UNIVERSITAS INDONESIA SIMULASI PENGENALAN CHORD TERISOLASI BERBASISKAN SPEAKER DEPENDENT DENGAN METODE HIDDEN MARKOV MODEL SKRIPSI

Transkripsi

1 UNIVERSITAS INDONESIA SIMULASI PENGENALAN CHORD TERISOLASI BERBASISKAN SPEAKER DEPENDENT DENGAN METODE HIDDEN MARKOV MODEL SKRIPSI Diajukan untuk melengkapi sebagian persyaratan menjadi sarjana teknik DAVIT WASTY SIJABAT FAKULTAS TEKNIK PROGRAM SARJANA TEKNIK ELEKTRO DEPOK DESEMBER 2009

2 HALAMAN PERNYATAAN ORISINALITAS Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang dikutip maupun dirujuk telah saya nyatakan dengan benar. Nama : Davit Wasty Sijabat NPM : Tanda Tangan : Tanggal : Desember 2009 ii

3 HALAMAN PENGESAHAN Skripsi ini diajukan oleh : Nama : Davit Wasty Sijabat NPM : Program Studi : Teknik Elektro Judul Skripsi : Simulasi Pengenalan Chord Terisolasi Berbasiskan Speaker Dependent dengan Metode Hidden Markov Model Telah berhasil dipertahankan di hadapan Dewan Penguji dan diterima sebagai bagian persyaratan yang diperlukan untuk memperoleh gelar Sarjana Teknik pada Program Studi Teknik Elektro Fakultas Teknik DEWAN PENGUJI Pembimbing : Prof. Dr. Ir. Dadang Gunawan M.Eng (...) Penguji : Dr. Ir. Arman Djohan Diponegoro (...) Penguji : Filbert Hilman Juwono, S.T, M.T (...) Ditetapkan di : Depok Tanggal : Desember 2009 iii

4 KATA PENGANTAR Puji syukur penulis panjatkan kepada Allah Yang Maha Kuasa, karena atas berkat dan rahmat-nya, penulis dapat menyelesaikan skripsi ini. Penulisan skripsi ini dilakukan dalam rangka memenuhi salah satu syarat untuk mencapai gelar Sarjana Teknik Jurusan Teknik Elektro pada Fakultas Teknik. Penulis menyadari bahwa, tanpa bantuan dan bimbingan dari berbagai pihak, dari masa perkuliahan sampai pada penyusunan skripsi ini, sangatlah sulit bagi penulis untuk menyelesaikan skripsi ini. Oleh karena itu, penulis mengucapkan terima kasih kepada: 1. Prof. Dr. Ir. Dadang Gunawan M.Eng selaku pembimbing yang telah menyediakan waktu, tenaga, dan pikiran untuk mengarahkan penulis dalam penyusunan skripsi ini; 2. Orang tua dan keluarga penulis yang telah memberikan bantuan dukungan material dan moral; 3. Indrabayu, mahasiswa program S3 atas saran-sarannya dalam memperbaiki simulasi skripsi ini; 4. Teman-teman elektro 2005, secara khusus Rizky yang telah banyak membantu penulis dalam menyelesaikan skripsi ini. Akhir kata, penulis berharap Tuhan Yang Maha Esa berkenan membalas segala kebaikan semua pihak yang telah membantu. Semoga skripsi ini membawa manfaat bagi pengembangan ilmu. Depok, Desember 2009 Penulis iv

5 ABSTRAK Nama Program Studi Judul : Davit Wasty Sijabat : Teknik Elektro : Simulasi Pengenalan Chord Terisolasi Berbasiskan Speaker Dependent dengan Metode Hidden Markov Model Dalam proses pengarsipan musik dijital, dilakukan penyimpanan sejumlah informasi nada yang terkandung di dalamnya, contohnya chord. Chord merupakan salah satu atribut penting dalam musik yang nantinya akan mempengaruhi harmoni dan melodi suatu musik. Oleh karena itu, dalam menganalisis keseluruhan struktur harmoni dari sebuah bagian musik sering dimulai dengan melabelkan setiap chord pada bagian musik tersebut. Skripsi ini mensimulasikan pengenalan chord terisolasi dengan metode HMM. Prosesnya meliputi pelatihan dan pengenalan. Tahap pelatihan antara lain melabelkan chord, membuat codebook, dan memodelkan HMM. Proses pengenalan chord mengacu pada nilai yang mendekati probabilitas database yang telah dibuat. Berdasarkan hasil variasi beberapa bobot codebook dan repetisi, maka akurasi sistem paling optimal bernilai 98,33%, yaitu kombinasi bobot codebook 128 dan repetisi 20. Kata kunci : chord, label, codebook, database, repetisi, probabilitas, HMM. v

6 ABSTRACT Name Study Program Title : Davit Wasty Sijabat : Electrical Engineering : Simulation of Isolated Chord Recognition Based on Speaker Dependent with Hidden Markov Model Setting databases of digital music - there are much information of tones saved, for example chords. Chord is one of the most important part of music that build the harmonic structure and its melody. Hence, analyzing the overall harmonic structure of musical piece often starts with labelling every chord at the part of music being analyzed. This minithesis had simulated isolated chord recognition with HMM method. There are two main processes : training and recognition. Training consists of labelling every chord, making codebook, and modelling HMM parameters. The recognition value reference on the probability value that approach database had been made. Based on the simulation with variation combined both codebook and repetion, thus the optimum value of this system is 98,33% that both combination codebook 128 and repetion 20. Keywords : chord, label, codebook, database, repetion, probability, HMM. vi

7 HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS Sebagai sivitas akademik, saya yang bertanda tangan di bawah ini: Nama : Davit Wasty Sijabat NPM : Program studi : S1 Reguler Teknik Elektro Fakultas : Teknik Jenis karya : Skripsi demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Hak Bebas Royalti Noneksklusif (Nonexclusive Royalty-Free Right) atas skripsi saya yang berjudul : Simulasi Pengenalan Chord Terisolasi Berbasiskan Speaker Dependent dengan Metode Hidden Markov Model beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Noneksklusif ini berhak menyimpan, mengalih-mediakan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta. Demikian pernyataan ini saya buat dengan sebenarnya. Dibuat di : Depok Pada tanggal : Desember 2009 Yang menyatakan (.) vii

8 DAFTAR ISI HALAMAN JUDUL... i HALAMAN PERNYATAAN ORISINALITAS... ii HALAMAN PENGESAHAN... iii KATA PENGANTAR... iv ABSTRAK... v ABSTRACT... vi HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS... vii DAFTAR ISI... viii DAFTAR TABEL... x DAFTAR GAMBAR... xi DAFTAR SINGKATAN... xii BAB 1 PENDAHULUAN Latar Belakang Tujuan Penelitian Batasan Masalah Metode Penelitian Sistematika Penulisan... 3 BAB 2 MUSIK DAN DASAR-DASAR PENGOLAHAN SINYAL SUARA Dasar Teori Musik Tangga Nada Kromatik Tangga Nada Mayor Interval Pasangan Chord Speech Recognition Tipe-tipe Speech Recognition Isolated Speech Recognition Continuous Speech Recognition viii

