1 PENDAHULUAN Latar Belakang Sistem

PENDAHULUAN
Tujuan
Latar Belakang
Tujuan dari penelitian ini adalah :
Sistem pendengaran manusia memiliki
kemampuan yang luar biasa dalam menangkap
dan mengenali sinyal suara. Dalam mengenali
sebuah kata ataupun kalimat bukanlah hal yang
sulit dilakukan oleh manusia. Apalagi kata
tersebut merupakan bahasa utama yang dipakai
sehari-hari.
Lain halnya dalam mengenali
serangkaian chord yang dimainkan dalam
sebuah musik. Untuk seorang musisi hal ini
dapat dilakukan dengan mudah. Namun untuk
orang biasa ataupun pemula di bidang musik,
dibutuhkan banyak waktu dan tenaga untuk
mengenalinya. Pendengaran mereka harus terus
dilatih agar dapat dengan mudah mengenali
chord musik. Hal ini pun berlaku untuk sebuah
sistem komputer.
1.
Menerapkan metode codebook dan teknik
ekstraksi ciri MFCC dalam mengenali
setiap chord yang dimainkan dengan alat
musik gitar.
2.
Mengetahui akurasi pengenalan chord pada
alat musik gitar dengan menggunakan
metode codebook.
3.
Mengetahui pengaruh banyaknya cluster
dari setiap codebook terhadap tingkat
akurasi dalam mengenali setiap chord pada
alat musik gitar.
Chord merupakan rangkaian nada yang
membangun keharmonisasian pada musik. Enak
tidaknya suatu musik untuk didengarkan,
tergantung pada rangkaian chord yang
menyusunnya. Oleh karena itu menganalisis
keseluruhan struktur harmonik pada suatu
musik selalu diawali dengan mengenali setiap
chord yang menyusun musik tersebut. Untuk
alasan inilah, pengenalan chord telah berhasil
menarik banyak perhatian di dunia Music
Information
Retrieval
(MIR).
Dengan
mengetahui alur chord yang ada dalam sebuah
musik kita dapat mengetahui genre dari musik
tersebut yang memungkinkan kita untuk
mengetahui pola alur chord pada musik lain
dalam genre yang sama.
Terdapat dua modul yang sangat penting
dalam speaker recognition yaitu feature
extraction dan feature matching (Do, 1994).
Feature extraction adalah proses mengekstraksi
sejumlah data dari sinyal suara yang nantinya
dapat digunakan untuk merepresentasikan
sinyal suara tersebut sedangkan feature
matching adalah proses mengidentifikasi suara
dengan cara membandingkan setiap ciri yang
telah diekstraksi dari suara yang akan
diidentifikasi dengan ciri dari suara yang telah
diketahui. Pada penelitian ini penulis akan
menggunakan
metode
codebook
yang
merupakan salah satu teknik feature matching
dalam mengenali chord pada alat musik gitar
dan menggunakan teknik Mel-Frequency
Cepstrum Coefficient (MFCC) untuk ekstraksi
cirinya.
Ruang Lingkup
Adapun ruang lingkup dari penelitian ini antara
lain :
1.
Chord yang akan dikenali hanyalah chord
mayor dan minor yang diperoleh dari suara
gitar yang direkam. Total terdapat 24 chord
mayor/minor.
2.
Chord yang akan dikenali hanya
dimainkan dengan cara dipukul serentak
dari atas ke bawah dalam satu posisi untuk
masing-masing chord.
3.
Suara chord yang dikenali hanyalah suara
chord
yang
dimainkan
dengan
menggunakan jenis gitar dengan senar
nylon.
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan
informasi mengenai akurasi penggunaan metode
codebook dalam pengenalan chord pada alat
musik gitar.
TINJAUAN PUSTAKA
Nada dan Chord Gitar
Nada merupakan suatu simbol atau bunyi
yang menjadi dasar dalam susunan musik.
Terdapat tujuh nada natural yang telah
dibakukan dan diberi nama dengan huruf,
yaitu : C, D, E, F, G, A, B. Masing-masing dari
nada tersebut memiliki frekuensi yang berbeda.
