EKSTRAKSI FITUR SINYAL UNTUK PENALAAN GITAR MENGGUNAKAN WAVELET TRANSFORM

Ukuran: px
Mulai penontonan dengan halaman:

Download "EKSTRAKSI FITUR SINYAL UNTUK PENALAAN GITAR MENGGUNAKAN WAVELET TRANSFORM"

Transkripsi

1

2 EKSTRAKSI FITUR SINYAL UNTUK PENALAAN GITAR MENGGUNAKAN WAVELET TRANSFORM Moh Abd Rifai Batewa, Agus Lahinta, Abd Aziz Bouty Program Studi S1 Sistem Informasi / Jurusan Informatika Intisari Gitar merupakan alat musik yang sering dimainkan oleh orang banyak baik dari anakanak maupun orang dewasa, tidak semua pemain gitar dapat melakukan penalaan yang sesuai dengan standar nada, untuk mendapatkan stem yang standar seseorang harus melakukan penalaan yang dengan menggunakan tuner elektronik. Penelitian ini bertujuan untuk menghasilkan aplikasi yang dapat membantu pemain gitar khususnya pemula untuk melakukan penalaan dengan menerapkan metode wavelet transform untuk mengekstraksi sinyal diskrit. Hasil uji coba penalaan sebanyak 20 kali terdapat 1 kali penalaan yang kurang akurat sehingga diasumsikan wavelet transform akurat dalam menganalisa sinyal diskrit dari hasil sampling, dilakukan pula penalaan berdasarkan feeling dan efek gitar. Terlihat dari hasil uji coba penalaan berdasarkan feeling sangat jauh dari nada standar Kata kunci : Gitar, Penalaan, Wavelet Transform. Abstract Guitar is the musical instrument and played by lot of people from children to adults. Not all guitar players can make a logical tuning based on the standard tone. To get a standard logical tuning, they have to do it by the electronic tunner. This reasearch aims to produce an aplication that will help a guitar player a especially to a beginner player who wants to do tuning. They have to apply wavelet transform method to extract discrete signal. The result of the trial was 20 times, it get one inaccurate tuning. Therefore it assumes the wavelet transform is accurate on analyzing discrete signal from sampling data. It is also done the tuning based on its own feeling and guitar effect. It showed that the result of using feelling is different from using wavelet transform method. Keyword : Guitar, Tuning, Wavelet Transform

3 PENDAHULUAN Perkembangan musik saat ini begitu pesat, baik anak-anak maupun orang dewasa menyukai musik dari aliran Rock, Pop, Jazz, Metal, dan lain - lain. Untuk menciptakan musik yang indah seseorang harus menggunakan salah satu alat musik seperti gitar, alat musik ini sering digunakan dalam komposisi band sehingga menarik banyak orang untuk belajar menggunakan gitar. Banyak orang bisa menggunakan gitar baik tingkat standart maupun lebih mendalam lagi, tetapi hanya dari beberapa orang yang mampu melakukan tuning gitar dengan feeling berdasarkan nada standart yang telah ditetapkan. Tuning merupakan proses menentukan frekuensi standar dan menyelaraskan frekuensi antar senar pada alat musik berdawai, contohnya gitar. Pada proses ini dilakukan dengan mengatur ketegangan senar melalui pemutar (tuning machine) yang ada di kepala (head) gitar. Tuning standar pada gitar yaitu E-A-D-G-B-E, untuk mendapatkan frekuensi yang standar misalnya A dapat dijadikan patokan sebuah garpu tala A atau dengan alat musik lain. (Ramdhani, 2012). Tuning dengan nada standar ditentukan agar ketika beberapa gitar dimainkan secara bersamaan bunyinya bisa serasi maka dari itu diperlukan sebuah software yang dapat memberikan informasi nada agar dapat memandu seseorang untuk menala setiap snare gitar dengan akurat. Dimana dalam hal ini input suara gitar yang berupa sinyal analog akan diproses untuk mendapatkan informasi frekuensi nada yang nantinya akan menjadi acuan untuk melakukan tuning. Berkaitan dengan proses untuk memperoleh informasi dari suatu sinyal maupun frekuensi maka dibutuhkan suatu metode yang dapat mengekstrak informasi sinyal tersebut. Pada penelitian ini akan mengunakan metode wavelet transform. Transformasi wavelet dalam lingkup signal processing adalah suatu metode untuk mendekomposisi (memisahkan) sinyal masukan yang diinginkan menjadi sebuah bentuk gelombang lain (wavelet). Kemudian akan dilakukan analisis pada sinyal tersebut dengan mengolah koefesien-koefesien wavelet. Karakterisktik daripada wavelet antara lain adalah berosilasi singkat, translasi (pergeseran) dan dilatasi (skala) Discrete Wavelet Transform (DWT) dianggap relatif lebih mudah pengimplementasiannya. Prinsip dasar dari DWT adalah bagaimana cara mendapatkan representasi waktu dan skala dari sebuah sinyal menggunakan teknik pemfilteran digital dan operasi sub sampling. Sinyal pertama-tama dilewatkan pada rangkaian high-pass filter dan low-pass filter, kemudian setengah dari masing-masing keluaran diambil sebagai sampel melalui operasi down-sampling. Proses ini disebut sebagai proses dekomposisi satu tingkat.

