BAB 2 LANDASAN TEORI
|
|
- Hengki Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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, biasanya udara. Gelombang suara berasal dari benda yang bergetar. Bentuk gelombang suara periodik akan menimbulkan sensasi yang menyenangkan (jika intensitas nya tepat) seperti bunyi musik. Sebaliknya, bunyi yang tidak periodik akan menimbulkan suara derau (noise). 2.2 Nada Sebuah nada adalah suatu bunyi yang memiliki nilai tertentu, yaitu pitch, yang diukur untuk menggambarkan jenis nada tersebut. Serangkaian nada yang tersusun teratur berdasarkan ketukan dan pola disebut musik (Afriani, 2012). Dalam teori musik, setiap nada memiliki nilai tertentu menurut frekuensinya ataupun jarak relatif nada tersebut terhadap nada patokan. Nada dapat diatur dalam tangga nada yang berdedabeda. Nada dasar menentukan frekuensi tiap-tiap nada pada suatu karya musik (Wilson, 2008). Nada merupakan jenis suprasegmental yang ditandai oleh tinggi-rendahnya arus ujaran yang terjadi karena frekuensi getaran yang berbeda antar segmen. Misalnya pada saat seseorang berada dalam kesedihan maka ia akan berbicara dengan nada yang rendah. Sebaliknya bila ia berada dalam keadaan marah atau gembira, ia berbicara dengan nada yang tinggi.
2 6 2.3 Tangga Nada Tangga nada merupakan kumpulan nada-nada yang harmonis. Kumpulan dari semua nada pada musik disebut tangga nada kromatik. Tangga nada kromatik dapat diartikan sebagai nada setiap warna. Istilah tangga nada kromatik dipakai untuk kedua belas nada dari tiap oktaf (Sijabat, 2009). 2.4 Alat Musik Gitar Menurut Anwar (2014), masuknya alat musik gitar ke Indonesia salah satunya adalah dibawa oleh tawanan asal portugis sekitar abad ke-7. Secara umum gitar dibagi menjadi 2 jenis, gitar akustik dan gitar listrik (electric guitar). Gitar akustik merupakan gitar yang terbuat dari kayu, dan terdapat lubang suara atau tabung resonansi (sound hole). Bagian-bagian pada gitar akustik ditunjukkan pada gambar 2.1 berikut. Gambar 2.1 Bagian-bagian gitar akustik (Anwar, 2014)
3 7 Senar gitar yang dipetik akan menghasilkan bunyi yang memiliki frekuensi dan setelan nada yang berbeda tergantung kepada penggunaan dan keinginan dari pengguna gitar tersebut. Frekuensi suara senar gitar yang umum digunakan dapat dilihat pada tabel 2.1. Tabel 2.1 Frekuensi Nada Gitar (Lourde R. & Saji, 2009) Nada senar gitar Nomor Kunci Frekuensi E (senar 6) E A (senar 5) A G (senar 4) D D (senar 3) G B (senar 2) B E (senar 1) E Sejarah Pengenalan Suara Sudah hampir lima dekade dilakukan penelitian di bidang pengenalan suara (speech recognition). Menurut Maulana (2013), riset untuk mengembangkan system speech recognition oleh mesin ini dibuat mulai tahun 1950-an yaitu pada saat peneliti mencoba mengeksploitasi ide dari acoustic-phonetics. Tahun 1952, Biddulph dan Balashek membuat sebuah sistem yang dapat mengenali suatu digit terisolasi dari seorang pembicara yang sangat bergantung pada resonansi spektral vokal dari setiap digit. Kemudian Olson dan Belar berusaha membuat sebuah sistem untuk mengenali 10 suku kata berbeda dari seorang pembicara yang juga sangat bergantung pada spektral dan area vokal pada tahun Selanjutnya Fry dan Denes, pada tahun 1959 membuat sebuah sistem pengenalan fonem untuk mengenali 4 vokal dan 10 konsonan dengan menggunakan analisis spektruk dan pencocok pola. Pada tahun yang sama, Forgie juga melakukan penelitian pengenalan vokal dimana 10 vokal disisipkan dalam format a/b/-vokal-/t. Pada tahun 1962 Sakae dan Doshita membuat hardware pengenalan fonem. Usaha selanjutnya dilakukan oleh Nagata dan rekan kerjanya di laboratorium NEC
