ujinya dengan tahapan ekstraksi ciri ini. Ekstraksi ciri mempunyai berbagai macam tipe seperti : ekstraksi ciri secara Discrete Cosine Transform (DCT), ekstraksi ciri Fast Fourrier Transform (FFT) dan ekstaksi ciri Discrette Sine Transform (DST). Ekstraksi-ekstraksi ciri tersebut bertujuan untuk mendapatkan pola dasar dari hasil pencuplikan yang sudah ada.

(29)

Discrete Sine Transform (DST) adalah Algoritma yang digunakan untuk mengubah sampel data dari domain waktu ke domain frekuensi [7]. DST menstabilkan hubungan antara sampel – sample signal domain waktu dan merepresentasikannya ke domain DST. Untuk melakukan analisis frekuensi dari sinyal waktu diskrit F(k) maka perlu mendapatkan representasi domain frekuensi dari sinyal yang biasanya dinyatakan dalam domain waktu. DST digunakan untuk melakukan analisa frekuensi dari sinyal waktu diskrit.

DST dihitung menggunakan persamaan :

(2.2)

Dengan : k = indeks dalam domain DST = 1,….,N, n = indeks dalam domain waktu = 1,…..N,

N=banyaknya data

2.8 Fungsi Jarak Matusita

Fungsi jarakMatusita adalah untuk membandingkan antara database dengan data hasil. Pembandingan data ini yang akan digunakan untuk mengidentifikasi masukkan yang nantinya akan menghasilkan keluaran akhir dari sistem program. Fungsi jarakmatusita merupakan proses yang digunakan untuk penentuan keluaran sebelum keluaran akhir benar-benar dihasilkan. Rumus untuk Fungsi jarak Matusita adalah sebagai berikut [8] :

(30)

P dan Qmerupakan merupakan vektor yang akan dicari nilai jaraknya dan M adalah panjang vektor.

2.10 Mikrofon

Mikrofon digunakan pada beberapa alat seperti telepon, alat perekam, alat bantu dengar, pengudaraan radio, televisi, dan sebagainya . Fungsi mikrofon pada dasarnya ialah untuk input suara harmonika lalu mengubahnya menjadi getaran listrik sinyal analog untuk selanjutnya diperkuat dan diolah sesuai dengan kebutuhan [9]. Tahap selanjutnya setelah menjadi sinyal analog ialah dengan menggunakan power amplifier dari suara yang berintensitas rendah menjadi lebih keras lalu terakhir diumpan ke-speaker.

Dalam memilih mikrofon harus diperhatikan dengan seksama. Ketelitian dalam memilih mikrofon diperlukan agar dapat memaksimalkan performa dari mikrofon yang nantinya akan dipakai.Karakteristik yang harus diperhatikan ketika akan memilih sebuah mikrofon adalah:

1. Prinsip cara kerja mikrofon dari jenis mikrofon itu sendiri.

2. Daerah respon frekuensi suara yang mampu dicuplik oleh mikrofon.

3. Sudut atau arah pencuplikan mikrofon.

4. Output sinyal listrik yang dihasilkan mikrofon. 5. Bentuk fisik mikrofon.

Untuk mendapatkan hasil yang maksimal dalam penggunaan mikrofon, maka pemilihan mikrofon harus disesuaikan dengan kebutuhan dalam hal ini yaitu sumber suara yang ingin dicuplik, misalnya suara manusia, alat musik, suara kendaraan, atau yang lainnya dengan sistem tata suara yang digunakan seperti sistem suara untuk pertunjukkan musik, alat perekaman, dan sebagainya. Hal itu dikarenakan tiap kebutuhan memerlukan hasil output yang berbeda-beda meskipun tetap memakai satu jenis masukkan yaitu mikrofon.

(31)

2.10 Sound Card

Sound card merupakan sebuah periperal pada komputer sebagai I/O suara yang menyediakan komputer kemampuan untuk menghasilkan suara yang dapat didengar oleh pengguna baik melalui speaker atau headphone . Pada dasarnya setiap sound card memiliki:

1. Digital Signal Processor (DSP) yang akan menangani semua jenis komputasi.

2. Digital to Analog Converter (DAC) sebagai keluaran suara ke speaker.

3. Analog to Digital Converter (ADC) sebagai masukan suara. 4. Read Only Memory (ROM) atau Flash sebagai penyimpanan data. 5. Musical Instrument Digital Interface (MIDI) untuk

menyambungkan beberapa peralatan musik eksternal.

6. Jack untuk menyambungkan kartu suara dengan speaker pada jalur line out atau mikrofon pada jalur line in.

Beberapa sound card sudah terpasang secara pabrikan (on board) pada motherboard komputer, tetapi bisa juga ditambahkan untuk keperluan yang lebih lanjut pada slot PCI motherboard [10].

Gambar 2.6. Contoh Kartu Suara

Ada beberapa pengaturan awal dalam proses perekaman suara dengan menggunakan sound card, yaitu:

1. Sampling Rate, telah dijelaskan pada poin 2.2 2. Channel yang digunakan, yaitu mono atau stereo.

(32)

Satu channel menandakan mode mono, 2 Channel menandakan mode stereo.

2.11 Matlab

Pemograman untuk sistem pengenalan suara manusia ini memakai perangkat lunakMatlab. Hal ini dikarenakan matlab merupakan perangkat lunak dengan bahasa pemograman tingkat tinggi, selain itu Matlab mempunyai ratusan fungsi yang dapat diaplikasikan dalam berbagai macam program.

Matlab merupakan bahasa pemrograman yang hadir dengan fungsi dan karakteristik yang berbeda dengan bahasa pemrograman lain yang sudah ada lebih dahulu seperti Delphi, Basic maupun C++. Matlab merupakan bahasa pemrograman level tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan pemrograman seperti komputasi matematik, analisis data, pengembangan algoritma, simulasi dan pemodelan dan grafik-grafik perhitungan. Matlab hadir dengan membawa warna yang berbeda. Hal ini karena Matlab membawa keistimewaan dalam fungsi-fungsi matematika, fisika, statistik, dan visualisasi. Saat ini Matlab memiliki ratusan fungsi yang dapat digunakan sebagai problem solver mulai dari simple sampai masalah-masalah yang kompleks dari berbagai disiplin ilmu [11] . Pada Lingkungan kerja Matlab, ada beberapa bagian Window yang dipakai, yaitu :

1. Current Directory

Current Directory menampilkan isi dari direktori kerja saat menggunakan Matlab. Direktori ini dapat diganti sesusai dengan tempat direktori kerja yang diinginkan.