4 Keluaran dari low pass filter digunakan sebagai masukan di proses dekomposisi berikutnya. Proses ini diulang sampai tingkat proses dekomposisi yang diinginkan. Gabungan dari keluaran-keluaran high-pass filter dan satu keluaran low pass filter yang terakhir disebut sebagai koefisien wavelet, yang berisi informasi sinyal hasil transformasi yang telah terkompresi. Penjelasan tersebut dapat diwakili oleh diagram berikut: Gambar 1 Skema DWT (Sumber: Haikal. 2011) Hubungan antara input dan output dapat direpresentasikan sebagai berikut....(2.2) Wavelet sesungguhnya sudah ditemukan sejak tahun 1910 oleh seorang matematikawan Jerman bernama Haar. Namun, pada saat itu, keampuhannya dalam pemrosesan signal belum disadari oleh para matematikawan dan pengguna. Keunggulan wavelet Haar baru akan tampak apabila kita berurusan dengan fungsi diskrit tertentu. Haar wavelet dapat direpresentasikan sebagai berikut...(2.3) dan fungsi skala adalah...(2.4)

5 Gambar 2 Haar wavelet (Sumber : Wen-Chun Shih) Haar wavelet memiliki beberapa sifat, pertama dan dapat mendekati setiap fungsi nyata terus menerus dengan kombinasi linear pergeseran dan skala, kedua, orthogonality adalah...(2.5) Ketiga, mother wavelet atau fungsi skala akan memiliki hubungan fungsional jika m adalah berbeda....(2.6) Kempat, koefisien skala m +1 dapat menghitung m, jika...(2.7) Maka...(2.8)

6 Low Pass Filter (LPF) merupakan bentuk filter yang mengambil frekuensi rendah dan membuang frekuensi tinggi. LPF menghasilkan citra blur (lembut/halus). Ciri-ciri dari LPF adalah semua koefisien filter harus positif dan jumlah semua koefisien sama dengan satu. Salah bentuk dari LPF adalah filter rata-rata. (Prihatini, 2010). Dalam matematika, euclidean distance adalah jarak antara dua titik yang dapat diukur dan dihasilkan oleh formula pytagoras. Untuk mengukur ketidak miripan dua data dengan beberapa atribut untuk setiap data digunakan kuantitas jarak (distance). Ada banyak model pengukuran jarak, dan yang paling sering digunakan adalah jarak Euclidean (Bezdek, 1981). Jarak Euclidean memberikan jarak lurus antara dua buah data dengan N dimensi. ( ) Metode Penelitian Pada penelitian ini menggunakan metode eksperimen, awalnya untuk mencari database yang nantinya digunakan sebagai acuan penalaan, maka gitar terlebih dahulu ditala menggunakan efek gitar, selanjutnya suara gitar yang sudah tertala akan dicari nilai frekuensinya, nilai frekuensi tersebut yang nantinya akan menjadi database untuk penalaan. Setelah database acuan sudah didapat maka dilanjutkan untuk penelaan gitar yang belum tertala. Pertama-tama suara gitar yang merupakan sinyal analog akan disampling untuk menghasilkan sinyal diskrit, setelah itu nilai diskrit hasil dari sampling tersebut kemudian akan diekstraksi menggunakan metode wavelet transform, keluaran dari low pass filter selanjutnya akan dicari frekuensinya menggunakan MIR ToolBox. Nilai frekuensi tersebut nantinya akan dicocokkan dengan nilai frekuensi acuan menggunakan rumus Euclidean distance, hasil dari perbandingan kedua nilai tersebut menjadi panduan untuk penalaan gitar. HASIL DAN PEMBAHASAN Hasil Pengambilan database Pada tahap ini snare gitar ditala terlebih dahulu menggunakam tuner pada effect gitar, suaranya di input kedalam komputer dengan menggunakan jack yang dicolokan pada komputer, suara gitar ini selanjutnya akan di sampling untuk proses selanjutnya.

7 Tabel 4.1 Frekuensi Database No Senar Nada Frekuensi 1 Senar 1 E 659,0493 Hz 2 Senar 2 B Hz 3 Senar 3 G 392,4689 Hz 4 Senar 4 D 292,6624 Hz 5 Senar 5 A 221,8312 Hz 6 Senar 6 E 165,5622 Hz Sampling Dalam tahap ini sinyal analog yang di input akan di ubah menjadi sinyal diskrit dan kemudian sinyal tersebut dibagi ke beberapa sampel sinyal yang selanjutnya sampel-sampel tersebut akan dianalisa untuk mengambil informasi dari sinyal tersebut, proses ini bertujuan untuk mempermudah dalam pengambilan informasi. Gambar 4 Sampling Feature extraction Tahap selanjutnya adalah tahap transformasi, dalam tahap ini sinyal yang telah di sampling sebelumnya akan dicari informasi sinyalnya menggunakan teknik transformasi wavelet, untuk ekstraksi sinyal disini menggunakan discrete wavelet transform, sinyal akan dilewatkan pada low pass filter yang merupakan filter pada DWT.

8 Gambar 5 Plot hasil segmentasi sinyal masukkan Berikut adalah sebagian kecil dari sampel sinyal diskrit yang didapat dari proses sampling dimana x adalah sinyal hasil sampling: x = Kemudian sinyal ini akan diekstraksi menggunakan wavelet transform yang kemudian akan dilewatkan pada rangkaian filter High Pass dan Low Pass yang disebut dengan proses dekomposisi. A 0 = [ ] L= [ ] A 1 = [ ] H= [ ] D 1 = [ ] Nilai dari A 1 adalah hasil aproksimasi dari nilai A 0 sedangkan untuk D 1 merupakan koefisien detail dari A 0 dalam penelitian ini melakukan 1 tingkat dekomposisi dengan mengambil nilai sinyal dari hasil Low Pass Filter. Pencocokan Sinyal Hasil ekstraksi sinyal antara database dengan query kemudian akan dibandingkan menggunakan perhitungan euclidean distance untuk mengukur tingkat kecocokan dari kedua sinyal. Hasil pencocokan itu berupa jarak ED antara sinyal database dan query, sinyal query ini akan dibandingan dengan frekuensi hasil ekstraksi sinyal dari tuning menggunakan feeling dan efek gitar.