9 Speaker Dependent Speaker Independent Proses-Proses Dalam Sistem Pengenalan Suara Chord Sampling Ekstraksi Fitur Frame Blocking Windowing Discrete dan Fast Fourier Trasform Mel Frequency Warping Cepstrum Kuantisasi Vektor Hidden Markov Model BAB 3 DISAIN SIMULASI Pembuatan Database dan Proses Pembelajaran Tahap Pelabelan Pembuatan Codebook Pembentukan Model HMM dan Proses Pembelajaran Proses Pengenalan BAB 4 HASIL SIMULASI dan ANALISIS Hasil Simulasi Hasil Uji Coba Chord C Mayor Hasil Uji Coba Chord D Minor Hasil Uji Coba Chord E Minor Hasil Uji Coba Chord F Mayor Hasil Uji Coba Chord G Mayor Hasil Uji Coba Chord A Minor Pengolahan Hasil Percobaan Analisis Analisis Sistem Pengenalan Sinyal Masukan Chord Analisis Unjuk Kerja Sistem Berdasarkan Variabel Codebook Analisis Unjuk Kerja Sistem Berdasarkan Variabel Repetisi BAB 5 KESIMPULAN REFERENSI ix

10 DAFTAR TABEL Tabel 2.1 Tangga nada kromatik dalam musik... 6 Tabel 2.2 Interval pada musik... 8 Tabel 2.3 Tingkat dan Interval pada musik... 9 Tabel 2.4 Penggolongan Triad Tabel 4.1 Nama chord dan file chord uji coba Tabel 4.2 Hasil uji coba chord C mayor Tabel 4.3 Hasil uji coba chord D minor Tabel 4.4 Hasil uji coba chord E minor Tabel 4.5 Hasil uji coba chord F mayor Tabel 4.6 Hasil uji coba chord G mayor Tabel 4.7 Hasil uji coba chord A minor Tabel 4.8 Persentase pengenalan masing-masing label chord Tabel 4.9 Hasil akurasi keseluruhan sistem x

11 DAFTAR GAMBAR Gambar 2.1 Contoh cara penulisan interval... 7 Gambar 2.2 Visualisasi tangga nada mayor dalam paranada... 7 Gambar 2.3 Prosesor MFCC Gambar 2.4 Contoh codeword pada ruang dua dimensi Gambar 2.5 Model Markov (a) ergodic, (b) left-right Gambar 3.1 Diagram alir pembuatan database Gambar 3.2 Tahap pemberian label chord Gambar 3.3 Tahap pembuatan codebook Gambar 3.4 Tahap pembentukan model HMM Gambar 3.5 Diagram alir proses pengenalan chord terisolasi Gambar 3.6 Tampilan proses pengenalan chord terisolasi xi

12 DAFTAR SINGKATAN MIR HMM LPC MFCC DFT FFT DCT VQ GLA LBG LoP Music Information Retrieval Hidden Markov Model Linear Prediction Coding Mel Frequency Cepstrum Coefficient Discrete Fourier Transform Fast Fourier Transform Discrete Cosine Transform Vector Quantization General Lloyd Algorithm Linde, Buzo, Gray Log of Probability xii

13 BAB 1 PE DAHULUA 1.1 Latar Belakang Perkembangan jumlah ketersediaan musik dijital mengalami peningkatan. Hal ini dapat dipengaruhi oleh banyaknya jumlah peminat musik dan bagaimana teknologi yang semakin maju dalam menyediakan permintaan tersebut. Berdasarkan karakter musik, maka musik merupakan suatu seni yang dapat dinikmati oleh berbagai orang dengan berbagai budaya. Misalnya saja, musik daerah di Indonesia dinikmati oleh orang Eropa, atau bahkan musik Barat yang banyak digemari oleh orang-orang di Indonesia. Kemudian, perkembangan teknologi memungkinkan setiap orang dapat menikmati dan mengakses musik dimanapun dan kapanpun. Oleh karena itu, perkembangan musik dijital mendapat perhatian khusus dalam bisnis musik saat ini. Music Information Retrieval (MIR) merupakan suatu disiplin ilmu yang sangat dibutuhkan karena penggunaannya yang luas di bidang musik. Salah satu aplikasi yang dapat diterapkan adalah dalam bidang pengarsipan musik tersebut dan pengelompokannya sesuai dengan genre masing-masing lagu yang diarsipkan. Banyak lagu-lagu sekarang mudah dilakukan pembajakan, sehingga penting sekali dilakukan pengarsipan musik dimana dilakukan penyimpanan informasi nada yang ada di dalamnya [1]. Pengarsipan musik dijital dan pengelompokan genre tentunya dapat dilakukan dengan pengetahuan yang cukup baik akan musik dan jenis-jenisnya. Dalam musik dikenal suatu istilah kunci, yang merupakan representasi dari distribusi pitch, not-not, dan pola nada yang dibentuk di dalamnya, serta disertai pula dengan tanda kres (#) maupun mol (b) yang menandakan perubahan nada tersebut. Kunci dan chord merupakan atribut penting dalam musik, yang nantinya akan mempengaruhi harmoni dan melodi suatu musik. Progresifitas chord juga dipengaruhi oleh kunci musik tersebut dan pola yang berlaku di dalamnya. Oleh 1

14 2 karena itu, dalam menganalisis keselurahan struktur harmoni dari sepotong lagu sering dimulai dengan melabelkan setiap chord pada setiap ketukan (beat) atau diukur berdasarkan kuncinya [2]. Pengenalan chord secara otomatis akan sangat menolong dalam menganalisis musik. Barisan chord yang dapat dikenali secara otomatis, nantinya akan dapat memperlihatkan sinyal-sinyal musik tersebut, dan bahkan dapat diaplikasikan dalam identifikasi jenis musik, segmentasi musik, menemukan kesamaan musik, ringkasan audio, dan klasifikasi mood dari musik tersebut [2]. Dalam proses pengolahan dan pengenalan sinyal suara (Speech/Voice Recognition), berbagai metode telah banyak diterapkan. Beberapa metode diantaranya adalah Fuzzy Logic, eural etwork, dan Hidden Markov Model (HMM). Penggunaan metode HMM lebih kompleks dibandingkan metode pengenalan dengan Fuzzy Logic, dan eural etwork, tetapi menghasilkan pengenalan yang lebih optimum. Oleh karena itu, dalam skripsi ini akan dilakukan proses pengenalan chord terisolasi dengan penerapan Speech Recognition (Speech to Text) melalui metode HMM. 1.2 Tujuan Penulisan Tujuan penulisan skripsi ini adalah merancang sistem perangkat lunak untuk pengenalan chord terisolasi dengan menggunakan metode HMM. Selain itu, skripsi ini juga bertujuan untuk membandingkan akurasi (unjuk kerja) perangkat lunak sistem pengenalan chord terisolasi terhadap variasi jumlah repetisi serta bobot codebook. 1.3 Batasan Masalah Sistem yang dipakai dalam perangkat lunak ini adalah non-real time. Data suara yang diambil berasal dari instrumen gitar akustik. Jenis pukulan gitar dalam memainkan chord dilakukan dengan lembut, keras, cepat, dan biasa. Data akan terlebih dahulu direkam dan diolah dengan suatu perangkat lunak pengolah

15 3 gelombang suara yang kemudian diproses untuk menjadi label dalam identifikasi (terisolasi). Pada penelitian ini, chord yang diidentifikasi terbatas pada chord C triad (mayor dan minor), sehingga akan terdapat 6 chord yang akan menjadi 6 label. Setiap label akan terdiri dari 50 database suara dalam format.wav dan 10 sampel uji yang diambil secara tidak langsung dalam format dijital dengan variasi jumlah repetisi, serta variasi codebook 32, 64, dan Metode Penelitian Metode-metode yang digunakan dalam penulisan skripsi ini antara lain : 1. Studi kepustakaan. Mempelajari dasar teori musik seperti tangga nada kromatik, nada mayor, minor, dan pasangan chord, serta proses pengenalan suara dengan HMM dari berbagai buku, jurnal, dan artikel terkait lainnya. 2. Pengumpulan data Mengumpulkan data-data yang diperlukan, dalam hal ini sampel suara chord dari sebuah instrumen gitar akustik yang direkam sendiri. 3. Simulasi perangkat lunak Pada tahap ini dilakukan pengujian sistem pengenalan chord terisolasi dengan sebuah perangkat lunak dan membandingkan akurasi (unjuk kerja) pengenalan dengan berbagai variasi bobot repetisi, serta codebook. 1.5 Sistematika Penulisan Sistematika penulisan skripsi ini adalah sebagai berikut. BAB 1 PE DAHULUA Bab ini berisi latar belakang, tujuan penulisan, batasan masalah, dan sistematika penulisan untuk memberikan gambaran umum mengenai skripsi BAB 2 MUSIK dan DASAR-DASAR PE GOLAHA SI YAL SUARA Bab ini menjelaskan dasar teori musik secara umum dan chord secara