2. Command History

Window ini berfungsi untuk menyimpan perintah apa saja yang sebelumnya dilakukan oleh pengguna Matlab.

(33)

3. Command Window

Command Window adalah window utama dari Matlab. Di sini adalah tempat untuk, menjalankan fungsi, mendeklarasikan variabel, menjalankan proses, serta melihat isi variabel.

4. Workspace

Workspace berfungsi untuk menampilkan seluruh variabel yang sedang aktif pada saat pemakaian Matlab. Apabila variabel berupa data matriks berukuran besar, maka user dapat melihat isi dari seluruh data dengan melakukan double click pada variabel tersebut. Matlab secara otomatis akan menampilakn window “array editor” yang berisikan data pada setiap variabel yang dipilih user.

Gambar 2.4 menunjukan tampilan dari software Matlab yang digunakan dalam perancangan program pengenalan nada.

(34)

BAB III

PERANCANGAN

3.1. Sistem Pengenalan Nada Alat Musik Harmonika

. Blok sistem pengenalan nada alat musik harmonika di tunjukkan pada gambar

Gambar 3.1 Diagram Blok Pengenalan Nada Harmonika

Pada proses pengenalan nada harmonika, data berupa input wave yang kemudian akan di normalisasi, dan kemudian di olah melalui proses windowing untuk kemudian dilakukan analisa sinyal menggunakan DST (Discrete Sine transform) kemudian dilakukan windowing koefisien dan proses yang terakhir penyelesaian dengan fungsi jarak Matusita dalam sistem pengenalan nada harmonika.

3.1.1 Nada Harmonika

Hasil dari sampling nada harmonika yang direkam

Normalisasi

Fungsi Jarak Matusita Keluaran Text

Hanning Window DST

Pemotongan Sinyal

Windowing Koefisien Suara Harmonika (wav)

DataBase Penentuan Nada

(35)

3.1.2 Pemotongan Sinyal

Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi ciri. Proses ini bertujuan untuk memotong beberapa bagian sinyal.

3.1.3 Frame blocking

Proses ini memilih data dari data nada terekam, sehingga data yang dipilih dapat mewakili semua data pada nada terekam. Frame blocking bertujuan untuk mengurangi jumlah data sinyal yang akan di proses. Besarnya data nada terekam yang dipilih sesuai dengan nilai frame blocking yang sudah ditentukan pada program.

3.1.4 Normalisasi

Proses ini bertujuan untuk menyetarakan amplitudo maksimum baik nada terekam dengan nada referensi, sehingga efek dari kuat lemahnya suara yang dikeluarkan harmonika tidak terlalu mempengaruhi proses pengenalan.

Untuk menyetarakan skala amplitudo puncak maka proses normalisasi menggunkan rumus :

(3.1)

3.1.5 Windowing

Windowing merupakan perkalian antar elemen yang berfungsi untuk mengurangi efek diskontinuitas dari sinyal digital hasil rekaman. Dalam perancangan ini penulis menggunakan Hanning Window.

3.1.6 Discrete Sine Transform (DST)

Discrete Sine Transformberfungsi untuk mengkonversi domain waktu ke domain DST. Domain frekuensi digunakan untuk melihat ciri dari suatu nada.

(36)

3.1.7 Windowing koefisien

Untuk sistem pengenalan nada Harmonika. Disini penulis menggunakan windowing koefisien DST. Sebagian sinyal diambil dari koefisien DST yang dapat digunakan sebagai ekstraksi ciri. Untuk pengambilan sebagian sinyal dapat diambil dari koefisien DST ke-1 hingga nilai ke-n (nilai maksimal), dengan n adalah panjang DST. Dalam proses pengenalan nada Harmonika ini dievaluasi sejumlah n dari panjang DST, yaitu 16, 32, 64, 128, 256 titik. Dari panjang setiap n DST akan dipilih sejumlah c koefisien dengan rumus :

c = p x n

(3.2)

Dengan :

p = 10%, 20%, 30%, 40%, 50%, 60%, 70% dan 80%, n = panjang DST

Fungsi Jarak

Proses ini membandingkan nada yang terekam. Hasil dari perbandingan adalah jarak yang kemudian akan digunakan dalam proses selanjutnya. Pada proses pengenalan, yang diambil adalah jarak yang terdekat dengan nada terekam. Dalam proses ini penulis menggunakan fungsi jarak Matusita.

Penentuan Nada

Proses ini bertujuan mengenali nada yang terekam dari jarak minimum di peroleh setelah proses fungsi jarak.

Hasil Tampilan Pengenalan

Hasil pengenalan adalah subproses terakhir dari proses pengenalan nada. Pada proses ini, hasil pengenalan nada diperoleh setelah proses kemudian ditampilkan dalam komputer dalam GUI Matlab dalam bentuk text.

(37)

3.2 Perancangan Nada Referensi

Untuk merancang suatu pengenalan nada maka dibutuhkan nada acuan atau sering juga disebut nada refrensi. Nada refrensi harus memiliki ciri yang sudah diketahui oleh sistem terlebih dahulu. Nada refrensi diperlukan untuk menjadi data base. Fungsi database untuk perbandingan nada yang akan dikenali. Pada sistem pengenalan nada Harmonika ini penulis menggambil nada sebagai nada uji dan 10 sebagai database. Pengambilan nada untuk nada refrensi melalui proses sampling, frame blocking, normalisasi, windowing ,DST dan windowing koefisien. Untuk mendapatkan nada refrensi maka dilakukan perhitungan :

Nada referensi yang telah di dapat akan disimpan dalam fungsi yang ada dalam sistem pegenalan nada Harmonika. Nada refrensi yang disimpan dalam sistem pengenalan nada Harmonika ini berfungsi jika sewaktu - waktu dibutuhkan dapat langsung dipanggil dalam proses fungsi jarak yang ada dalam sistem. Alur proses pengenalan nada referensi terlihat pada gambar 3.2.

Gambar 3.2 Diagram Proses Pengambilan Nada Referensi

3.2. Tampilan Program Pada GUI Matlab

Tampilan program sebagai interface dengan user.Program tersebut berfungsi mempermudah user dalam mengoperasikan pengenalan nada Harmonika. Program tersebut menampilkan plotting hasil perekaman dan hasil dari DFT dan nilai jarak yang diperoleh. Pada program ini juga memberikan

DST Windowing

Normalisasi Frame Blocking

Sampling

Windowing koefisien Pemotongan sinyal

(38)

pilihan nilai DFT dan alpha pada windowing yang akan digunakan untuk pengenalan nada. Tampilan program dibuat menggunakan software Matlab. Penjelasan lebih lanjut tentang tampilan program terdapat pada tabel 3.5. Gambar 3.3.