9 Implementasi Sistem Gambar 6 Diagram rancangan sistem Pembahasan Penelitian ini menerapkan metode wavelet transform dalam mengekstraksi sinyal untuk mendapatkan informasi dalam bentuk frekuensi dengan menggunakan discrete wavelet transform yang merupakan salah satu dari dua bagian wavelet, dimana dalam hal ini untuk proses dekomposisi sinyal dilewatkan pada low pass filter dan keluarannya akan disegmentasi menggunakan MIR toolbox. Dari hasil uji coba, tuning menggunakan feeling jauh dari standar nada gitar yang sebenarnya sedangkan tuning menggunan efek gitar dapat mendekati titik acuan standar gitar dengan jarak rata-rata ED dibawah angka 1, untuk mengetahui keakuratan sistem maka telah dilakukan percobaan tuning sebanyak 20 kali dengan nada senar gitar yang sama, hasilnya rata-rata ED dibawah angka 1 dan terdapat 1 kali tuning yang mencapai angka 2, dapat diasumsikan aplikasi akurat dalam melakukan tuning. Adanya noise pada saat penalaan dapat mempengaruhi hasil ekstraksi sinyal, noise dapat berasal dari aliran listrik yang berlebihan, kualitas sound card yang kurang baik, dan jack gitar yang buruk. Untuk toleransi nada digunakan ½ nada karena jarak antara nada yang

10 paling dekat adalah setengah, ini mengacu pada jarak standar nada mayor yaitu 1-1 ½ ½, tetapi untuk jarak ED ditoleransi 1 angka karena untuk penalaan akan dicari frekuensi terdekat dengan titik acuan. Nada gitar dimulai dari E3 yang merupakan nada senar 6 dengan melangkahi 2 oktav nada sampai pada E5 sebagai nada senar 1, makin tinggi nada yang dihasilkan gitar maka makin tinggi pula hasil frekuensinya begitu juga sebaliknya, sehingga dapat diasumsikan nilai frekuensi sinyal ditentukan oleh tinggi rendahnya nada. KESIMPULAN Dari hasil penelitian yang telah dilakukan maka dapat ditarik kesimpulan sebagi berikut: 1. Dengan adanya aplikasi ini kesulitan yang sering dialami pengguna gitar dalam melakukan penalaan dapat teratasi, sebab aplikasi ini dapat memandu pengguna melakukan tuning sesuai dengan standar nada gitar. 2. Hasil dari penelitian ini menunjukan bahwa metode wavelet transform dapat diterapkan dalam penalaan gitar, terlihat dari hasil uji coba 20 kali penalaan dengan nada yang sama menunjukan 19 kali akurat dan 1 kali kurang akurat. 3. Proses penalaan gitar menggunakan feeling dapat dimainkan tetapi jauh dari standar nada yang ditentukan, terlihat dari jarak ED yang jauh dari titik Nilai frekuensi dipengaruhi oleh tinggi rendahnya nada gitar. Semakin tinggi nada gitar maka semakin tinggi pula nilai frekuensi sinyal begitu pula sebaliknya. 5. Noise dari hasil penginputan suara dapat mempengaruhi hasil penalaan, noise sendiri dapan muncul dari beberapa faktor yaitu, arus listrik, kualitas sound card, kualitas jack, dan lingkungan sekitar penalaan. 6. Dalam proses penalaan nilai frekuensi hasil ekstraksi tidak selalu sama meskipun nada yang dimasukan sama hanya saja nilainya yang tidak jauh dari acuan. 7. Nada gitar dimulai dari E3 yang merupakan nada senar 6 melewati 2 oktav nada sampai E5 sebagai senar 1. SARAN 1. Sebelum melakukan penalaan pada senar sebaiknya pengguna dapat mendengarkan nada guide pada tombol senar yang disediakan, selain dapat membantu dalam penalaan pengguna juga dapat belajar mengenali nada gitar 2. Untuk penalaan yang baik sebaiknya dapat diperhatikan sumber noise seperti arus listrik, kwalitas sound card, kualitas jack, dan lingkungan sekitar penalaan.

11 3. Aplikasi ini dapat dikembangkan pada perangkat mobile agar dapat lebih mudah untuk digunakan dimana saja. DAFTAR PUSTAKA Prasetyo, E Data Mining. Yogyakarta : Andi. Prihatini, T.A Analisis Dan Implementasi Low Pass Filter Untuk Mereduksi Noise Pada Citra Digital. [Skripsi] diterbitkan. Medan : Universitas Sumatra Utara. ( diakses 4 januar 2013). Ramdhani, G Mahir Bermain Gitar Secara Otodidak. Jakarta: Laskar Aksara. Silalahi, I. dan Saragih, R.A Analisa Multiwavelet untuk Kompresi Suara. Electrical Engineering Journal, (online), Vol 10. No.1. ( aranatha.edu/index.php/jurnal-teknik-elektro/article/view/357/pdf+ &cd=1&hl=en & ct=clnk, diakses 4 januari 2014). Wen-Chun Shih.. Time Frequency Analysis and Wavelet Transform Tutorial Wavelet for Music Signal Analysis. ( q=cach e: b1ybcyijokuj:djj.ee.ntu.edu.tw/tutorial_wavelet%2520for%2520music%2520sig nal%2520analysis%2520_2.pdf+&cd=1&hl=en&ct=clnk, diakses 4 januari 2014).

BAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul

BAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul 37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. database dan database query, secara keseluruhan menggunakan cara yang sama.

BAB IV HASIL DAN PEMBAHASAN. database dan database query, secara keseluruhan menggunakan cara yang sama. BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Experimen Pada dasarnya tahapan yang dilakukan pada proses pengambilan sampel dari database dan database query, secara keseluruhan menggunakan cara yang sama. Berdasarkan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Tuning merupakan proses menentukan frekuensi standar dan

BAB II TINJAUAN PUSTAKA. Tuning merupakan proses menentukan frekuensi standar dan BAB II TINJAUAN PUSTAKA. Tuning Tuning merupakan proses menentukan frekuensi standar dan menyelaraskan frekuensi antar senar pada alat musik berdawai, ontohnya gitar. Pada proses ini dilakukan dengan mengatur

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian dilaksanakan pada Laboratorium Jurusan Teknik Informatika

BAB III METODOLOGI PENELITIAN. Penelitian dilaksanakan pada Laboratorium Jurusan Teknik Informatika BAB III METODOLOGI PENELITIAN 3.1 Objek Penelitian Penelitian dilaksanakan pada Laboratorium Jurusan Teknik Informatika Fakultas Teknik Universitas Negeri Gorontalo (UNG), dengan objek penelitian mengambil

