PEMISAHAN SINYAL AUDIO TERCAMPUR DARI LIVE MUSIC RECORDING
|
|
- Iwan Hermanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 PEMISAHAN SINYAL AUDIO TERCAMPUR DARI LIVE MUSIC RECORDING MULTI-SUMBER MULTI-KANAL DENGAN METODE SMOOTH ITAKURA-SAITO NMF (NONNEGATIVE MATRIX FACTORIZATION) 1 Bramara Danaba, 2 Dhany Arifianto, 3 Andi Rahmadiansah Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS Sukolilo, Surabaya {danaderbramara}@yahoo.com 23 {dhany, andi}@ep.its.ac.id ABSTRAK ekaman suara multi sumber dan multi kanal (Multi Source Multi Channel = MSMC) sering ditemui dalam perekaman musik hidup (Live Music Recording), teleconferencing, dan lain - lain. Perekaman multi sumber secara live dari 2 instrumen musik gitar dan bass ini akan mengakibatkan terekamnya sinyal yang tidak diinginkan pada taip kanal hasil pencampuran, hal ini diakibatkan karena karakter suara dan frekuensi kerja kedua instrumen tersebut yang hampir sama, sehingga mengakibatkan terjadinya penumpukan daya spektral. Pada metode Smooth Itakura-Saito NMF (Nonnegative Matrix Factorization) yang digunakan dalam pemisahan sinyal audio tercampur ini, sebuah input sinyal audio tercampur akan dianalogikan sebagai sebuah matrix non-negatif, di mana matrix tersebut akan difaktorkan agar dapat mengidentifikasi matrix matrix non-negatif lain. Setelah dilakukan perhitungan nilai MSE (Mean Square Error), maka dapat diketahui bahwa error pada mode smooth lebih besar 0,15668 dibanding tanpa mode smooth yang bernilai 0,15664 untuk kanal gitar. Untuk kanal bass, error pada mode smooth lebih besar 0,1732 dibanding tanpa mode smooth yang bernilai 0,1367. Karena nilai MSE yang terbilang masih besar, maka perlu dilakukan pengkajian ulang terhadap algoritma dari Metode Smooth Itakura-Saito NMF ini. Kata kunci : Sinyal Audio, Live Music Recording, Multi-Sumber Multi-Kanal, Smooth Itakura-Saito NMF. I. PENDAHULUAN Rekaman suara multi sumber dan multi kanal (Multi Source Multi Channel = MSMC) sering ditemui dalam perekaman musik hidup (Live Music Recording), teleconferencing, dan lain - lain. Musik itu sendiri dapat diciptakan atau dimainkan dari beberapa instrumen atau alat - alat musik pendukung, misal mikrofon, gitar, bass, drum, keyboard, dan lain - lain, atau juga dengan alat - alat musik tradisional lain. Perekaman di ruang studio, dalam praktiknya juga menggunakan teknik perekaman multi sumber, sehingga setiap komponen nantinya akan direkam menjadi satu kanal. Untuk selanjutnya, masing - masing sinyal instrumen musik dilakukan proses ekualisasi, pemberian efek reverberasi, dan lain - lain yang dilakukan oleh Sound Engineer sebelum proses pencampuran (mixing). Untuk itu diperlukan pemisahan sinyal suara dari instrument - instrument musik yang telah terekam dalam satu kanal agar memudahkan Sound Engineer memproses sinyal sesuai yang diinginkan. Perekaman multi sumber dari 2 instrument musik yang umum dijumpai dan paling mudah untuk dimainkan ini akan mengakibatkan terekamnya sinyal yang tidak diinginkan pada kanal hasil pencampuran, di samping terjadinya kanselasi fasa sinyal akibat perbedaan jarak sumber dan
2 2 penerima. Instrumen - instrumen musik di atas memiliki spektrum yang saling berpotongan dan sebuah musik dari genre musik tertentu biasanya dapat menghasilkan tingkat tekanan suara (Sound Pressure Level) mencapai db, sehingga kebocoran sinyal dari komponen lain sulit dihindarkan. Selain itu, pengadaan mikrofon dengan karakteristik tertentu akan sangat mahal. Untuk mengatasi terekamnya sinyal suara yang tidak diinginkan (noise) pada suatu kanal, maka diperlukan suatu metode pemisahan suara pada kanal tersebut yang merupakan hasil dari perekaman musik hidup (live music recording) multi sumber. Sinyal suara yang ditangkap pada kanal rekaman merupakan sinyal yang telah melalui proses propagasi, pencampuran, delay, dan pemfilteran, di mana sebelumnya telah terjadi proses pencampuran sinyal dari banyak sumber suara yang berbeda. Dengan demikian proses pencampuran sinyal suara pada suatu kanal akan sulit untuk diketahui, karena dipengaruhi oleh dinamika sinyal suara, perilaku akustik ruangan, posisi sumber, dan penerima, serta karakteristik sensor akustik yang digunakan. Agar proses pemisahan sinyal suara musik dapat dilakukan pada setiap kondisi perekaman, maka digunakan metode pemisahan buta (Blind Separation) yang dari beberapa penelitian sebelumnya dapat mengestimasi sinyal suara sumber dari sinyal suara tercampur. Beberapa metode pemisahan buta pada sinyal audio tercampur yang telah diketahui di antaranya adalah Blind Source Separation (BSS) dan Computational Auditory Scene Analysis (CASA), sedangkan untuk penelitian tugas akhir ini metode yang digunakan adalah Smooth Itakura-Saito NMF (Nonnegative Matrix Factorization). Pada penelitian tentang pemisahan sinyal audio tercampur yang menggunakan metode Smooth Itakura-Saito NMF (Nonnegative Matrix Factorization) ini, sebuah sinyal audio tercampur akan dianalogikan sebagai sebuah matrix nonnegatif, di mana matrix tersebut akan difaktorkan agar dapat mengidentifikasi matrix non-negatif lain. Permasalahan yang timbul dari pemfaktoran tersebut adalah bagaimana mereduksi dimensi matrix - matrix lain hasil pemfaktoran. Dengan menggunakan Metode Itakura-Saito NMF, akan dapat ditentukan jarak minimum antara matrix sumber dan matrix hasil pemfaktoran. Sedangkan mode smooth digunakan untuk mengatasi permasalahan smoothness dari daya spektral sinyal estimasi. II. TINJAUAN PUSTAKA 2.1 Perekaman Musik Hidup (Live Music Recording) Perekaman musik hidup (Live Music Recording) adalah perekaman audio dari berbagai jenis alat (instrumen) musik yang dimainkan secara bersama - sama dan bunyi yang dihasilkan langsung dikeluarkan (sound out) dengan menggunakan amplifier, speaker, atau sound system lain. Perekaman musik hidup ini dapat dilakukan di dalam studio, di mana proses pengolahan data hasil perekaman, seperti mixing, equalizing, denoising, dan lain - lain dilakukan pada saat itu juga. Perekaman juga dapat dilakukan pada sebuah konser live. Gambar 1. Proses Perekaman Musik Hidup di dalam Studio Sedangkan perekaman musik yang tidak dilakukan secara live adalah misalnya pada perekaman audio dari beberapa alat musik yang dilakukan secara terpisah, kemudian hasil dari perekaman terpisah tersebut dicampur (mixing) untuk menghasilkan komposisi musik (lagu) yang utuh. Untuk melakukannya, diperlukan sistem recording yang terdiri dari mixer, synthesizer, equalizer, software penunjang, dan instrumen lain, serta tentunya seorang sound engineer untuk mengoperasikan keseluruhan proses rekaman. Tentu
