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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 bergetar dan bergelombang. Getaran yang teratur dan menimbulkan suara yang enak di dengar, disebut bunyi. Bunyi inilah yang berkembang menjadi nada, apabila sudah ditentukan menurut frekuensinya ataupun menurut sifatnya (KMIG, 26). a. Sifat-sifat Nada. Tinggi nada (pitch), ditentukan oleh frekuensi banyak sedikitnya getaran bunyi perdetik. Semakin banyak getaran, semakin tinggi nada itu. 2. Kuat lemah nada (intensitas), ditentukan oleh kuat lemahnya bunyi itu di suarakan disebut juga dengan dinamika. 3. Panjang pendek nada (durasi), ditentukan oleh jumlah waktu nada itu berbunyi dan bergetar. Semakin lama bunyi itu bergetar, semakin panjang suara atau nada tersebut berbunyi. 4. Corak nada (timbre), ditentukan dari benda pangkalnya atau sumber bunyi. Satu sumber bunyi mempunyai ciri khas sendiri yang berbeda dari sumber 4

2 5 bunyi lain, tergantung pada jenis benda (kayu, logam atau kulit), bentuk benda (tabung, kotak, bulat atau kerucut), dan cara memainkannya (ditiup, dipetik, dipukul atau di gesek). b. Nama Nada Umumnya, nada-nada dalam musik dapat ditulis dalam huruf, yaitu A, B, C, D, E, F, dan G. Huruf yang sama dapat memiliki perbedaan frekuensi (baik setengah, dua kali, ataupun kelipatannya). Hal ini disebut dengan istilah oktaf. Dari sekian banyaknya nada pada sistem nada (9 oktaf), pada hakikatnya hanya berjumlah 2 nada, terdiri dari 7 nada pokok dan 5 nada sisipan (kromatis). Nada-nada tersebut kemudian mengalami modifikasi dengan pemberian tanda kres # (kruis) untuk menaikan pitch sebanyak setengah nada (seminote) dan tanda mol b (flat) untuk menurunkan pitch sebanyak setengah nada. 7 nada pokok, terdiri dari C-D-E-F-G-A-B 5 nada sisipan (kromatis), terdiri dari:. C # (Cis) = D b (Des) yang populernya C # 2. D # (Dis) = E b (Es) yang populernya E b 3. F # (Fis) = G b (Ges) yang populernya F # 4. G # (Gis) = A b (As) yang populernya A b 5. A # (Ais) = B b (Bes) yang populernya B b

3 Solmisasi Solmisasi adalah sistem menempatkan suku kata berbeda ke setiap not di dalam skala musik, untuk menciptakan susunan nada yang baik dan harmonis, sehingga tidak terdengar sumbang (fals). Nada-nada dalam oktaf tersusun dengan tingkatan yang teratur jaraknya, dari nada rendah ke nada yang tinggi, seakan-akan merupakan tangga, maka deretan nada-nada dalam oktaf demikianlah yang disebut juga dengan tangga nada. Tangga nada yang paling sering digunakan dalam dunia musik adalah tangga nada mayor dan tangga nada minor. Tangga nada mayor memiliki jarak nada ½ - ½, sedangkan tangga nada minor memiliki jarak nada ½ - ½ -. Kumpulan nada-nada yang tersusun secara mendatar dan tersusun secara vertikal sebagai harmoni akan membentuk musik, elemen-elemen yang umumnya membentuk sebuah musik adalah : a. Pitch Pitch adalah persepsi dari frekuensi yang merupakan suatu ukuran getaran yang dapat dirasakan, sedangkan frekuensi adalah ukuran fisik dari getaran. Perubahan frekuensi belum tentu menyebabkan perubahan pitch, namun perubahan pitch pasti menyebabkan perubahan frekuensi. Standarisasi pitch yang berlaku saat ini adalah A44, yaitu nada A di atas middle C memiliki frekuensi 44HZ.

4 7 Gambar 2. Frekuensi Nada Pada Piano b. Ritmus Ritmus merupakan variasi durasi suara dalam rentang waktu tertentu. Setiap jenis musik musik memiliki ritmus yang berbeda satu dengan yang lain. Dalam musik barat, ritmus biasa digunakan sebagai penanda waktu, yang biasa disebut tempo. Tempo merupakan kecepatan ritmus yang dimainkan (biasa disebut dengan beat). Tempo musik diukur berdasarkan satuan beat per menit (bpm).

5 8 c. Dinamika Di dalam musik, dinamika biasanya merupakan perubahan keras lemahnya suara, namun selain itu, dapat juga berupa perubahan eksekusi terhadap suatu lagu, baik secara pembawaan (mengalir atau terputus-putus) maupun fungsional (kecepatan). d. Melodi Melodi adalah perubahan pola rangkaian suara bersifat linear dalam rentang waktu tertentu, dan tidak terjadi secara bersamaan seperti chord. Perubahan tersebut mencakup perubahan pola nada dan durasi. 2.2 Sinyal 2.2. Pengertian Sinyal Frekuensi adalah jumlah siklus per detik sebuah arus bolak balik. Unit yang digunakan untuk frekuensi adalah Hertz, disingkat Hz. Satu () Hz adalah frekuensi sebuah arus bolak balik menyelesaikan satu siklus dalam satu detik. (Purbo, 2). Frekuensi inilah yang merupakan hasil dari pemrosesan sinyal, yaitu proses pengukuran setiap kuantitas berdasarakan waktu atau ruang. Dalam lingkungan yang kompleks, setiap set informasi manusia atau data mesin dapat dianggap sebagai sinyal. Informasi atau data mesin demikian (sebagai contoh, titik pada layar, tinta yang membentuk teks pada kertas, atau kata-kata yang masuk kepikiran manusia) harus merupakan bagian dari sistem yang eksis di dunia nyata.