Lebih terperinci

PENERAPAN METODE WAVELET TRANSFORM DALAM PEMBELAJARAN SOLMISASI NADA

PENERAPAN METODE WAVELET TRANSFORM DALAM PEMBELAJARAN SOLMISASI NADA PENERAPAN METODE WAVELET TRANSFORM DALAM PEMBELAJARAN SOLMISASI NADA Lelareyna Kassa ¹, Agus Lahinta ², Abd. Azis Bouty ³ INTISARI Semakin besar frekuensi dasar gelombang suara, maka semakin tinggi nada

Lebih terperinci

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk 6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Indera pendengaran manusia tidak dapat mengetahui secara pasti jenis nada apa yang didengar olehnya, terkecuali para pemusik profesional. Hal

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari

Lebih terperinci

BAB II TINJAUAN PUSTAKA. terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya

BAB II TINJAUAN PUSTAKA. terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya BAB II TINJAUAN PUSTAKA 2. Nada dan Solmisasi 2.. Nada Apa yang dapat kita tangkap dengan pendengaran, disebut suara. Suara terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya

Lebih terperinci

BAB 3 ANALISIS SISTEM / PROGRAM YANG BERJALAN

BAB 3 ANALISIS SISTEM / PROGRAM YANG BERJALAN BAB 3 ANALISIS SISTEM / PROGRAM YANG BERJALAN 3.1 Blok Diagram mulai Gitar mikrofon program monitor selesai Gambar 3.1 Blok Diagram Saat program dijalankan, program membutuhkan masukan berupa suara gitar,

Lebih terperinci

Analisa Multiwavelet untuk Kompresi Suara

Analisa Multiwavelet untuk Kompresi Suara 1 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 1 (2010) No. 1, pp. 1-11 Analisa Multiwavelet untuk Kompresi Suara Immanuel Silalahi 1 dan Riko Arlando Saragih 2 1 Alumni Jurusan Teknik Elektro

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM 20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer

Lebih terperinci

PERANCANGAN DAN REALISASI PENALA GITAR OTOMATIS MENGGUNAKAN PENGONTROL MIKRO AVR ATMEGA16. Disusun Oleh : Nama : Togar Hugo Murdani Nrp :

PERANCANGAN DAN REALISASI PENALA GITAR OTOMATIS MENGGUNAKAN PENGONTROL MIKRO AVR ATMEGA16. Disusun Oleh : Nama : Togar Hugo Murdani Nrp : PERANCANGAN DAN REALISASI PENALA GITAR OTOMATIS MENGGUNAKAN PENGONTROL MIKRO AVR ATMEGA16 Disusun Oleh : Nama : Togar Hugo Murdani Nrp : 0422023 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria

Lebih terperinci

IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER

IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang [1] Pentatonic merupakan tangga nada dalam musik yang tersusun dari lima nada. Pentatonic sering kali digunakan dalam musik rock dan blues. Pentatonic Scale atau tangga

Lebih terperinci

Gambar 2.1 Perangkat UniTrain-I dan MCLS-modular yang digunakan dalam Digital Signal Processing (Lucas-Nulle, 2012)

Gambar 2.1 Perangkat UniTrain-I dan MCLS-modular yang digunakan dalam Digital Signal Processing (Lucas-Nulle, 2012) BAB II TINJAUAN PUSTAKA 2.1 Digital Signal Processing Pada masa sekarang ini, pengolahan sinyal secara digital yang merupakan alternatif dalam pengolahan sinyal analog telah diterapkan begitu luas. Dari

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini, teknologi pemrosesan sinyal digital (PSD), salah satunya pemrosesan suara, merupakan salah satu bidang riset yang berkembang pesat beberapa tahun belakangan.

Lebih terperinci

BAB II DASAR TEORI Suara. Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan

BAB II DASAR TEORI Suara. Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan BAB II DASAR TEORI 2. 1 Suara Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitude tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun benda

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1. Diagram Blok Rancangan Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium.

Lebih terperinci

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada masa sekarang, Digital Signal Processing (DSP) atau pemrosesan sinyal digital sudah banyak diterapkan di berbagai bidang karena data dalam bentuk digital

Lebih terperinci

ANALISIS MULTI WAVELET PADA KOMPRESI SUARA. Disusun Oleh: Immanuel Silalahi. Nrp :

ANALISIS MULTI WAVELET PADA KOMPRESI SUARA. Disusun Oleh: Immanuel Silalahi. Nrp : ANALISIS MULTI WAVELET PADA KOMPRESI SUARA Disusun Oleh: Nama : Immanuel Silalahi Nrp : 0422060 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria Sumantri, MPH

Lebih terperinci

ABSTRAK. Kata kunci: biola, Fast Fourier Transform, konversi, nada, not balok. vi Universitas Kristen Maranatha

ABSTRAK. Kata kunci: biola, Fast Fourier Transform, konversi, nada, not balok. vi Universitas Kristen Maranatha ABSTRAK Musik merupakan suatu sarana yang dapat membantu manusia dalam menyimpan dan mengapresiasi karyanya dan biasanya digambarkan dalam bentuk notasi balok dengan unsur-unsur paranada, garis birama,

Lebih terperinci

ABSTRAK. Tuts Organ Elektronik Menggunakan Pengontrol Mikro Edwin /

ABSTRAK. Tuts Organ Elektronik Menggunakan Pengontrol Mikro Edwin / Tuts Organ Elektronik Menggunakan Pengontrol Mikro Edwin / 0622030 Email : edwinedun@hotmail.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. drg. Suria Sumantri, MPH 65, Bandung 40164, Indonesia

Lebih terperinci

DAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...

DAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR... ABSTRAK Noise merupakan salah satu kendala yang mempengaruhi kualitas sinyal suara yang ditransmisikan. Noise tersebut dapat berasal dari peralatan komunikasi itu sendiri atau pengaruh dari sumber luar.

