IDENTIFICATION OF SCALE improvisation

GUNADARMA UNIVERSITY LIBRARY : http://library.gunadarma.ac.id
1
IDENTIFICATION OF SCALE improvisation
Arie Febri Susanto (20101519)
Abstract—IDENTIFICATION OF SCALE improvisation
Arie Febri Susanto Thesis. Faculty of Computer Science,
2006 Gunadarma University http://www.gunadarma.ac.id
Keywords: Segmentation, Not Identification, Sorting, Identification Scale (X + 45 + Annex) ABSTRACT : Identification Scale Improvisation is a musical scale recognition
process of monophonic music sound bites by using MATLAB programming language, which in its development can
create a system that can recognize the musical scale. Identification Scale made in this study has a function that can
identify a type of musical scale based on the input signal is
an analog monophonic music. Identification Scale Improvisation consists of several processes, namely: Segmentation,
the process of cutting the signal into small segments of the
input in the form of analog music signal. Identification Not,
the introduction notes that the form of numbers based on
the value of the frequency per-nots of the pieces of the signal from the segmentation process. Sorting, the process of
preparation of the notes numbers and eliminate the notes
the same or repetitive. Identification Scale, the process of
recognition or identification of a type of musical scale (example: Blues, Rock, Jazz, etc.) based on the frequency of
these scale notes. Bibliography (1992-2004) 20101519
I. Chapter 1
BAB I PENDAHULUAN 1.1. Latar Belakang Akord,
notasi, dan skala (scale) merupakan tiga hal yang
memegang peranan penting dalam bermusik. Dengan
tiga hal tadi, kita bisa menciptakan/memainkan sebuah
musik/lagu, yang tentunya dengan bantuan alat musik (instrumen) untuk memainkannya. Akord adalah kumpulan
nada-nada (notasi) yang dimainkan secara satu-persatu
dan/ secara bersamaan dan dirangkai menjadi satu bagian,
yang biasanya kita sebut dengan kunci nada, dan notasi adalah nada dasar yang dibutuhkan oleh akord tersebut. Sedangkan skala adalah gabungan akord dan notasi yang disusun sedemikian rupa menjadi satu kesatuan
yang memiliki karakteristik tertentu dari nada/not yang
dihasilkan. Terkadang kita bertanya-tanya apabila kita
sedang mendengarkan sebuah musik/lagu. Jenis lagu ini
apa..?, Ini musik Blues ya..?, dsb. Dari dua pertanyaan
tadi kita bisa menyimpulkan bahwa, otak dan indera
pendengaran kita bisa mendeteksi dan mengetahui jenis
musik/lagu tersebut. Hal itu bisa kita identifikasi dari jenis
skala yang sedang dimainkan dan juga kita pernah/sudah
mengetahui jenis skala tersebut sebelumnya. Karena halhal tersebut, penulis ingin mengimplementasikannya ke
dalam komputer yang dibuat dengan menggunakan program MatLab, yang nantinya komputer akan memiliki kemampuan seperti layaknya manusia dengan kecerdasan buatan (Artificial Inteligent) sendiri untuk mengenali dan
mengetahui jenis skala (scale) dari musik/lagu yang sedang
dimainkan. 1.2. Rumusan Masalah Pada penulisan tugas akhir ini, penulis mencoba merumuskan bagaimana
cara mengolah input berupa suara yang melalui beberapa
proses seperti, segmentasi, identifikasi not, sorting, 1 dan
identifikasi skala sehingga
2 menghasilkan output berupa nama jenis skala dengan
menggunakan program MatLab. 1.3. Batasan Masalah
Pada penulisan tugas akhir ini, penulis membatasi permasalahan hanya menjelaskan fungsi dan tugas dari sistem
yang terdiri dari beberapa proses, seperti segmentasi, identifikasi not, sorting, dan identifikasi skala sehingga menghasilkan output berupa nama jenis skala dengan menggunakan program.......