6 9 Seringkali informasi yang penting tersembunyi didalam frekuensi sinyal. Spektrum frekuensi sinyal pada dasarnya adalah komponen frekuensi (spektral frekuensi) sinyal yang menunjukan frekuensi apa yang muncul. Frekuensi menunjukkan tingkat perubahan. Jika suatu variabel sering berubah, maka disebut berfrekuensi tinggi. Namun jika tidak sering berubah, maka disebut berfrekuensi rendah. Jika variabel tersebut tidak berubah sama sekali, maka disebut tidak mempunyai frekuensi (nol frekuensi). Frekuensi diukur dalam satuan cycle/detik atau Hertz (Hz). Gambar berikut menunjukan contoh gelombang sinus berfrekuensi 3 Hz, Hz dan 5 Hz. Gambar 2.2 Sinyal gelombang sinus frekuensi 3 Hz Gambar 2.3 Sinyal gelombang sinus frekuensi Hz

7 Dua tipe utama sinyal yang dalam prakteknya paling sering ditemui adalah sinyal digital dan sinyal analog. a. Sinyal Digital Sinyal digital adalah suatu sinyal yang secara sistematis dinyatakan dengan variabel-variabel diskrit. Nilai dari sinyal ini dapat dinyatakan sebagai suatu kelipatan integer dari jarak antara dua nilai berdekatan, karena biasanya nilai-nilai dari sinyal ini seimbang. b. Sinyal Analog Sinyal analog merupakan sinyal yang secara sistematis dinyatakan dengan variabel-variabel kontinu, sehingga untuk setiap nilai waktu dapat di ambil nilainilai dalam selang kontinu (a,b), dengan a dapat menjadi - dan b dapat menjadi. c. Konversi Sinyal Analog Menjadi Sinyal Digital Perubahan sinyal digital analog pada prinsipnya merupakan perubahan sejumlah angka-angka biner, menjadi variabel kontinu bervariasi, biasanya berupa tegangan listrik analog. Ilustrasi dari perubahan sinyal analog menjadi sinyal digital dapat dilihat pada gambar berikut. Gambar 2.4 Sampel perubahan sinyal analog menjadi sinyal digital

8 2.2.2 Sinyal Stationer Sinyal stationer adalah sinyal yang isi frekuensinya tidak berubah dari waktu ke waktu. Dengan demikian, informasi mengenai waktu kemunculan komponen frekuensi tidak diperlukan, karena semua komponen frekuensi muncul disetiap waktu. Gambar 2.5 Sinyal Stationer Sinyal Non-Stationer Gambar berikut adalah contoh sinyal non-stationer, dimana frekuensinya berubah-ubah secara konstan dalam waktu. Sinyal ini dikenal dengan sinyal chirp. Gambar 2.6 Sinyal non-stationer

9 2 2.3 Wavelet Transform Teori Wavelet merupakan suatu konsep yang relatif baru dikembangkan, kata Wavelet sendiri diberikan oleh Jean Morlet dan Alex Grossmann pada awal tahun 98-an, dan berasal dari bahasa Perancis, ondelette yang berarti gelombang kecil. Kata onde yang berarti gelombang kemudian diterjemahkan ke Bahasa Inggris menjadi wave, lalu digabungkan dengan kata aslinya sehingga terbentuk kata baru wavelet. Dengan menggunakan wavelet transform, informasi frekuensi berikut informasi waktu kapan terjadinya frekuensi tersebut pada sinyal dapat diketahui dengan persis. Gambar 2.7 Wavelet Transform Transformasi wavelet merupakan sebuah fungsi konversi yang dapat digunakan untuk membagi suatu fungsi atau sinyal ke dalam komponen frekuensi yang berbeda, yang selanjutnya komponen-komponen tersebut dapat dipelajari

10 3 sesuai dengan skalanya. Wavelet merupakan sebuah fungsi variable real x, diberi notasi ψ, dalam ruang fungsi L2(R). Fungsi ini dihasilkan oleh parameter dilatasi dan translasi, yang memiliki sifat-sifat : a. Berenergi terbatas b. Merupakan fungsi band-pass c. Merupakan hasil translasi dan dilasi dari sebuah fungsi tunggal. Kumpulan fungsi ini memiliki bentuk umum :...(2.) dimana : a = parameter dilatasi b = parameter translasi R = mengkondisikan nilai a dan b dalam nilai integer 2^j = parameter dilatasi ( paramater frekuensi atau skala) k = parameter waktu atau lokasi ruang Z = mengkondisikan nilai j dan k dalam nilai integer Transformasi merupakan penggambaran signal dalam bentuk yang berbeda tanpa mengubah isi informasi dalam signal tersebut. Proses transformasi dibutuhkan untuk mendapatkan informasi lebih lanjut dari signal mentah karena informasi