16 4 khusus, dasar-dasar speech recognition, Hidden Markov Model, dan teori-teori lainnya yang mendukung simulasi. BAB 3 DISAI SIMULASI Pada bab ini dijelaskan alur disain perangkat lunak berupa digram alir pembentukan database dan proses pengenalan chord, tampilan simulasi, dan cara penggunaannya. BAB 4 HASIL SIMULASI dan A ALISIS Bab ini membahas hasil uji coba berdasarkan variasi parameter tertentu dan melakukan analisis terhadap hasil simulasi. BAB 5 KESIMPULA Pada bagian ini akan disimpulkan hal-hal yang telah diperoleh dari keseluruhan penelitian.

17 BAB 2 MUSIK DA DASAR-DASAR PE GOLAHA SI YAL SUARA 2.1 Dasar Teori Musik Musik adalah sekumpulan nada yang memiliki kepaduan dan harmonisasi yang terikat dalam satu irama dan tempo yang beraturan. Musik memiliki abjad yang disebut sebagai tangga nada (scale). Setiap nada identik dengan huruf yang nantinya membentuk suatu chord. Kemudian chord tersebut bersama-sama membentuk frasa (kalimat musik). Sekumpulan frasa (kalimat musik) yang baik akan membentuk lagu yang dapat dinyanyikan. Oleh karena itu, chord merupakan sebuah kosakata. Kosakata saja tidak cukup, melainkan harus dapat membentuk suatu kata yang bermakna ketika diucapkan dan akhirnya membentuk kalimat yang baik, yang dapat dimengerti oleh orang lain [1]. Dalam seni musik dan musikologi dikenal istilah tangga nada. Tangga nada merupakan suatu kumpulan nada-nada yang harmonis dengan aturan tertentu yang mendasarinya Tangga ada Kromatik Kumpulan dari semua nada dalam musik disebut sebagai tangga nada kromatik. Kromatik merupakan sebuah kata yang berasal dari bahasa Yunani, chroma, yang artinya warna. Dalam hal ini tangga nada kromatik berarti nada setiap warna. Sama seperti spektrum warna dengan frekuensi yang berbeda-beda, demikian halnya dengan nada. Karena nada selalu berulang untuk tiap oktaf yang ada, maka istilah tangga nada kromatik sering dipakai untuk kedua belas nada dari tiap oktaf [1]. Perbedaan antara dua buah nada (pitch) yang berdekataan disebut sebagai semitone. Meskipun ada 12 nada dalam satu oktaf, tetapi hanya 7 huruf pertama dari abjad yang dipakai untuk memberi nama pada nada, yaitu dari A sampai G. 5

18 6 Kelima nada lain dalam satu oktaf tersebut diberi nama dengan memberikan tanda kres (#) atau mol (b) setelah notasi nada. Tabel 2.1 menunjukkan frekuensi kedua belas nada antara nada A pada 440 Hz dengan nada A satu oktaf di atasnya. Tabel 2.1. Tangga nada kromatik dalam musik [1] Karena dalam tangga nada kromatik ada 12 nada, maka dapat dibuat berbagai tangga nada dengan membuat suatu kombinasi dari nada-nada tersebut Tangga ada Mayor Tangga nada mayor adalah tangga nada yang sangat umum dipakai untuk musik Barat (western). Saat dimainkan secara berurutan, tangga nada mayor ini dikenal dengan istilah do-re-mi-fa-so-la-si-do. Jarak antara dua buah nada yang berdekatan disebut semitone, dan dua buah semitone disebut dengan tone. Tangga nada ini disusun berdasarkan suatu aturan khusus, yaitu kombinasi interval semitone antara nada-nada yang ada. Aturannya adalah sebagai berikut [1]: 2 (tone) - 2 (tone) - 1 (semitone) - 2 (tone) - 2 (tone) - 2 (tone) - 1 (semitone) atau ada juga yang menggunakan interval seperti pada Gambar 2.1 berikut.

19 7 Gambar 2.1 Contoh cara penulisan interval [1] Dalam paranada dapat ditunjukkan seperti pada Gambar 2.2 berikut. Gambar 2.2 Visualisasi tangga nada mayor dalam paranada[1] Interval Interval adalah jarak antara dua buah nada. Ada banyak ukuran interval yang dipakai untuk membuat tangga nada. Dalam penjelasan sebelumnya, interval yang dipakai untuk membentuk tangga nada adalah (semitone). Tangga nada dalam nada kromatik tidak hanya tangga nada mayor. Ada banyak jenis tangga nada lainnya. Semuanya dibuat berdasarkan aturan terhadap interval. Ukuran variasi interval tidak hanya memberikan perbedaan suara, tetapi juga kesan dan 'rasa' yang ditangkap oleh pendengar. Untuk ukuran interval tertentu, campuran nada dapat dirasakan begitu cocok (consonant), namun dapat juga kedengaran kurang cocok (dissonant). Kombinasi consonant dan dissonant sangat diperlukan dalam musik. Musik yang hanya berisi consonant akan terdengar lembut dan dan lunak. Pemberian dissonant akan memberikan 'tekstur' pada musik[1]. Berikut ini diberikan ukuran interval (dalam semitone) dan namanya, serta penjelasan singkat dalam Tabel 2.2. Untuk kemudahan istilah, maka bagian ini disajikan dalam bahasa Inggris.

20 8 Tabel 2.2 Interval pada musik[1] Nama dan ukuran tiap interval tersebut sangat penting, khususnya ketika membuat sebuah chord. Chord dibuat dengan mengombinasikan interval yang ada dan memainkan tiga atau lebih nada secara serentak. Ada banyak jenis chord, dan masing-masing dibuat berdasarkan formula yang unik dari pengombinasian interval nada. Tiap interval diukur dari nada awal (nada dasar) dari tipe chord yang disusun. Misalnya, dalam membuat chord C, maka nada C dihitung sebagai nada awal (nada dasar) dalam perhitungan interval. Interval dari tipe chord yang disusun dari nada dasar dikenal sebagai tingkat (degree). Penamaan ini mirip dengan nama interval, hanya tingkat ini lebih sering dipakai karena penulisannya yang singkat. Pada Tabel 2.3 akan diberikan daftar penamaan tingkat dan ekivalennya dengan interval dan ukuran interval (dalam semitone). Untuk tetap menjaga kemudahan istilah, tetap disajikan dalam bahasa Inggris.