Lebih terperinci

PERANCANGAN DAN IMPLEMENTASI TUNER GITAR BERBASIS FAST FOURIER TRANSFORM PADA PLATFORM IOS

PERANCANGAN DAN IMPLEMENTASI TUNER GITAR BERBASIS FAST FOURIER TRANSFORM PADA PLATFORM IOS PERANCANGAN DAN IMPLEMENTASI TUNER GITAR BERBASIS FAST FOURIER TRANSFORM PADA PLATFORM IOS DESIGN AND IMPLEMENTATION OF GUITAR TUNER BASED ON FAST FOURIER TRANSFORM IN IOS PLATFORM Daivalana Mahadika Priatama

Lebih terperinci

BAB 1 PENDAHULUAN. Musik sudah menjadi keseharian dalam kehidupan manusia. Hampir di setiap

BAB 1 PENDAHULUAN. Musik sudah menjadi keseharian dalam kehidupan manusia. Hampir di setiap BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Musik sudah menjadi keseharian dalam kehidupan manusia. Hampir di setiap tempat kita dapat mendengar musik. Kadang-kadang saat mendengar sebuah lagu, muncul

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database sinyal EKG Pengambilan data dari database Visual Basic 6.0 Discrete Wavelet Transform (DWT) Dekomposisi Daubechies Orde 2

Lebih terperinci

Tuner Gitar Berbasis Arduino UNO... (Janis Uky)1. Tuner Gitar Berbasis Arduino UNO. Guitar Tuner Based On Arduino UNO

Tuner Gitar Berbasis Arduino UNO... (Janis Uky)1. Tuner Gitar Berbasis Arduino UNO. Guitar Tuner Based On Arduino UNO Tuner Gitar Berbasis Arduino UNO.... (Janis Uky)1 Tuner Gitar Berbasis Arduino UNO Guitar Tuner Based On Arduino UNO Oleh : Janis Uky (11507134010), Universitas Negeri Yogyakarta janisuky@gmail.com Abstrak

Lebih terperinci

PENGEMBANGAN PROGRAM APLIKASI PENALA GITAR MENGGUNAKAN FAST FOURIER TRANSFORM

PENGEMBANGAN PROGRAM APLIKASI PENALA GITAR MENGGUNAKAN FAST FOURIER TRANSFORM PENGEMBANGAN PROGRAM APLIKASI PENALA GITAR MENGGUNAKAN FAST FOURIER TRANSFORM Rizal Chandra ABSTRAK The objective of this application is to generate tuner program that can bring out the tone and guide

Lebih terperinci

Kata kunci: Fourier, Wavelet, Citra

Kata kunci: Fourier, Wavelet, Citra TRANSFORMASI FOURIER DAN TRANSFORMASI WAVELET PADA CITRA Oleh : Krisnawati Abstrak Tranformasi wavelet merupakan perbaikan dari transformasi Fourier. Transformasi Fourier hanya dapat menangkap informasi

Lebih terperinci

KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET

KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET Allen Dick Scott / 0222033 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl.Prof.Drg.Suria Sumantri 65, Bandung 40164, Indonesia

Lebih terperinci

1. Pendahuluan Latar Belakang

1. Pendahuluan Latar Belakang 1. Pendahuluan 1.1. Latar Belakang Musik merupakan sarana untuk menyimpan hasil karya seseorang. Dan hampir semua notasi musik dituliskan ke dalam not balok. Not balok adalah susunan nada yang ditulis

Lebih terperinci

BAB I PENDAHULUAN. terbesar (39%), diikuti kanker (27%), sedangkan penyakit pernafasan kronis,

BAB I PENDAHULUAN. terbesar (39%), diikuti kanker (27%), sedangkan penyakit pernafasan kronis, BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit jantung menduduki peringkat teratas penyebab kematian di dunia. Proporsi penyebab kematian penyakit tidak menular (PTM) pada orangorang berusia kurang

Lebih terperinci

Karakteristik Spesifikasi

Karakteristik Spesifikasi Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling

Lebih terperinci

PERANCANGAN DAN REALISASI PENAMPIL SPEKTRUM FREKUENSI PORTABLE BERBASIS MIKROKONTROLER ATMEGA 16

PERANCANGAN DAN REALISASI PENAMPIL SPEKTRUM FREKUENSI PORTABLE BERBASIS MIKROKONTROLER ATMEGA 16 PERANCANGAN DAN REALISASI PENAMPIL SPEKTRUM FREKUENSI PORTABLE BERBASIS MIKROKONTROLER ATMEGA 16 Nama : Daniel Tjondro Wibowo NRP : 0622010 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,

Lebih terperinci

DAFTAR ISI. i ABSTRACT. ii KATA PENGANTAR. viii DAFTAR GAMBAR

DAFTAR ISI. i ABSTRACT. ii KATA PENGANTAR. viii DAFTAR GAMBAR ABSTRAK Keberadaan noise dalam sinyal elektrokardiograf (EKG) dapat menyebabkan kesalahan interpretasi informasi jantung, yang pada akhirnya menyebabkan kesalahan pada penilaian kondisi jantung. Untuk

Lebih terperinci

APLIKASI PERINTAH SUARA UNTUK MENGGERAKKAN ROBOT. Disusun Oleh : Nama : Astron Adrian Nrp :

APLIKASI PERINTAH SUARA UNTUK MENGGERAKKAN ROBOT. Disusun Oleh : Nama : Astron Adrian Nrp : APLIKASI PERINTAH SUARA UNTUK MENGGERAKKAN ROBOT Disusun Oleh : Nama : Astron Adrian Nrp : 0422014 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia.