Jarak antar dua nada disebut dengan interval.
Interval dari deretan nada C-D-E-F-G-A-B-C
adalah 1-1-½ -1-1-1-½. Jarak sebesar 1 disebut
dengan wholetone dan jarak sebesar ½ disebut
semitone. Jarak enam antara dua nada yang
sama disebut satu oktaf. Contohnya adalah jarak
1
antara nada C1 sampai nada C2. Nada C2
berada satu oktaf di atas nada C1.
Nada natural dapat dinaikkan maupun
diturunkan sebanyak ½ nada. Nada yang
dinaikkan ½ nada diberi simbol #, sedangkan
nada yang diturunkan ½ nada diberi simbol b.
Misalnya nada C dinaikkan ½ nada menjadi C#.
Nada C# atau bisa disebut cis ini sama dengan
nada Db. Untuk nada E bila dinaikkan ½ nada
akan menjadi nada E# atau sama dengan nada F,
karena interval dari kedua nada ini adalah ½.
Begitu pula pada nada B ke C. Dengan
demikian, terdapat 12 nada, yaitu C, C#, D, D#,
E, F, F#, G, G#, A, A#, B. Tangga nada adalah
susunan nada-nada dengan sistem jarak tertentu
di sepanjang kesatuan enam jarak nada atau
oktaf (Solapung 1991). Terdapat tujuh nada
yang dibedakan secara berurut dengan jarak
nada 1 dan jarak nada ½. Terdapat dua jenis
tangga nada dasar, yaitu tangga nada Do atau
tangga nada mayor dan tangga nada La atau
tangga nada minor.
 Tangga nada mayor memiliki susunan
sebagai berikut :
Jarak nada
:
1 1
½ 1 1 1 ½
Nada nyanyi : Do Re Mi Fa Sol La Si Do
 Tangga nada minor memiliki susunan
sebagai berikut :
Jarak nada
:
1 ½ 1 1 ½ 1 1
Nada nyanyi : La Si Do Re Mi Fa Sol La
Contohnya untuk tangga nada C = Do atau
disebut juga tangga nada C mayor adalah
C-D-E-F-G-A-B-C.
Chord merupakan satuan nada-nada yang
dibunyikan secara serentak yang berfungsi
sebagai pengiring dalam lagu maupun
permainan
musik
(Hendro
2004).
Chord direpresentasikan dengan huruf yaitu C,
D, E, F, G, A, B. Terdapat pula chord C# = Db,
D# = Eb, E# = F, F# = Gb, A# = Bb, B# = C.
Terdapat banyak jenis chord berdasarkan nada
yang menyusunnya, diantaranya adalah chord
mayor, minor, augmented, diminished, dll.
Setiap chord memiliki bentuk dan corak
yang berbeda sesuai dengan unsur-unsur
yang membentuknya. Chord sangat berperan
dalam keharmonisan sebuah lagu. Chord
umumnya terdiri atas tiga nada, yaitu nada ke-1,
nada ke-3, dan nada ke-5 dari tangga nada
penyusunnya. Hal ini disebut triad. Misalnya
chord C mayor atau C dengan tangga nada C-DE-F-G-A-B-C terdiri atas nada C, E, dan G.
Chord C minor atau Cm dengan tangga nada CD-Eb-F-G-Ab-Bb-C terdiri atas nada C, Eb, dan
G. Chord mayor memiliki jarak nada ke-1 ke
nada ke-3 dan nada ke-3 ke nada ke-5 berturutturut sebesar 2 dan 1½. Chord minor memiliki
jarak nada ke-1 ke nada ke-3 dan nada ke-3 ke
nada ke-5 berturut-turut sebesar 1½ dan 2.
Chord-chord yang menyusun sebuah lagu
dapat ditentukan berdasarkan nada dasarnya.