4 8 yang menjadi awal bagi sebuah program penelitian produktif. Usaha itu dilakukan oleh nagata pada tahun Pada era 1960-an, usaha yang dilakukan Martin dan rekannya pada laboraturium RCA adalah untuk membangun sistem dengan kemampuan dasarnya untuk mendeteksi awal dan akhir suatu speech. Pada tahun yang bersamaan, Vintsyuk mengajukan metode dynamic programming untuk menyamakan waktu dari pegutaran speech. Sejumlah batu pijakan yang signifikan diraih pada tahun 1970-an mengenai penelitian speech recognition. Penelitian Jepang menunjuk kearah bagaimana penerapan metode dynamic programming dapat diterapkan dan penelitian yang dilakukan Itakura tentang Linear Predictive Coding (LPC) dengan sukses pada pencobaan speech ber-bit rendah. 2.6 Pengenalan Suara Pengenalan suara merupakan serangkaian proses untuk mengenali sinyal suara dengan membandingkan pola karakteristik sinyal suara acuan dengan pola karakteristik sinyal suara uji secara otomatis (Saaddatuddaroin, 2009). Suara dikenali melalui ciri-cirinya. Ciri-ciri tersebut digunakan untuk membedakan antara suara yang satu dengan suara yang lainnya. Pengenalan suara dapat diklasifikasikan dalam identifikasi dan verifikasi. Identifikasi suara adalah proses pengenalan suara berdasarkan sampel suara, sedangkan verifikasi suara adalah proses penerimaan atau penolakan terhadap suara yang diberikan (Setiawan & Handayani 2012). 2.7 Pengolahan Sinyal Digital Pengolahan sinyal digital adalah pemrosesan sinyal yang berkaitan dengan perubahan bentuk, menipulasi isi dan penyajian dari sinyal suara dan informasi dalam bentuk digital (Huda, 2011). Tujuan dari pengolahan sinyal digital adalah untuk mendapatkan ekstraksi ciri dari sinyal suara. Sebuah proses untuk mengubah sinyal suara menjadi parameter-parameter yang selanjutnya dapat dilakukan proses selanjutnya, misalnya identifikasi pola suara. Proses yang terjadi pada pengolahan sinyal digital pada
5 9 penelitian ini adalah proses sampling dan Fast Fourier Transform (FFT). Contoh input suara dapat dilihat pada gambar 2.2 berikut. Gambar 2.2 Input Suara Sampling Proses sampling adalah proses untuk mengubah sinyal pada waktu-kontinu menjadi bentuk diskrit yang diperoleh dengan mengambil cuplikan sinyal pada waktu-kontinu (Huda, 2011) Fast Fourier Transform (FFT) Fast Fourier Transform merupakan DFT dengan algoritma yang lebih optimal, sehingga menghasilkan perhitungan yang lebih cepat. Dengan DFT, memerlukan waktu O(n2) untuk mengolah sampel data sebanyak n buah. Hal ini tentunya akan memakan waktu lama bila sampel data makin banyak (Stefanus, Hamz, M. & Angzas, Y., 2005). Proses pada metode fast Fourier Transform (FFT) adalah mengkonversi setiap frame N sampel dari domain waktu menjadi domain frekuensi. Menurut Hanggarsari,et al(2012), transformasi fourier merupakan metode yang efisien untuk transformasi fourier diskrit yang banyak digunakan pada pemrosesan sinyal digital.
6 10 Contoh sinyal dalam domain waktu pada gambar 2.3 dan contoh sinyal dalam domain frekuensi pada gambar 2.4 berikut (Huda, 2011). Gambar 2.3 Sinyal dalam domain waktu Gambar 2.4 Sinyal dalam domain frekuensi Metode FFT dapat dilakukan dalam domain waktu dan frekuensi, yang disebut sebagai desimasi dalam waktu (decimation-in-time) dan desimasi-dalam-frekuensi (decimation-in-frequency) (Gunawan, D., Juwono, F.H., 2012). Pada prinsipnya algoritma ini adalah memecah N-titik menjadi dua (N/2) titik, kemudian dipecah lagi pada tiap (N/2) titik menjadi dua (N/4) titik, begitu seterusnya sampai hanya terdapat 1 titik. Prinsip tersebut dapat kita lihat lebih jelas pada gambar 2.2 berikut.
7 11 Gambar 2.5 Desimasi untuk 16 titik Konsep metode Fast Fourier Transfrom (FFT) secara keseluruhan dapat dilihat pada gambar 2.6. Gambar 2.6 Konsep FFT Algoritma DFT melakukan perkalian kompleks sebanyak N. Dengan menggunakan FFT maka terdapat log2(n) perkalian kompleks. Sehingga jumlah perkalian kompleks berkurang dari N 2 menjadi log2(n). Dikarenakan DFT merupakan bagian dari FFT, maka lebih baik menghitung FFT dengan mempertimbangkan nilai N DFT terlebih dahulu (Yang, 2012).
