ekstraksi frekuensi sinyal gamelan menggunakan band

EKSTRAKSI FREKUENSI SINYAL
GAMELAN MENGGUNAKAN BAND PASS
FILTER UNTUK TRANSKRIPSI
Propila Dhahani Permatasari, Yoyon K. Suprapto, Surya Sumpeno.
Jurusan Teknik Elektro FTI - ITS
dibutuhkan analisa rekaman musik yang telah dimainkan
dengan cara mentranskripsi musik menjadi notasi lagu. Untuk
mendapatkan notasi lagu daru musik gamelan dibuthkan
proses ekstraksi suara masing-masing instrumen.
Peralatan gamelan disuarakan dengan memukul
peralatan dengan sebuah palu yang terbuat dari kayu.
Kekerasan pukulan dapat mempengaruhi perubahan spektrum
suara yang dihasilkan. Perubahan sifat spektrum ini akan
mempengaruhi cara memisahkan suara (Ekstraksi). Ekstraksi
dilakukan pada berbagai perangkat musik untuk berbagai
kepentingan seperti pembuatan note musik secara otomatis,
analisa tempo musik, analisa jenis musik yang dimainkan dll.
Tetapi ekstraksi untuk peralatan musik tradisional seperti
gamelan sangat sedikit sekali dilakukan sehingga
perkembangan musik tradisional sedikit tertinggal terhadap
musik barat.
ABSTRAK - Dalam bermain musik, termasuk
musik gamelan pemain musik belum tentu memainkan
instrumen dengan notasi yang benar. Untuk mengetahui
benar atau tidaknya permainan musik maka dibutuhkan
analisa rekaman musik yang telah dimainkan dengan cara
mentranskripsi musik menjadi notasi lagu. Untuk
mendapatkan notasi lagu dari musik gamelan dibuthkan
proses ekstraksi suara masing-masing instrumen.Ekstraksi
suara pada penelitian ini menggunakan band pass filter.
Dari hasil pengujian diperoleh prosentase NER
untuk musik sintetik sebesar 0%, musik akustik1 yang
terdiri dari instrumen saron dan bonang NERnya sebesar
9,18%, musik akustik2 yang terdiri dari instrumen saron
dan peking NERnya sebesar 0%, dan musik akustik3 yang
terdiri dari instrumen saron dan demung NERnya sebesar
0%. Musik akustik1 yang terdiri dari instrumen saron dan
bonang NERnya paling tinggi ini dikarenakan bonang
mempunyai frekuensi dasar sama dengan saron sehingga
mempengaruhi kinerja ekstraksinya.
II. METODE YANG DIUSULKAN
Desain dan implementasi dari sistem diawali dengan
tahap pengambilan sample suara yang kemudian diolah
dengan menggunakan filter bandpass filter dimana filter ini
digunakan untuk melewatkan range frekuensi tiap nada dasar
saron. Keluaran dari hasil dari pengolahan dengan
menggunakan filter bandpass akan dilakukan proses envelope
kemudian threshold dimana proses ini digunakan untuk
menghilangkan noise pada sinyal keluaran yang kemudian
diproses untuk mendapatkan hasil notasi. Berikut gambar 1
merupakan gambar blok diagram dari perencanaan sistem.
Kata kunci: Gamelan, Band pass filter, Pengolahan sinyal
digital
A
I. PENDAHULUAN
Ada beberapa perbedaan antara musik
barat dan musik timur dalam filsafat dan karater.
Sementara musik barat menekankan pada gerakan
maju, musik gamelan menekankan berulangulang dalam karakter yang sering membosankan dan membuat
rasa kantuk. Musik gamelan tidak hanya untuk hiburan, tetapi
dapat digunakan sebagai alat terapi. Gamelan dapat membantu
tahap sebelum mencapai keadaan Samadhi Meditasi. Melalui
media musik, orang dapat membuat pemurnian berpikir,
pemurnian hati dan jiwa yang mengarah ke penyembuhan
psikologis[1].
Gamelan merupakan salah satu musik tradisional
Indonesia yang semakin diterima oleh peristiwa internasional.
Musisi kelas dunia Banyak sudah menerima konsep musik
timur seperti komponis Perancis Claude Achille Debussy,
musisi Hungaria Bella Bartok, musisi US Colin Mc Phee,
musisi Tamagawa Backet Wheeler [1]. Dalam bermain musik,
termasuk musik gamelan pemain musik belum tentu
memainkan instrumen dengan notasi yang benar. Untuk
mengetahui benar atau tidaknya permainan musik maka
Gambar 1. Blok diagram perencanaan sistem
1
III. EKSPERIMEN
3.1 SINYAL SUARA MASUKAN
Terdapat 2 jenis musik gamelan yang akan digunakan
dalam percobaan ini yaitu:
1. Musik gamelan syntetic yaitu musik gamelan yang dibuat
sendiri nada nada dasar yang ingin dibuat.