3 3 saja untuk melakukan keseluruhan proses membutuhkan waktu yang lama dan biaya yang tidak sedikit. Contoh lain dari perkekaman tidak live adalah perekaman ulang dari file - file berformat MIDI;.mp3;.wav;.wmv; dan lain lain. Untuk melakukan perekaman musik secara hidup, biasanya diperlukan kemahiran bagi musisi untuk memainkan alat musik sesuai dengan ketukan atau tempo tertentu, agar tercipta alunan musik yang sinkron dan tentu saja enak untuk didengar. Tempo dari suatu alunan musik yang dimainkan biasanya diukur dengan satuan BPM (beats per minute) atau ketukan per menit. Untuk menyesuaikan permainan alat musik dengan tempo, biasanya digunakan alat bantu, yaitu metronom. Atau yang paling sederhana dengan menggunakan salah satu alat musik sebagai acuan, umunya drum atau bass. Musik dengan tempo sedang biasanya memiliki tempo sekitar 120 BPM, yang dominan pada genre musik pop, orkestra, atau slowrock, di mana diperlukan acuan ketukan single-pedal dengan menggunakan drum. Sedangkan untuk kategori musik cepat memiliki tempo sekitar BPM, biasanya dapat diterapkan pada musik ber-genre hardrock, metal, punk, dan lain - lain. Bila menggunakan alat musik drum sebagai acuan, biasanya diperlukan ketukan double-pedal atau twin-pedal. 2.2 Multi-Sumber Multi-Kanal Dalam perekaman musik hidup dengan multisumber dan multi-kanal, tiap alat musik diberikan satu mikrofon sebagai sensor. Mikrofon tersebut mempunyai karakteristik polaritas pada arah dan karakteristik frekuensi tertentu untuk merekam sinyal yang diinginkan. Dalam kenyataannya pada sebuah sistem dengan banyak instrumen di dalamnya, sering dijumpai permasalahan di mana sensor tidak hanya menangkap sinyal yang diinginkan, tetapi juga noise yang mungkin berasal dari sumber lain atau dari sistem itu sendiri. Pada penelitian tugas akhir ini akan dibahas permasalahan pada proses perekaman musik hidup dengan multi sumber dan multi kanal (Multi-Source and Multi-Channel = MSMC), di mana sinyal yang ditangkap oleh sensor pada masing - masing kanal tidak hanya berasal dari satu sumber bunyi (alat musik). Dengan kata lain, efek yang mungkin terjadi dalam metode perekaman multi sumber dan multi kanal adalah adanya kontribusi sinyal yang tidak diinginkan (sebagai noise) pada setiap kanal rekam. Untuk memisahkan sinyal suara yang dinginkan dari sinyal tercampur tersebut diperlukan suatu metode pemisahan sinyal yang tepat sesuai dengan karakteristik sinyal yang hendak dipisahkan, serta proses pencampurannya dengan sinyal yang tidak dikehendaki. Gambar 2. Efek Multi Sumber pada suatu Proses Rekaman 2.3 Itakura-Saito NMF (Nonnegative Matrix Factorization) NMF (Nonnegative Matrix Factorization) adalah sebuah teknik regresi linier yang dapat diterapkan pada data data non-negatif. Misal diberikan data matrix non-negatif masukan V berdimensi F N, permasalahan yang timbul adalah bagaimana mereduksi dimensi data pada pemfaktoran : V W H [11], di mana W dan H juga merupakan matrix nonnegatif dengan dimensi F K dan K N secara berurutan. Dipilihnya nilai K agar pada persamaan FK KN FN, sehingga dimensi data pada hasil pemfaktoran dapat direduksi. Pada proses pemisahan sinyal audio tercampur ini, matrix V merepresentasikan magnituda atau daya spektral dari sinyal audio. Jumlah pemfaktorannya merupakan dekomposisi data spektrogram menjadi pola spektral dasar
4 4 amplitudo W dan modulasi dalam domain waktu H. Pemfaktoran V W H dapat dicapai dengan meminimalisasi pengukuran dengan persamaan : F N d V fn WH D V WH f 1 n1, di mana x y Minimisasi fn [12] d adalah skala fungsi cost. W dan H adalah kendala utama non-negatif pada koefisien kedua faktor. Pemfaktoran daya spektral menggunakan Itakura- Saito (IS) divergence didefinisikan dengan : x x d IS x y log 1 [13] y y Persamaan Itakura-Saito (IS) divergence sangat relevan dengan pemrosesan sinyal audio karena memiliki dua sifat utama. Pertama, Itakura-Saito (IS) divergence adalah korelasi skala-invarian, d IS x y d IS x y, di mana sifat tersebut tidak dimiliki persamaan fungsi jarak Euclidean distance dan Kullback-Leibler divergence. Skala-invarian relevan dengan proses dekomposisi spektral audio, yang secara tipikal memiliki range dinamik yang besar dan komponen - komponen transien dengan daya spektral yang rendah, seperti tone dengan not sustained. Kedua, Itakura-Saito (IS) divergence memiliki solusi secara statisitik untuk permasalahan minimisasi atau teknik reduksi dimensi pada pemfaktoran matrix non-negatif. Daya spektral hasil dari pemisahan sinyal audio dengan metode Itakura- Saito NMF (Nonegative Matrix Factorization) dapat disusun kembali sebagai estimasi kemungkinan maksimum (Maximum Likelihood) dari nilai W dan H. 2.4 Penambahan Mode Smooth menghasilkan kemungkinan pendekatan V W H dengan cara meminimalkan dimensi jarak antara V dan W H, maka perlu ditambahkan algoritma Smooth IS-NMF ini [21]. 