Gambar 3.3 Tampilan Utama Program Tabel 3.1 Keterangan Tampilan Program

Nama Bagian Keterangan

Tombol Pengenalan Nada Digunakan untuk memulai proses pengenalan Tombol Input Data Digunakan untuk mengambil suara nada

pengenalan harmonika

Variasi Windowing koefisien

Untuk variasi windowing Koefisien DST menggunakan 10%, 20%, 30%, 40%,50%,60%,70% dan 80%

Variasi DST Untuk memilih nilai DST yang akan digunakan pada proses pengenalan nada, pilihan nilainya

(39)

adalah 16, 32, 64,128,256. Jarak

Tampilan nilai jarak

Tombol Exit Digunakan untuk mengakhiri dan keluar aplikasi. Plot Hasil Rekaman Tampilan grafik suara hasil perekaman.

Plot Hasil DST Tampilan data berupa grafik data hasil DST baik dari rekaman maupun dari 8 nada referensi.

3.3. Perancangan Diagram Blok

Ketika pengguna akan memulai program pengenalan nada Harmonika, pengguna dihadapkan tampilan yang sederhana dari interface Matlab. Masukkan nada uji ke input data, variasi nilai DST dan variasi windowing koefisien pada list box, setelah user selesai memilih nilai variasi yang diinginkan kemudian pada plot hasil perekaman tertampil. proses selanjutnya adalah penekanan tombol pengenalan nada yang tersedia pada tampilan awal. Sistem akan mengenali nada secara tidak real time pada nada harmonika. Proses perekaman aktif selama durasi 1.5 detik. Setelah dilakukan pengenalan maka kemudian tergambar grafik pada hasil pengenalan DST dan kemudian berbentuk keluaran text pada hasil pengenalan nada Dalam gambar 3.4 akan menjabarkan mengenai alur proses utama dalam program.

(40)

Gambar 3.4. Diagram Block Keseluruhan

3.4.1 Proses Perekaman

Mulai Masukan nada

Harmonika

DST

Fungsi Jarak

Keluaran text

Selesai Frame

Blocking

Normalisasi

Windowing Hanning

Penentuan Nada Windowing

Koefisien Pemotongan sinyal

Mulai (Rekam)

Sampling Nada

Plot Grafik (sampling)

(41)

Gambar 3.5Proses program rekam

Gambar 3.5 memperlihatkan alir program saat melakukan proses rekam. Pada proses perekaman ada proses delay. Proses delay digunakan untuk memberikan jeda waktu pada user sebelum melakukan perekaman. Pada proses perekaman ini menggunakan frekuensi sampling yang telah ditentukan yang sesuai dengan karakteristik nada Harmonika . perekaman nada harmonika dilakukan 160 kali, 80 nada untuk nada referensi atau database dan 80 nada perekaman untuk nada uji. Hasil proses rekam tersebut kemudian ditampilkan dalam bentuk plot grafik sesuai dengan alir program.

3.4.2 Pemotongan Sinyal

Gambar 3.6 Proses Pemotongan Sinyal.

Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi ciri. Proses ini bertujuan untuk memotong bagian kiri sinyal yang tidak ada datanya.

3.4.3 Proses frame Blocking

Mulai

Mulai Masukan Nada

Terekam(WAV)

Pemotongan sinyal Keluaran hasil

(42)

Gambar 3.7 Proses Frame Blocking

Dari gambar ditampilkan pada Gambar 3.6. Proses frame blocking memilih data dari data nada terekam, Jumlah data yang diambil dalam proses ini sesuai dengan variasi DST yang dipilih user sehingga data yang dipilih dapat mewakili semua data pada nada terekam dan kemudian di normalisasi.

Masukan Nada Terekam(WAV)

Fr=166 Fr=32 Fr=64 Fr=128

Mencari titik tengah Length (x)/(2) Pengambilan Data mulai dari titik tengah

Keluaran hasil

Selesai

ya ya

ya Tidak Tidak

Tidak Tidak

(43)

3.4.4 ProsesNormalisasi

Gambar 3.8 Proses Normalisasi

Pada proses normalisasi seperti gambar 3.7 di atas proses tersebut harus mencari nilai maksimum dari data hasil frame blocking sebelum dilakukan penormalisasian. Normalisasi tersebut berfungsi untuk mengkonversi data maksimum dalam deretan hasil frame blocking menjadi bernilai 1. Dalam pengkonversian menjadi data maksimum menggunakan perintah xmax=max(abs(xframe)). Setelah mencari nilai maksimum, kemudian dilakukan proses normalisasi dengan cara membagi data dengan nilai maksimum yang berisikan perintah xnorm=xframe/xmax. Diperoleh keluaran hasil normalisasi

berupa matriks yang digunakan untuk proses selanjutnya sebagai masukan. Mulai

Hasil Frame blocking

Hasil Normalisasi

(44)

3.4.5 Proses Hanning Windowing

Gambar 3.9 Proses Hanning windowing

Pada sistem pengenalan nada ini menggunakan salah satu dari beberapa jenis windowing yang ada yaitu Hanning window. Untuk gambar proses windowing hamming tertera diatas pada gambar 3.8. Pada proses Hanning window ini melakukan perhitungan dengan memasukkan nilai frame yang digunakan ke dalam persamaan (2.1). Hasil dari proses windowing ini berupa matriks yang selanjutnya menjadi masukan proses DST.

3.4.6 ProsesDST dan windowing koefisien

Dari hasil windowing hamming kemudian ditransformasikan menggunakan Discrete FourierTransform (DST). Proses ini mengkonversi data nada suara dalam domain waktu menjadi domain DST. Proses DST menghasilkan panjang nilai koefisien, Dari panjang nilai nilai koefisien DST kemudian akan dipilih

Mulai

Hasil Normalisasi

w [n] = 0.5 cos

Hasil Windowing

(45)

dengan windowing koefisien sejumlah pilihan user. kemudian komputer menjalankan proses plotting hasil konversi tersebut. Proses DST dan windowing koefisien diperlihatkan pada Gambar 3.9.

Gambar 3.10 Proses DST dan windowing koefisie 3.4.7 Prosesfungsi jarak Matusita

Mulai

Mencari Nilai Absolut DST

Pilih Windowing koefisien DST

Hasil windowing koefisien DST

Selesai

Mulai

Hasil windowing koefisien DST

(46)

Gambar 3.11 Proses fungsi jarak Matusita

Proses penghitungan ini menggunakan fungsi jarak Matusita. Gambar 3.10 memperlihatkan diagram alir proses fungsi jarak Matusita. Pada proses ini Hasil dari keluaran DST kemudian dibandingkan dengan delapan puluh nada referensi atau database. Perbandingan menghasilkan jarak dan data – data tersebut dicari nilai terkecilnya. Setelah nilai jarak terkecil diperoleh maka nada terekam dapat dikenali.