11 4 yang diperlukan tidak dapat diperoleh dari signal mentah (time-domain signal). Transformasi wavelet adalah sebuah transformasi matematika yang digunakan untuk menganalisis sinyal bergerak, dari sinyal bergerak ini dianalisis untuk didapatkan informasi spektrum frekuensi dan waktunya secara bersamaan. Wavelet merupakan fungsi matematik yang membagi data menjadi beberapa komponen frekuensi yang berbeda-beda, kemudian dilakukan analisis untuk masing-masing komponen menggunakan resolusi yang sesuai dengan skalanya. Resolusi dari signal merupakan ukuran jumlah informasi di dalam signal yang dapat berubah melalui operasi filterisasi ataupun operasi lainnya (Teori Wavelet, Digilib 22). 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 tersebut. Karakterisktik daripada wavelet antara lain adalah berosilasi singkat, translasi (pergeseran) dan dilatasi (skala). Berikut ini akan diperlihatkan gambar dari sebuah sinyal biasa dan sinyal wavelet. Gambar 2.8 Bentuk Gelombang;(a) Sinyal biasa (b) Sinyal Wavelet

12 5 Secara sederhana, translasi (pergeseran) pada wavelet bermaksud untuk menggeser permulaan dari sebuah wavelet. Secara matematis, pergeseran sebuah fungsi f(t) dengan k direpresentasikan dengan f(t-k): Gambar 2.9 (a) Fungsi Wavelet ψ(t) (b) Fugsi Wavelet Yang Digeser ψ(t-k) Skala (dilatasi) dalam sebuah wavelet berarti pelebaran atau penyempitan wavelet. Seperti yang terlihat pada gambar di bawah ini: Gambar 2. (a) Nilai Skala Kecil (b) Nilai Skala Besar Wavelet Haar Merupakan wavelet tertua dan sederhana yang ditemukan pada tahun 99. Jenis wavelet ini dikenal sebagai mother wavelet atau wavelet induk yang digunakan sejak pertama kali secara intensif.

13 6 Bila kita ingin representasikan adalah sebuah titik atau sebuah vektor, maka basis [ ] T dan [ ] T sudah cukup memadai. Perhatikan bahwa basis [ ] T, [ ] T bukan satu-satunya basis yang bisa merentang ruang dua dimensi. Ada basis-basis lainnya yang bisa digunakan, contohnya [ 2] T, [2 -] T. Selain berbentuk kumpulan vektor, basis dapat juga berbentuk kumpulan fungsi. Wavelet juga merupakan sebuah basis. Basis wavelet berasal dari sebuah fungsi penskalaan atau dikatakan juga sebuah scaling function. Scaling function memiliki sifat yaitu dapat disusun dari sejumlah salinan dirinya yang telah didilasikan, ditranslasikan dan diskalakan [GLA95]. Fungsi ini diturunkan dari persamaan dilasi (dilation equation), yang dianggap sebagai dasar dari teori wavelet. Persamaan dilasi berbunyi demikian : ( x) ck(2x k).. (2.2) dari persamaan scaling function ini dapat dibentuk persamaan wavelet yang pertama (atau disebut juga mother wavelet), dengan bentuk sebagai berikut : k x ) ( ) c (2x k) (2.3) ( k k Dari mother wavelet ini kemudian dapat dibentuk wavelet-wavelet berikutnya (ψ, ψ 2 dan seterusnya) dengan cara mendilasikan (memampatkan atau meregangkan) dan menggeser mother wavelet.

14 7 Scaling function yang dapat membentuk wavelet bermacam-macam jenisnya. Berdasarkan scaling function inilah basis wavelet memiliki nama yang berbeda-beda. Wavelet Haar memiliki scaling function dengan koefisien c = c =. Wavelet Daubechies dengan 4 koefisien (DB4) memiliki scaling function dengan koefisien c = (+ 3)/4, c = (3+ 3)/4, c 2 = (3-3)/4, c 3 = (- 3)/4 Wavelet B-Spline kubik memiliki scalilng function dengan koefisien c = /8, c = 4/8, c 2 = 6/8, c 3 = 4/8, c 4 = /8. Jika kita menggunakan basis orthonormal v, v, v 2, dan v 3, mudah bagi kita untuk merepresentasikan suatu vektor sebagai kombinasi linier dari v, v, v 2, dan v 3. Misalkan kita memiliki vektor 6 4 x 7 5 Jika kita ingin merepresentasikan vektor x tersebut dalam bentuk x = a v + b v + c v 2 + d v 3.. (2.4) maka dengan mudah kita dapat menemukan bahwa a = 6, b = 4, c = -7, d = 5.

15 8 Sekarang bagaimana caranya merepresentasikan suatu vektor sebagai kombinasi linier dari vektor-vektor dalam wavelet Haar? Atau dengan kata lain, bagaimana kita menentukan nilai a,b,c dan d dalam persamaan berikut ini : 3 2 d c b a x x x x. (2.5) dengan sedikit pengetahuan matematis, kita dapat menurunkan persamaanpersamaan berikut ini dari persamaan (2.5) di atas : x = a + b + c x = a + b c x 2 = a b + d x 3 = a b d sehingga kemudian kita dapatkan : x 2 x 3 = 2d x x = 2c (x + x ) (x 2 + x 3 ) = 4b (x + x ) + (x 2 + x 3 ) = 4a Dengan demikian dapat diambil kesimpulan bahwa