8 12 X(k) = k = 0, 1, 2 N-1 (1) Pisahkan x(n) menjadi dua bagian : x(ganjil) dan x(genap) = x(2m), dimana m=0, 1,2,,N/2-1. Lalu nilai N DFT juga dibagi dua bagian untuk tiap nilai N/2 : X(k) = = + = + (2) Dimana m = 0, 1, 2,., N/2-1 Karena : = cos( ) + j sin( ) (3) = cos[ ] + j. sin[ = -cos( ) j.sin( ) = -[cos( ) + j.sin( )] = - (4) Maka : = - (5) Jadi ketika faktor diubah dengan setengah periode, nilai dari faktor tersebut tidak akan berubah, tetapi tanda nilai faktor tersebut akan menjadi sebaliknya. Hal ini merupakan sifat simetri dari faktor. Karena faktor bisa juga ditulis sebagai =, maka : ( ) = - (6) Dan ( 2 = - = (7)
9 13 Maka nilai N DFT akhirnya menjadi : X(k) = (8) k = 0,1.N/2 X(k + N/2) = - (9) k = 0, 1, 2..N/2 Jadi nilai N DFT dipisah menjadi dua nilai N/2 DFT. Dari persamaan (8), (k) memiliki (N/2) * (N/2) = (N/2) 2. memiliki N/2 + (N/2) 2. Maka jumlah total dari perhitungan untuk X(k) adalah 2(N/2) 2 + N/2=N 2 /2+N/2. Untuk nilai awal N DFT, dimulai dari N 2. Maka pada langkah pertama, pisahkan x(n) menjadi dua bagian yang membuat perhitungan dari N 2 menjadi N 2 /2+N/2. Jumlah angka perkalian dikurangi setengah secara berkala. Selanjutnya adalah proses pengurangan perkalian dari nilai N menjadi N/2. Lanjutkan pemisahan (m) dan (m) menjadi bagian ganjil dan genap dengan cara yang sama, perhitungan untuk N/2 akan dikurangi menjadi N/4. Kemudian perhitungan DFT akan berkurang secara terus menerus. Jadi jika sinyal untuk nilai N DFT terpisah terus menerus sampai sinyal akhir menjadi satu titik. Misalkan ada N=2 v DFT yang perlu dihitung. Maka jumlah pemisahan yang dapat dilakukan adalah v = (N). Jumlah total perkalian akan dikurangi hingga (N/2) (N). Untuk tambahan perhitungan, angka yang akan dikurangi mencapai N (N). Karena perkalian dan penambahan dikurangi, maka kecepatan perhitungan komputasi DFT dapat ditingkatkan. Tujuan utama untuk Radix -2 FFT adalah memisahkan deretan data menjadi ganjil dan genap secara terus menerus sampai mendekati setengah perhitungan.
10 Penelitian terdahulu Pada bagan ini akan dipaparkan tentang penelitian-penelitian sebelumnya yang berhubungan dengan pengenalan nada pada senar gitar. Pemaparan tentang penelitian sebelumnya dapat dilihat pada tabel 2.2 berikut. Tabel 2.2 Penelitian terdahulu Penulis Teknik yang digunakan Keterangan Afriani, S.S., Jaringan Saraf Tiruan Metode Learning Vector Learning Vector Quantization dapat digunakan Quantization. untuk mengenali nada pada senar biola, dengan pengenalan nada G mencapai 100%, nada E mencapai 93,33%, nada D mencapai 40% dan nada A mencapai 60%. Anwar, K. Et al, 2014 Fast Fourier Akord merupakan prinsip utama Transform (FFT). dalam memainkan alat musik gitar. penulis melakukan analisis Basuki, A., et al, 2006 Fast Fourier Tranform (FFT), Jaringan Saraf Tiruan (JST) Propagasi balik (back Propagation). fenomena dari akord D mayor menggunakan metode Fast Fourier Transform (FFT). Sinyal suara analog dicuplik dengan kecepatan Hz. Fast Fourier Transform(FFT) digunakan untuk mendapatkan fitur sinyal yang ditransformasikan kedalam domain frekuensi. Kemudian fitur suara tersebut diproses dengan menggunakan jaringan saraf tiruan(jst).
11 15 Tabel 2.2 Penelitian terdahulu (Lanjutan) Penulis Teknik yang Keterangan digunakan Ardiansyah, M., 2014 Mel Frequency Metode MFCC digunakan untuk Cepstral Coefficient mengambil nilai vektor pada (MFCC) dan sebuah lagu. Metode LVQ Learning Vector digunakan untuk mencocokkan Quantization (LVQ). data uji dengan data acuan yang telah disimpan di dalam database. Dianputra, R., 2014 Fast Fourier Algoritma FFT digunakan untuk Transform (FFT) menghitung nilai Discreate Fourier Transform (DCT) untuk transformasi dari domain waktu ke domain frekuensi. Data masukan adalah suara senar gitar yang dipetik secara open string.
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Suara Suara adalah sebuah sinyal yang merambat melalui media perantara. suara dapat didefinisikan sebagai gelombang yang merambat dengan frekuensi dan amplitudo tertentu. Suara
Lebih terperinciBAB 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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Genre musik adalah pengelompokan musik sesuai dengan kemiripan satu dengan yang lain, seperti kemiripan dalam hal frekuensi musik, struktur ritmik, dan konten harmoni. Genre
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Suara adalah merupakan gabungan berbagai sinyal, tetapi suara murni secara teoritis dapat dijelaskan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Suara adalah merupakan gabungan berbagai sinyal, tetapi suara murni secara teoritis dapat dijelaskan dengan kecepatan osilasi atau frekuensi yang diukur dalam Hertz
Lebih terperinci1. 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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Manusia dianugrahi oleh Tuhan dua telinga yang memiliki fungsi untuk menangkap sinyal-sinyal suara. Namun untuk mengoptimalkan dari fungsi telinga tersebut manusia harus belajar
Lebih terperinciJaringan Syaraf Tiruan pada Robot
Jaringan Syaraf Tiruan pada Robot Membuat aplikasi pengenalan suara untuk pengendalian robot dengan menggunakan jaringan syaraf tiruan sebagai algoritma pembelajaran dan pemodelan dalam pengenalan suara.