2.5 Mean Square Error (MSE) MSE didalam statistik merupakan kuadrat rata-rata dari error. MSE adalah perbedaan antara sinyal asli dengan sinyal estimasi. sinyal estimasi merupakan sinyal output dari sistem [14]. Semakin kecil nilai MSE maka sinyal asli dengan sinyal estimasi mempunyai kesamaan. MSE digunakan untuk mengukur rata-rata kesalahan yang berasal dari kuantitas yang akan diestimasi. 1 n 2 MSE S S i 1 e n, di mana MSE = Mean Square Error N = banyaknya sample S = Sinyal baseline = Sinyal estimasi S e 2.6 Signal to Noise Ratio (SNR) [15] SNR (Signal to Noise Ratio) merupakan ukuran perbandingan daya antara sinyal dengan bising. Jika perbandingan sinyal dengan bising sama, maka daya sinyal dan daya bising yang dicampur adalah sama dan jika perbandingan antara sinyal dan bising yang didapatkan semakin kecil, maka dapat disimpulkan jika bising latar yang terjadi semakin besar. Secara matematis, SNR dapat dirumuskan dengan persamaan sebagai berikut 2 As SNR 10log [9] An, di mana : SNR = signal to noise ratio (db) A s = amplitudo sinyal sumber (m) = amplitudo sinyal background noise (m) A n Penambahan mode Smooth pada persamaan fungsi jarak Itakura-Saito NMF sebelumnya, karena nilai dari W dan H yang dihasilkan belum V untuk memberikan jarak yang minimal terhadap memenuhi syarat DV WH min. Permasalahan ini W, H 0 disebut dengan smoothness constraints. Untuk dapat
5 5 III. METODOLOGI PENELITIAN 3 BASELINE GITAR (SOLMISASI) 4 BASELINE GITAR (MUSIK 1) 5 BASELINE GITAR (MUSIK 2) 6 BASELINE BASS (KORD E) 7 BASELINE BASS (KORD D) 8 BASELINE BASS (SOLMISASI) 9 BASELINE BASS (MUSIK 1) 10 BASELINE BASS (MUSIK 2) 11 CAMPURAN CAMPURAN CAMPURAN CAMPURAN CAMPURAN Tabel 1. Urutan Proses Perekaman Data Proses terjadinya pencampuran sinyal antara sinyal asli yang ingin direkam dengan sinyal pencampur pada kanal rekam gitar dan bass, dapat dilihat pada diagram blok gambar 3.3 di bawah ini. Pada gambar diagram blok tersebut, dapat dilihat bahwa sinyal yang berasal dari amplifier gitar S 1 direkam pada kanal gitar A 11 setelah disensor oleh mikrofon kanal gitar Mic 1, tetapi yang tersensor oleh mikrofon kanal gitar tidak hanya sinyal yang bersumber dari amplifier gitar, karena terdapat juga sinyal yang bersumber dari amplifier bass S 2 yang tercampur melalui kanal A 12, karena terekam oleh Mic 1. Proses pencampuran tersebut menghasilkan sinya tercampur V 1. Gambar 3. Flowchart Penelitian 3.1 Proses Pengambilan Data (Live Recording) GITAR A 11 S1 A 12 + MIC 1 V1 Pada proses pengambilan data, jarak antara amplifier gitar dan bass adalah 50 cm. Sementara itu, sensor mic diletakkan 5 cm di depan masing - masing amplifier, sehingga bila diukur jarak antar mic adalh 138 cm. Peletakan mikrofon perlu diperhatikan untuk menghindari terjadinya spatial aliasing, sehingga dalam penelitian ini mikrofon diletakkan lurus di depan amplifier. Proses perekaman sinyal audio dari alat musik dilakukan dengan urutan sebagi berikut : DATA KE - SINYAL 1 BASELINE GITAR (KORD E) 2 BASELINE GITAR (KORD D) BASS S2 SUMBER BUNYI A 21 A 22 KANAL PENCAMPURAN + MIC 2 SENSOR Gambar 4. Diagaram Blok Proses Pencampuran Sinyal Sedangkan sinyal yang bersumber dari amplifier bass S 2 direkam pada kanal rekam A 22, V2
6 6 setelah disensor dengan menggunakan mikrofon amplifier bass Mic 2. Tetapi yang tersensor oleh mikrofon tersebut tidak hanya sinyal dari sumber S 2, tetapi juga sinyal yang bersumber dari amplifier gitar S 1 yang terekam pada kanal A 21. Proses pencampuran kedua sinyal tersebut pada mikrofon Mic 2 menghasilkan sinyal tercampur V Perhitungan SNR (Signal to Noise Ratio) Sesuai dengan persamaan untuk menghitung SNR (Signal to Noise Ratio), yaitu : 2 As SNR 10log An, di mana A s merupakan amplitudo sinyal sumber dan A n adalah amplitudo dari sinyal background noise. Untuk nilai SNR dari perbandingan sinyal baseline gitar dan sinyal background noise pada amplifier gitar, yaitu 47,4721 db. Nilai SNR dari perbandingan sinyal baseline bass dan sinyal background noise pada amplifier bass, yaitu 38,1110 db. Bila sinyal sumber yang digunakan dalam perbandingan merupakan hasil pencampuran dari bunyai gitar dan bass, maka nilai SNR dari perbandingan antara sinyal tercampur pada kanal gitar dengan sinyal background noise pada amplifier gitar adalah 41,5161 db. Nilai SNR dari perbandingan antara sinyal tercampur pada kanal bass dengan sinyal background noise pada amplifier bass adalah 26,4180 db. Gambar 5. Waveform Sinyal Baseline Gitar Gambar 6 di bawah ini merupakan waveform dan spektrogram sinyal tercampur pada kanal gitar. Sinyal tercampur ini terjadi karena adanya sinyal yang tidak diinginkan (noise) yang ikut terekam. IV. ANALISA DATA DAN PEMBAHASAN 4.1 Analisa Data Kanal Gitar (Kord E) Pada gambar 5 di bawah ini merupakan bentuk gelombang (waveform) dari sinyal baseline gitar yang dimainkan pada kord E. Kord E pada gitar ini dimulai dari nada terendah, yaitu pada oktaf ke-2. Bila dikalibrasi maka frekuensi yang dihasilkan adalah 82,407 Hz. Informasi lain yang bisa diperoleh dari gambar waveform ini, yaitu simpangan terjauh atau amplitudo yang dihasilkan adalah 0,2, karena memang sinyal yang dibangkitkan murni bersumber dari alat musik gitar. Gambar 6. Waveform dan Spektrogram Sinyal Tercampur pada Kanal Gitar