16 9 d = ½ (x 2 x 3 ) c = ½ (x x ) b = ½ ( ½ (x + x ) ½ (x 2 + x 3 )) a = ½ ( ½ (x + x ) + ½ (x 2 + x 3 )) Terlihat bahwa sebenarnya koefisien-koefisian a,b,c,d dapat diperoleh dari operasi averaging dan differencing terhadap nilai x, x, x 2 dan x 3 dengan aturan tertentu. Stephane Mallat kemudian memperkenalkan cara mudah menghitung koefisien a, b, c dan d dengan cara yang dikenal dengan algoritma piramida Mallat. Algoritma tersebut dapat ditunjukkan dengan gambar berikut. a j L a j L a j2 L... a H d j H d j2 H d dimana a j adalah vektor awal dengan ukuran 2 j, dan koefisien a, b, c, d dapat diperoleh dari aproksimasi a detail-detail d, d dan seterusnya. Matriks L dan H masing masing adalah matriks lowpass (averaging) dan highpass (differencing) dengan bentuk:

17 2 Matriks L dan H untuk basis Haar dimana c = c = adalah sebagai berikut : 2 L H Proses mencari koefisien a, b, c dan d seperti ini disebut dengan proses dekomposisi. Sebagai contoh, untuk vektor x di atas kita akan dekomposisi menjadi: Nilai a,b, c dan d pada persamaan 2.4 kemudian dapat kita peroleh dengan melihat nilai aproksimasi terakhir a dan semua nilai-nilai detail d,d dan d dimana: a = ½ ( ½ (x + x ) + ½ (x 2 + x 3 )) = a = 2 b = ½ ( ½ (x + x ) ½ (x 2 + x 3 )) = d = 3 c = ½ (x x ) = d () = d = ½ (x 2 x 3 ) = d () = -6.

18 2 Setelah mengetahui bagaimana mendekomposisi suatu sinyal menjadi koefisienkoefisien kombinasi liniernya, maka kita juga perlu mengetahui bagaimana caranya memperoleh vektor asal jika hanya diketahui koefisien-koefisien dekomposisinya (a,b,c,d). Proses kebalikan dari dekomposisi ini disebut proses rekonstruksi, dan algoritma piramida Mallat untuk rekonstruksi adalah: dimana matriks pengali L* dan H* memiliki hubungan dengan matriks L dan H pada proses dekomposisi yaitu LL* = HH* = I (L merupakan invers dari L*). Isi dari L* dan H* untuk basisi Haar adalah sebagai berikut: 6) ( * L* H

19 22 Proses rekonstruksi untuk contoh di atas dapat digambarkan sebagai berikut: Berdasarkan jenis sinyal yang diprosesnya, transformasi wavelet dapat dibagi menjadi dua bagian besar, yaitu Continuous Wavelet Transform (CWT) dan Discrete Wavelet Transform (DWT).

20 Discrete Wavelet Transform (DWT) Sesuai dengan namanya, Discrete wavelet trasform bekerja mentransformasikan sinyal yang telah terbentuk diskrit. Discrete wavelet transform dapat diaplikasikan dalam penelitian aplikasi solmisasi nada ini. Hal ini sangat mendukung mengingat bahwa penelitian ini melibatkan data dan informasi input berupa sinyal suara yang nantinya akan diubah kedalam bentuk diskrit. Discrete Wavelet Transform (DWT) dianggap relatif lebih mudah dalam hal pengimplementasinya. Prinsip dasar dari discrete wavelet transform adalah bagaimana cara mendapatkan representasi waktu dan skala dari sebuah sinyal menggunakan teknik pemfilteran digital dan operasi sub-sampling atau downsampling.(mallat, Stephane, 999) Pertama-tama sinyal dilewatkan pada rangkaian high-pass filter dan lowpass filter, kemudian setengah dari masing-masing keluaran diambil sebagai sampel melalui operasi down-sampling. Proses ini disebut sebagai proses dekomposisi satu tingkat. 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:

21 24 Gambar 2.2 Skema DWT Low Pass Filter Low Pass Filter (LPF) atau Filter Lolos Bawah adalah filter yang hanya melewatkan sinyal dengan frekuensi yang lebih rendah. Low pass filter menghasilkan bentuk gelombang yang disebut dengan aproksimasi. Aproksimasi adalah suatu pendekatan untuk memperoleh nilai yang sedekat mungkin dengan nilai yang sebenarnya. Pembentukan gelombang tersebut menggunakan pendekatan analisis resolusi jamak terhadap frekuensi yang berbeda. Resolusi adalah pemisahan dari setiap sinyal yang berubah ubah, menjadi bobot (skala) cuplikan yang digeser. Jadi analisis resolusi jamak berhubungan dengan penskalaan wavelet. Gambar 2.2 Low Pass bergerak

22 Euclidean Distance Euclidean Distance adalah metrika yang paling sering digunakan untuk menghitung kesamaan 2 vektor untuk mempelajari hubungan antara sudut dan jarak. Euclidien distance menghitung akar dari kuadrat perbedaan 2 vektor atau jarak dari 2 buah titik dalam Euclidean space (Tutorial IT Gratis, 22). Semisal ingin menghitung jarak Euclidean dimensi. Titik pertama adalah 4, titik kedua adalah -. Caranya adalah kurankan - dengan 4. sehingga menghasilkan -4. Cari nilai absolut dari nilai -4 dengan cara mempangkatkannya sehingga mendapat nilai 96. Kemudian diakarkan sehingga mendapatkan nilai 4. Sehingga jarak euclidean dari 2 titik tersebut adalah 4.