Lebih terperinciPenerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows
Penerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows 1 Muhammad Anggia Muchtar, 2 Raisha Ariani Sirait, 3 Romi Fadillah Rahmat 1,2,3 Program Studi S1 Teknologi Informasi
Lebih terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciudara maupun benda padat. Manusia dapat berkomunikasi dengan manusia dari gagasan yang ingin disampaikan pada pendengar.
BAB II DASAR TEORI 2.1 Suara (Speaker) Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitudo tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun
Lebih terperinciPENDAHULUAN Tujuan Latar Belakang Ruang Lingkup Manfaat Penelitian TINJAUAN PUSTAKA Nada dan Chord Gitar
PENDAHULUAN Latar Belakang Sistem pendengaran manusia memiliki kemampuan yang luar biasa dalam menangkap dan mengenali sinyal suara. Dalam mengenali sebuah kata ataupun kalimat bukanlah hal yang sulit
Lebih terperinciBAB 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 terperinciIDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK Ade Fruandta dan Agus Buono Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Jl. Meranti
Lebih terperinciUKDW 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 terperinciBAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (artificial intelligence) merupakan bidang yang berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang mengarah kepada bidang
Lebih terperinciPENGENALAN NADA SULING REKORDER MENGGUNAKAN FUNGSI JARAK CHEBYSHEV
PENGENALAN NADA SULING REKORDER MENGGUNAKAN FUNGSI JARAK CHEBYSHEV Marianus Hendra Wijaya 1), Linggo Sumarno 2) 1) Program Studi Teknik Elektro Fakultas Sains dan Teknologi Universtas Sanata Dharma Yogyakarta
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Wicara atau ucapan adalah cara berkomunikasi yang paling sederhana dan sering digunakan oleh manusia. Namun, seiring dengan perkembangan teknologi, proses komunikasi
Lebih terperinciBab 2. Landasan Teori
6 Bab 2 Landasan Teori Bab ini menjabarkan teori-teori yang kami gunakan, sebagai landasan untuk membuat aplikasi ini, dan juga sejarah dibalik perkembangannya. Dimulai dari kriptografi, sebagai landasan
Lebih terperinciTINJAUAN PUSTAKA. Pengenalan Suara
Pengenalan Suara TINJAUAN PUSTAKA Menurut Peacock (1990), pengenalan suara merupakan kemampuan untuk mengidentifikasi kata-kata yang diucapkan. Terdapat 5 faktor yang dapat mengontrol dan menyederhanakan
Lebih terperinciBAB I PENDAHULUAN. manusia satu dengan manusia lainnya berbeda-beda intonasi dan nadanya, maka
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Suara adalah suatu alat komunikasi paling utama yang dimiliki oleh manusia. Dengan suara, manusia dapat berkomunikasi dengan manusia lainnya. Melalui suara,
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pengenalan fonem adalah implementasi dari speech to teks yang merupakan bagian dari speech recognition atau pengenalan ucapan. Pengenalan ucapan lebih dikonsentrasikan pada ekstraksi
Lebih terperinciBAB 3 PERANCANGAN SISTEM. yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk
BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Voice Command pada demonstrasinya merupakan aplikasi pengenalan suara yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk menampung
Lebih terperinciAPLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO SKRIPSI M. ARDIANSYAH
APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO SKRIPSI M. ARDIANSYAH 091402062 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan ucapan (speech recognition) merupakan sistem yang dirancang untuk dapat mengenali sinyal suara, sehingga menghasilkan keluaran berupa tulisan. Input dari
Lebih terperinciPERANCANGAN 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Emosi Emosi adalah perasaan intens yang ditujukan kepada seseorang atau sesuatu dan juga merupakan reaksi terhadap seseorang atau kejadian.emosi dapat ditunjukkan ketika merasa
Lebih terperinciBAB I PENDAHULUAN. mendigitalisasi kata yang diucapkan dan mencocokkannya dengan pola yang
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Aplikasi pengenal suara (speech recognizer) adalah sebuah aplikasi yang memungkinkan komputer dapat mengenali kata-kata yang diucapkan dengan cara mendigitalisasi
Lebih terperinciDETEKSI 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 terperinciPengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI.
Pengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI. Tujuan Tujuan dari penelitian ini adalah untuk mengidentifikasi
Lebih terperinciPENGENALAN AHKAMUL HURUF MENGGUNAKAN METODE LPC DAN TRANSFORMASI SLANT. Abstract
PENGENALAN AHKAMUL HURUF MENGGUNAKAN METODE LPC DAN TRANSFORMASI SLANT Bustami Abdullah 1, Rizal 2 1 Teknik Informatika, Universitas Malikussaleh, 2 Teknik Informatika, Universitas Malikussaleh e-mail:
Lebih terperinciFrekuensi Dominan Dalam Vokal Bahasa Indonesia
Frekuensi Dominan Dalam Vokal Bahasa Indonesia Tjong Wan Sen #1 # Fakultas Komputer, Universitas Presiden Jln. Ki Hajar Dewantara, Jababeka, Cikarang 1 wansen@president.ac.id Abstract Pengenalan ucapan
Lebih terperinciBAB 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 terperinciJurnal Komputer Terapan Vol. 1, No. 2, November 2015, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 1, No. 2, November 2015, 121-132 121 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Aplikasi Pengenalan Ucapan Dengan Ekstraksi Ciri Mel- Frequency Cepstrum Coefficients
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Indonesia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan semakin berkembangnya teknologi telekomunikasi, internet menjadi sesuatu yang tidak lagi sulit dan mahal. Kemudahan ini menyebabkan internet dipenuhi berbagai
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Informasi tentang pemasangan iklan di suatu radio (antara lain mengenai, jam berapa suatu iklan ditayangkan, dalam sehari berapa kali suatu iklan ditayangkan dan berapa
Lebih terperinciBAB 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 terperinciAPLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT
APLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT DAN LINEAR VECTOR QUANTIZATION UNTUK PENGENDALIAN GERAK ROBOT Anggoro Wicaksono, Sukmawati NE, Satriyo Adhy,
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian Penelitian ini dilakukan dengan menggunakan satu set komputer dengan prosesor berkecepatan 1,18 GHz,
Lebih terperinciPERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
SKRIPSI PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA MADE GDE JAYA HARRY KHESA S JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bunyi merupakan gelombang mekanis longitudinal yang bisa didengar manusia melalui sensor bunyi berupa gendang telinga. Manusia dapat mendengarkan bunyi disebabkan sumber
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciPERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA M. G. J. Harry Khesa S 1, W. Setiawan 2, I.G.A.K. Diafari Djuni H 3 1,2,3 Jurusan Teknik Elektro dan Komputer,
Lebih terperinciIDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY
IDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY Erni Seniwati 1), Ninik Tri Hartanti 2) 1 Sistem Informasi, STMIK Amikom erni.s@amikom.ac.id 2 Sistem Informasi, STMIK Amikom
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Suling Batak (Sulim) Sulim adalah sejenis instrumen tiup bambu yang berasal dari daerah Batak Toba di Sumatera Utara. Dalam klasifikasi alat musik oleh Curt Sachs dan Hornbostel,
Lebih terperinciSistem Verifikasi Penutur menggunakan Metode Mel Frequensi.
SISTEM VERIFIKASI PENUTUR MENGGUNAKAN METODA MEL FREQUENCY CEPSTRAL COEFFICIENTS-VECTOR QUANTISATION (MFCC-VQ) SERTA SUM SQUARE ERROR (SSE) DAN PENGENALAN KATA MENGGUNAKAN METODA LOGIKA FUZZY Oleh : Atik
Lebih terperinciPENGEMBANGAN MODEL CODEBOOK UNTUK IDENTIFIKASI CHORD GITAR TONI HARYONO
PENGEMBANGAN MODEL CODEBOOK UNTUK IDENTIFIKASI CHORD GITAR TONI HARYONO DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciPENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG
PENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG TUGAS AKHIR MUHAMMAD AGUNG NURSYEHA 2211100164 Pembimbing: Dr. Muhammad
Lebih terperinciBAB 2 LANDASAN TEORI. Menurut Kamus Besar Bahasa Indonesia Dalam Jaringan, Musik adalah nada
BAB 2 LANDASAN TEORI 2.1 Musik Menurut Kamus Besar Bahasa Indonesia Dalam Jaringan, Musik adalah nada atau suara yg disusun demikian rupa sehingga mengandung irama, lagu, dan keharmonisan (terutama yg
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Audio Audio atau suara merupakan gelombang yang mengandung sejumlah komponen penting (amplitudo, panjang gelombang dan frekuensi) yang dapat menyebabkan suara yang satu berbeda
Lebih terperinciBAB II DASAR TEORI Jaringan Syaraf Tiruan
BAB II DASAR TEORI Pada bab ini akan dibahas mengenai teori yang berhubungan dengan judul tugas akhir yang dikerjakan seperti, Jaringan Syaraf Tiruan, suara, Fast Fourier Transform, dan Matlab. 2.1. Jaringan
Lebih terperinci2.4. Vector Quantization Kebisingan BAB III METODOLOGI PENELITIAN Desain Penelitian Requirements Definition...
DAFTAR ISI PERNYATAAN... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iii ABSTRAK... v ABSTRACT... vi DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xii BAB I PENDAHULUAN...