21 9 Tabel 2.3 Tingkat dan Interval pada Musik[1] Tingkat dan interval ini sangat penting dalam penyusunan sebuah chord. Misalnya saja, dalam membuat chord mayor, dibutuhkan nada dari tingkat 1, 3, dan 5. Jadi, saat menyusun chord C mayor, nada yang dimainkan adalah C, E, dan G (tingkat 1,3, dan 5 dari tangga nada C mayor) Pasangan Chord Dalam mengiringi sebuah lagu, maka jenis chord yang dimainkan juga tergantung pada nada dasar lagu tersebut. Selain itu, untuk menentukan pasangan chord yang dipakai untuk mengiringi lagu juga memiliki aturan tersendiri. Untuk memudahkan pencarian formulanya, ada baiknya dimulai dengan menganalisis dari sistem tangga nada C mayor. Tangga nada C mayor adalah : C D E F G A B C. Masingmasing dari tangga nada C mayor ini dicari triad-nya, sehingga pasangan chord C mayor adalah [1]:

22 10 Triad : C E G Tingkat : chord : C mayor Triad : D F A Tingkat : 1 b3 5 chord : D minor Triad : E G B Tingkat : 1 b3 5 chord : E minor Triad : F A C Tingkat : chord : F mayor Triad : G B D Tingkat : chord : G mayor Triad : A C E Tingkat : 1 b3 5 chord : A minor Triad : B D F Tingkat : 1 b3 b5 chord : B diminished Berdasarkan penurunan di atas, terdapat 3 buah triad mayor, yaitu pada tingkat 1, 4, dan 5 relatif terhadap tangga nada C mayor. Hal ini berarti, bila

23 11 mengiringi sebuah lagu dari nada C mayor, pasangan chord lainnya adalah F mayor dan G mayor (biasanya cukup ditulis F dan G saja). Selain itu, didapati pula 3 buah chord minor, yaitu pada tingkat 2, 3, dan 6 relatif terhadap tangga nada C mayor. Ini juga berarti, pasangan chord lainnya yang mengiringi chord C mayor adalah D minor (Dm), E minor (Em), dan A minor (Am). Terakhir, terdapat suatu chord diminished, yaitu B diminis (Bdim). Penggolongan chord triad sering dituliskan dalam Tabel 2.4 berikut : Tabel 2.4 Penggolongan Triad[1] 2.2 Speech Recognition Speech to text atau konversi dari bentuk suara menjadi betuk teks merupakan aplikasi dari speech recognition. Pada dasarnya, speech recognition dilakukan dengan membandingkan pola karakteristik tertentu dari sinyal suara yang masuk (yang akan dikenali) dengan pola karaktersitik yang akan menjadi referensi atau acuan untuk mengenali suara yang masuk tersebut [3] Tipe-tipe Speech Recognition Berdasarkan pengucapannya, maka speech recognition dapat dibagi menjadi dua jenis, yaitu isolated speech recognition (diskrit) dan continuous speech recognition (kontinu) [3].

24 Isolated Speech Recognition Pada tipe ini pengucapan kata oleh seseorang dilakukan secara terpisah atau terputus-putus per kata. Misalnya, ketika mengucapkan dua kata, seseorang harus memberikan jeda waktu antara kata pertama dan kata kedua. Jadi, pada tipe ini lebih jelas awal dan akhir suatu kata. Pada isolated speech recognition, faktorfaktor bahasa kurang berpengaruh. Faktor yang memberikan pengaruh cukup besar pada tipe ini adalah karakteristik alat-alat vokal pembicara disamping faktor derau yang menyertai pengucapan suatu kata Continuous Speech Recognition Kata-kata dalam suatu kalimat diucapkan seperti layaknya orang berbicara. Tidak harus ada jeda antar kata seperti isolated speech recognition. Tingkat kompleksitasnya tinggi. Tingkat kompleksitas pada tipe ini menjadi lebih tinggi dan dalam aplikasi juga menjaid lebih rumit karena : 1. Penentuan awal dan akhir dari suatu kata jauh lebih sulit dibandingkan dengan jika kata-kata diucapkan secara terpisah. 2. Dalam suatu kalimat, arti kata sangat ditentukan oleh konteks kalimat tersebut. 3. Karaktersitik bahasa memberikan pengaruh yang sangat berarti. 4. Logat atau dialek dari pembicara juga memberikan pengaruh yang sangat besar berkaitan dengan karakteristik bahasa yang digunakan. Berdasarkan ketergantungan terhadap pembicara dan pengucapannya atau pola susunan katanya, terdiri dari speaker dependent dan speaker independent Speaker Dependent Pada speaker dependent, sistem dibuat hanya untuk mengenali suara atau kata dari orang tertentu atau mengenali speaker tunggal. Suara dari orang tertentu akan disimpan sebagai referensi yang menjadi acuan dalam proses pengenalan. Sistem ini sangat cocok untuk mengenali orang yang berbicara dari suatu sinyal

25 13 suara. Selain itu, sistem ini biasanya lebih murah, lebih akurat, dan lebih mudah dibuat. Namun, sistem ini tidak fleksibel jika dibandingankan dengan jenis speaker independent karena sulit beradaptasi dengan karakteristik pembicara baru. Pada sistem speaker dependent, identifikasi dilakukan dengan membandingkan kesamaan antara hasil ekstraksi fitur dari sinyal masukan dengan acuan sinyal suara yang ada Speaker Independent Pada speaker independent, sistem dibuat untuk mengenali suara atau kata dari banyak orang. Referensi yang digunakan adalah kata, phrase, atau kalimat yang berlaku umum untuk semua pembicara. Referensi yang digunakan diperoleh dari hasil pelatihan sistem yang berasal dari beberapa orang yang mewakili sinyal suara dari semua orang secara umum. Sistem ini lebih kompleks dibandingkan speaker dependent dan akurasinya lebih rendah, tetapi lebih fleksibel. Pada tahap pengenalan, sinyal suara masukan dikuantisasi vektor dengan menggunakan bobot codebook dari setiap pembicara yang menjadi acuan dalam pengenalan sinyal suara masukan. 2.3 Proses-Proses Dalam Sistem Pengenalan Suara Chord Dalam menganalisis urutan chord dari potongan musik yang dimainkan menggunakan suatu media komputerisasi dilakukan beberapa proses. Sinyal masukan akustik analog diubah menjadi sinyal dijital melalui proses sampling. Setelah itu, informasi yang terkandung di dalam sinyal masukan diekstraksi dan diubah ke dalam data-data vektor. Data vektor ini kemudian dikuantisasi dengan teknik VQ untuk melihat persebarannya pada cluster. Vektor pada cluster ini akan menentukan letak centroid yang kemudian dikumpulkan di dalam suatu codeword/codevector. Kumpulan beberapa codeword disebut codebook [4]. Nilainilai codeword inilah yang digunakan untuk menentukan parameter-parameter HMM. Proses lengkapnya akan dijelaskan pada bagian berikut ini.

26 Sampling Sampling adalah suatu proses untuk membagi-bagi suatu sinyal kontinu dalam interval waktu yang telah ditentukan. Sampling ini dilakukan dengan mengubah sinyal analog menjadi sinyal dijital dalam fungsi waktu. Pengubahan bentuk sinyal ini bertujuan untuk mempermudah memroses sinyal masukan yang berupa analog karena sinyal analog memiliki kepekaan terhadap noise yang rendah, sehingga sulit untuk memproses sinyal tersebut. Parameter-parameter yang menentukan hasil sampling adalah panjang interval yang digunakan. Frekuensi sampling yang digunakan mengikuti aturan Nyquist, yaitu besarnya nilai frekuensi sampling harus dua kali frekuensi tertinggi dari sinyal masukan, yang dinyatakan dengan [5]: ( 2.1 ) dimana : adalah frekuensi sampling adalah frekuensi tertinggi sinyal masukan Ekstraksi Fitur Ekstraksi fitur atau feature extraction merupakan proses dimana tiap-tiap sampel sinyal akan diubah menjadi vektor-vektor data. Terdapat beberapa metode yang dapat digunakan untuk proses ini, antara lain Linear Prediction Coding (LPC) dan Mel Frequency Cepstrum Coefficient (MFCC) [6]. Metode yang akan digunakan pada proses ekstraksi dalam pengenalan suara ini adalah dengan menggunakan MFCC. Mel Frequency Cepstral Coefficient (MFCC) memiliki beberapa keunggulan dibandingkan dengan metode lainnya, antara lain [5]: 1. Mampu menangkap informasi-informasi penting yang terkandung dalam sinyal suara. 2. Menghasilkan data seminimal mungkin, tanpa menghilangkan informasi- informasi penting yang ada. 3. Mengadaptasi organ pendengaran manusia dalam melakukan persepsi Universitass Indonesia