Yaitu, chord yang nada penyusunnya terdapat
dalam tangga nada dasar lagu tersebut. Sebagai
contoh pada nada dasar D = Do dengan tangga
nada D-E-F#-G-A-B-C#-D maka chord yang
mungkin dimainkan adalah :
 Chord I (Tonic) atau D mayor (D-A-F#)
 Chord II (Super Tonic) atau E minor (E-AF#)
 Chord III (Mediant) atau F# minor (F#-AC#)
 Chord IV (Dominant) atau G mayor (G-BD)
 Chord V (Sub Dominant) atau A mayor (AC#-E)
 Chord VI (Sub Mediant) atau B minor (B-DF#)
 Chord VII (Lead Tone) atau C# Half
Diminished (C#-E-G)
Tonic, Dominant, dan Sub Dominant adalah
chord mayor yang berfungsi sebagai chord
pokok atau chord utama. Di sisi lain, Super
Tonic, Mediant, dan Sub Mediant adalah chord
minor yang berfungsi sebagai chord pembantu.
Setiap chord mayor memiliki hubungan
paralel atau dekat dengan chord minor yang
disebabkan oleh kesamaan nada-nada yang
menyusun tangga nadanya, yaitu :









Chord C dengan chord Am
Chord C# dengan chord A#m
Chord D dengan chord Bm
Chord D# dengan chord Cm
Chord E dengan chord C#m
Chord F dengan chord Dm
Chord F# dengan chord D#m
Chord G dengan chord Em
Chord G# dengan chord Fm
2
 Chord A dengan chord F#m
 Chord A# dengan chord Gm
 Chord B dengan chord G#m
Gitar merupakan alat musik yang paling
banyak dikenal oleh masyarakat. Suara yang
dihasilkan berasal dari senar yang dipetik atau
dipukul yang ditekan pada posisi fret tertentu
ataupun tidak ditekan. Pada alat musik gitar satu
nada yang sama dapat dihasilkan dari posisi
yang berbeda. Ilustrasi letak nada-nada yang
ada pada gitar dapat dilihat pada Gambar 1.
Gambar 1 Ilustrasi dari 12 fret pertama dan
nada-nada yang dihasilkan dengan
cara menekan senar pada fret-fret
tertentu (Vaseghi 2007)
Oleh karena itu chord pada gitar juga dapat
dibentuk dengan berbagai posisi seperti terlihat
pada Gambar 2.
Chord D
Chord D
Gambar 3 Ilustrasi hierarchical clustering dari
empat objek yang ditampilkan
dengan dendrogram (Tan et al.
2006)
Hierarchical clustering membentuk struktur
hierarki dengan menempatkan setiap objek
sebagai
suatu
cluster
tersendiri
lalu
menggabungkan masing-masing cluster yang
memiliki kemiripan menjadi cluster yang lebih
besar, sampai akhirnya setiap objek berada pada
satu cluster.
Analog to Digital Conversion
Sinyal suara merupakan suatu sinyal waktu
kontinyu atau sinyal analog, sedangkan
komputer hanya dapat memroses sinyal digital.
Oleh karena itu untuk dapat memroses suatu
sinyal suara maka sinyal suara tersebut harus
dikonversi menjadi sinyal digital terlebih
dahulu. Proses konversi ini disebut Analog to
Digital Conversion (ADC). Proses ADC terbagi
menjadi dua tahap, yaitu :
1. Sampling
Gambar 2 Ilustrasi bentuk chord D pada posisi
yang berbeda
Hierarchical Clustering
Hierarchical clustering merupakan salah
satu teknik clustering yang biasa ditampilkan
secara grafik menggunakan diagram tree yang
disebut dendrogram seperti ditampilkan pada
Gambar 3.
Sampling merupakan pengamatan nilai
sinyal waktu kontinyu (sinyal analog) pada
suatu waktu tertentu, sehingga diperoleh
sinyal waktu diskret. Banyaknya sample
yang diambil tiap detiknya disebut sampling
rate. Besarnya sampling rate yang
digunakan minimal dua kali dari jumlah
frekuensi maksimum yang dapat dihasilkan
oleh sumber suara. Hal ini bertujuan untuk
meminimalkan efek aliasing, yaitu suatu
efek dimana sinyal yang dihasilkan memiliki
frekuensi yang berbeda dengan sinyal
aslinya.