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Sinyal PCG Denoising Dekomposisi Frekuensi cuplik 8Khz Frekuensi cuplik 44,1Khz Frekuensi cuplik 48Khz Coiflet Symlet Daubechies Biorthogonal

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang

Lebih terperinci

1.1 Latar Belakang Masalah

1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN Dalam dunia musik, pemrosesan audio untuk menghasilkan berbagai efek suara sering dilakukan, terutama pada audio dari suatu instrumen musik. Pemrosesan audio ini melibatkan berbagai jenis

Lebih terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. Universitas Kristen Maranatha ABSTRAK Perkembangan multimedia saat ini sangat cepat. Dengan multimedia, pengguna dapat menyerap informasi dengan lebih mudah, sehingga pemilihan informasi yang tepat menjadi penting. Pemilihan informasi

Lebih terperinci

CONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM

CONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM 1 CONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM Venny Mar atul Jannah Ismail 1, Arip Mulyanto 2, Abd. Aziz Bouty 3 1 Mahasiswa

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45 20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192

Lebih terperinci

PERANCANGAN DAN IMPLEMENTASI TUNER GITAR BERBASIS FAST FOURIER TRANSFORM DAN HARMONIC PRODUCT SPECTRUM PADA PLATFORM ANDROID

PERANCANGAN DAN IMPLEMENTASI TUNER GITAR BERBASIS FAST FOURIER TRANSFORM DAN HARMONIC PRODUCT SPECTRUM PADA PLATFORM ANDROID ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1536 PERANCANGAN DAN IMPLEMENTASI TUNER GITAR BERBASIS FAST FOURIER TRANSFORM DAN HARMONIC PRODUCT SPECTRUM PADA PLATFORM ANDROID

Lebih terperinci

PENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM

PENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM PENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM Agustina Trifena Dame Saragih 1, Achmad Rizal 2, Rita Magdalena 3 Departemen Teknik Elektro Institut Teknologi Telkom Jl.

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi

Lebih terperinci

WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION

WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.

Lebih terperinci

PENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA. Albertus D Yonathan A / ABSTRAK

PENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA. Albertus D Yonathan A / ABSTRAK PENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA Albertus D Yonathan A / 0422001 y0y02k4@gmail.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri 65 Bandung 40164, Indonesia

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi

Lebih terperinci

DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT

DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT Mayo Ama Kella Loing, Koredianto Usman, Rita Magdalena Institut Teknologi

Lebih terperinci

BAB I PENDAHULUAN. Penyakit jantung merupakan salah satu penyebab kematian terbesar di

BAB I PENDAHULUAN. Penyakit jantung merupakan salah satu penyebab kematian terbesar di BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit jantung merupakan salah satu penyebab kematian terbesar di Indonesia (Depkes, 2011). Penyakit jantung ini merupakan salah satu penyakit yang tidak

Lebih terperinci

Penyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.

Penyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang

Lebih terperinci

Gambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama

Gambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama BAB IV ANALISIS IV.1 Analisis Terhadap Hasil Pengolahan Data Gambar IV-1 menunjukkan peningkatan nilai korelasi dari sebelum transformasi wavelet dengan setelah transformasi wavelet pada level dekomposisi

Lebih terperinci

DAFTAR TABEL. Tabel 4.1 Struktur Neural Network Backpropagation Tabel 4.2 Hasil Pengujian Identifikasi Data Uji... 34

DAFTAR TABEL. Tabel 4.1 Struktur Neural Network Backpropagation Tabel 4.2 Hasil Pengujian Identifikasi Data Uji... 34 DAFTAR TABEL Tabel 4.1 Struktur Neural Network Backpropagation... 9 Tabel 4. Hasil Pengujian Identifikasi Data Uji... 34 Tabel 4.3 Hasil Pengujian Sistem... 37 xi BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan

Lebih terperinci

PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT-SVD DAN RDWT-SVD. Abstract

PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT-SVD DAN RDWT-SVD. Abstract PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT- DAN Qurrota Ayun Majid, T. Sutojo, S.Si, M.Kom Teknik Informatika - S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang 111201207118@mhs.dinus.ac.id

Lebih terperinci

SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT

SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT ( Kristiawan Purwanto, Tutug Dhanardono) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo

Lebih terperinci

Melalui persamaan di atas maka akan terbentuk pola radargram yang. melukiskan garis-garis / pola pendekatan dari keadaan yang sebenarnya.

Melalui persamaan di atas maka akan terbentuk pola radargram yang. melukiskan garis-garis / pola pendekatan dari keadaan yang sebenarnya. BAB IV SIMULASI DAN ANALISIS 4.1 Pembuatan Data Sintetis Dalam karya tulis ini pembuatan data sintetis mengikuti pola persamaan (3.1) Melalui persamaan di atas maka akan terbentuk pola radargram yang melukiskan

Lebih terperinci

ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI

ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI ANALYSIS AND SIMULATION OF VIDEO RECONSTRUCTION BASED ON SUPER-RESOLUTION METHOD Kusuma Nindia Rizki 1, Iwan Iwut, ST., MT. 2, Suryo

Lebih terperinci

ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI

ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI Disusun oleh : Gintaris Johanes Tarigan 0922022 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria Sumantri,

Lebih terperinci

PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION

PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University

Lebih terperinci

PEMBUATAN ALAT UKUR FREKUENSI DARI GENERATOR SINYAL BERBASIS ATMEGA16 TUGAS AKHIR

PEMBUATAN ALAT UKUR FREKUENSI DARI GENERATOR SINYAL BERBASIS ATMEGA16 TUGAS AKHIR PEMBUATAN ALAT UKUR FREKUENSI DARI GENERATOR SINYAL BERBASIS ATMEGA16 TUGAS AKHIR Diajukan untuk Memenuhi Persyaratan Mencapai Pendidikan Diploma III Program Studi DIII Instrumentasi dan Elektronika Jurusan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan

Lebih terperinci

PERANCANGAN DAN IMPLEMENTASI TUNER GITAR OTOMATIS BERBASIS MIKROKONTROLER DESIGN AND IMPLEMENTATION OF AUTOMATIC TUNER GUITAR BASED MICROCONTROLLER

PERANCANGAN DAN IMPLEMENTASI TUNER GITAR OTOMATIS BERBASIS MIKROKONTROLER DESIGN AND IMPLEMENTATION OF AUTOMATIC TUNER GUITAR BASED MICROCONTROLLER ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.1 April 2016 Page 22 PERANCANGAN DAN IMPLEMENTASI TUNER GITAR OTOMATIS BERBASIS MIKROKONTROLER DESIGN AND IMPLEMENTATION OF AUTOMATIC TUNER GUITAR