27 15 terhadap sinyal suara. 4. Menghasilkan pendekatan yang lebih baik terhadap sistem pendengaran manusia karena menggunakan fungsi logaritmik dalam perhitungannya. MFCC di sini bertujuan untuk menghasilkan cepstrum yang akan digunakan dalam membentuk codeword. Blok diagram dari MFCC ditunjukkan pada Gambar 2.3 berikut. Spectrum Signal Frame Blocking Frame Windowing FFT Mel Cepstrum Mel Spectrum Cepstrum Mel Frequency Wrapping Gambar 2.3 Prosesor MFCC Proses MFCC diawali dengan membagi sinyal (suara) menjadi beberapa frame melalui proses frame blocking. Setelah itu dilakukan windowing pada setiap frame. Windowing bertujuan untuk meminimalisasi diskontinuitas sinyal dan distorsi spektral. Kemudian dari setiap frame dicari spektrum amplitudonya dengan terlebih dahulu mengubah masing-masing frame dari domain waktu ke domain frekuensi dengan menggunakan Fast Fourier Transform (FFT). Selanjutnya dilakukan proses mel-frequency wrapping untuk memperoleh sinyal spektrum dalam mel-scale dari hasil FFT. Langkah terakhir adalah mengubah hasil log mel spectrum ke dalam domain waktu dan menghasilkan MFCC sebagai hasil akhir. Urutan dan cara kerja MFCC dapat dijelaskan sebagai berikut [7].

28 Frame Blocking Proses frame blocking dilakukan dengan membagi sinyal suara menjadi sejumlah N-frame berdasarkan persamaan : N = fs x t (2.2) dimana : N = jumlah frame fs = frekuensi sampling t = durasi sampel Windowing Windowing dilakukan untuk memperkecil penyimpangan pada sinyal yang diskontinu di awal dan di akhir masing-masing frame. Sinyal suara yang dipotong-potong menjadi beberapa frame akan menyebabkan efek diskontinuitas sehingga menyebabkann kesalahan data pada proses transformasi Fourier. Windowing diperlukan untuk mengurangi efek diskontinuitas dari potonganpotongan sinyal. Ada banyak jenis window, misalnya Hamming, Hanning, dan Gaussian. Masing-masing windoww memiliki karakteristik tersendiri. Dalam penelitian ini digunakan metode Hamming Window. Metode ini dapat menghasilkan sidelobe level yang tidak terlalu tinggi (kurang lebih -43 db) dan noise yang dihasilkan tidak terlalu besar. Berikut ini adalah persamaannya : (2.3 ) dimana : N = lebar filter n = 0,1,...,(N-1)/2, untuk N ganjil n = 0,1,...,(N/2)-1, untuk N genap Hasil dari proses windowing ini adalah berupa suatu sinyal dengan persamaan : ( 2.4 ) Universitass Indonesia

29 Discrete Fourierr Transform dan Fast Fourier Transform Tujuan utama dari transformasi Fourier ini adalah untuk mengubah sinyal dari domain waktu menjadi spektrum pada domain frekuensi. Dalam pemrosesan suara, proses tersebut sangatlah menguntungkan karena sinyal pada domain frekuensi dapat diprosess lebih mudah dibandingkan dengan sinyal pada domain waktu. Hal ini dikarenakan pada domain frekuensi, kuat lemahnya suara tidak terlalu berpengaruh. Discrete Fourierr Transform (DFT) adalah suatu metode yang digunakan untuk mengubah domain suatu gelombang dari domain waktu ke domain frekuensi. Transformasi diskrit merupakan transformasi dimana masukan dan keluaran bernilai diskrit yang digunakan untuk manipulasi di komputer. Rumus DFT untuk mengubah N data dari domain waktu ke domain frekuensi adalah sebagai berikut [8]: k = 0,1,2,...,N-1 dimana : = transformasi Fourier X(nT) = sinyal masukan T = interval waktu antar nilai diskrit K = angka harmonik dari komponen transformasi ( 2.5) Fast Fourier Transform (FFT) merupakan algoritma yang lebih cepat dari Discrete Fourier Transform (DFT). FFT dapat mereduksi jumlah perhitungan untuk setiap N data yang sama pada perhitungan DFT sehingga perhitungan yang ada menjadi lebih cepat, khususnya ketika nilai N yang digunakan cukup besar dengan mempergunakann persamaan : dengan k = 0,1,....,N-1 Faktor dari e -j2π/n dapat dituliskan sebagai, ( 2.6 ) Universitass Indonesia

30 18 = e -j2π/n sehingga persamaan akan menjadi : dengan k = 0, 1,..., N-1 ; dimana : = sinyal hasil DFT = sinyal masukan = twidle factors ( 2.7) ( 2.8 ) Perhitungan DFT memerlukan operasi sebanyak M 2, sedangkan FFT dapat memenuhi hal yang sama dengan operasi sebanyak M log2 M. Dengan demikian FFT merupakan fast algorithm untuk mengimplementasikan DFT Mel Frequency Wrapping Persepsi manusia terhadap frekuensi dari sinyal suara tidak mengikuti skala linear. Frekuensi diukur manusia secara yang sebenarnya (dalam Hz) pada sebuah sinyal akan subyektif dengan menggunakan mel scale. Skala mel- frekuensi adalah pemetaan frekuensi secara linear untuk frekuensi dibawah 1 khz dan logaritmik untuk frekuensi diatas 1 khz. Sebagai titik referensi, pitch dari 1kHz, 40 db diatas perceptual hearing threshold, didefinisikan sebagai 1000 mels. Oleh karena itu, dapat digunakan formula pada persamaan 2.9 berikut untuk menghitung mels untuk frekuensi yang diberikan dalam Hz. mel ( f ) = 2595*log10(1 + f / 700) (2.9) Cepstrum Langkah terakhir dalam feature extraction yaitu mengubah kembali log mel spectrum ke dalam domain waktu. Hasilnya disebut mel frequency cepstrum coeffecient (MFCC). Representatif spectral dari speech spectrum memberikan representatif yang baik untuk local spectral properties dari sinyal suara untuk analisa frame yang diberikan. Karena mel spectrum coeffecient (dan Universitass Indonesia