Lebih terperinciIMPLEMENTASI DYNAMIC TIME WARPING UNTUK VOICE RECOGNITION
IMPLEMENTASI DYNAMIC TIME WARPING UNTUK VOICE RECOGNITION TUGAS AKHIR Diajukan Untuk Memenuhi Sebagian Persyaratan Dalam Memperoleh Gelar Sarjana Komputer Jurusan Teknik Informatika Disusun oleh : PAULA
Lebih terperinciBAB I PENDAHULUAN. 2012). Penelitian yang dilakukan oleh Bosma dkk. (1965), menemukan bahwa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Orang tua memiliki keinginan yang mendalam untuk menenangkan bayinya yang gelisah, tidak berdaya, dan frustrasi akibat menangis terus menerus (Dunstan, 2012).
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Meningkatnya ilmu pengetahuan dan teknologi khususnya pada bidang komunikasi saat ini berkembang dengan cepat. Kemajuan teknologi bertujuan untuk mempermudah kegiatan
Lebih terperinciANALISIS DAN PERANCANGAN PROGRAM APLIKASI. mahasiswa Binus University secara umum. Dan mampu membantu
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI 3.1. Analisa Sistem 3.1.1. Sejarah Umum Perusahaan Binus Learning Community adalah komunitas belajar binus yang berada dibawah sub unit mentoring Student
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciSISTEM PENGOLAHAN SUARA MENGGUNAKAN ALGORITMA FFT (FAST FOURIER TRANSFORM)
SISTEM PENGOLAHAN SUARA MENGGUNAKAN ALGORITMA FFT (FAST FOURIER TRANSFORM) Harun Sujadi 1, Ii Sopiandi 2, Agis Mutaqin 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Majalengka
Lebih terperincis(t) = C (2.39) } (2.42) atau, dengan menempatkan + )(2.44)
2.9 Analisis Fourier Alasan penting untuk pusat osilasi harmonik adalah bahwa virtually apapun osilasi atau getaran dapat dipecah menjadi harmonis, yaitu getaran sinusoidal. Hal ini berlaku tidak hanya
Lebih terperinciMETODE PENELITIAN. Gambar 1 Alur metode penelitian.
akan menggunakan bantuan aplikasi pemrosesan audio (Rochesso 2007). Penambahan Derau Derau merupakan suara-suara yang tidak diinginkan. Munculnya derau dapat menurunkan kualitas suatu berkas audio. Penambahan
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informasi Skripsi Sarjana Komputer Semester Genap tahun 2003/2004 PENGENALAN NADA PADA INSTRUMEN MUSIK AKUSTIK Antonius Daniel Kurniawan (0400537123) Herry Zhouldy
Lebih terperinciRancang Bangun Sistem Pengkalibrasi Nada Dan Pengkonversi Nada Menjadi Akor Pada Instrumen Gitar Dengan LabVIEW
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 352-361 http://j-ptiik.ub.ac.id Rancang Bangun Sistem Pengkalibrasi Nada Dan Pengkonversi Nada
Lebih terperinciPENENTUAN 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 terperinciBAB III METODOLOGI. dari suara tersebut dapat dilihat, sehingga dapat dibandingkan, ataupun dicocokan dengan
23 BAB III METODOLOGI 3.1 Metodologi Penelitian Penelitian ini ingin membangun sistem yang dapat melakukan langkah dasar identifikasi, yaitu melakukan ektraksi suara Gamelan Bonang, dengan ekstrasi ini,
Lebih terperinciBAB I PENDAHULUAN. dapat menghasilkan suara yang enak untuk didengar.
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan berkembangnya jaman, teknologi yang sekarang banyak digunakan untuk membantu pekerjaan manusia pun juga semakin berkembang pesat. Bukan hanya teknologi
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Prinsip teknologi dikembangkan adalah untuk membuat alat atau sarana yang dapat membantu dan memberi kemudahan bagi manusia untuk melakukan kegiatan dalam hidup. Seiring
Lebih terperinciBABI 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 terperinciBab II Teori Dasar. Gambar 2.1 Diagram blok sistem akuisisi data berbasis komputer [2]
Bab II Teori Dasar 2.1 Proses Akuisisi Data [2, 5] Salah satu fungsi utama suatu sistem pengukuran adalah pembangkitan dan/atau pengukuran tehadap sinyal fisik riil yang ada. Peranan perangkat keras (hardware)
Lebih terperinciIDENTIFIKASI BUNYI DALAM PEMBELAJARAN NADA DASAR PERMAINAN SULING BATAK MENGGUNAKAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT SKRIPSI
IDENTIFIKASI BUNYI DALAM PEMBELAJARAN NADA DASAR PERMAINAN SULING BATAK MENGGUNAKAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT SKRIPSI MUHAMMAD WARDANA 121402024 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Audio Suara atau bunyi adalah suatu gelombang longitudinal yang merambat melalui suatu medium, seperti zat cair, padat dan gas. Bunyi dapat terdengar oleh manusia apabila gelombang
Lebih terperinciBAB I PENDAHULUAN. pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran.