7 7 Noise yang terdapat pada kanal rekam ini bisa berasal dari alat musik lain, maupun background noise dari sistem atau amplifier. Dari waveform sinyal tercampur dapat dilihat bahwa telah terjadi peningkatan amplitudo yang diakibatkan oleh penumpukan daya spektral. dengan sinyal rekonstruksi, maka didapatkan nilai MSE sebesar 0, Kanal Bass (Kord E) Pada gambar 8 di bawah ini merupakan bentuk gelombang (waveform) dari sinyal baseline bass yang dimainkan pada kord E. Kord E pada bass ini dimulai dari nada terendah, yaitu pada oktaf ke- 1. Bila dikalibrasi maka frekuensi yang dihasilkan adalah 41,203 Hz. Informasi lain yang bisa diperoleh dari gambar waveform ini, yaitu simpangan terjauh atau amplitudo yang dihasilkan adalah 0,1, karena memang sinyal yang dibangkitkan murni bersumber dari alat musik bass. Gambar 8. Waveform Sinyal Baseline Bass Gambar 7. Waveform dan Spektrogram Sinyal Rekonstruksi Gitar Pada spektrogram dapat dilihat bahwa telah terjadi penumpukan frekuensi yang diakibatkan oleh adanya sinyal dari alat musik lain yang memiliki karakter frekuensi sama yang ikut terekam. Warna merah pada spektrogram merupakan frekuensi kerja dari sinyal yang sering muncul. Setelah dilakukan proses pemisahan dpat dilihat pada waveform gambar 7 bahwa telah terjadi penurunan nilai amplitudo dari 0,038 menjadi sekitar 0,013. Setelah dilakukan perhitungan nilai MSE (Mean Square Error) dengan cara membandingkan sinyal baseline
8 8 Gambar 9. Waveform dan Spektrogram Sinyal Tercampur pada Kanal Bass Gambar 9 di atas merupakan waveform dan spektrogram sinyal tercampur pada kanal bass. Sinyal tercampur ini terjadi karena adanya sinyal yang tidak diinginkan (noise) yang ikut terekam. Noise yang terdapat pada kanal rekam ini bisa berasal dari alat musik lain, maupun background noise dari sistem atau amplifier. Dari waveform sinyal tercampur dapat dilihat bahwa telah terjadi peningkatan amplitudo yang diakibatkan oleh penumpukan daya spektral. Pada spektrogram dapat dilihat bahwa telah terjadi penumpukan frekuensi yang diakibatkan oleh adanya sinyal dari alat musik lain yang memiliki karakter frekuensi sama yang ikut terekam. Warna merah pada spektrogram merupakan frekuensi kerja dari sinyal yang sering muncul. Gambar 10. Waveform dan Spektrogram Sinyal Rekonstruksi Bass Setelah dilakukan proses pemisahan dpat dilihat pada waveform gambar 10 bahwa telah terjadi penurunan nilai amplitudo dari 0,038 menjadi sekitar 0,003. Setelah dilakukan perhitungan nilai MSE (Mean Square Error) dengan cara membandingkan sinyal baseline dengan sinyal rekonstruksi, maka didapatkan nilai MSE sebesar 0, Kanal Gitar (Musik 2) Gambar 11. Waveform Sinyal Baseline Gitar
9 9 Gambar 13. Waveform dan Spektrogram Sinyal Rekonstruksi Gitar Kanal Bass (Musik 2) Gambar 12. Waveform dan Spektrogram Sinyal Tercampur pada Kanal Gitar Gambar 14. Waveform Sinyal Baseline Bass
10 10 Gambar 16. Waveform dan Spektrogram Sinyal Rekonstruksi Bass 4.2 Pembahasan Gambar 15. Waveform dan Spektrogram Sinyal Tercampur pada kanal Bass Setelah dilakukan pengambilan data dengan melakukan perekaman live pada kanal gitar dan bass untuk mengambil sinyal baseline dan sinyal campuran 2 alat musik, dilakukan proses pemisahan dengan metode Smooth Itakura-Saito NMF. Dari hasil pemisahan tersebut diperoleh sinyal rekonstruksi alat musik pada masing - masing kanal. Sinyal rekonstruksi tersebut dapat diamati dalam bentuk waveform dan spektrogram. Dilakukan juga hal yang sama ketika mengambil data dengan melakukan perubahan pada kord atau nada yang dimainkan, yaitu pada nada E, D, dan Solmisasi (do-re-mi-fa-sol-la-si-do). Lalu dilakukan juga perekaman dengan memainkan dua buah musik yang diambil pada durasi reff-nya saja. Lagu pertama berjudul Move Along dari The All American Rejects dan lagu kedua berjudul Face Down dari The Red Jumpsuit Apparatus. Untuk mengetahui seberapa besar selisih atau error dari sinyal rekonstruksi terhadap sinyal baseline-nya, maka dilakukan perhitungan MSE (Mean Square Error). Dan hasilnya dapat dilihat pada tabel di bawah ini.
11 11 KANAL CHORD IS-NMF GITAR BASS Smooth IS-NMF E D Solmisasi Musik Musik E D Solmisasi Musik Musik Tabel 2. Perbandingan Nilai MSE IS-NMF dan Smooth IS- NMF V. PENUTUP 5.1 Kesimpulan Berdasarkan penelitian yang telah dilakukan maka dapat diambil beberapa kesimpulan sebagi berikut: 1. Metode Smooth Itakura-Saito NMF dapat diterapkan pada proses pemisahan sinyal audio tercampur multi-sumber multi-kanal. 2. Metode Smooth Itakura-Saito NMF dapat diterapkan pada alat musik dengan frekuensi kerja Hz, dalam hal ini gitar dan bass 3. Setelah dilakukan perhitungan nilai MSE pada alat musik gitar, Metode Smooth IS- NMF memiliki nilai MSE lebih tinggi 0,15668 daripada IS-NMF yang bernilai 0, Saran 4. Setelah dilakukan perhitungan nilai MSE pada alat musik bass, Metode Smooth IS- NMF memiliki nilai MSE lebih tinggi 0,1732 daripada IS-NMF yang bernilai 0, Dari perbandingan nilai MSE pada poin 3 dan 4, maka dapat disimpulkan bahwa Metode Itakura-Saito NMF tanpa menggunakan mode Smooth memiliki hasil pemisahan yang lebih baik dibandingkan dengan menggunakan mode Smooth, pada pemisahan sinyal audio tercampur dari perekaman musik hidup multi-sumber multi-kanal. Dari kesimpulan penelitian maka saran yang dapat diberikan sehubungan dengan hasil penelitian ini adalah: 1. Sebaiknya dilakukan pengkajian ulang terhadap algoritma Smooth Itakura-Saito NMF, dengan tujuan agar nilai MSE (mean square error) bisa lebih diperkecil lagi, sehingga performa hasil pemisahan meningkat. 2. Sebaiknya dilakukan juga pemisahan sinyal audio tercampur dengan metode Blind Source Separation lain, seperti Independent Component Analysis (ICA), Algoritma DUET (Degenerate Unmixing Estimation Technique), Algoritma JADE (Joint Approximate Diagonaliztion of Eigenmatrices), CASA (Computational Auditory Scene Analysis), dll. 3. Dapat dilakukan pemisahan sinyal audio tercampur dari live music recording multisumber multi-kanal dengan melibatkan lebih banyak alat musik lagi, misal pada skala konser. 4. Proses pemisahan sinyal audio tercampur diharapkan dapat dijadikan sebagai metode alternatif untuk deteksi kerusakan atau cacat nada (tone) pada alat musik. VI. DAFTAR PUSTAKA [1] Microphone Techniques for Drums, A SHURE Educational Publication, SHURE Incorporated, 2004.