For further detail, please
(http://library.gunadarma.ac.id)
visit
UG
Library
II. Chapter 2
BAB II TEORI DASAR 2.1 Sinyal Suatu sinyal didefinisikan sebagai besaran fisik yang berubah menurut waktu,
ruang, atau variable bebas lainya. Secara matematis,
kita mendiskripsikan sinyal sebagai fungsi dari satu atau
lebih variable bebas. Sebagai contoh, fungsifungsi s1 =
5t (2.1.1) s1 = 20 t 2 mendiskripsikan dua buah sinyal,
salah satu berubah-ubah secara liniear menurut variable
bebas t (waktu) dan yang kedua berubah-ubah secara
kuadratik menurut t. sebagai contoh yang lain, perhatikan
fungsi berikut s(x, y) = 3x + 2xy+10y2 (2.1.2) fungsi ini
mendiskripsikan sinyal dua variable bebas x dan y yang
dapat mewakili dua koordinat yang berhubungan dalam
suatu bidang.. Sinyal-sinyal yang didiskripsikan pada persamaan (2.1.1) dan (2.1.2) termasuk kelas sinyal yang secara presisi didefinisikan dengan menetapkan ketergantungan fungsional pada variable bebas. Namun, terdapat kasus yang hubungan fungsional seperti itu tidak diketahui
atau terlalu rumit untuk setiap penggunaan praktis. Sebagai contoh, sinyal suara musik tidak dapat didiskripsikan secara fungsional dengan pernyataan seperti (1.1.1).
Umumnya, suatu segmen suara dapat dinyatakan dengan
derajat ketelitian yang tinggi sebagai jumlah dari beberapa
sinusoda dengan amplitude dan frekwensi yang berbeda,
yakni, seperti N A (t ) sin[ 2F (t )t + (t )] i =1 i i 4
(2.1.3)
5 dengan Ai (t), Fi (t), dan qi (t) secara berturutturut adalah himpunan amplitude, frekuensi, dan fase sinusioda yang bervariasi menurut waktu. Faktanya, salah
satu cara untuk menginterpresentasikan isi informasi atau
pesan yang disampaikan dengan setiap segmen waktu yang
pendek dari sinyal suara dengan mengukur ampiltudo,
frekwensi, dan fase yang terdapat dalam segmen waktu
sinyal yang pendek. 2.2 Transformasi Fourier Transformasi
fourier digunakan untuk menganalisis frekuensi pada sinyal
waktu diskrit, yaitu dengan mengkonversikan deret domain
waktu ke suatu tampilan domain frekwensi.. Transformasi
Fourier mempunyai.......
For further detail, please
(http://library.gunadarma.ac.id)
visit
UG
Library
2
GUNADARMA UNIVERSITY LIBRARY : http://library.gunadarma.ac.id
III. Chapter 3
BAB III ANALISA DAN PEMBAHASAN Identifikasi
Skala Improvisasi pada penelitian yang penulis lakukan
adalah membuat suatu sistem dapat mengenali jenis /
nama skala dari sinyal musik analog dengan menggunakan program MatLab. Sistem ini terdiri dari beberapa tahap proses dari input hingga output yang tergambar seperti pada diagram blok dibawah ini : Potongan
sinyal Not angka acak Identifikasi Not Segmentasi Not
angka tersusun Identifikasi Skala Sorting Input sinyal analog (*.Wav) Output nama jenis skala Gambar 3.1 Diagram
Blok Proses Identifikasi Skala Improvisasi Pada bab ini,
penulis akan menjelaskan secara per-blok fungsi dari sistem yang terdiri dari beberapa tahap proses kerja. Antara
lain : Segmentasi, Identifikasi Not, Sorting, dan Identifikasi Skala. Pada proses Segmentasi, dilakukan pemotongan sinyal menjadi segmensegmen kecil dari input yang
berupa sinyal musik analog dalam bentuk Wav file. Kemudian, pada proses Identifikasi Not, dilakukan pengenalan
not-not yang berupa angka berdasarkan nilai frekuensi pernot dari potongan-potongan sinyal yang berasal dari proses
Segmentasi. 21 Lalu dilakukan Sorting untuk
22 menghilangkan not-not yang sama atau berulang dari
proses Identifikasi Not. Proses yang terakhir yaitu Identifikasi Skala. Pada proses ini dilakukan pengenalan nama
jenis skala (contoh : Blues, Rock, Jazz, dsb) berdasarkan
nilai frekuensi per-skala dari hasil proses Sorting. Penjelasan secara rinci mengenai proses Identifikasi Skala Improvisasi dapat dilihat pada sub-bab di bawah ini. 3.1. Segmentasi Pada bagian ini merupakan awal dari proses sistem
Identifikasi Skala Improvisasi yang dinamakan Segmentasi.