3.4.8 Prosespenentuan nada

Gambar 3.12 Penentuan Nada Selesai

Hasil perhitungan jarak

Mulai

Hasil jarak

Keluaran = jarak minimal

text

(47)

Gambar 3.11 merupakan gambar Penentuan Nada. Nada hasil pengenalan ditampilkan dalam tampilan program dalam bentuk teks. Komputer menampilkan nada hasil pengenalan (“ Do, Re, Mi, Fa, Sol, La, Si, Do’ ”)Jika sudah mencapai pada proses tersebut maka proses pengenalan nada Harmonika sudah selesai. User dapat keluar dari program pengenalan nada tersebut dengan menekan tombol “EXIT”.

3.4. Perancangan Subsistem Program

Sistem pengenalan nada Harmonika mempunyai dua subsistem penting dalamnya. yaitu subsistem sampling dan subsistem pengenalan nada. Perancangan subsistem tersebut terdapat variabel dari nilai variasi-variasi yang telah di tentukan yaitu variasi DST dan windowing koefisien, sehingga pengenalan dapat berhasil dan dengan waktu proses yang optimal. Pengujian awal untuk mencari variabel tersebut sangat diperlukan karena dalam program tersebut memiliki fungsi–fungsi menunjang subsistem dari sistem program pengenalan nada.

3.6.1 Subsistem Sampling

Dalam subsistem ini terdapat dua variabel terikat berupa frekuensi sampling dan durasi perekaman. Penguji belum melakukan pengujian awal.

3.6.2 Subsistem Pengenalan Nada

Subsistem ini terdiri dari tiga proses, menggunakan variabel tetap yaitu proses fungsi jarak dan menggunakan variabel bebas yaitu variasi DST dan variasi windowing koefisien. Variabel yang akan di evaluasi untuk membangun sistem nada yang optimal adalah kedua variabel bebas tersebut.

(48)

b. Frame blocking mengambil sampel data dari data suara terekam(data yang diperoleh dalam proses sampling). Nilai variasi frame blocking sama dengan nilai variasi dari DST yaitu 16, 32, 64, 128,256.

c. Windowing Koefisien DST mengevaluasi proses variasi nilai jumlah koefisien DST. Nilai variasi koefisien adalah 10%, 20%, 30%, 40%, 50% , 60%, 70% dan 80%

(49)

BAB IV

HASIL DAN PEMBAHASAN

Pengujian program perlu dilakukan untuk mengetahui kinerja program bekerja dengan baik dan sesuai dengan perancangan. hasil pengujian berupa data-data yang dapat memperlihatkan bahwa program yang telah dirancang dapat berjalan dengan baik. Analisa terhadap proses proses kerja dapat digunakan untuk menarik kesimpulan dari apa yang disajikan dalam tugas akhir ini.

4.1 Pengujian

Program

Pengenalan

Nada

Harmonika

Menggunakan Windowing Koefisien DST dan Jarak

Matusita

Perancangan program menggunakan software Matlab 7.10.0. Pada pengujian program menggunakan laptop dengan spesifikasi:

Prosesor : Intel® Celeron® CPU @ 2.16 GHz RAM : 2.00 GB

Tipe sistem : Sistem operasi 64 bit

Proses pengenalan nada Harmonika dapat dilakukan dengan menjalankan langkah-langkah di bawah ini:

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

Gambar 4.1 Ikon Matlab 7.10.0

2. Setelah melakukan langkah 1, akan tampil tampilan utama software Matlab seperti Gambar 4.2.

(50)

Gambar 4.2 Tampilan Matlab

3. Mengetikan perintah GUI pada Comand window untuk memunculkan tampilan program pengenalan nada. Setelah itu akan muncul tampilan program pengenalan nada seperti pada Gambar 4.3.

(51)

4. User memilih input data yang akan di kenali kemudian nilai variasi DST dan variasi windowing koefisien yang akan digunakan terlebih dahulu sebelum melakukan pengenalan nada. Nilai variasi DST yang disediakan adalah 16, 32, 64, 128, dan 256. Nilai variasi windowing koefisien yang disediakan adalah 10%,20%,30%,40%,50%,60%,70% dan 80%.

5. Apabila langkah 4 sudah dilakukan, user dapat memulai pengenalan nada dengan menekan tombol “Pengenalan Nada”. Hasil pengenalan nada Harmonika terlihat seperti pada gambar 4.4.

Gambar 4.4 Tampilan Hasil Pengenalan

6. User dapat mengulang kembali pengenalan nada yang berbeda dengan mengulang kembali langkah 4.

7. User dapat mengakhiri pengenalan nada dengan menekan tombol “exit”. 4.1.1 Pengenalan Nada

Pengenalan nada dapat dilakukan dengan melakukan berbagai langkah-langkah seperti yang telah dijelaskan di atas. Tampilan program pengenalan nada dapat dilihat pada Gambar 4.3. Pada tampilan pengenalan nada terdapat 3 pop up menu, 7 axes, 2 pushbutton, dan 9 statictext. User dapat memulai pengenalan nada dengan melakukan pengaturan terlebih dahulu pada program pengenalan nada.

(52)

Pengaturan yang perlu dilakukan adalah dengan memilih input nada yang akan di kenali, memilih nilai variasi DST dan nilai variasi windowing koefisien yang terdapat pada pop up menu. Setelah itu menentukan nilai variasi yang akan digunakan, user dapat memulai pengenalan nada dengan menekan tombol tekan ”pengenalan nada”. Hasil pengenalan yang ditampilkan adalah plot input data perekaman, plot DST, dan nada yang berhasil dikenali. User dapat mengulang pengenalan nada dengan input nada yang berbeda, nilai variasi DST yang berbeda dan nilai variasi windowing koefisien yang berbeda. Untuk mengakhiri pengenalan dengan menekan tombol “exit” seperti yang telah dijelaskan di atas.

a. Pop Up Menu

Pada program pengenalan nada Harmonika ini menggunakan tiga pop up menu variasi DST, dan variasi windowingkoefisien,. Untuk pop up menu 1 akan menampilakan input nada yaitu Do, Re, Mi, Fa, Sol, la, Si dan Dot (Do tinggi) dengan sepuluh macam setiap nadanya. pop up menu 2 digunakan untuk variasi DST yang bernilai 16, 32, 64, 128, dan 256. Pop up menu 3 akan menampilkan windowingkoefisien yang bernilai 10, 20, 30, 40, 50, 60, 70 dan 80. Berikut merupakan contoh program dalam penggunakan pop up menu