BAB I PENDAHULUAN 1.1 Latar Belakang Saat sesuatu diukur maka beberapa data didapatkan. Umumnya pengukuran tidak pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran. Mendapatkan data
Lebih terperinciPENGEMBANGAN MODEL PROBABILISTIC NEURAL NETWORK UNTUK IDENTIFIKASI CHORD GITAR ARVIANI RIZKI
PENGEMBANGAN MODEL PROBABILISTIC NEURAL NETWORK UNTUK IDENTIFIKASI CHORD GITAR ARVIANI RIZKI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR PERNYATAAN
Lebih terperinciDigital Signal Processing To Identify chords Singer Using Mel Frequency Cepstral Coefficients (MFCC) and Neural Network Backpropagation Methods
Pemrosesan Sinyal DigitalUntuk Mengidentifikasi Akord Dasar Penyanyi Dengan Metode Mel Frequency Cepstral Coeficients (MFCC) Dan Jaringan Syaraf Tiruan Backpropagation Digital Signal Processing To Identify
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Genre Menurut Kamus Besar Bahasa Indonesia, genre adalah jenis, tipe, atau kelompok sastra atas dasar bentuknya. Jadi genre musik merupakan pengelompokan musik berdasarkan kemiripan
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Perkembangan penelitian di dunia telekomunikasi sangat pesat beberapa tahun terakhir ini. Salah satunya adalah penelitian di bidang suara. Suara adalah salah satu cara manusia
Lebih terperinciPENGOLAHAN SUARA. : Fadlisyah Bustami M. Ikhwanus. Edisi Pertama Cetakan Pertama, 2013
PENGOLAHAN SUARA Oleh : Fadlisyah Bustami M. Ikhwanus Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian
Lebih terperinciBAB II LANDASAN TEORI. Konsep ini pertama kali diperkenalkan oleh Fritz Bauer, yang menerapkan
6 BAB II LANDASAN TEORI 2.1 Konsep Dasar Rekayasa Piranti Lunak Konsep ini pertama kali diperkenalkan oleh Fritz Bauer, yang menerapkan beberapa syarat dalam merekayasa suatu piranti lunak yang kita buat
Lebih terperinciPerancangan Sistem Pengenalan Suara Untuk Pengamanan Dan Pemantauan Fasilitas PLTA
Perancangan Sistem Pengenalan Suara Untuk Pengamanan Dan Pemantauan Fasilitas PLTA Yufliha Dian Ayunisa, Ir. Achmad Affandi, DEA, Ir. Wirawan, DEA Jurusan Teknik Elektro FTI ITS Abstrak - Sistem pengawasan
Lebih terperinciBAB I PENDAHULUAN. pengenalan terhadap gelombang suara. Pengenalan gelombang suara yang sudah
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi memungkinkan kita untuk melakukan suatu pengenalan terhadap gelombang suara. Pengenalan gelombang suara yang sudah sering diimplementasikan adalah
Lebih terperinciBAB III METODE PENELITIAN. studi kepustakaan, pembuatan program dan analisis. Dengan ini penulis berusaha
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan tugas akhir ini adalah studi kepustakaan, pembuatan program dan analisis. Dengan ini penulis berusaha untuk
Lebih terperinciAnalisa dan Sintesa Bunyi Dawai Pada Gitar Semi-Akustik
Analisa dan Sintesa Bunyi Dawai Pada Gitar Semi-Akustik Eko Rendra Saputra, Agus Purwanto, dan Sumarna Pusat Studi Getaran dan Bunyi, Jurdik Fisika, FMIPA, UNY ABSTRAK Penelitian ini bertujuan untuk menganalisa
Lebih terperinciAktifasi Peralatan Elektronik Berbasis Suara Menggunakan Android
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 537 Aktifasi Peralatan Elektronik Berbasis Suara Menggunakan Android Regilang Monyka Putra *), Firdaus **), Mohammad Hafiz Hersyah
Lebih terperinciABSTRAK. 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 terperincii. Perangkat Keras Prosesor Intel Pentium(R) Dual-Core CPU 2.20 GHz
Data yang pada awalnya berupa chanel stereo diubah ke dalam chanel mono. Kemudian data tersebut disimpan dengan file berekstensi WAV. Praproses Pada tahap ini dilakukan ekstraksi ciri menggunakan metode
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Pengenalan lafal manusia agar dapat dilakukan oleh sebuah mesin telah menjadi fokus dari berbagai riset selama lebih dari empat dekade. Ide dasar yang sederhana
Lebih terperinciPERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB
PERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB Supriansyah 1, Dr. Yeffry Handoko Putra, MT 2 1 Jurusan Teknik Komputer Unikom, 2 Jurusan Magister Sistem Informasi Unikom