2. Musik gamelan acoustic yaitu musik gamelan yang
merupakan rekaman dari permainan musik gamelan.Semua
peralatan dari berbagai gamelan direkam suara masing
masing lempeng yang dipukul sekali. Pukulan dapat
dilakukan dengan berbagai variasi, kadang dipukul keras,
sedang dan lembut. Variasi lain dapat dilakukan dengan
memilih lokasi palu memukul lempengan, kadang didaerah
atas, dibawah dan ditengah. yang diamati dipukul
merupakan alat musik yang dipukul.
Gambar 3. Gambar parameter band pass filter
Derajat Kemiripan ini merupakan membandingkan
antara sinyal nada dasar asli dengan sinyal hasil filter BPF
dalam hal ini digunakan window kasier dalam
percobaannya.Dipilih filter ini karena Kaiser filter ini
dapat menciptakan filter yang sempit dan tajam.
Algoritma similarity:[1]
1. Dengan bantuan tabel berikut:
Tabel 1. Tabel frekuensi dasar saron [1]
Contoh gambar sinyal suara masukan:
Notasi
Saron
1
Saron
2
Saron
3
Saron
5
Saron
6
Gambar 2. Gambar sinyal masukan
3.2 FILTER BAND PASS FILTER
Pada bandpass filter memiliki 4 parameter yaitu
stop1, pass1, pass2 dan stop 2. Dan untuk menentukan nilai 4
parameter tersebut pada tiap nada dasar saron dilakukan
pengujian Derajat Kemiripan.
Frekuensi Dasar (Hz)
Frekuensi
(Hz)
diharapkan
(*)
Gamelan1
Gamelan2
Gamelan3
Gamelan4
Rata2
528
528
504
539
525
528
610
610
574
610
601
607
703
703
688
703
699
699
797
762
792
799
788
805
915
922
879
926
911
926
2. Ambil sinyal Saronreff1 sebagai sinyal referensi saron1.
3. Hitung derajad kemiripan dengan persamaan:
3.2.1 Derajat Kemiripan
Bila dipunyai dua buah sinyal A dan B. Kedua
sinyal ini disebut identik bila komponen frekuensi penyusun
kedua sinyal tersebut mempunyai derajat kemiripan yang
besar. Pada filter Band Pass Filter (BPF) terdapat empat
parameter yang digunakan dalam filternya yaitu Stop1, Pass1,
Pass2 dan Stop2. Dimana Stop1 adalah nilai frekuensi stop
awalnya, dan Stop2 adalah nilai frekuensi stop akhirnya,
sedangkan Pass1 adalah nilai frekuensi awal bandpass
filternya dan Pass2 adalah nilai frekuensi akhir bandpass
filternya. Dan untuk menentukan nilai frekuensi empat
parameter tersebut pada tiap nada dasar saron dilakukan
dengan melakukan percobaan derajat kemiripan.
Berikut gambar parameter bandpass filter :
4. Pass2 = pass2 + 10, stop2 = stop2 + 10
5. Ulangi proses 3 sampai | M n -
M n 1 |
< 0.01
Contoh percobaan,misal: stop1 = 500, pass1 = 510,
pass2 = 520 dan stop2 = 530.
Hasil prosentase kemiripan:
Gambar 4. Grafik similarity
2
Dari pengamatan gambar tersebut didapatkan nilai
kemiripan terbaik saron1 untuk 4 parameter stop1, pass1,
pass2 dan stop2 di frekuensi 500 Hz, 510 Hz, 540 Hz dan
560 Hz.
Berikut tabel frekuensi tiap nada dasar yang
digunakan dalam pengujian:
3.4 THRESHOLD
Proses threshold ini merupakan proses untuk menghilangkan
noise pada sinyal hasil envelope. Proses threshold dilakukan
dengan memotong sinyal yang dianggap noise. Berikut hasil
threshold dari salah satu hasil pengujian.