%mengambil data (load) if (nada==1)

[y,fs]=wavread('do_1.wav');

elseif (nada==2)

[y,fs]=wavread('do_2.wav');

elseif (nada==3)

[y,fs]=wavread('do_3.wav');

elseif (nada==4)

[y,fs]=wavread('do_4.wav');

elseif (nada==5)

[y,fs]=wavread('do_5.wav');

elseif (nada==6)

[y,fs]=wavread('do_6.wav');

(53)

[y,fs]=wavread('do_7.wav');

elseif (nada==8)

[y,fs]=wavread('do_8.wav');

elseif (nada==9)

[y,fs]=wavread('do_9.wav');

elseif (nada==10)

[y,fs]=wavread('do_10.wav');

elseif (nada==11)

[y,fs]=wavread('re_1.wav');

elseif (nada==12)

[y,fs]=wavread('re_2.wav');

elseif (nada==13)

[y,fs]=wavread('re_3.wav');

elseif (nada==14)

[y,fs]=wavread('re_4.wav');

elseif (nada==15)

[y,fs]=wavread('re_5.wav');

elseif (nada==16)

[y,fs]=wavread('re_6.wav');

elseif (nada==17)

[y,fs]=wavread('re_7.wav');

elseif (nada==18)

[y,fs]=wavread('re_8.wav');

elseif (nada==19)

[y,fs]=wavread('re_9.wav');

elseif (nada==20)

[y,fs]=wavread('re_10.wav');

elseif (nada==21)

[y,fs]=wavread('mi_1.wav');

elseif (nada==22)

[y,fs]=wavread('mi_2.wav');

elseif (nada==23)

[y,fs]=wavread('mi_3.wav');

elseif (nada==24)

[y,fs]=wavread('mi_4.wav');

elseif (nada==25)

[y,fs]=wavread('mi_5.wav');

elseif (nada==26)

[y,fs]=wavread('mi_6.wav');

elseif (nada==27)

[y,fs]=wavread('mi_7.wav');

elseif (nada==28)

[y,fs]=wavread('mi_8.wav');

(54)

[y,fs]=wavread('mi_9.wav');

elseif (nada==30)

[y,fs]=wavread('mi_10.wav');

elseif (nada==31)

[y,fs]=wavread('fa_1.wav');

elseif (nada==32)

[y,fs]=wavread('fa_2.wav');

elseif (nada==33)

[y,fs]=wavread('fa_3.wav');

elseif (nada==34)

[y,fs]=wavread('fa_4.wav');

elseif (nada==35)

[y,fs]=wavread('fa_5.wav');

elseif (nada==36)

[y,fs]=wavread('fa_6.wav');

elseif (nada==37)

[y,fs]=wavread('fa_7.wav');

elseif (nada==38)

[y,fs]=wavread('fa_8.wav');

elseif (nada==39)

[y,fs]=wavread('fa_9.wav');

elseif (nada==40)

[y,fs]=wavread('fa_10.wav');

elseif (nada==41)

[y,fs]=wavread('sol1.wav');

elseif (nada==42)

[y,fs]=wavread('sol2.wav');

elseif (nada==43)

[y,fs]=wavread('sol3.wav');

elseif (nada==44)

[y,fs]=wavread('sol4.wav');

elseif (nada==45)

[y,fs]=wavread('sol5.wav');

elseif (nada==46)

[y,fs]=wavread('sol6.wav');

elseif (nada==47)

[y,fs]=wavread('sol7.wav');

elseif (nada==48)

[y,fs]=wavread('sol8.wav');

elseif (nada==49)

[y,fs]=wavread('sol9.wav');

elseif (nada==50)

[y,fs]=wavread('sol10.wav');

(55)

[y,fs]=wavread('la_1.wav');

elseif (nada==52)

[y,fs]=wavread('la_2.wav');

elseif (nada==53)

[y,fs]=wavread('la_3.wav');

elseif (nada==54)

[y,fs]=wavread('la_4.wav');

elseif (nada==55)

[y,fs]=wavread('la_5.wav');

elseif (nada==56)

[y,fs]=wavread('la_6.wav');

elseif (nada==57)

[y,fs]=wavread('la_7.wav');

elseif (nada==58)

[y,fs]=wavread('la_8.wav');

elseif (nada==59)

[y,fs]=wavread('la_9.wav');

elseif (nada==60)

[y,fs]=wavread('la_10.wav');

elseif (nada==61)

[y,fs]=wavread('si_1.wav');

elseif (nada==62)

[y,fs]=wavread('si_2.wav');

elseif (nada==63)

[y,fs]=wavread('si_3.wav');

elseif (nada==64)

[y,fs]=wavread('si_4.wav');

elseif (nada==65)

[y,fs]=wavread('si_5.wav');

elseif (nada==66)

[y,fs]=wavread('si_6.wav');

elseif (nada==67)

[y,fs]=wavread('si_7.wav');

elseif (nada==68)

[y,fs]=wavread('si_8.wav');

elseif (nada==69)

[y,fs]=wavread('si_9.wav');

elseif (nada==70)

[y,fs]=wavread('si_10.wav');

elseif (nada==71)

[y,fs]=wavread('dot.wav');

elseif (nada==72)

[y,fs]=wavread('dot1.wav');

(56)

[y,fs]=wavread('dot2.wav');

elseif (nada==74)

[y,fs]=wavread('dot3.wav');

elseif (nada==75)

[y,fs]=wavread('dot4.wav');

elseif (nada==76)

[y,fs]=wavread('dot5.wav');

elseif (nada==77)

[y,fs]=wavread('dot6.wav');

elseif (nada==78)

[y,fs]=wavread('dot7.wav');

elseif (nada==79)

[y,fs]=wavread('dot8.wav');

elseif (nada==80)

[y,fs]=wavread('dot9.wav');

end

axes(handles.axes1); plot (y)

sound(2*y);

Pada program diatas merupakan program pengambilan nada atau nada yang sudah di rekam pada Harmonika dengan nada 1 sampai dengan 80 nada yang akan di kenali contoh if (nada==71) [y,fs]=wavread(‘dot.wav’) maka program akan mengambil nada dengan nama dot.wav pada directory.

indeks=get(handles.popupmenu2,'Value');

switch indeks

case 1

frame=16;

case 2

frame=32;

case 3

frame=64;

case 4

frame=128;

case 5

(57)

end

handles.vardft=frame; guidata(hObject,handles);