Fungsi Segmentasi adalah melakukan pemotongan sinyal
menjadi bagian-bagian kecil yang berasal dari masukan
sinyal musik analog yang berbentuk Wav file. Segmentasi
sendiri terbagi dalam beberapa tahapan proses, seperti :
Rectifying, Enveloping, Differentiation, Tresholding, dan
Segmentation. 3.1.1. Data Suara Pada eksperimen Identifikasi Skala Improvisasi ini, data yang digunakan berupa
data.......
For further detail, please visit UG Library
(http://library.gunadarma.ac.id)
IV. Chapter 4
BAB IV KESIMPULAN DAN SARAN 4.1. Kesimpulan Berdasarkan hasil penelitian dari Identifikasi Skala
Improvisasi, maka kesimpulan yang didapat adalah sebagai berikut : 1. Pada proses Segmentasi, hasil output potongan-potongan sinyal tidak terlalu akurat. Hal
itu disebabkan oleh beberapa faktor, seperti : kesalahan
dalam pembuatan program, human error, dan sampling
data yang tidak sempurna. 2. Untuk proses Identifikasi
Not, hasil outputnya mencapai target yang diinginkan, terlihat dari beberapa kali percobaan, ANN berhasil mencapai goal dengan metode latihan trainlm. Faktor keberhasilan yang lain adalah data yang digunakan tidak
banyak. 3. Pada tahap proses Sorting, berhasil dengan
baik, karena program berjalan dengan baik sesuai dengan yang diinginkan. Hal itu terbukti dari beberapa kali
program dicoba dengan input yang berbeda-beda, selalu
menampilkan output sesuai yang diinginkan. 4. Pada
proses yang terakhir yaitu Identifikasi Skala, hasilnya mencapai target yang diinginkan. Hal itu dapat dilihat dari beberapa kali percobaan, ANN selalu berhasil mencapai goal
dengan menggunakan metode latihan trainlm. Faktor keberhasilan yang lain adalah data yang digunakan tidak terlalu banyak dan datanya akurat. Secara keseluruhan, sistem yang dibuat penulis berhasil, walaupun penulis menemukan hambatan, seperti : tidak terlalu akuratnya output
pada proses Segmentasi. 43
44 4.2. Saran Selain menarik kesimpulan, penulis juga
memberikan beberapa saransaran agar penelitian ini menjadi lebih efektif dengan tingkat keberhasilan yang tinggi
dan lebih bermanfaat di masa yang akan datang. Dalam
hal ini penulis menyarankan : 1. Untuk pengembangan
lebih lanjut, agar bobot yang dihasilkan dalam penelitian
ini, dapat diaplikasikan dalam bentuk sistem yang real
time, Mikrokontroler, FPGA, dsb. Agar penerapannya
lebih bervariasi dan nyata. 2. Untuk pengembangan selanjutnya, dianjurkan dalam pengambilan sampling data,
agar lebih akurat dan teliti. Dan menguasai pemrograman
MatLab ke tingkat yang lebih tinggi (advanced).
.......
For further detail, please visit UG Library
(http://library.gunadarma.ac.id)
V. Chapter 5
.......
For further detail, please
(http://library.gunadarma.ac.id)
visit
UG
Library