23 Penelitian Terkait Penelitian serupa pernah dilakukan oleh Andi Kurnia (22), dimana penelitian tersebut bertujuan untuk membuat suatu penala nada alat musik yang dapat membantu manusia untuk mengetahui jenis nada apa yang di dengar dengan menggunakan metode Alihragam Fourier. Dengan metode ini frekuensi dasar suatu nada dapat diketahui sehingga dapat diketahui pula jenis nadanya. Hal ini sangatlah penting bagi seorang pemusik untuk mengetahui apakah alat musiknya sudah menghasilkan nada-nada yang tepat atau nada yang sumbang. Penelitian terkait juga pernah dilakukan oleh Rizal Chandra (22), dimana penelitian tersebut bertujuan untuk perancangan program aplikasi penala gitar dengan menggunakan metode Fast Fourier Transform. Dari penelitian ini ditemukan bahwa Fast Fourier Transform mampu mengubah gelombang suara menjadi gelombang berbasis frekuensi, sehingga menghasilkan program penala yang dapat memunculkan nada dan panduan agar memudahkan pengguna dalam menala alat musik dengan benar sehingga tidak sumbang (fals). Penelitian yang sama juga pernah dilakukan oleh Imam Gaffar dkk (22), penelitian tersebut bertujuan untuk merancang sebuah aplikasi pengkonversi nadanada instrument tunggal menjadi chord dengan menggunakan metode pitch class profile. Dari penelitian ini ditemukan bahwa semakin baik kualitas perekaman maka semakin baik hasil akhir dari sistem, Sebaliknya, semakin kurang kualitas perekaman maka semakin kurang baik hasil akhir dari sistem yang didapatkan.

24 27 Pada penelitian ini penulis menggunakan Wavelet Transform sebagai metode penelitian, dimana metode ini dapat mengubah gelombang suara serta memberikan informasi waktu dan frekuensi secara bersamaan, sehingga dari informasi tersebut di dapatkan suatu nada beserta nilai pitch frekuensi serta jarak antara hasil input dan frekuensi standar. Diharapkan hasil akhir dari penelitian ini dapat dijadikan perbandingan dari penelitian sebelumnya serta dapat menyelesaikan masalah yang ada.

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 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 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 I PENDAHULUAN. waktu adalah suatu deret observasi yang berurut dalam waktu. Analisis data

BAB I PENDAHULUAN. waktu adalah suatu deret observasi yang berurut dalam waktu. Analisis data BAB I PENDAHULUAN 1.1. Latar Belakang Analisis time series (runtun waktu) banyak digunakan dalam berbagai bidang, misalnya ekonomi, teknik, geofisik, pertanian dan kedokteran. Runtun waktu adalah suatu

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam statistika dan pemrosesan sinyal, runtun waktu (time series) adalah rangkaian data berupa pengamatan yang diukur selama kurun waktu tertentu. Analisis

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 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 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

PERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB

PERANCANGAN 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 terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. 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 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

EKSTRAKSI FITUR SINYAL UNTUK PENALAAN GITAR MENGGUNAKAN WAVELET TRANSFORM

EKSTRAKSI FITUR SINYAL UNTUK PENALAAN GITAR MENGGUNAKAN WAVELET TRANSFORM 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

Lebih terperinci

TRANSFORMASI WAVELET DISKRIT PADA SINTETIK PEMBANGKIT SINYAL ELEKTROKARDIOGRAM

TRANSFORMASI WAVELET DISKRIT PADA SINTETIK PEMBANGKIT SINYAL ELEKTROKARDIOGRAM Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 01 (2014), pp. 95 104. TRANSFORMASI WAVELET DISKRIT PADA SINTETIK PEMBANGKIT SINYAL ELEKTROKARDIOGRAM Yedidia Panca, Tulus, Esther Nababan Abstrak. Transformasi

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

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

KOMUNIKASI DATA SUSMINI INDRIANI LESTARININGATI, M.T

KOMUNIKASI DATA SUSMINI INDRIANI LESTARININGATI, M.T Data dan Sinyal Data yang akan ditransmisikan kedalam media transmisi harus ditransformasikan terlebih dahulu kedalam bentuk gelombang elektromagnetik. Bit 1 dan 0 akan diwakili oleh tegangan listrik dengan

Lebih terperinci

KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET

KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET 1) Arief Budiman 1) Dosen Fakultas Teknik Universitas Merdeka Madiun email : arief@unmer-madiun.ac.id Abstract In the world of medical, anx-ray image is

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

Pencocokan Citra Digital

Pencocokan Citra Digital BAB II DASAR TEORI II.1 Pencocokan Citra Digital Teknologi fotogrametri terus mengalami perkembangan dari sistem fotogrametri analog hingga sistem fotogrametri dijital yang lebih praktis, murah dan otomatis.

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 1 PENDAHULUAN. meruntuhkan bangunan-bangunan dan fasilitas umum lainnya.