Pada program di atas, nilai DST diinisialisai menggunakan nama DST yang dibagi dalam 5 kondisi sesuai dengan banyaknya variasi. Inisialisasi ndft tersebut diproses menggunakan perintah handles. Perintah ini digunakan untuk data atau nilai DST yang telah diinisialisasi sebagai masukan apabila dilakukan callback. Pada pop up menu variasi windowing koefisien menjalankan program sebagai berikut:

indeks=get(handles.popupmenu3,'Value');

switch indeks

case 1

wk=10;

case 2

wk=20;

case 3

wk=30;

case 4

wk=40;

case 5

wk=50;

end

handles.koefisien=wk; guidata(hObject,handles);

Proses yang dilalui oleh pop up menu pada variasi windowing koefisien sama dengan proses pada pop up menu variasi DFT. Nilai windowing diinisialisasikan dengan wk.

b. Tombol “Pengenalan Nada”

Tombol “pengenalan nada” adalah tombol yang berfungsi untuk melakukan pengenalan nada Barung pelog. User dapat melakukan pengenalan nada Barung pelog dengan menekan tombol tersebut. Tombol “pengenalan nada”

(58)

memulai pengenalan nada dengan menjalankan beberapa subproses. Subproses yang dijalankan dimulai dari input nada, normalisasi, frame blocking, windowing hamming, ekstraksi ciri DFT,windowing koefisien, penghitungan jarak Squaredchord, dan penentuan hasil pengenalan nada. Program yang digunakan untuk perekaman nada sebagai berikut:

%mengambil data (load)

nada=handles.nada;

if (nada==1)

[y,fs]=wavread('ji_a.wav');

elseif (nada==2)

[y,fs]=wavread('ji_b.wav');

end

axes(handles.axes1); plot (y)

sound(10*y);

Nada yang telah input tersebut diplot pada tampilan program pengenalan menggunakan perintah plot. Nada terekam diplot pada axes yang telah tersedia di dalam tampilan program pengenalan. kemudian ditambah kan program sound(2*y); untuk memunculkan suara nada input yang di ambil. 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 selanjutnya memilih data yang dinamakan frame blocking, langkah selanjutnya yaitu windowing, pada pengenalan nada barung pelog ini menggunkan windowing hanning. Setelah selesai windowing hamming, dilakukan proses ekstraksi ciri DST dan windowing koefisien. berikut ini merupakan proses pengolahan pemotongan sinyal hingga program windowing koefisien :

% Normalisasi %

y=y/max(abs(y)); axes(handles.axes2); plot (y)

(59)

%pemotongan sinyal

b0=0.2;

b1=find(y>b0 | y<-b0); y(1:b1(1))=[]; axes(handles.axes3); plot (y) %frame blocking frame=handles.vardft; frame;

for p=1:frame; f(p)=y(p+frame); end axes(handles.axes4); plot (f); %windowing hanning w=hann(frame);

for p=1:frame;

wo(p)=f(p)*w(p); %wo(p)==> windowing hanning (p) end

axes(handles.axes5); plot (wo);

%ekstraksi ciri DST

g=abs(dst(wo)); axes(handles.axes6); bar (g); %windowing koefisien wk=handles.koefisien; h=frame; c=(wk/100)*h; s=floor(c); ya=g(1:s); ya=ya(:); axes(handles.axes7); bar (ya);

Dari hasil windowing koefisien yang di inisialisasikan dengan “ya”, maka akan diplot pada axes2 yang menggambarkan hasil akhir dari sinyal windowingkoefisien.

(60)

Proses selanjutnya setelah penggambaran sinyal nada barung pelog adalah proses pemanggilan database yang telah disesuaikan dengan 2 variasi masukan yaitu variasi DFT, 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 contoh dari program pemanggilan database, untuk keseluruhan program pemangiilan database (lihat lampiran L12) .

%data base

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

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

load xciri1620

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

load xciri1630

elseif (frame==16) & (wk==40)

load xciri1640

elseif (frame==16) & (wk==50)

load xciri1650

elseif (frame==16) & (wk==60)

load xciri1660

elseif (frame==16) & (wk==70)

load xciri1670

elseif (frame==16) & (wk==80)

load xciri1680

elseif (frame==32) & (wk==10)

load xciri3210

elseif (frame==32) & (wk==20)

load xciri3220

elseif (frame==32) & (wk==30)

(61)

elseif (frame==32) & (wk==40) load xciri3240

elseif (frame==32) & (wk==50)

load xciri3250

elseif (frame==32) & (wk==60)

load xciri3260

elseif (frame==32) & (wk==70)

load xciri3270

elseif (frame==32) & (wk==80)

load xciri3280

elseif (frame==64) & (wk==10)

load xciri6410

elseif (frame==64) & (wk==20)

load xciri6420

elseif (frame==64) & (wk==30)

load xciri6430

elseif (frame==64) & (wk==40)

load xciri6440

elseif (frame==64) & (wk==50)

load xciri6450

elseif (frame==64) & (wk==60)

load xciri6460

elseif (frame==64) & (wk==70)

load xciri6470

elseif (frame==64) & (wk==80)

load xciri6480

elseif (frame==128) & (wk==10)

load xciri12810

elseif (frame==128) & (wk==20)

(62)

elseif (frame==128) & (wk==30) load xciri12830

elseif (frame==128) & (wk==40)

load xciri12840

elseif (frame==128) & (wk==50)

load xciri12850

elseif (frame==128) & (wk==60)

load xciri12860

elseif (frame==128) & (wk==70)

load xciri12870

elseif (frame==128) & (wk==80)

load xciri12880

elseif (frame==256) & (wk==10)

load xciri25610

elseif (frame==256) & (wk==20)

load xciri25620

elseif (frame==256) & (wk==30)

load xciri25630

elseif (frame==256) & (wk==40)

load xciri25640

elseif (frame==256) & (wk==50)

load xciri25650

elseif (frame==256) & (wk==60)

load xciri25660

elseif (frame==256) & (wk==70)

load xciri25670

elseif (frame==256) & (wk==80)

load xciri25680

(63)

Program di atas untuk memanggil database yang akan dibandingkan dengan nada yang telah di input dengan menggunakan perintah jarak. Database yang dipanggil sesuai dengan masukan variasi DFT, variasi windowingkoefisien yang telah dipilih oleh user sebelumnya.