Lebih terperinciBAB 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 terperinciPerbandingan Spektral Musik Klasik dengan Musik Etnik Jawa menggunakan Analisis MFCC dan Beat Strength
JURNAL FISIKA DAN APLIKASINYA VOLUME 12, NOMOR 1 JANUARI 2016 Perbandingan Spektral Musik Klasik dengan Musik Etnik Jawa menggunakan Analisis MFCC dan Beat Strength Dody Kurniawan, Ahmad Syakir, Hana Afifah,
Lebih terperinciAPLIKASI PENGENALAN GENDER MENGGUNAKAN SUARA
APLIKASI PENGENALAN GENDER MENGGUNAKAN SUARA Susetyo Bagas Bhaskoro 1), Altedzar Riedho W. D 2) 1) Universitas Widyatama. Jl. Cikutra 204 Bandung 40125 2) Politeknik Elektronika Negeri Surabaya Kampus
Lebih terperinciSISTEM PENGENALAN CHORD PADA FILE MUSIK DIGITAL DENGAN MENGGUNAKAN PITCH CLASS PROFILES DAN HIDDEN MARKOV MODEL. Ivanna K. Timotius, Adhi Prayogo
SISTEM PENGENALAN CHORD PADA FILE MUSIK DIGITAL DENGAN MENGGUNAKAN PITCH CLASS PROFILES DAN HIDDEN MARKOV MODEL Fakultas Teknik Elektronika dan Komputer, Program Studi Teknik Elektro, Universitas Kristen
Lebih terperinciIMPLEMENTASI MEL FREQUENCY CEPSTRAL COEFFICIENT DAN DYNAMIC TIME WARPING UNTUK PENGENALAN NADA PADA ALAT MUSIK BELLYRA
IMPLEMENTASI MEL FREQUENCY CEPSTRAL COEFFICIENT DAN DYNAMIC TIME WARPING UNTUK PENGENALAN NADA PADA ALAT MUSIK BELLYRA Yusup Miftahuddin 1) Mira Musrini B 2) Muhammad Rifqi Hakim 3) 1) 2) 3) Teknik Informatika
Lebih terperinciEKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON
EKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON Nurmasyitah 1, Mursyidah 2, Jamilah 3 Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknologi Informasi dan Komputer, Politeknik
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Diversitas kualitas permainan musik antara satu pemusik dengan pemusik lainnya makin kentara untuk permainan alat musik yang membutuhkan intonasi berdasarkan pemain.
Lebih terperinciBAB 1 PENDAHULUAN. berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition
BAB 1 PENDAHULUAN 1.1 Latar Belakang Speaker recognition adalah salah satu bidang pengenalan pola yang berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition yang mengenali kata atau
Lebih terperinciPerbandingan Spektral Musik Klasik dengan Musik Etnik Jawa menggunakan Analisis MFCC dan Beat Strength
JURNAL FISIKA DAN APLIKASINYA VOLUME 12, NOMOR 1 JANUARI 2016 Perbandingan Spektral Musik Klasik dengan Musik Etnik Jawa menggunakan Analisis MFCC dan Beat Strength Dody Kurniawan, Ahmad Syakir, Hana Afifah,
Lebih terperinciImplementation of Voice Recognition Based Key Using Mel Frequency Cepstral Coefficient (MFCC)
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 3998 IMPLEMENTASI KUNCI BERBASIS SUARA MENGGUNAKAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT (MFCC) Implementation of Voice
Lebih terperinciAPLIKASI PENGKONVERSI NADA-NADA INSTRUMEN TUNGGAL MENJADI CHORD MENGGUNAKAN METODE PITCH CLASS PROFILE
APLIKASI PENGKONVERSI NADA-NADA INSTRUMEN TUNGGAL MENJADI CHORD MENGGUNAKAN METODE PITCH CLASS PROFILE Imam Gaffar Achmad Hidayatno ST.,MT. Ajub Ajulian Zahra ST.,MT. ABSTRAK Chord recognition atau pengenalan
Lebih terperinciBAB 2 LANDASAN TEORI. berdasarkan ciri-ciri dan pengetahuan yang pernah diamatinya dari obyek-obyek
6 BAB 2 LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan Pola dapat dikatakan sebagai kemampuan manusia mengenali obyekobyek berdasarkan ciri-ciri dan pengetahuan yang pernah diamatinya dari obyek-obyek
Lebih terperinciMODUL 1 PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA
MODUL 1 PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan proses perekaman dan pengeditan sinyal wicara dengan menggunakan perangkat lunak. II. DASAR TEORI 2.1. Pembangkitan
Lebih terperinciBAB II PENCUPLIKAN DAN KUANTISASI
BAB II PENCUPLIKAN DAN KUANTISASI Sebagian besar sinyal-sinyal di alam adalah sinyal analog. Untuk memproses sinyal analog dengan sistem digital, perlu dilakukan proses pengubahan sinyal analog menjadi
Lebih terperinciKOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM
KOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM Sinyal dan Sistem Sinyal dan Sistem Klasifikasi Sinyal Konsep rekuensi Analog to Digital Conversion Sampling SINYAL, SISTEM DAN KOMPUTASI SINYAL Sinyal Besaran-besaran
Lebih terperinci