Lebih terperinci

IMPLEMENTASI SISTEM PENGENALAN KATA MENGGUNAKAN SINYAL ELECTROMYOGRAPHY BERBASIS RASPBERRY PI

IMPLEMENTASI SISTEM PENGENALAN KATA MENGGUNAKAN SINYAL ELECTROMYOGRAPHY BERBASIS RASPBERRY PI IMPLEMENTASI SISTEM PENGENALAN KATA MENGGUNAKAN SINYAL ELECTROMYOGRAPHY BERBASIS RASPBERRY PI Disusun oleh : Evan Lesmana (1022010) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha

Lebih terperinci

Adaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks

Adaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks Adaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks Redi Kuncoro Katri 1,*, Gelar Budiman 1, Ledya Novamizanti 1 1 Universitas Telkom, Fakultas Teknik Elektro

Lebih terperinci

WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT)

WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT) WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT) Disusun Oleh : Aldo Roy Hardiansa Putra (0922056) Jurusan Teknik Elektro, Fakultas Teknik,

Lebih terperinci

BAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari

BAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari BAB I PENDAHULUAN I.1. Latar Belakang Masalah Proses pengenalan kata merupakan salah satu fungsi dari voice recognition. Voice recognition dibagi menjadi dua jenis, yaitu speech recognition dan speaker

Lebih terperinci

BAB I PENDAHULUAN SIMULASI DAN ANALISIS PEMANTAUAN KAMAR PASIEN RAWAT INAP DENGAN DETEKSI DAN KLASIFIKASI SINYAL AUDIO 1

BAB I PENDAHULUAN SIMULASI DAN ANALISIS PEMANTAUAN KAMAR PASIEN RAWAT INAP DENGAN DETEKSI DAN KLASIFIKASI SINYAL AUDIO 1 BAB I PENDAHULUAN 1.1 Latar Belakang Pasien rawat inap di rumah sakit membutuhkan perawatan yang intensif dari dokter atau perawat. Hal ini dilakukan dengan memantau kesehatan pasien secara fisik dan psikologi

Lebih terperinci

BAB I PENDAHULUAN. resistor, kapasitor ataupun op-amp untuk menghasilkan rangkaian filter. Filter analog

BAB I PENDAHULUAN. resistor, kapasitor ataupun op-amp untuk menghasilkan rangkaian filter. Filter analog BAB I PENDAHULUAN 1.1 Latar Belakang Filter merupakan suatu perangkat yang menghilangkan bagian dari sinyal yang tidak di inginkan. Filter digunakan untuk menglewatkan atau meredam sinyal yang di inginkan

Lebih terperinci

ABSTRAK Pada tugas akhir ini dibuat sistem pengidentifikasi sinyal EEG, yaitu komponen gelombang alpha, beta dan theta dengan menggunakan transformasi

ABSTRAK Pada tugas akhir ini dibuat sistem pengidentifikasi sinyal EEG, yaitu komponen gelombang alpha, beta dan theta dengan menggunakan transformasi ABSTRACT This final report is discussed about identification system of EEG signal, named alpha, beta and theta components. The technique are using discrete wavelet tranform and power spectral analysis.

Lebih terperinci

Kesepakatan. Kuliah Sopan : Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan

Kesepakatan. Kuliah Sopan : Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan Kesepakatan Kuliah Sopan : Tidak bersandal dan berkaos Busana muslimah yang pantas Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan 3 1. PENDAHULUAN A. Signal Processing B.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Gelombang Bunyi Menurut Anwar, et al (2014), gelombang bunyi atau lebih khusus dikenal sebagai gelombang akustik adalah gelombang longitudinal yang berada dalam sebuah medium,

Lebih terperinci

PITCH INTERVAL SINYAL SENANDUNG UNTUK PENCARIAN LAGU PADA TANGGA NADA PENTATONIS DAN DIATONIS TUGAS AKHIR

PITCH INTERVAL SINYAL SENANDUNG UNTUK PENCARIAN LAGU PADA TANGGA NADA PENTATONIS DAN DIATONIS TUGAS AKHIR PITCH INTERVAL SINYAL SENANDUNG UNTUK PENCARIAN LAGU PADA TANGGA NADA PENTATONIS DAN DIATONIS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah

Lebih terperinci

BAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali

BAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi

Lebih terperinci

DETEKSI KESALAHAN NADA PADA STRING GITAR DENGAN MENGGUNAKAN HARMONIC PRODUCT SPECTRUM

DETEKSI KESALAHAN NADA PADA STRING GITAR DENGAN MENGGUNAKAN HARMONIC PRODUCT SPECTRUM DETEKSI KESALAHAN NADA PADA STRING GITAR DENGAN MENGGUNAKAN HARMONIC PRODUCT SPECTRUM GUITAR STRINGS ERROR DETECTION TONE BY USING HARMONIC PRODUCT SPECTRUM Tedy Gumilar 1, Drs. Suwandi., MSi 2, Hertiana

Lebih terperinci

BAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function

BAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan

Lebih terperinci

BAB III PROTEKSI TRANSFORMATOR DAYA MENGGUNAKAN TRANSFORMASI WAVELET. 1980, dalam bahasa Prancis ondelette, yang berarti gelombang kecil.

BAB III PROTEKSI TRANSFORMATOR DAYA MENGGUNAKAN TRANSFORMASI WAVELET. 1980, dalam bahasa Prancis ondelette, yang berarti gelombang kecil. BAB III PROTEKSI TRANSFORMATOR DAYA MENGGUNAKAN TRANSFORMASI WAVELET A. Dasar Teori Transformasi Kata dikemukakan oleh Morlet dan Grossmann pada awal tahun 1980, dalam bahasa Prancis ondelette, yang berarti

Lebih terperinci

BAB I PENDAHULUAN A. Latar Belakang Model Nada- nada Gamelan dalam Bentuk Gitar.