2. Kuantisasi
Kuantisasi
merupakan
suatu
proses
memetakan
nilai-nilai amplitudo yang
bersifat kontinyu pada suatu selang tertentu
3
menjadi nilai-nilai yang diskret, sehingga
didapatkan sinyal nilai diskret atau sinyal
digital.
dan x(i) sebagai sinyal digital pada frame ke
i, maka hasil dari windowing pada frame ke i
adalah y(i) = x(i)w, yaitu perkalian skalar
antara vektor x(i) dengan w. Pada umumnya
window yang digunakan adalah window
Hamming dengan persamaan :
Ekstraksi Ciri MFCC
Ekstraksi ciri dilakukan untuk menentukan
satu nilai atau vektor yang dapat dipergunakan
sebagai penciri objek atau individu. Terdapat
beberapa teknik ekstraksi ciri, seperti Linear
Prediction
Coding,
Perceptual
Linear
Prediction, dan Mel-Frequency Cepstrum
Coefficient (MFCC). MFCC merupakan teknik
yang umumnya dipakai dan memiliki kinerja
yang baik.
Cara kerja MFCC didasarkan atas
pendengaran manusia. Proses MFCC dapat
dilihat pada Gambar 4.
continuous
speech
mel
Frame
Blocking
cepstrum
cepstrum
frame
mel
spectrum
Windowing
FFT
,
dimana N merupakan jumlah sample pada
tiap frame.
3.
FFT (Fast Fourier Transform)
Proses selanjutnya adalah Fast Fourier
Transform yang akan mengonversi setiap
frame dengan N sample dari domain waktu
ke domain frekuensi. Konversi ini dilakukan
karena pendengaran manusia didasarkan atas
domain frekuensi. FFT merupakan fast
algorithm
yang
mengimplementasikan
Discrete Fourier Transform (DFT) yang
didefinisikan pada himpunan N samples {xn}
sebagai berikut :
N-1
Mel-frequency
wrapping
 2n 
w(n)  0.54  0.46 cos
, 0  n  N  1
 N 1 
spectrum
Gambar 4 Diagram proses MFCC (Do 1994)
Penjelasan dari masing-masing tahapan adalah :
1. Frame Blocking
Pada tahapan ini sinyal suara yang dibaca
kemudian dibagi ke dalam bentuk frame.
Setiap frame memiliki N sample yang
direpresentasikan dalam bentuk vektor.
Setiap frame yang bersebelahan saling
tumpang tindih atau overlap. Hal ini
ditujukan agar tidak ada informasi yang
hilang.
2. Windowing
Setiap frame dari sinyal suara mengandung
satu unit informasi. Oleh karena itu distorsi
antar frame tersebut harus diminimalkan
dengan
teknik
windowing.
Proses
windowing dilakukan pada setiap frame
untuk meminimalkan diskontinuitas sinyal
pada awal dan akhir tiap frame. Metodenya
adalah dengan mengalikan tiap frame
dengan
fungsi
window.
Jika
kita
mendefinisikan fungsi window sebagai w,
Xn = ∑ xke-2πjkn/N , n = 0,1,2,…,N-1 ;
k =0
j digunakan untuk menunjukkan bilangan
imajiner, seperti j = √-1. Secara umum Xn
adalah bilangan kompleks.
4. Mel-frequecy Wrapping
Persepsi manusia dalam frekuensi sinyal
suara tidak mengikuti skala linear. Untuk
setiap bunyi dengan frekuensi aktual f,
dalam satuan Hz, nilai subjektif dari pitchnya diukur dengan menggunakan skala
“mel’’. Skala mel-frequency adalah selang
frekuensi linear di bawah 1000 Hz dan
selang logaritmik untuk frekuensi di atas
1000 Hz. Mel-Frequency Wrapping
umumnya dilakukan dengan menggunakan
filterbank.