12 12 [2] A. A. Wiratno, Fisbang_Noise_Control.ppt, Lab. Rekayasa Akustik & Fisika Bangunan, Teknik Fisika ITS. [3] A. A. Wiratno, Fisbang_Noise_Control_2.ppt, Lab. Rekayasa Akustik & Fisika Bangunan, Teknik Fisika ITS. [4] [5] Douglas, SC., 2001, Microphone Array Technique and Application: BSS of Acoustic Signal, (Bredstein-D.Ware, Eds.), Berlin: Springer Inc. [6] Newland, D.E., 2005, An Introduction to Random Vibrations, Spectral and Wavelet Analysis, Dover Publishing Co., New York, [7] Anda, AR, Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik, Tugas Akhir, ITS, [8] Tris Atmaja, Bagus., Pemisahan Banyak Sumber Suara Mesin Dari Microphone Array Dengan Metode Independent Componen Analysis (ICA) Untuk Deteksi Kerusakan, Tugas Akhir, ITS, [9] Alan H. S. Chan, Sio-Iong Ao (2008). Advances in industrial engineering and operations research. Springer. [10] A. Banerjee et al. (2004). "Clustering with Bregman Divergences". In Michael W. Berry, Umeshwar Dayal, Chandrika Kamath, and David Skillicorn. Proceedings of the Fourth SIAM International Conference on Data Mining. [16] Skripsi [17] L. Benaroya, R. Gribonval, and F. Bimbot. Nonnegative Sparse Representation for Wiener based Source Separation with A Single Sensor, In proceeding IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 03), pages Hong Kong, [18] M. W. Berry, M. Brownc, A. N. Langville, V. P. Pauca, and R. J. Plemmons. Algorithms and Applications for Approximate Nonnegative Matrix Factorization. Computational Statistics & Data Analysis, 52(1): , September [19] N. Bertin, R. Badeau, and G. Richard. Blind Signal Decompositions for Automatic Transcription of Polyphonic Music. NMF and K-SVD on the benchmark. In proceeding In proceeding IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 07), Honolulu, Hawaii, USA, [20] Seltzer, ML., Mitchel, L Microphone Array Processing for Robust Speech Recognition. PhD Thesis,Carnegie Mellon University, [21] C. Fevotte, Majorization - Minimization Algorithm For Smooth Itakura-Saito Nonnegative Matrix Factorization. CNRS ; LTCI; Telecom ParisTech, Paris, France. BIODATA PENULIS [11] D. D. Lee and H. S. Seung, Learning The Parts of Objects with Nonnegative Matrix Factorization, Nature, vol. 401, [12] P. Smaragdis and J.C. Brown, Nonnegative Matrix Factorization for Polyphonic Music Transcription, in IEEE Workshop on Application of Signal Processing to Audio and Acoustics (WASPAA 03), Oct [13] T. Virtanen, Monaural Sound Source Separation by Nonnegative Matrix Factorization with Temporal Continuity and Sparseness Criteria, IEEE Trans. Audio, Speech, and Language Processing, vol.15, no.3, Mar [14] [15] Girdhar, Paresh., 2004, Practical Machinery Vibration Analysis and Predictive Maintenance, Oxford, Newnes Inc. Nama : Bramara D. Alamat : Jl. Teh no.12 PT. Petrokimia Gresik TTL : Gresik, 12 Januari 1989 Agama : Hindu Riwayat Pendidikan : SDN Sidokumpul 2 Gresik ( ) SMP Negeri 1 Gresik ( ) SMA Negeri 1 Gresik ( ) Teknik Fisika ITS ( ) Bidang Minat : Rekayasa Akustik dan Fisika Bangunan
BRAMARA D Dosen Pembimbing I : NIP Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP
BRAMARA D. 2407.100.009 Dosen Pembimbing I : Dr. Dhany Arifianto, ST, M.Eng. NIP. 19731007 199802 1 001 Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP. 19790517 200312 1 002 Judul Tugas Akhir : PEMISAHAN
Lebih terperinciIDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE
IDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE SEPTIAN FIRMANDA 2406100065 DOSEN PEMBIMBING Dr.Dhany Arifianto,ST., M.Eng JURUSAN
Lebih terperinciSEMINAR TUGAS AKHIR Laboratorium Akustik Dan Fisika Bangunan
SEMINAR TUGAS AKHIR Laboratorium Akustik Dan Fisika Bangunan MONITORING PERFORMANSI MESIN BERPUTAR MELALUI PENERAPAN BLIND SOURCE SEPARATION (BSS) DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP) Oleh Risqi
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION
PEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION Sherly Sabaraya, Dhany Arifianto Jurusan Teknik Fisika-Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciDAFTAR PUSTAKA Natural Gradient Works Efficiently in Learning. Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik
DAFTAR PUSTAKA [1] Amari, S. 1997. Natural Gradient Works Efficiently in Learning. Saitama: RIKEN, Japan. [2] Anda, A R. 2006. Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Musik saat ini tengah menjadi trend setter yang banyak digemari masyarakat. Terbukti dari menjamurnya program-program mengenai musik di media massa dan besarnya antusiasme
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: D-33
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 23019271 D33 Penentuan Posisi Sumber Bising Pada Area Turbine Geared Compressor Set Di PT. Gresik Power Indonesia (The Linde Group) Dengan Beamforming Hade
Lebih terperinciKombinasi Metode Independent Component Analysis (ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Kombinasi Metode Independent Component Analysis (ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air Mandala Anugerahwan Firstanto, Wirawan, Endang
Lebih terperinciKombinasi Metode Independent ComponentAnalysis(ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air
JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) A-300 Kombinasi Metode Independent ComponentAnalysis(ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air Mandala Anugerahwan
Lebih terperinciPENERAPAN INDEPENDENT COMPONENT ANALYSIS (ICA)UNTUK PEMISAHAN SINYAL SUARA MESIN BERPUTAR DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP)
1 PENERAPAN INDEPENDENT COMPONENT ANALYSIS (ICA)UNTUK PEMISAHAN SINYAL SUARA MESIN BERPUTAR DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP) Dian Nur Hayati, Dhany Arifianto Jurusan Teknik Fisika Fakultas
Lebih terperinciBAB 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 terperinciPEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION OF SOURCE (BSS)
TUGAS AKHIR TE 091399 PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION OF SOURCE (BSS) WAHYU INDRA PURNAMA SARI NRP 2207100064 Dosen Pembimbing Dr. Ir. Wirawan, DEA Ir. Endang Widjiati