31 logaritmiknya) adalah angka real, kita dapat mengubahnya ke time domain menggunakan Discrete Cosine Transform (DCT). Oleh karena itu, mel power spectrum coefficient tersebut merupakan hasil dari langkah terakhir yang dinotasikan dengan dengan persamaan 2.10 berikut. 19 S ~ k, dimana k = 1, 2,..., K. Jadi, MFCC, c ~ n dapat dihitung K c~ ~ 1 π n = (log S k ) cos n k k = 1 2 K dengan k = 1, 2,..., K dimana : K = jumlah koefisien yang diharapkan ( 2.10) Kuantisasi Vektor Dalam proses mengidentifikasi suara, setiap sinyal akustik harus dapat direpresentasikan secara unik dan dengan cara yang efisien. Dengan kuantisasi vektor sinyal suara dapat direpresentasikan secara unik dan efisien. Pada proses kuantisasi vektor, data dikompresi sedemikian rupa secara signifikan, tetapi masih menunjukkan representasi yang akurat. Tanpa melakukan teknik kuantisasi vektor fitur-fitur suara, maka sistem akan membutuhkan komputasi yang amat kompleks [9]. Kuantisasi vektor merupakan teknik kuantisasi klasik dimana dilakukan pemodelan dari fungsi kepadatan probabilitas dengan distribusi vektor. Kuantisasi vektor memetakan vektor dengan dimensi k pada ruang vektor R k menjadi suatu bentuk vektor berhingga Y = {yi : i = 1, 2,, n}. Vektor y i disebut sebagai vektor kode. Vektor-vektor ini merupakan vektor-vektor data yang diperoleh dari hasil ekstraksi yang disebut dengan codeword. Kumpulan dari codeword ini disebut dengan codebook. Salah satu tujuan dari kuantisasi vektor adalah menghasilkan sebuah codebook yang terdiri dari vektor-vektor dalam jumlah relatif sedikit dibandingkan dengan jumlah vektor data. Gambar 2.4 menggambarkan vektor pada suatu ruang dengan garis

32 20 horizontal menunjukkann nilai real dan garis vertikal menunjukkan nilai imajiner dari vektor. Setiap cluster dari vektor menunjukkan centroid-nya, dan setiap codeword berada pada daerah voroinoi-nya masing-masing. Vektor masukan ditandai dengan x sedangkan centroid ditandai dengan bulatan berwarna merah. Representasi centroid ditentukan berdasarkan jarak Euclidian terdekat dari vektor masukan. Jarak suatu vektor ke centroid terdekat disebut dengan distorsi. Jarak Euclidian didefinisikan dengan persamaan 2.11 berikut [9]. ( 2.11 ) dimana : x j = komponen ke-j dari vektor masukan y ij = adalah komponen ke-j dari codeword y i Gambar 2.4 Contoh codeword pada ruang dua dimensi[5] Dalam pembentukan codebook untuk iterasi guna memperbaiki kuantisasi vektor digunakan General Lloyd Algorithm (GLA) atau disebut algoritma LBG (Linde,Buzo,Gray). Algoritma LBG tersebut dapat diimplementasikan dengan Universitass Indonesia

33 21 prosedur rekursif sebagai berikut : 1. Mendisain vektor codebook yang merupakan centroid dari keseluruhan vektor training. 2. Melipatgandakan ukuran dari codebook dengan membagi masing-masing codebook C n menurut aturan : ( 2.11 ) ( 2.12 ) dimana n bervariasi dari satu sampai dengan current size codebook dan epsilon adalah parameter splitting. (epsi = 0,01) 3. earest eighbour Search Mengelompokkan training vektor yang mengumpul pada blok tertentu. Selanjutnya menentukan centroid dalam current codebook yang terdekat dan memberikan tandaa vektor yaitu cell yang diasosiasikan dengann centroidbaru pada centroid yang terdekat. 4. Centroid Update Menentukan centroid baru yang merupakan codeword yang masing-masing cell dengan menggunakan training vektor pada cell tersebut. 5. Iterasi 1 Mengulang langkah 3 dan 4 sampai jarak rata-rata dibawah present treshold. 6. Iterasi 2 Mengulang langkah 2, 3, dan 4 sampai codebook berukuran M. Peran kuantisasii vektor dalam proses Hidden Markov Model (HMM) adalah untuk mempersiapkan simbol diskrit dari indeks yang terbatas. Masing- masukan yang terkuantisasi dianggap sebagai observasi. Selain itu, kuantisasi masing sinyal masukan akan dikuantisasi oleh cluster referensi. Masing-masing vektor berperan dalam meminimalkan distorsi rata-rata setelah ukuran codebook ditentukan. Pada proses pengenalan, total distorsi yang paling kecil antara codeword dari database dan codebook dari masukan merupakan hasil identifikasi. Universitass Indonesia

34 Hidden Markov Model Hidden Markov Model (HMM) adalah suatu teknik untuk membentuk model statistik berdasarkan prinsip probabilitas. Model tersebut digunakan untuk meramalkan suatu keluaran berdasarkan data-data yang telah dimasukkan dan training yang telah dilakukan. Model statistik ini merupakan suatu sistem yang diasumsikan sebagai proses Markov dengan parameter- parameter yang belum diketahui dan parameter-parameter yang tersembunyi tersebut harus ditentukan dari parameter yang dapat diamati (observable). Parameter model yang diambil kemudian dapat digunakan untuk keperluan analisis selanjutnya, misalnya untuk aplikasi pengenalan gelombang suara. Bentuk umum dari rantai Markov adalah bentuk ergodic seperti yang dapat dilihat pada Gambar 2.5(a). Namun dapat juga dimodelkan dengan model left- right Markov seperti pada Gambar 2.5(b). (a) (b) Gambar 2.5 Model Markov (a) ergodic (b) left-right[4] HMM memiliki 3 (tiga) parameter utama yang harus dicari nilainya terlebih dahulu. Ketiga parameter tersebut adalah sebagai berikut. 1. Parameter A disebut sebagai probabilitas transisi, merupakan probabilitas kedudukan suatu state terhadap semua state yang ada, termasuk kedudukan terhadap state itu sendiri. Parameter A pada HMM dinyatakan dalam sebuah matriks dengan ukuran MxM dimana M adalah jumlah state yang ada. Jika terdiri dari 5 (lima) state, maka setiap state memiliki 5 (lima) hubungan transisi. Oleh karena itu, parameter A dapat dituliskan dalam bentuk matriks seperti pada persamaan 2.13 berikut [7]:

35 23 (2.13) 2. Parameter B disebut sebagai probabilitas state, merupakan probabilitas kemunculan suatu state dalam deretan seluruh state yang ada. Parameter B dalam HMM dituliskan dalam bentuk matriks kolom dengan ukuran Mx1, dimana M merupakan jumlah seluruh state yang ada. Misalnya, terdapat n buah state dalam suatu kondisi, maka matriks B yang terbentuk ditunjukkan oleh persamaan 2.14 berikut [7]: B = (2.14) 3. Parameter disebut sebagai probabilitas awal, yaitu probabilitas kemunculan suatu state di awal. Sama halnya dengan parameter B, parameter juga dituliskan dalam bentuk matriks kolom dengan ukuran Mx1 dimana M adalah jumlah state-nya. Parameter yang dihasilkan akan ditunjukkann seperti pada persamaan 2.15 berikut [7]: (2.15) Elemen π, A, dan B merupakan parameter-parameter Markov dalam HMM yang tidak diketahui atau tersembunyi (hidden). Ketiga parameter tersebut digabungkan menjadi sebuah parameter HMM dan dapat dituliskan dalam bentuk fungsi λ = ( A, B, π ). Jika diberikan suatu model P(O λ) dengan probabilitas urutan Universitass Indonesia

36 24 observasi O = O 1, O2, 2..., O T, maka untuk mengetahui nilai probabilitas observasinya diperlukan suatu urutan state yang tetap, misalkan Q = q 1 q 2... q T ( 2.16 ) di mana : q 1 = initial-state. Probabilitas urutan observasi O untuk urutan state persamaan (2.17) adalah : ( 2.17 ) Sehingga diperoleh P(O Q, λ) = bq 1 (O 1 ). bq 2 (O 2 )... bq T (O T ) ( 2.18 ) Probabilitas dari urutan state Q maka dapat ditulis sebagai berikut ( 2.19 ) Probabilitas gabungan O dan Q yang merupakan probabilitas saat O dan Q muncul bersamaan adalah hasil perkalian dari keduanya atau dapat ditulis sebagai berikut : P(O, Q λ) = P(O Q, λ) P(Q, λ) ( 2.20 ) Probabilitas observasi O diperoleh dengan menjumlahkan probabilitas gabungan dari semua kemungkinan urutan state q, yaitu : λ) = atau dapat juga dituliskan sebagai berikut : λ)= ( 2.21 ) ( 2.22 ) Jika terdapat keadaan dimana : State 1 : waveform segment 1 (w 1 ) State 2 : waveform segment 2 (w 2 ) State 3 : waveform segment 3 (w 3 ) State 4 : waveform segment 4 (w 4 ) State 5 : waveform segment 5 (w 5 ) maka probabilitas dari observasi HMM berdasarkan persamaan (2.22) adalah sebagai berikut. Universitass Indonesia