5. Cepstrum
Pada tahap ini akan dikonversi melfrequency ke dalam domain waktu dengan
menggunakan Discrete Cosine Transform
(DCT). Hasilnya disebut dengan melfrequency cepstrum coefficient (MFCC).
Selanjutnya MFCC dapat dihitung sebagai cn
dengan persamaan :
4
,
dengan K adalah banyaknya koefisien
cepstral, k = 0,1,….,K-1 dan n = 0,1,…,K-1.
Codebook
Codebook adalah sekumpulan titik (vektor)
yang mewakili distribusi suara dari individu
maupun objek tertentu dalam
ruang suara.
Titik-titik pada codebook disebut codeword.
Codebook merupakan cetakan yang dihasilkan
suara setelah melalui proses training. Dalam
pengenalan suara, masing-masing suara yang
akan dikenali harus dibuatkan codebook-nya.
Codebook dibentuk dengan cara membentuk
cluster semua vektor ciri yang dijadikan sebagai
training set dengan menggunakan clustering
algorithm. Algoritme clustering yang dipakai
adalah algoritme K-means. Langkah pertama
yang dilakukan oleh algoritme ini adalah
menentukan K initial centroid, dimana K
adalah parameter spesifik yang ditentukan user,
yang merupakan jumlah cluster
yang
diinginkan. Setiap titik atau objek kemudian
ditempatkan pada
centroid terdekat, dan
kumpulan titik atau objek pada tiap centroid
disebut cluster. Centroid pada setiap cluster
kemudian akan berubah berdasarkan setiap
objek yang ada pada cluster. Kemudian langkah
penempatan objek dan perubahan centroid
diulangi sampai tidak ada objek yang berpindah
cluster. Algoritme dasar dari K-means adalah
(Tan et al. 2006) :
tersebut ke setiap codeword yang ada pada
codebook. Kemudian dipilih codeword dengan
jarak minimum. Setelah itu setiap sinyal suara
yang masuk akan diidentifikasi berdasarkan
jumlah dari jarak minimum tersebut.
Penghitungan
jarak
dilakukan
dengan
menggunakan jarak euclid yang didefinisikan
sebagai berikut (Jurafsky 2007):
D
deuclidean(x,y) = √ ∑ (xi - yi)2 ,
i=1
dimana x dan y adalah vektor yang ada
sepanjang D.
Gambar 5 mengilustrasikan tebaran data
suara dari dua pembicara di sekitar codebooknya. Dimana VQ distortion merupakan jarak
vektor suara ke codeword (centroid) terdekat
pada codebook. Pembicara dengan model
codebook yang memiliki nilai total VQ
distortion terkecil akan diidentifikasi sebagai
pembicara dari suara input.
Speaker 1
Speaker 1
centroid
sample
Speaker 2
VQ distortion
Speaker 2
centroid
sample
Gambar 5 Ilustrasi metode codebook dengan dua
pembicara (Do 1994)
Select K points as initial centroids
METODE PENELITIAN
repeat
Penelitian ini dilakukan dengan beberapa
tahapan
proses,
yaitu
studi
pustaka,
pengambilan data, pemodelan chord, dan
pengujian. Proses pengenalan chord gitar dapat
dilihat pada Gambar 6.
Form K clusters by assigning each point to
its closets centroid
Recompute the centroid of each cluster
Studi Pustaka
until Centroids do not change
Prinsip dasar dalam penggunaan codebook
adalah setiap suara yang masuk akan dihitung
jaraknya ke setiap codebook dari jenis suara
yang akan dikenali. Kemudian jarak setiap
sinyal suara ke codebook dihitung sebagai
jumlah dari jarak setiap frame sinyal suara
Pada tahap ini mulai dilakukan pencarian
dan pembelajaran mengenai pustaka-pustaka
yang dibutuhkan untuk penelitian ini. Pustakapustaka tersebut dapat berupa buku, jurnal,
ataupun media yang dapat dibuktikan
kebenarannya. Studi pustaka dilakukan guna
5