Tabel 2. Tabel Nada dasar saron
Saron 1
Saron 2
Saron 3
Saron 5
Saron 6
FStop1
(Hz)
500
550
650
750
900
FPass1
(Hz)
510
560
660
760
910
FPass2
(Hz)
540
630
730
820
960
FStop2
(Hz)
560
640
740
830
970
Gambar 7. Gambar saron1 sebelum di threshold
3.2.2 Proses Band Pass Filter
Pada proses band pass filter ini dari sinyal asli musik
gamelan di filter untuk dicari nada nada dasar saron yang ada
di dalam musik tersebut. Berikut gambar 5 adalah contoh hasil
pengujian dari salah satu sinyal masukan yaitu sinyal musik
sintetik setelah dilakukan proses band pass filter.
Gambar 8. Gambar saron1 setelah di threshold
Dari gambar 2.8 dan 2.9 dapat dilihat perbedaan sinyal
sebelum di threshold dan setelah di threshold. Pada gambar
2.9 dapat dilihat sinyal yang dianggap noise pada bagian
bawah gambar 2.8 telah dihilangkan atau di threshold. Jadi
proses di threshold ini merupakan memberikan nilai „0‟
pada sinyal yang dianggap noise.
Gambar 5. Gambar Hasil Proses Band Pass Saron3
Pada gambar 5 dapat dilihat sinyal asli difilter
menggunakan band pass filter. Hasil dari band pass filter
tersebut terdapat 6 sinyal saron2 pada range waktu 2x
ms
– 8x
ms.
3.5HASIL DAN PEMBAHASAN
Berikut hasil dari tiap sampel musik :
1. Musik Sintetik
Berikut tabel 3 merupakan tabel hasil Generate note
untuk musik sintetik :
Tabel 3. Tabel Hasil Generate Note Musik Sintetik
3.3 ENVELOPE
Setelah sinyal musik gamelan dilewatkan range
frekuensi tersebut maka kemudian di envelope dengan
mencari nilai absolut dan nilai maksimumnya. Berikut hasil
envelope dari salah satu pengujian yaitu sinyal musik
synthetic:
N Jml
o
t
e
1
2
3
5
6
7
0
8
7
0
2
4
21
Gambar 6. Gambar hasil envelope
Keterangan:
3
1
0
0
2
8
8
Perkiraan Note
3
7
7
5
0
0
6
2
2
7
4
4
Benar
S
I
D
0
8
7
0
2
4
21
0
0
0
1. S = Substitution (Note yang dikenali salah)
2. I = Insertion ( Note seharusnya tidak ada tapi dikenali
sebagai note)
3. D = Deletion (Note tidak dikenali sehingga terhapus)
3. Musik Akustik2 (Saron+Peking)
Berikut tabel 5 merupakan tabel hasil Generate note
untuk Akustik file „mysrpk.wav‟ dengan 2 instrumen
yaitu saron dan peking :
Tabel 5. Tabel Hasil Generate Note Akustik2
Untuk menghitung error digunakan rumus berikut:
N
o
t
e
NER=
x 100% = 0 %
2. Musik Akustik1 (Saron+Bonang)
Berikut tabel 4 merupakan tabel hasil Generate note
untuk Akustik file „msrnbng2.wav‟ dengan 2
instrumen yaitu saron dan bonang :
Tabel 4. Tabel Hasil Generate Note Akustik1
N Jm
o l
t
e
1
2
3
5
6
7
0
12
26
24
24
12
98
1
2
Perkiraan Note
3
5
6
7
Tr
ue
1
11
12
0
12
23
23
20
11
89
0
12
1
28
1
23
23
0
13
29
23
23
S
I
1 2
1
1 1
3 3
Jml
Perkiraan Note
1 2
1
2
3
0
8
17
5
17
6
17
7
9
68
3
5
6
True
0
17
17
0 0
0
17
17
17
D
0
8
17
8
0 8
S I
7
17
17
17
9
9
9
68
Keterangan:
1. S = Substitution (Note yang dikenali salah)
2. I = Insertion ( Note seharusnya tidak ada tapi dikenali
sebagai note)
3. D = Deletion (Note tidak dikenali sehingga terhapus)
D
Untuk menghitung error digunakan rumus berikut:
2
1
3
NER =
Keterangan:
1. S = Substitution (Note yang dikenali salah)
2. I = Insertion ( Note seharusnya tidak ada tapi dikenali
sebagai note)
3. D = Deletion (Note tidak dikenali sehingga terhapus)
x100% = 0%
4. Musik Akustik3 (Saron+Demung)
Berikut tabel 6 merupakan tabel hasil Generate note
untuk Akustik file „manyardmsrn.wav‟ dengan 2
instrumen yaitu saron dan bdemung :
Untuk menghitung error digunakan rumus berikut:
Tabel 6. Tabel Hasil Generate Note Akustik3
NER =
x100% = 9,18%
4
No
te
Jm
l
1
2
3
5
6
7
0
4
8
7
7
4
30
1
0
2
4
Perkiraan Note
3
8
5
6
7
7
7
0
4
8
7
7
4
4
Tru
e
0
4
8
7
7
4
30
S
I
D
0 0
0
Keterangan:
1. S = Substitution (Note yang dikenali salah)
2. I = Insertion ( Note seharusnya tidak ada tapi dikenali
sebagai note)
3. D = Deletion (Note tidak dikenali sehingga terhapus)
IV. PENUTUP
4.1 KESIMPULAN
Dari hasil pengujian tugas akhir yang telah dilakukan
dapat disimpulkan bahwa :
1. Dari hasil pengujian diperoleh prosentase NER untuk musik
sintetik sebesar 0%, musik akustik1 yang terdiri dari
instrumen saron dan bonang NERnya sebesar 9,18%,
musik akustik2 yang terdiri dari instrumen saron dan
peking NERnya sebesar 0%, dan musik akustik3 yang
terdiri dari instrumen saron dan demung NERnya sebesar
0%, semakin kecil nilai NERnya menunjukkan semakin
baik kinerjanya.