Setelah proses pemanggilan database, proses selanjutnya adalah membandingkan database dengan data masukkan dari user yang telah dimasukkan pada input nada. Perbandingan data - data tersebut memakai metode jarak Squaredchord. Program perhitungan jarak sebagai berikut:

%perhitungan jarak for n=1:8

jaraklist(n)=jarakmatusita(ya,r(:,n));

end

jaraklist

set(handles.text20,'String',num2str(jaraklist(1))); set(handles.text21,'String',num2str(jaraklist(2))); set(handles.text22,'String',num2str(jaraklist(3))); set(handles.text23,'String',num2str(jaraklist(4))); set(handles.text24,'String',num2str(jaraklist(5))); set(handles.text25,'String',num2str(jaraklist(6))); set(handles.text26,'String',num2str(jaraklist(7))); set(handles.text27,'String',num2str(jaraklist(8)));

%cari nilai minimal

jmin=find(min(jaraklist)==jaraklist)

%deskripsi string

nadalist={'do','re','mi','fa','sol','la','si','do'};

%penentuan keluaran

yy=(nadalist(jmin));

%end

set(handles.text28,'String',yy);

Program di atas melakukan penghitungan jarak nada input yang sudah direkam dengan database dari ke tujuh nada Harmonika dalam berbagai variasi. Perintah jarak berfungsi untuk menjalankan fungsi jarak Matusita. Nilai jarak

(64)

minimal yang diperoleh digunakan untuk menentukan nada Harmonika yang berhasil dikenali. Pada program di atas juga untuk tidak mengenali (mengenali secara salah) nada yang akan dikenali. Untuk tidak mengenali nada selain nada Harmonika, dengan cara membandingkan jarak minimal yang telah diperoleh saat pengenalan dengan batasan maksimal dari kedelapan nada Harmonika. Nada yang telah dikenali ditampilkan pada tampilan program pengenalan dalam bentuk teks.

c. Tombol “exit”

Tombol “exit” atau keluar digunakan apabila user ingin mengakhiri program pengenalan nada. Perintah program tombol “exit” sebagai berikut:

delete(figure(GUI_Rendi));

Kesimpulan dari pengujian program pengenalan Harmonika adalah tombol yang terdapat pada tampilan program dapat berjalan dengan baik dan alur program telah sesuai dengan perancangan. Sistem pengenalan nada juga sudah dapat berjalan dengan baik. sesuai dengan yang di inginkan.

4.2 Hasil Pengujian Program Pengenalan Nada Terhadap

Tingkat Pengenalan Nada Harmonika

4.2.1 Pengujian untuk Menentukan batasan Nilai Jarak yang Optimal Pada pengujian ini dilakukan untuk menentukan batasan nilai jarak yang optimal. Parameter yang digunakan untuk menentukan batas nilai ini menggunakan windowingkoefisien80%, dan panjang DST 256 yang mempunyai tingkat pengenalan yang baik. Pengujian ini menggunakan 10 kali percobaan setiap nadanya dan dari 10 percobaaan setiap nada tersebut akan mendapatkan nilai minimal. Setelah mendapatkan nilai minimal dari 10 kali percobaan setiap nada tersebut, nilai yang paling minimal dari kedelapan nada tersebut yang akan di kenali.

(65)

Tabel 4.1 memperlihatkan dua percobaan, untuk selengkapnya dari 80 percobaan dapat di lihat pada lampiran (L18). Dari tabel tersebut menunjukkan nilai minimum pada percobaan 1 terdapat pada nada 1 (Do) jadi yang di kenali adalah nada 1(Do), pada percobaan 2 nilai minimum terdapat pada nada 2 (Re) jadi yang dikenali adalah nada 2 (Re).percobaan 3 nilai minimum terdapat pada nada 3 (mi) jadi yang dikenali adalah nada 3 (mi).percobaan 4 nilai minimum terdapat pada nada 4 (fa) jadi yang dikenali adalah nada 4 (Fa).

4.2.2 Pengujian Pengaturan Pengenalan Nada

pengujian untuk melihat seberapa besar tingkat pengenalan yang terjadi setiap penentuan nada pada DST dan windowing koefisien. Langkah – langkah pengujian yang akan digunakan sebagai berikut:

1. Proses pengambilan nada input yang sudah direkam 10 kali setiap nada 2. Mengenali setiap nada yang di input menggunakan kombinasi nilai

variasi yang berbeda-beda dengan nilai: a. DST : 16,32,64,128,256

b. Windowing koefisien : 10%,20%,30%,40%,50%,60%,70%,80% 3. Menentukan kombinasi nilai variasi pengenalan yang menghasilkan

tingkat pengenalan terbaik.

Pengujian dilakukan pada variasi yang maksimal yaitu DST 256 dan

windowing koefisien 50%, di harapkan memperoleh hasil yang baik dan sesuai yang di inginkan.

(66)

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari percobaan dan pengujian sistem pengenalan nada barung pelog disimpulkan sebagai berikut :

1. Implementasi dari sistem pengenalan nada barung pelog sudah bisa bekerja dengan baik dan sesuai dengan perancangan. Program pengenalan nada barung pelog sudah mampu untuk mengenali nada-nada dasar dari barung pelog yaitu 1(siji), 2(loro), 3(telu), (papat), 5(limo), 6(enem), 7(pitu).

2. Parameter pengenalan nada nilai windowing koefisien mempengaruhi tingkat pengenalan nada. Semakin besar nilai DFT tingkat pengenalan nada secara umum semakin baik. Semakin besar nilai windowingkoefisien maka tingkat pengenalan nada semakin tinggi atau baik.

3. Parameter optimal untuk tingkat pengenalan mencapai 100% pada nilai semua DFT, dan windowing koefisien 50% yang dipilih.

5.2 Saran

Saran untuk pengembangan sistem pengenalan nada barung pelog adalah sebagai berikut :

Pengembangan sistem yang mampu untuk mengenali segala jenis alat musik tradisional, atau alat musik modern tidak hanya satu alat musik.

(67)

DAFTAR PUSTAKA

[1] Yustinus Dedy Yuswantoro., 2014,“ Pengenalan Nada Seruling Bambu Secara Real-Time Menggunakan Ekstraksi ciri DCT dan Similaritas Sorensen” , Universitas Sanata Dharma, Yogyakarta.

[2] ---, 2006, ki-demang.com: Situs Sutresna Jawa,

http://www.ki-demang.com/index.php/gambar-gamelan/602-11-saron diakses

pada tanggal 17 Januari 2015.

[3] Kim Jinho, 2013, “automatic pitch detection and shifting of musical tones in real time”, boston,

[4] Ghea Ardy Prayogo W, 2010 “Pergeseran Frekuensi Dasar Sinyal

Gamelan Menggunakan Phase vocoder” ITS, Surabaya.

[5] Suwandi, 2011, Perancangan Program Aplikasi Absensi Pada Binus Learning Communtiy SAC dengan menggunakan Hidden Markov Model, Program Ganda Teknik Informatikadan Matematika, Bina Nusantara Jakarta,

[6] Eka Kartikasari, Y., 2006, Pembuatan Software Pembuka Program aplikasi Komputer Berbasis Pengenalan Sinyal Suara, PENS-ITS, Surabaya.