Lebih terperinciBAB 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 terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
PRESENTASI TUGAS AKHIR Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi 228175 Dosen Pembimbing Dr. Ir Wirawan, DEA. Ir. Endang Widjiati,
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) UNTUK DETEKSI KERUSAKAN
PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) UNTUK DETEKSI KERUSAKAN B.T. Atmaja, A.S. Aisyah, dan D. Arifianto Jurusan Teknik Fisika, Fakultas Teknologi Industri,
Lebih terperinciAnalisis Getaran Struktur Mekanik pada Mesin Berputar untuk Memprediksi Kerusakan Akibat Kondisi Unbalance Sistem Poros Rotor
Seminar Nasional Maritim, Sains, dan Teknologi Terapan 2016 Vol. 01 Politeknik Perkapalan Negeri Surabaya, 21 November 2016 ISSN: 2548-1509 Analisis Getaran Struktur Mekanik pada Mesin Berputar untuk Memprediksi
Lebih terperinciPERTEMUAN 2 A. Tujuan 1. Standar Kompetensi : Mengoperasi kan Pekerjaan Peralatan Audio 2. Kompetensi Dasar : Mengoperasi
PERTEMUAN 2 A. Tujuan 1. Standar Kompetensi : Mengoperasikan Pekerjaan Peralatan Audio 2. Kompetensi Dasar : Mengoperasikan Peralatan Elektronik Audio B. Pokok Bahasan : Pembacaan Buku Manual C. Sub Pokok
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI BISING AKTIF PADA DSK TMS320C6713 MENGGUNAKAN ALGORITMA ADJOINT-LMS. Muhammad Rizki Anggia
PERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI BISING AKTIF PADA DSK TMS320C6713 MENGGUNAKAN ALGORITMA ADJOINT-LMS Muhammad Rizki Anggia Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam melakukan diagnosa terhadap sistem pernapasan seseorang, praktisi kesehatan atau dokter menggunakan suatu alat yang dinamakan stetoskop. Dengan stetoskop, praktisi
Lebih terperinciPeningkatan Kualitas Sinyal Suara (Speech Intelligibility) Berbahasa Indonesia pada Cochlear Implant
1 Peningkatan Kualitas Sinyal Suara (Speech Intelligibility) Berbahasa Indonesia pada Cochlear Implant Nuryani, Dhany Arifianto Jurusan Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciPenentuan Arah Sumber Suara dengan Metode Interaural Time Difference menggunakan Mikrokontoler STM32F4
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-771 Penentuan Arah Sumber Suara dengan Metode Interaural Time Difference menggunakan Mikrokontoler STM32F4 Mohamad Asfari dan
Lebih terperinciBAB 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 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 terperinciPEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION ABSTRAK
PEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION Berkat Willmart Telaumbanua / 0322055 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciPENENTUAN LOKASI SUMBER
PENENTUAN LOKASI SUMBER DENGAN MENGGUNAKAN HYDROPHONE TUNGGAL Annisa Firasanti 2207100159 Dosen Pembimbing: Dr. Ir. Wirawan, DEA Ir. Endang Widjiati, M.Eng.Sc LATAR BELAKANG Potensi perairan Indonesia
Lebih terperinciAdaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks
Adaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks Redi Kuncoro Katri 1,*, Gelar Budiman 1, Ledya Novamizanti 1 1 Universitas Telkom, Fakultas Teknik Elektro
Lebih 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 terperinciPengukuran Getaran Dengan Vibrometer Dan Akustik Pada Mesin Pendorong Pokok (MPK) KRI Pulau Rupat-712 Di Komando Armada RI Kawasan Timur Surabaya
JURNAL TEKNIK POMITS Vol., No., () -6 Pengukuran Getaran Dengan Vibrometer Dan Akustik Pada Mesin Pendorong Pokok (MPK) KRI Pulau Rupat-7 Di Komando Armada RI Kawasan Timur Surabaya Elok Yudishtyra Arista,
Lebih terperinciBAB 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 terperinciAPLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER
APLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER Leo Willyanto Santoso 1, Resmana Lim 2, Rony Sulistio 3 1, 3 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciPERANCANGAN SISTEM MONITORING KERUSAKAN MESIN DENGAN PEMISAHAN BANYAK SUMBER SUARA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA)
PERANCANGAN SISTEM MONITORING KERUSAKAN MESIN DENGAN PEMISAHAN BANYAK SUMBER SUARA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) Design of Machines Fault Monitoring With Sound Separation Using Independent
Lebih terperinciANALISIS PENGURANGAN DERAU PADA SINYAL LOUDSPEAKER MENGGUNAKAN FILTER ADAPTIF KALMAN
SINGUDA ENSIKOM VOL. 6 NO.3 /Maret 4 ANALISIS PENGUANGAN DEAU PADA SINYAL LOUDSPEAKE MENGGUNAKAN FILTE ADAPTIF KALMAN Fitriani Christhien Simbolon, Arman Sani Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciEKSTRAKSI FITUR SINYAL ELEKTROENSEFALOGRAF (EEG) UNTUK IDENTIFIKASI UNSPOKEN-SPEECH MENGGUNAKAN EEGLAB
EKSTRAKSI FITUR SINYAL ELEKTROENSEFALOGRAF (EEG) UNTUK IDENTIFIKASI UNSPOKEN-SPEECH MENGGUNAKAN EEGLAB Pembimbing : Ir. Syamsul Arifin, MT. Andi Rahmadiansah, ST. MT. oleh : Bagas Isadewa 2406100077 Teknik
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 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 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 terperinciKompresi Audio Secara Terdistribusi Pada Microphone Array
Kompresi Audio Secara Terdistribusi Pada Microphone Array Retnawati, Wirawan, Endang Widjiati Jurusan Teknik Elektro FTI Institut Teknologi Sepuluh November Abstrak Kompresi suara telah banyak dipakai
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
JURNAL TEKNIK POMITS Vol. 2, No. 2, (213) ISSN: 2337-3539 (231-9271 Print) A-288 Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi, Wirawan,
Lebih terperinciBAB II KAJIANPUSTAKA
BAB II KAJIANPUSTAKA 2.1 Klasifikasi Klasifikasi adalah proses pengelompokan data menjadi suatu kelas berdasarkan kesamaan karakteristik pada data data yang ada. Ada 2 jenis metode yang dapat digunakan
Lebih terperinciDeteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor
Deteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor Regha Julian Pradhana 1,*, Bambang Hidayat 1, Ratri Dwi Atmaja 1 1 Fakultas Teknik Elektro, Universitas
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. PENDAHULUAN. musik dari berbagai belahan dunia dapat kita dengar dengan mudahnya setiap hari.