BAB I PENDAHULUAN A. Latar Belakang Model Nada- nada Gamelan dalam Bentuk Gitar. BAB I PENDAHULUAN A. Latar Belakang Perkembangan zaman bukan hanya berdampak pada revolusi teknologi yang menjadi serba mudah, akan tetapi juga pada selera masyarakat terhadap budaya. Budaya Indonesia,

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented

Lebih terperinci

DAFTAR ISI. BAB I PENDAHULUAN 1.1 Latar Belakang Tujuan Penelitian Manfaat Penelitian... 4

DAFTAR ISI. BAB I PENDAHULUAN 1.1 Latar Belakang Tujuan Penelitian Manfaat Penelitian... 4 DAFTAR ISI Halaman Judul... Halaman Pengesahan... Halaman Pernyataan... Halaman Pernyataan Publikasi... Kata Pengantar... Daftar Isi... Daftar Gambar... Daftar Tabel... Daftar Arti Lambang... Daftar Singkatan...

Lebih terperinci

BAB 3 PERANCANGAN SISTEM PENGENAL SUARA

BAB 3 PERANCANGAN SISTEM PENGENAL SUARA BAB 3 PERANCANGAN SISTEM PENGENAL SUARA 3.1 Perangkat Keras yang Digunakan Untuk menunjang perancangan sistem pengenalan suara, maka digunakan perangkat keras ( Hardware ) dengan spesifikasi sebagai berikut

Lebih terperinci

Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT)

Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT) Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT) Putri Madona Jurusan Teknik Elektro Program Studi Teknik Elektronika Politeknik Caltex Riau Pekanbaru,

Lebih terperinci

BABI PENDAHULUAN. Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa.

BABI PENDAHULUAN. Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa. BAB I PENDAHULUAN BABI PENDAHULUAN 1.1. LATAR BELAKANG Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa. Salah satunya adalah alat untuk mengukur intensitas bunyi dan gain dari sinyal

Lebih terperinci

Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI) Volume 2, Nomor 1, Januari 2013

Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI) Volume 2, Nomor 1, Januari 2013 PENGEMBANGAN APLIKASI WATERMARKING REGION OF INTEREST (ROI) CITRA DIGITAL DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN MORFOLOGI MATEMATIKA Oleh Made Dyah Aryani, 1015057077 Jurusan Pendidikan Teknik

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, di antaranya adalah kemudahan dalam mendapatkan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi speech recognition merupakan teknologi pengenalan wicara yang memanfaatkan sinyal suara manusia sebagai masukan yang kemudian dikenali oleh sistem. Teknologi

Lebih terperinci

PENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE

PENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE PENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE Radian Rizki Triadhi NRP : 1222033 E-mail : radianrizkitriadhi@ymail.com ABSTRAK Pengenalan tulisan tangan

Lebih terperinci

INSTITUT TEKNOLOGI BANDUNG

INSTITUT TEKNOLOGI BANDUNG KAJIAN PENCOCOKAN CITRA DIGITAL BERDASARKAN KORELASI KOEFISIEN-KOEFISIEN WAVELET 2-D TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana. Oleh: Muhammad Aldien Said NIM 151

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang BAB I PENDAHULUAN I.1 Latar Belakang Fotogrametri adalah suatu seni, pengetahuan dan teknologi untuk memperoleh informasi yang dapat dipercaya tentang suatu obyek fisik dan keadaan sekitarnya melalui proses

Lebih terperinci

ABSTRAK. Kata Kunci : klasifikasi, musik digital, jenis musik, support vector machine, fitur ekstraksi, daftar putar musik digital

ABSTRAK. Kata Kunci : klasifikasi, musik digital, jenis musik, support vector machine, fitur ekstraksi, daftar putar musik digital ABSTRAK Kemudahan dalam mendapatkan musik digital membuat orang-orang dapat memiliki banyaknya koleksi musik digital. Terkadang orang-orang menikmati musik dengan jenis musik tertentu berdasarkan kondisi

Lebih terperinci

PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L

PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L Hermawan Syahputra* 1, Andani D N 2 1,2 Jurusan Matematika, FMIPA Unimed, Medan, Indonesia e-mail:

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan citra digital juga semakin mudah. Kemudahan

Lebih terperinci

PERANCANGAN MODULATOR QPSK DENGAN METODA DDS (DIRECT DIGITAL SYNTHESIS) BERBASIS MIKROKONTROLLER ATMEGA8535 ABSTRAK

PERANCANGAN MODULATOR QPSK DENGAN METODA DDS (DIRECT DIGITAL SYNTHESIS) BERBASIS MIKROKONTROLLER ATMEGA8535 ABSTRAK PERANCANGAN MODULATOR QPSK DENGAN METODA DDS (DIRECT DIGITAL SYNTHESIS) BERBASIS MIKROKONTROLLER ATMEGA8535 Disusun Oleh: Jhon Presley 0322094 Jurusan Teknik Elektro, Fakultas Teknik, Universita Kristen

Lebih terperinci

BAB III PENGOLAHAN DATA

BAB III PENGOLAHAN DATA BAB III PENGOLAHAN DATA Pengolahan data pada penelitian ini meliputi tahapan pengambilan data, penentuan titik tengah area yang akan menjadi sampel, pengambilan sampel, penentuan ukuran window subcitra

Lebih terperinci

Rancang Bangun Aplikasi Penyelaras Nada Gitar Pada Platfrom Android

Rancang Bangun Aplikasi Penyelaras Nada Gitar Pada Platfrom Android Rancang Bangun Aplikasi Penyelaras Nada Gitar Pada Platfrom Android 1 Machudor Yusman, 2 Yuda Teja Elanda Ali 1 Jurusan Ilmu Komputer FMIPA Unila 2 Jurusan Ilmu Komputer FMIPA Unila Abstract Music is a

Lebih terperinci

BAB 4 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN. 4.1 Model Rumusan Masalah dan Pengambilan Keputusan

BAB 4 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN. 4.1 Model Rumusan Masalah dan Pengambilan Keputusan BAB 4 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN 4.1 Model Rumusan Masalah dan Pengambilan Keputusan Suara yang dihasilkan manusia merupakan sinyal analog. Setelah melalui proses perekaman, suara ini

Lebih terperinci