37 25 P(Suara 1 = w 1, w 2, w 2, w 1, w 1 ) = P(Suara 2 = w 1, w 2, w 1, w 3, w 1 ) = P(Suara x = w 4, w 5, w 4, w 5, w 4 ) = Proses yang terjadi adalah : 1. Gelombang yang telah terbagi menjadi gelombang-gelombang kecil pada frame blocking akan dikenali melalui codebook yang dimiliki. Pada proses pencocokan dengan codebook akan dihitung jarak dari tiap gelombang dengan centroid-centroidobservasi. Jarak terdekat akan menentukan urutan kode 2. Gelombang yang telah dikenali berdasarkan codebook akan membentuk suatu state. Dari state ini akan dicari nilai masing-masing parameter HMM-nya, yang perhitungannya dicocokkan dengan nilai padaa database parameter HMM. Dari contoh di atas, dapat diketahui bahwa suara 1 terbentuk dari gelombang w 1, gelombang w 2, gelombang w 2, gelombang w 1, dan gelombang w 1. Tiap suara dibentuk oleh susunan gelombang yang berbeda-beda. Susunanbergantung terhadap perubahan gelombangnya. susunan gelombang tersebut memiliki probabilitas transisi yang Universitass Indonesia

38 BAB 3 DISAI SIMULASI Sistem yang akan dirancang menerapkan prinsip aplikasi speech to text. Sinyal suara masukan yang diambil berasal dari satu alat musik, yaitu gitar akustik, sehingga sistem ini pun menerapkan tipe speaker dependent. Chord direkam secara terpisah dalam format.wav, sehingga tipe ini memenuhi kriteria isolated word recognition pada pengenalan chord terisolasi. Chord direkam dengan menggunakan software pengolah suara Adobe Audition 1 dan sistem pengenalan chord terisolasi menggunakan software Matlab R2008. Keluaran sistem adalah berupa teks chord yang dikenali. Sistem pengenalan chord terisolasi ini menggunakan file-file simulasi yang berasal dari KTH-Royal University, Swedia [10] dan telah dimodifikasi sebelumnya oleh Angela[3]. Dalam perancangan sistem pengenalan chord ini, terdapat dua proses utama yang harus dilakukan, yaitu proses pelatihan (pembuatan database) dan proses pengenalan suara. 3.1 Pembuatan Database dan Proses Pembelajaran Simulasi ini akan mengonversi sinyal suara chord terisolasi menjadi bentuk teks untuk aplikasi speaker dependent. Untuk mengambil setiap chord, maka dilakukan perekaman untuk 6 label chord dengan nada dasar C, yaitu C mayor, F mayor, G mayor, A minor, D minor, dan E minor. Masing-masing terdiri dari 50 file chord dalam format.wav. Pada proses ini, sinyal suara chord yang merupakan sinyal masukan sistem akan mengalami tiga proses utama, yakni tahap pembuatan label masing-masing chord, tahap pembuatan codebook, dan tahap pembentukan parameter-parameter HMM. Gambar 3.1 menunjukkan diagram alir proses pembuatan database sistem pengenalan chord terisolasi. 26

39 27 Mulai Masukkan file suara chord (.wav) Labelisasi Database Label Pembuatan Codebook Database Codebook Pembentukan Model HMM Database HMM Database Selesai Gambar 3.1 Diagram alir proses pembuatan database Tahap Pelabelan Fungsi ini dijalankan dengan perintah make_labels(rep). Fungsi ini membuat sebuah database dari suara-suara yang telah direkam sebelumnya. Filefile sampel suara tersebut akan mengalami proses sampling dengan frekuensi sampling sebesar 8 khz. Pada proses pembuatan label, tiap-tiap sampel suara chord akan didaftarkan pada suatu label yang diberi nama sesuai dengan nama chord yang dimaksud, misalnya chord C mayor diberi label, D minor diberi

40 28 label, E minor diberi label, F mayor diberi label, G mayor diberi label, dan A minor diberi label, sehingga jumlah label sama dengan jumlah chord. Pemberian nama label ini disesuaikan dengan konteks yang umum dipakai dalam penulisan chord. Nama label inilah yang pada akhirnya akan menjadi keluaran pada simulasi pengenalan chord. Proses pelabelan ini dilakukan pada file labelisasi.m dengan tampilan program berupa Guide User Interface (GUI) seperti ditunjukkan pada Gambar 3.2. Gambar 3.2 Tahap pemberian label chord (contoh : labelisasi untuk repetisi 20) Berdasarkan tampilan program pada Gambar 3.2, terdapat tiga masukan pada proses pembuatan label-label chord, yaitu indeks label, jumlah training, dan nama label. 1. Indeks label, menunjukkan urutan label yang akan diproses dalam deretan semua chord dan akan disimpan dalam database. Setiap nilai label ini akan tersimpan dalam format (label + indeks label).mat. 2. Jumlah training, menunjukkan banyaknya pengulangan atau repetisi (rep) sampel yang akan diproses pada pembuatan database. Jumlahnya disesuaikan dengan keinginan pengguna, tetapi maksimum sebanyak jumlah data-data chord yang telah direkam sebelumnya. 3. Nama label, menunjukkan nama chord yang akan diproses. Nama label ini

41 disesuaikan dengan nama chord yang telah disimpan. Nama label inilah yang nantinya akan menjadi keluaran dalam proses pengenalan chord. 29 Contoh pemakaiannya sebagai berikut. Indeks label adalah 1, jumlah training adalah 10, dan nama label adalah. Berdasarkan masukan tersebut, maka file suara chord C mayor yang tersedia sebanyak 50 data, dari 1 50, akan dilakukan proses repetisi masing-masing sebanyak 10 kali. Label C mayor yang akan terbentuk bernama Label1.mat. Demikian seterusnya dilakukan pelabelan sampai semua chord diberi labelnya masing-masing Pembuatan Codebook Setelah selesai memberi label pada setiap chord, maka tahap selanjutnya adalah pembuatan atau pemetaan codebook. Proses pemetaan codebook ini dilakukan dengan menggabungkan keseluruhan label yang telah diproses sebelumnya dan melakukan kuantisasi vektor-vektor data seperti yang telah dijelaskan dalam Bab 2. Setelah itu, hasil pemetaan keseluruhan label ini disimpan dalam bentuk file codebook.mat. Proses ini diawali dengan menggabungkan keseluruhan label yang akan diproses, kemudian melakukan ekstraksi fitur pada sampel-sampel suara chord (dijelaskan pada Bab 2). Pada bagian ekstraksi fitur akan dihasilkan vektor-vektor data hasil transformasi FFT. Satu bagian sampel mewakili satu sample point, yang merupakan satu vektor data. Setelah itu, vektor-vektor data tersebut dipetakan ke dalam suatu ruang vektor dua dimensi berupa grafik dengan teknik kuantisasi vektor. Dengan teknik kuantisasi vektor ini, setiap vektor dipetakan dari ruang vektor yang besar menjadi daerah yang terbatas. Daerah yang terbatas ini disebut sebagai cluster. Setiap cluster akan direpresentasikan oleh sebuah titik centroid (titik pusat massa) yang disebut sebagai codeword. Kumpulan seluruh codeword ini disebut sebagai codebook. Hasil pemetaan vektor berdasarkan nilai codebook akan disimpan sebagai database codebook yang akan digunakan dalam proses pengenalan chord terisolasi.