1 I. PENDAHULUAN 1.1. Latar Belakang Perkembangan musik di Indonesia saat ini semakin pesat. Hampir semua genre musik dari berbagai belahan dunia dapat kita dengar dengan mudahnya setiap hari. Baik musisi
Lebih terperinciSistem Pencari Lokasi Sumber Manusia Menggunakan Metode ITD
Sistem Pencari Lokasi Sumber Manusia Menggunakan Metode ITD M. Afridon 1, Khairudinsyah 2 Politeknik Negeri Bengkalis Jl. Bathin Alam Sei. Alam, (0766) 7008877 e-mail: mohd_afridon@yahoo.co.id Abstrak
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 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 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 terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS Ambrosius Jonathan / 0222202 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciPengaruh Penambahan Bahan Redam pada Kebocoran Alat Ukur Daya Isolasi Bahan
JURNAL FISIKA DAN APLIKASINYA VOLUME 9, NOMOR 2 JUNI 2013 Pengaruh Penambahan Bahan Redam pada Kebocoran Alat Ukur Daya Isolasi Bahan Didiek Basuki Rahmat, Alpha Hambally Armen, dan Gontjang Prajitno Jurusan
Lebih terperinciPEMBUATAN ALAT UKUR DAYA ISOLASI BAHAN
PEMBUATAN ALAT UKUR DAYA ISOLASI BAHAN Ferdy Ansarullah 1), Lila Yuwana, M.Si 2) Dra. Lea Prasetio, M.Sc 3) Jurusan Fisika Fakultas Metematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
Lebih terperinciABSTRACT. Nowadays, speech coding technology that encode speech with a minimum
ABSTRACT Nowadays, speech coding technology that encode speech with a minimum number of bits while maintaining its quality is very required. This final project uses Multi Band Excitation (MBE) to encode
Lebih terperinciBAB II LANDASAN TEORI. dapat diterima,diperkuat, serta direkam (Amrullah, 2012). Suara-suara ini
BAB II LANDASAN TEORI 2.1 Phonocardiogram Phonocardiogram adalah teknik dalam penelusuran suara jantung dan pencatatan getaran akustik jantung melalui suatu transduser mikrofon yang akan direkam dan ditampilkan
Lebih terperinciBAB 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 terperinciProsiding Seminar Nasional Manajemen Teknologi XVIII Program Studi MMT-ITS, Surabaya 27 Juli 2013
MENDETEKSI DAN MELOKALISASI SUATU SUMBER SINYAL DENGAN METODE ESTIMASI DIRECTION-OF-ARRIVAL (DOA) DENGAN MENGGUNAKAN ALGORITMA MULTIPLE SIGNAL CLASSIFICATION (MUSIC) Estevao da Costa Guimaraes Electrical
Lebih terperinciDESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT
DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT Mayo Ama Kella Loing, Koredianto Usman, Rita Magdalena Institut Teknologi
Lebih terperinciPengukuran Transmission Loss (TL) dan Sound Transmission Class (STC) pada Suatu Sampel Uji
LABORATORIUM AKUSTIK (11154) PRAKTIKUM FISIKA LABORATORIUM 17 1 Pengukuran Transmission Loss (TL) dan Sound Transmission Class () pada Suatu Sampel Uji Mohammad Istajarul Alim, Maslahah, Diky Anggoro Departemen
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 terperinciPEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION of SOURCE (BSS)
PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION of SOURCE (BSS) Wahyu Indra Purnama Sari 1), Dr. Ir. Wirawan, DEA 2), Ir. Endang Widjiati M.Eng.Sc. 3) 1) 2) 3) Jurusan Teknik Elektro
Lebih terperinciLOGO IMPLEMENTASI MODULASI DAN DEMODULASI M-ARY QAM PADA DSK TMS320C6416T
IMPLEMENTASI MODULASI DAN DEMODULASI M-ARY QAM PADA DSK TMS320C6416T 2210106006 ANGGA YUDA PRASETYA Pembimbing 1 Pembimbing 2 : Dr. Ir. Suwadi, MT : Ir. Titik Suryani, MT Latar Belakang 1 2 Perkembangan
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 terperinciTEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA
TEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA Teuku Reza Auliandra Isma Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: reza.auliandra@gmail.com
Lebih terperinciPERANCANGAN 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 terperinciSIMULASI 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 terperinciEVALUASI SUBYEKTIF EMISI AKUSTIK MESIN BERPUTAR OLEH OPERATOR MESIN KRI PULAU RUPAT-712 DI KOMANDO ARMADA RI KAWASAN TIMUR SURABAYA
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 EVALUASI SUBYEKTIF EMISI AKUSTIK MESIN BERPUTAR OLEH OPERATOR MESIN KRI PULAU RUPAT-712 DI KOMANDO ARMADA RI KAWASAN TIMUR SURABAYA Dhenok Ayu Setianingsih,
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 terperinciHubungan 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 terperinciBUKU RANCANGAN PEMBELAJARAN
BUKU RANCANGAN PEMBELAJARAN Mata Kuliah Machine Learning oleh Dr. rer. nat. Hendri Murfi Program Studi Magister Matematika Departemen Matematika - FMIPA Universitas Indonesia 2013 DAFTAR ISI DAFTAR ISI
Lebih terperinciMatrix Factorization. Machine Learning
MMA10991 Topik Khusus - Machine Learning Matrix Factorization Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 05.11.13 1 Telp.
Lebih terperinciPerancangan MMSE Equalizer dengan Modulasi QAM Berbasis Perangkat Lunak
Perancangan MMSE Equalizer dengan Modulasi QAM Berbasis Perangkat Lunak Winda Aulia Dewi 1, Yoedy moegiharto 2, 1 Mahasiswa Jurusan Teknik Telekomunikasi, 2 Dosen Jurusan Teknik Telekomunikasi Politeknik
Lebih terperinciGambar 3.1 Peta lintasan akuisisi data seismik Perairan Alor
BAB III METODE PENELITIAN Pada penelitian ini dibahas mengenai proses pengolahan data seismik dengan menggunakan perangkat lunak ProMAX 2D sehingga diperoleh penampang seismik yang merepresentasikan penampang
Lebih terperinciBAB I Pendahuluan 1 BAB I PENDAHULUAN
BAB I Pendahuluan 1 1.1 Latar Belakang BAB I PENDAHULUAN Reverberasi adalah noise akustik yang muncul pada ruangan tertutup berupa kumpulan pantulan dan difraksi suara oleh dinding dan obyek yang terdapat
Lebih terperinciPengujian Sifat Anechoic untuk Kelayakan Pengukuran Perambatan Bunyi Bawah Air pada Akuarium
JURNAL TEKNIK POMITS Vol., No. 1, (13) ISSN: 31-971 D-7 Pengujian Sifat Anechoic untuk Kelayakan Pengukuran Perambatan Bunyi Bawah Air pada Akuarium Indan Pratiwi, Wiratno Argo Asmoro, dan Dhany Arifianto
Lebih terperinciNama : Beni Kusuma Atmaja NIM : Kelas : 02 Topik : Ruang Konser
Nama : Beni Kusuma Atmaja NIM : 13307080 Kelas : 02 Topik : Ruang Konser Gedung Konser adalah bangunan yang digunakan untuk menyelenggarakan kegiatan konser musik. Gedung konser adalah hasil inovasi arsitektur
Lebih terperinciIDENTIFIKASI KANAL FIR SECARA BUTA UNTUK SISTEM DUA-MASUKAN-DUA-KELUARAN PADA DOMAIN FREKUENSI MENGGUNAKAN STATISTIK ORDE DUA ABSTRAK
IDENTIFIKASI KANAL FIR SECARA BUTA UNTUK SISTEM DUA-MASUKAN-DUA-KELUARAN PADA DOMAIN FREKUENSI MENGGUNAKAN STATISTIK ORDE DUA Sempurna keliat / 0122171 Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof.