2. Parameter pengoperasian dalam band pass filternya yaitu
nilai frekuensi fstop1, fpass1, fpass2 dan fstop2 tiap saron
sangat mempengaruhi kinerja hasilnya.
3. Dari hasil pengujian pada sampel kedua yaitu rekaman
akustik1 yang terdiri dari instrumen saron dan bonang nilai
NERnya tertinggi ini dikarenakan bonang mempunyai
frekuensi dasar sama dengan frekuensi dengan saron
sehingga mempengaruhi kinerja ektraksi notenya.
Untuk menghitung error digunakan rumus berikut:
NER =
x100% = 0 %
Dari hasil pengujian 4 sampel musik yang telah dijalankan
berikut perbandingan serta grafik hasil NER pada tiap sampel
musik.
Tabel 4.7 Tabel Perbandingan Ner
NO
SAMPEL MUSIK
JUMLAH
INSTRUMEN
JUMLAH
NOTE
%NER
1
Musik Sintetik
(„saron.wav‟)
1 (saron)
22
0%
2
Musik Akustik 1
(„msrnbng2.wav‟)
2
(saron dan
bonang)
98
9,18%
3
Musik Akustik 2
(„mysrpk.wav‟)
2
(saron dan
peking)
68
0%
4
Musik Akustik 3
(„manyardmsrn.wav‟)
2
(saron dan
demung)
30
0%
4.2 SARAN
Pada penelitian selanjutnya diharapkan bagaimana
memisahkan suara-suara lain yang mempengaruhi suara saron,
sehingga kinerja ektraksi bisa lebih baik.
V. DAFTAR PUSTAKA
1. Yoyon K Suprapto, “Ekstraksi Suara Saron Berbasis
Spektral Density Menggunakan Filter Multidimensi”.
2. “Pengantar Pengolahan Sinyal”
<http://www.docstoc.com/docs/46765421/PENGANTA
R-PENGOLAHAN-SINYAL>, November 2010.
3. Suprapto, Yoyon K, “Ekstraksi Suara Saron Berbasis TimeFrequency Model Menggunakan Filter Multidimensi”,
September 2010.
4. Suprapto, Yoyon K , Diah Puspito Wulandari, Aris
Tjahjanto, “Saron Musik Transcription Using LPF-Cross
Correlation”, Journal of Theoretical and Applied
Information Technology,15th October 2011,Vol. 32
No.1.
5. “Rahayu Supanggah, Menduniakan Gamelan”
<http://warisanindonesia.com/2012/03/rahayusupanggah-menduniakan-gamelan/>, Supanggah, di
download pada tanggal 12 Mei 2012
6. “Sejarah Gaemlan Jawa dan Perkembangannya”,
http://haxims.blogspot.com/2009/10/sejarah-gamelanjawa-dan.html, di download pada tanggal 12 Mei 2012
7. “Sampling dan Aliasing”, http://lecturer.eepisits.edu/~tribudi/LN_Sinyal_sistem_Prak/prak_SinyalSist
em_4.pdf, di download pada tanggal 15 Mei 2012.
Gambar 9. Perbandingan Hasil NER Dari 4 Sampel Musik
Dari tabel 7 dan gambar 9 menunjukkan bahwa pada musik
Akustik3 nilai errornya paling tinggi, ini menunjukkan
instrumen yang ada dalam Akustik mempengaruhi kinerja
ektraksi. Hal ini dikarenakan mempunyai frekuensi dasar yang
sama.
5