BAB 1 PENDAHULUAN. meruntuhkan bangunan-bangunan dan fasilitas umum lainnya. BAB 1 PENDAHULUAN 1.1. Latar Belakang Gempa bumi merupakan fenomena alam yang sudah tidak asing lagi bagi kita semua, karena seringkali diberitakan adanya suatu wilayah dilanda gempa bumi, baik yang ringan

Lebih terperinci

UNIVERSITAS BINA NUSANTARA

UNIVERSITAS 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 terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. 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 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

Makalah. Teori Dasar Musik. Riko Repliansyah Anisa Purnama Sari. Riski Okta Mayasari. Dosen Pengampu: Pebrian Tarmizi,M.Pd Mata Kuliah : Seni Musik

Makalah. Teori Dasar Musik. Riko Repliansyah Anisa Purnama Sari. Riski Okta Mayasari. Dosen Pengampu: Pebrian Tarmizi,M.Pd Mata Kuliah : Seni Musik Makalah Teori Dasar Musik Dosen Pengampu: Pebrian Tarmizi,M.Pd Mata Kuliah : Seni Musik Disusun oleh kelompok 3 Riko Repliansyah Anisa Purnama Sari Fitri Ramadayanti Riski Okta Mayasari (A1G016091) Kelas

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 III WAVELET. yang memenuhi

BAB III WAVELET. yang memenuhi BAB III WAVELET 3.1 Analisis Multiresolusi Definisi 3.1.1 Analisis Multiresolusi (Daubechies, 1992) Analisis Multiresolusi terbentuk dari barisan subruang tertutup dari i. dari yang memenuhi ii. jika dan

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

PENGENALAN NADA PIANIKA MENGGUNAKAN JENDELA SEGITIGA, DCT, DAN FUNGSI JARAK EUCLEDIAN

PENGENALAN NADA PIANIKA MENGGUNAKAN JENDELA SEGITIGA, DCT, DAN FUNGSI JARAK EUCLEDIAN PEGEALA ADA PIAIKA MEGGUAKA JEDELA SEGITIGA, DCT, DA FUGSI JARAK EUCLEDIA Linggo Sumarno Jurusan Teknik Elektro, Universitas Sanata Dharma Kampus III, Paingan, Maguwoharjo, Depok, Sleman, Yogyakarta 558

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

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

MATERI PENGOLAHAN SINYAL :

MATERI PENGOLAHAN SINYAL : MATERI PENGOLAHAN SINYAL : 1. Defenisi sinyal 2. Klasifikasi Sinyal 3. Konsep Frekuensi Sinyal Analog dan Sinyal Diskrit 4. ADC - Sampling - Aliasing - Quantiasasi 5. Sistem Diskrit - Sinyal dasar system

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

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

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

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

MATEMATIKA DI BALIK CITRA DIGITAL

MATEMATIKA DI BALIK CITRA DIGITAL MATEMATIKA DI BALIK CITRA DIGITAL Hendra Gunawan Tulisan ini membahas bagaimana matematika berperan dalam pemrosesan citra digital, khususnya pengolahan dan penyimpanan citra dalam bentuk digital secara

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data

Lebih terperinci

s(t) = C (2.39) } (2.42) atau, dengan menempatkan + )(2.44)

s(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 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

BAB II Tinjauan Pustaka

BAB II Tinjauan Pustaka BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai konsep-konsep yang mendasari ekstraksi unsur jalan pada citra inderaja. Uraian mengenai konsep tersebut dimulai dari ekstraksi jalan, deteksi tepi,

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 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 terperinci

PENDAHULUAN Tujuan Latar Belakang Ruang Lingkup Manfaat Penelitian TINJAUAN PUSTAKA Nada dan Chord Gitar

PENDAHULUAN 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 terperinci

DERET FOURIER DAN APLIKASINYA DALAM FISIKA

DERET FOURIER DAN APLIKASINYA DALAM FISIKA Matakuliah: Fisika Matematika DERET FOURIER DAN APLIKASINYA DALAM FISIKA Di S U S U N Oleh : Kelompok VI DEWI RATNA PERTIWI SITEPU (8176175004) RIFKA ANNISA GIRSANG (8176175014) PENDIDIKAN FISIKA REGULER

Lebih terperinci

IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK

IDENTIFIKASI 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 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

KONSEP DAN TERMINOLOGI ==Terminologi==

KONSEP DAN TERMINOLOGI ==Terminologi== TRANSMISI DATA KONSEP DAN TERMINOLOGI ==Terminologi== Direct link digunakan untuk menunjukkan jalur transmisi antara dua perangkat dimana sinyal dirambatkan secara langsung dari transmitter menuju receiver

Lebih terperinci

Hubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz

Hubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Hubungan 1/1 filter oktaf f 1 f 2 f 1 = 2 1/2f c f 1 = 2 1/2f c f 1 = 2f c1 = frekuensi tengah penyaring =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Analisis oktaf sepertiga,

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu obyek, biasanya obyek fisik atau manusia. Citra dapat

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

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

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi

Lebih terperinci

ANALOG SIGNAL PROCESSING USING OPERASIONAL AMPLIFIERS

ANALOG SIGNAL PROCESSING USING OPERASIONAL AMPLIFIERS ANALOG SIGNAL PROCESSING USING OPERASIONAL AMPLIFIERS (PEMROSESAN SINYAL ANALOG MENGGUNAKAN PENGUAT OPERASIONAL) A. PENDAHULUAN Sinyal keluaran dari sebuah tranduser atau sensor sangat kecil hampir mendekati

Lebih terperinci

PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi

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

udara maupun benda padat. Manusia dapat berkomunikasi dengan manusia dari gagasan yang ingin disampaikan pada pendengar.