Lebih terperinciANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA GODARD
ANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA GODARD Butet Nata M Simamora, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciAspek Desain Akustik pada Sound Stage Studio, Scoring Stage Studio, dan Foley Stage Studio
Aspek Desain Akustik pada Sound Stage Studio, Scoring Stage Studio, dan Foley Stage Studio Berikut adalah contoh contoh studio recording suara untuk mendukung produksi film. A. Desain Akustik pada Sound
Lebih terperinciKata kunci: Transmission Loss
RANCANG BANGUN RUANG PENGUKURAN TRANSMISSION LOSS MINI DI JURUSAN TEKNIK FISIKA ITS M. Bayu Lazuardy T., dan Andi Rahmadiansah ST, MT. Jurusan Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi
Lebih terperinciPENGARUH JUMLAH CELAH PERMUKAAN BAHAN KAYU LAPIS (PLYWOOD) TERHADAP KOEFISIEN ABSORPSI BUNYI DAN IMPEDANSI AKUSTIK
PENGARUH JUMLAH CELAH PERMUKAAN BAHAN KAYU LAPIS (PLYWOOD) TERHADAP KOEFISIEN ABSORPSI BUNYI DAN IMPEDANSI AKUSTIK Ade Oktavia, Elvaswer Jurusan Fisika FMIPA Universitas Andalas Kampus Unand, Limau Manis,
Lebih terperinciAnalisa 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 terperinciEVALUASI UNJUK KERJA MICROPHONE ARRAY MENGGUNAKAN METODE TIME-FREQUENCY INDEPENDENT COMPONENT ANALYSIS
TUGAS AKHIR-TF 091381 EVALUASI UNJUK KERJA MICROPHONE ARRAY MENGGUNAKAN METODE TIME-FREQUENCY INDEPENDENT COMPONENT ANALYSIS RIZKA WAHYU NOVITASARI NRP 2412 105 025 Dosen Pembimbing Dr.Dhany Arifianto,
Lebih terperinciKOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4
KOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4 Disusun Oleh : Nama : Michael Darmawan Nrp : 0322130 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria Sumantri,
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 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 terperinciyaitu dalam ketepatan pengenalan pola berdasarkan kelas untuk menampilkan genre.
16 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berkembangnya teknologi komunikasi berbasis digital, masyarakat membutuhkan lagu-lagu yang telah dibuat dalam bentuk digital. Musik digital
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam metode penelitian ini dijelaskan bagaimana proses pendeteksian kebohongan menggunakan metode SVM untuk sinyal EEG. Metode penelitian dapat dilihat
Lebih terperinciOPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG
OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG Oleh : Ellys Kumala P (1107100040) Dosen Pembimbing Dr. Melania Suweni Muntini, MT JURUSAN
Lebih terperinciOPTIMASI AUDIO WATERMARKING BERBASIS DISCRETE COSINE TRANSFORM DENGAN TEKNIK SINGULAR VALUE DECOMPOSITON MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI AUDIO WATERMARKING BERBASIS DISCRETE COSINE TRANSFORM DENGAN TEKNIK SINGULAR VALUE DECOMPOSITON MENGGUNAKAN ALGORITMA GENETIKA Beatrix Sitompul 1), Fadliana Raekania 2) ), Gelar Budiman 3) 1),2),3)
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
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 terperinciMETODE FAIR-SHARE AMOUNT UNTUK KOMPRESI MENGGUNAKAN KUANTISASI VEKTOR PADA BASIS DATACITRA GRAY LEVEL SEMBARANG DENGAN DERAJAT KEABUAN
METODE FAIR-SHARE AMOUNT UNTUK KOMPRESI MENGGUNAKAN KUANTISASI VEKTOR PADA BASIS DATACITRA GRAY LEVEL SEMBARANG DENGAN DERAJAT KEABUAN Febriliyan Samopa Program Studi Sistem Informasi, Fakultas Teknologi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan suatu cara berpikir yang di mulai dari menentukan suatu permasalahan, pengumpulan data baik dari buku-buku panduan maupun studi lapangan, melakukan
Lebih terperinciBAB I PENDAHULUAN. penting. Notasi musik merupakan media agar hasil karya musik seseorang
1 BAB I PENDAHULUAN A. Latar Belakang Dalam dunia seni musik, notasi merupakan salah satu komponen yang penting. Notasi musik merupakan media agar hasil karya musik seseorang dapat dimainkan kembali. Lagu-lagu
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciDETEKSI ARAH KEDATANGAN SINYAL PADA ANTENA ARRAY KUBUS DENGAN MENGGUNAKAN ALGORITMA MUSIC
ETEKSI ARA KEATANGAN SINYAL PAA ANTENA ARRAY KUUS ENGAN MENGGUNAKAN ALGORITMA MUSIC Muhammad Syahroni Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jln..Aceh Medan Km.280 uketrata 24301 INONESIA
Lebih terperinciPerancangan Zero Forcing Equalizer dengan modulasi QAM berbasis perangkat lunak
Perancangan Zero Forcing Equalizer dengan modulasi QAM berbasis perangkat lunak Akhmad Zainul Khasin, Yoedy Moegiharto, Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi Laboratorium
Lebih terperinciSUBJECTIVE AND OBJECTIVE MEASURE ON SPEECH INTELLIGIBILITY BY RELEASE OF MASKING PHENOMENON
SUBJECTIVE AND OBJECTIVE MEASURE ON SPEECH INTELLIGIBILITY BY RELEASE OF MASKING PHENOMENON Oleh: ANINTYO ADI NUGROHO NRP. 2406 100 039 JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI
Lebih terperinciALGORITMA TDOA UNTUK PENGUKUR JARAK ROKET MENGGUNAKAN TEKNOLOGI UHF
ALGORITMA TDOA UNTUK PENGUKUR JARAK ROKET MENGGUNAKAN TEKNOLOGI UHF Haris Setyawan 1*, Wahyu Widada 2 1 Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Yogyakarta Jalan Lingkar Selatan Tamantirto
Lebih terperinciKOMPRESI DAN PENGENALAN CITRA WAJAH DENGAN PENDEKATAN NON-NEGATIVE MATRIX FACTORIZATION
KOMPRESI DAN PENGENALAN CITRA WAJAH DENGAN PENDEKATAN NON-NEGATIVE MATRIX FACTORIZATION Christianto Mewlando Binus University, Jakarta, DKI Jakarta, Indonesia Fictor Benny Kurniawan Usodo Binus University,
Lebih terperinciBAB 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 terperinciSeminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016
IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM DAN MEAN SQUARE PERCENTAGE ERROR UNTUK MENGHITUNG PERUBAHAN SPEKTRUM SUARA SETELAH MENGGUNAKAN FILTER PRE-EMPHASIS Fitri Mintarsih 1, Rizal Bahaweres 2, Ricky
Lebih terperinci