[7]

http://www.realkarachi.com/downloads/books/how-stuff-works/how-sound-cards-work%28www.realkarachi.com%29.pdf diakses pada

tanggal 20 Januari 2015.

[8] Putra Prabowo Hadi S., “Penggolongan Suara Berdasarkan Usia Dengan Menggunakan Metode K-Means” Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Kampus ITS, Surabaya

[9] Cha, Sung-Hyuk, 2007, Comprehensive Survey on Distance/Similarity Measures between Probability Density Function, Internasional Journal of Mathematical Models and Methods in Applied Sciences,

(68)

[10] http://yudistira.lecture.ub.ac.id/files/2014/04/KLASIFIKASI-

HURUF-KATAKANA-DENGAN-METODE-TEMPLATE-MATCHING-CORRELATION.pdf diakses pada tanggal 11 Februari 2015.

[11]

http://www.realkarachi.com/downloads/books/how-stuff-works/how-sound-cards-work%28www.realkarachi.com%29.pdf diakses pada

tanggal 20 Januari 2015.

[12] http://www.geniusnet.com/wSite/ct?xItem=16664&ctNode=145 diakses pada tanggal 20 Januari 2015.

[13] Niamaulidia, 2009 Pembuatan Pengenalan Sinyal Wicara Menggunakan Matlab.

(1)

%perhitungan jarak for n=1:8

jaraklist(n)=jarakmatusita(ya,r(:,n)); end

jaraklist

jmin=find(min(jaraklist)==jaraklist) %deskripsi string

nadalist={'do','re','mi','fa','sol','la','si','do'}; %penentuan keluaran

yy=(nadalist(jmin)); %end

set(handles.text28,'String',yy);

(2)

c. Tombol “exit”

Tombol “exit” atau keluar digunakan apabila user ingin mengakhiri program pengenalan nada. Perintah program tombol “exit” sebagai berikut:

delete(figure(GUI_Rendi));

4.2 Hasil Pengujian Program Pengenalan Nada Terhadap

Tingkat Pengenalan Nada Harmonika

4.2.1 Pengujian untuk Menentukan batasan Nilai Jarak yang Optimal

Pada pengujian ini dilakukan untuk menentukan batasan nilai jarak yang optimal. Parameter yang digunakan untuk menentukan batas nilai ini menggunakan windowingkoefisien80%, dan panjang DST 256 yang mempunyai tingkat pengenalan yang baik. Pengujian ini menggunakan 10 kali percobaan setiap nadanya dan dari 10 percobaaan setiap nada tersebut akan mendapatkan nilai minimal. Setelah mendapatkan nilai minimal dari 10 kali percobaan setiap nada tersebut, nilai yang paling minimal dari kedelapan nada tersebut yang akan di kenali.

(3)

4.2.2 Pengujian Pengaturan Pengenalan Nada

pengujian untuk melihat seberapa besar tingkat pengenalan yang terjadi setiap penentuan nada pada DST dan windowing koefisien. Langkah – langkah pengujian yang akan digunakan sebagai berikut:

1. Proses pengambilan nada input yang sudah direkam 10 kali setiap nada 2. Mengenali setiap nada yang di input menggunakan kombinasi nilai

variasi yang berbeda-beda dengan nilai: a. DST : 16,32,64,128,256

b. Windowing koefisien : 10%,20%,30%,40%,50%,60%,70%,80% 3. Menentukan kombinasi nilai variasi pengenalan yang menghasilkan

tingkat pengenalan terbaik.

Pengujian dilakukan pada variasi yang maksimal yaitu DST 256 dan

windowing koefisien 50%, di harapkan memperoleh hasil yang baik dan sesuai yang di inginkan.

(4)

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari percobaan dan pengujian sistem pengenalan nada barung pelog disimpulkan sebagai berikut :

3. Parameter optimal untuk tingkat pengenalan mencapai 100% pada nilai semua DFT, dan windowing koefisien 50% yang dipilih.

5.2 Saran

Saran untuk pengembangan sistem pengenalan nada barung pelog adalah sebagai berikut :

Pengembangan sistem yang mampu untuk mengenali segala jenis alat musik tradisional, atau alat musik modern tidak hanya satu alat musik.

(5)

DAFTAR PUSTAKA

[1] Yustinus Dedy Yuswantoro., 2014,“ Pengenalan Nada Seruling Bambu Secara Real-Time Menggunakan Ekstraksi ciri DCT dan Similaritas Sorensen” , Universitas Sanata Dharma, Yogyakarta.

[2] ---, 2006, ki-demang.com: Situs Sutresna Jawa,

http://www.ki-demang.com/index.php/gambar-gamelan/602-11-saron diakses pada tanggal 17 Januari 2015.

[3] Kim Jinho, 2013, “automatic pitch detection and shifting of musical tones in real time”, boston,

[4] Ghea Ardy Prayogo W, 2010 “Pergeseran Frekuensi Dasar Sinyal Gamelan Menggunakan Phase vocoder” ITS, Surabaya.

[6] Eka Kartikasari, Y., 2006, Pembuatan Software Pembuka Program aplikasi Komputer Berbasis Pengenalan Sinyal Suara, PENS-ITS, Surabaya.

[7] http://www.realkarachi.com/downloads/books/how-stuff-works/how-sound-cards-work%28www.realkarachi.com%29.pdf diakses pada tanggal 20 Januari 2015.

[8] Putra Prabowo Hadi S., “Penggolongan Suara Berdasarkan Usia Dengan Menggunakan Metode K-Means” Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Kampus ITS, Surabaya

[9] Cha, Sung-Hyuk, 2007, Comprehensive Survey on Distance/Similarity Measures between Probability Density Function, Internasional Journal of Mathematical Models and Methods in Applied Sciences,

(6)

[10] http://yudistira.lecture.ub.ac.id/files/2014/04/KLASIFIKASI- HURUF-KATAKANA-DENGAN-METODE-TEMPLATE-MATCHING-CORRELATION.pdf diakses pada tanggal 11 Februari 2015.

[11] http://www.realkarachi.com/downloads/books/how-stuff-works/how-sound-cards-work%28www.realkarachi.com%29.pdf diakses pada tanggal 20 Januari 2015.

[12] http://www.geniusnet.com/wSite/ct?xItem=16664&ctNode=145 diakses pada tanggal 20 Januari 2015.

[13] Niamaulidia, 2009 Pembuatan Pengenalan Sinyal Wicara Menggunakan Matlab.