udara 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 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

Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian

Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,

Lebih terperinci

Bab II Teori Dasar. Gambar 2.1 Diagram blok sistem akuisisi data berbasis komputer [2]

Bab 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 terperinci

BAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan

BAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan bagian

Lebih terperinci

PEMODELAN TIME SERIES DENGAN MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM. Abstrak

PEMODELAN TIME SERIES DENGAN MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM. Abstrak PEMODELAN TIME SERIES DENGAN MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM Budi Warsito 1, Subanar 2 dan Abdurakhman 3 1) Jurusan Statistika FSM UNDIP 2,3) Jurusan Matematika FMIPA UGM Abstrak Penggunaan

Lebih terperinci

Teknik Sistem Komunikasi 1 BAB I PENDAHULUAN

Teknik Sistem Komunikasi 1 BAB I PENDAHULUAN BAB I PENDAHULUAN 1.1 Model Sistem Komunikasi Sinyal listrik digunakan dalam sistem komunikasi karena relatif gampang dikontrol. Sistem komunikasi listrik ini mempekerjakan sinyal listrik untuk membawa

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

Pemisahan Sinyal Noise Pada Pengolahan Data Medan Magnet Bumi Menggunakan Transformasi Wavelet

Pemisahan Sinyal Noise Pada Pengolahan Data Medan Magnet Bumi Menggunakan Transformasi Wavelet Pemisahan Sinyal Noise Pada Pengolahan Data Medan Magnet Bumi Menggunakan Transformasi Wavelet Setyanto Cahyo Pranoto Pusat Sains Antariksa, Lembaga Penerbangan Dan Antariksa Nasional - LAPAN, Jl. DR.

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 II STUDI PUSTAKA. T. C. Ling, dkk., (2008) dalam penelitiannya Automated Pavement

BAB II STUDI PUSTAKA. T. C. Ling, dkk., (2008) dalam penelitiannya Automated Pavement 5 BAB II STUDI PUSTAKA 2.1 Tinjauan Pustaka T. C. Ling, dkk., (2008) dalam penelitiannya Automated Pavement Imaging Program (APIP) for Pavement Cracks Classification and Quantification A Photogrammetric

Lebih terperinci

BAB II LANDASAN TEORI. terdiri dari bagian atas yang disebut serambi (atrium) dan bagian bawah yang

BAB II LANDASAN TEORI. terdiri dari bagian atas yang disebut serambi (atrium) dan bagian bawah yang BAB II LANDASAN TEORI 2.1 Sinyal Suara Jantung (PCG) Jantung adalah organ tubuh yang berfungsi untuk memompa darah dan terdiri dari bagian atas yang disebut serambi (atrium) dan bagian bawah yang disebut

Lebih terperinci

BAB II DIGITISASI DAN TRANSMISI SUARA. 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan

BAB II DIGITISASI DAN TRANSMISI SUARA. 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan BAB II DIGITISASI DAN TRANSMISI SUARA 2.1 Umum Telinga manusia memiliki kemampuan menerima frekwensi dalam kisaran 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan frekwensi yang sempit

Lebih terperinci

BAB 2 LANDASAN TEORI. program pengurangan noise pada citra digital. Teori-teori ini mencakup penjelasan

BAB 2 LANDASAN TEORI. program pengurangan noise pada citra digital. Teori-teori ini mencakup penjelasan BAB 2 LANDASAN TEORI Pada bab 2 ini, akan dijelaskan berbagai teori yang mendukung perancangan program pengurangan noise pada citra digital. Teori-teori ini mencakup penjelasan mengenai pengolahan sinyal,

Lebih terperinci

Penggunaan Bilangan Kompleks dalam Pemrosesan Signal

Penggunaan Bilangan Kompleks dalam Pemrosesan Signal Penggunaan Bilangan Kompleks dalam Pemrosesan Signal Stefanus Agus Haryono (13514097) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10

Lebih terperinci

BAB II DASAR TEORI. Modulasi adalah proses yang dilakukan pada sisi pemancar untuk. memperoleh transmisi yang efisien dan handal.

BAB II DASAR TEORI. Modulasi adalah proses yang dilakukan pada sisi pemancar untuk. memperoleh transmisi yang efisien dan handal. BAB II DASAR TEORI 2.1 Modulasi Modulasi adalah proses yang dilakukan pada sisi pemancar untuk memperoleh transmisi yang efisien dan handal. Pemodulasi yang merepresentasikan pesan yang akan dikirim, dan

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

BAB II DASAR TEORI. sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda.

BAB II DASAR TEORI. sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda. BAB II DASAR TEORI. Umum Pada kebanyakan sistem, baik itu elektronik, finansial, maupun sosial sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda. Karena sebagian besar sinyal

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan

Lebih terperinci

BAB 2 LANDASAN TEORI. Bab ini berisikan definisi serta teori-teori dari Fast Fourier Transform dan

BAB 2 LANDASAN TEORI. Bab ini berisikan definisi serta teori-teori dari Fast Fourier Transform dan BAB 2 LANDASAN TEORI Bab ini berisikan definisi serta teori-teori dari Fast Fourier Transform dan Backpropagation yang digunakan dalam pembuatan program aplikasi. Teori-teori pendukung yang dipakai dalam

Lebih terperinci

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Teori Dasar Layanan Pesan Multimedia (MMS) Layanan pesan multimedia (MMS/Multimedia Messaging Service) merupakan puncak dari evolusi layanan pesan singkat (SMS/Short Messaging

Lebih terperinci

PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET

PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET Sarwosri, Rully Soelaiman, dan Esther Hanaya Jurusan Teknik Informatika, Fakultas Teknologi Informasi,

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian terkait Gunung Merapi merupakan hal yang menarik untuk dilakukan. Berbagai metode digunakan untuk

BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian terkait Gunung Merapi merupakan hal yang menarik untuk dilakukan. Berbagai metode digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian terkait Gunung Merapi merupakan hal yang menarik untuk dilakukan. Berbagai metode digunakan untuk mengetahui aktivitas dan karakteristik dari gunung tersebut.