42 30 Program pemetaan codebook ini dijalankan dengan fungsi VQ_training(speech,ukuran codebook,iterasi) pada file codebook.m. Tampilan program pembuatan codebook berbentuk GUI adalah pada Gambar 3.3 berikut. Gambar 3.3 Tahap pembuatan codebook (contoh : bobot codebook 64, repetisi 20) Pada Gambar 3.3 terdapat empat masukan untuk proses pemetaan codebook, yaitu : 1. Nama file, merupakan nama file codebook yang diinginkan pemakai dan akan tersimpan dalam format.mat. 2. Ukuran codebook, merupakan ukuran codebook yang akan dijadikan sebagai database. Pada program ini tersedia 32, 64, 128, 256, 512, dan Iterasi, merupakan banyaknya pengulangan dalam menentukan titik centroid yang presisi. Berdasarkan penelitian sebelumnya [9], ukuran iterasi yang semakin besar akan membuat letak centroid semakin presisi, tetapi akan membuat proses pemetaan codebook berjalan semakin lama.

43 31 Oleh karena itu, pada program ini disarankan memakai 10 kali iterasi dengan harapan untuk memperoleh hasil yang centroid yang optimum dan proses tidak berjalan lambat. 4. Jumlah label, merupakan banyaknya jumlah label yang telah diproses sebelumnya untuk digabungkan menjadi satu pemetaan codebook. Tampilan keluaran program ini berupa grafik pemetaan codebook dan file matriks dengan format.mat. Gambar grafik seperti pada Gambar 3.3 merupakan hasil pemetaan keseluruhan label chord yang telah diproses sebelumnya. Grafik tersebut juga merepresentasikan keseluruhan sampel yang menjadi vektor-vektor data yang diwakili dalam satu posisi codeword yang dicari. File matriks ini berupa matriks code yang berisi posisi codeword untuk masing-masing label chord dan matriks name yang merupakan nama chord untuk setiap labelnya Pembentukan Model HMM dan Proses Pembelajaran. Tahap berikutnya adalah pembentukan parameter-parameter HMM yang akan digunakan dalam proses pengenalan. Tujuan dari metode HMM adalah sebagai metode pelatihan atau pembelajaran dari setiap vektor-vektor data yang ada, dengan mencari nilai probabilitasnya, sehingga nilai probabilitas hasil pembelajaran menjadi semacam acuan dalam mengenali data chord yang akan diuji. Untuk memperoleh berbagai parameter HMM tersebut, diperlukan suatu nilai masukan yang dikenal sebagai state dalam HMM. Keluaran dari proses pembuatan codebook adalah nilai-nilai (posisi) centroid. Nilai ini kemudian diterapkan sebagai state bagi proses pembelajaran dengan metode HMM. Nilainilai (posisi) centroid ini akan membentuk suatu urutan (indeks) yang mewakili urutan penggalan masing-masing sampel. Urutan centroid ini jugalah yang merupakan urutan state dalam pembentukan parameter HMM. Selanjutnya, dilakukan proses pembelajaran HMM yaitu dengan perhitungan log of probability (LoP) untuk 10 iterasi pada tiap-tiap label chord.

44 32 Program pembentukan parameter-parameter HMM ini dijalankan dengan fungsi make_hmm(file_hmm, file codebook, iterasi) pada file hmm.m. Tampilan program HMM berupa GUI adalah seperti Gambar 3.4 berikut. Gambar 3.4 Tahap pembentukan model HMM (contoh : codebook 64, repetisi 20) Pada Gambar 3.4 terdapat tiga masukan dalam program pembentukan parameter HMM, yaitu : 1. File HMM, merupakan nama file HMM yang akan disimpan sesuai keinginan pengguna. 2. File VQ-codebook, merupakan nama file pemetaan codebook sesuai dengan database codebook yang sudah dilatih sebelumnya. 3. Iterasi, diisi dengan jumlah iterasi yang diinginkan. Disarankan menggunakan iterasi 10 kali. Setelah program dijalankan, maka akan ditampilkan grafik yang merepresentasikan nilai probabilitas setiap state berupa LoP terhadap nilai iterasinya. Nilai-nilai LoP ini akan disimpan dalam bentuk matriks dengan nama

45 33 sesuai dengan nama file HMM. Nilai LoP ini akan menjadi database sebagai acuan perbandingan (nilai yang paling mendekati database) pada proses pengenalan chord. 3.2 Proses Pengenalan Proses pengenalan merupakan bagian terakhir yang akan dicapai. Proses ini merupakan bagian terpenting dari keselurahan sistem simulasi. Pada bagian ini terdapat langkah-langkah yang dilakukan seperti yang terdapat pada proses pembentukan database sebelumnya, tetapi tidak lagi sebagai proses pembelajaran. Gambar 3.5 berikut menunjukkan diagram alir proses pengenalan chord tersebut. File suara chord baru yang akan diidentifikasi (dalam format.wav ) dibaca sebagai masukan oleh sistem. File masukan ini kemudian diekstraksi menjadi sampel dan dilanjutkan dengan mengonversi potongan-potongan sampel tersebut ke dalam domain frekuensi dengan transformasi FFT. Hasil transformasi tersebut akan menghasilkan vektor-vektor data. Vektor-vektor data tersebut kemudian dipetakan pada codebook yang sama dengan database codebook yang telah dilatih sebelumnya. Dari pemetaan tersebut akan terdapat perbandingan vektor-vektor data masukan dengan centroid codebook database yang telah presisi. Akibatnya, dalam proses ini akan ditentukan letak centroid dari vektorvektor data yang lebih dekat dengan centroid pada database. Setelah nilai dan posisi centroid dari sampel diketahui, maka dapat ditentukan kombinasi urutan centroid sebagai urutan state yang nantinya akan digunakan dalam menentukan parameter-parameter HMM. Dari nilai-nilai parameter HMM yang diperoleh, maka dalam sistem ini dapat ditentukan nilai log of probability (LoP) dari sampel terhadap label-label chord pada database. Banyaknya nilai LoP yang diperoleh akan sama dengan banyaknya jumlah label-label chord pada database. Penentuan pengenalan chord sebagai keluaran sistem ditentukan berdasarkan nilai LoP yang paling tinggi yaitu yang paling mewakili karakteristik sampel.

46 34 Mulai Masukkan file suara chord (.wav) Database Ekstraksi Fitur Pembuatan Codebook Database Codebook Pembentukan Model HMM Database HMM Menghitung nilai Log Of Probability Mengambil nilai Log Of Probability maksimum Database Label Mengidentifikasi chord Selesai Gambar 3.5 Diagram alir proses pengenalan chord terisolasi

47 Tampilan program pengenalan chord dalam bentuk GUI dapat dilihat pada Gambar 3.6 berikut. 35 Gambar 3.6 Tampilan proses pengenalan chord terisolasi Pada program tersebut terdapat tiga masukan, yaitu : 1. File HMM. Diisi sesuai dengan nama file HMM database yang telah dilatih sebelumnya. 2. File codebook. Diisi sesuai dengan nama file codebook database sebelumnya. 3. File chord uji. Diisi dengan nama file chord masukan yang akan diuji coba (.wav ). Untuk menjalankan simulasi pengenalan chord, tekan tombol proses. Keluaran akan muncul pada layar. Keluaran ini berupa nama chord yang merupakan hasil akhir dari sistem pengenalan chord terisolasi dengan metode HMM.