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Transformasi Fourier. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 7 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana

Lebih terperinci

SINYAL. Adri Priadana ilkomadri.com

SINYAL. Adri Priadana ilkomadri.com SINYAL Adri Priadana ilkomadri.com Pengertian Sinyal Merupakan suatu perubahan amplitude dari tegangan atau arus terhadap waktu (time). Data yang dikirimkan dalam bentuk analog ataupun digital. Sinyal

Lebih terperinci

SINYAL DISKRIT. DUM 1 September 2014

SINYAL DISKRIT. DUM 1 September 2014 SINYAL DISKRIT DUM 1 September 2014 ADC ADC 3-Step Process: Sampling (pencuplikan) Quantization (kuantisasi) Coding (pengkodean) Digital signal X a (t) Sampler X(n) Quantizer X q (n) Coder 01011 Analog

Lebih terperinci

Bab 1 Pengenalan Dasar Sinyal

Bab 1 Pengenalan Dasar Sinyal Bab 1 Pengenalan Dasar Sinyal Tujuan: Siswa mampu menyelesaikan permasalahan terkait dengan konsep sinyal, menggambarkan perbedaan sinyal waktu kontinyu dengan sinyal waktu diskrit. Siswa mampu menjelaskan

Lebih terperinci

BAB I PENDAHULUAN I.1 Latar Belakang

BAB I PENDAHULUAN I.1 Latar Belakang BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada

Lebih terperinci

BAB II LANDASAN TEORI. dan mengembalikannya kembali ke jantung (Taylor, 2010). Jantung terdiri dari

BAB II LANDASAN TEORI. dan mengembalikannya kembali ke jantung (Taylor, 2010). Jantung terdiri dari BAB II LANDASAN TEORI 2.1. Jantung Jantung yang berfungsi sebagai pompa yang melakukan tekanan terhadap darah sehingga darah dapat mengalir ke seluruh tubuh. Pembuluh darah berfungsi sebagai saluran untuk

Lebih terperinci

KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET

KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 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 terperinci

BAB I PENDAHULUAN. menggunakan digital watermarking. Watermarking bekerja dengan menyisipkan

BAB I PENDAHULUAN. menggunakan digital watermarking. Watermarking bekerja dengan menyisipkan BAB I PENDAHULUAN 1. Latar Belakang Perkembangan teknologi digital serta internet yang cukup pesat telah memberi kemudahan dalam mengakses dan mendistribusikan berbagai informasi dalam format digital,

Lebih terperinci

BAB II KOMPRESI DATA PENGINDERAAN JAUH

BAB II KOMPRESI DATA PENGINDERAAN JAUH 12 BAB II KOMPRESI DATA PENGINDERAAN JAUH 2.1 Data Penginderaan Jauh Penginderaan jauh merupakan teknik pengamatan permukaan bumi baik daratan maupun air dengan mengukur radiasi elektromagnetik yang yang

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan

Lebih terperinci

APLIKASI METODE TRANSFORMASI WAVELET DISKRIT UNTUK KOMPRESI CITRA PADA PENGOLAHAN CITRA DIGITAL

APLIKASI METODE TRANSFORMASI WAVELET DISKRIT UNTUK KOMPRESI CITRA PADA PENGOLAHAN CITRA DIGITAL Sriani, ISSN : Ali 9780 Ikhwan, Yusnidah, Aplikasi Metode Transformasi Wavelet Diskrit APLIKASI METODE TRANSFORMASI WAVELET DISKRIT UNTUK KOMPRESI CITRA PADA PENGOLAHAN CITRA DIGITAL Sriani *, Ali Ikhwan

Lebih terperinci

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi

Lebih terperinci

PRESENTASI TUGAS AKHIR KI091391

PRESENTASI TUGAS AKHIR KI091391 PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute

Lebih terperinci

Jaringan Syaraf Tiruan pada Robot

Jaringan 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 terperinci

BAB III METODE PENGAMBILAN DAN PENGOLAHAN DATA SEISMOELEKTRIK. palu. Dari referensi pengukuran seismoelektrik di antaranya yang dilakukan oleh

BAB III METODE PENGAMBILAN DAN PENGOLAHAN DATA SEISMOELEKTRIK. palu. Dari referensi pengukuran seismoelektrik di antaranya yang dilakukan oleh BAB III METODE PENGAMBILAN DAN PENGOLAHAN DATA SEISMOELEKTRIK 3.1 Metode Pengambilan Data Ada beberapa konfigurasi pengukuran yang digunakan dalam pengambilan data seismoelektrik di lapangan. Konfigurasi

Lebih terperinci

SISTEM 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. 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 terperinci