Deteksi Nada dan Perangkat Gamelan Menggunakan Filter Adaptif Least Mean Square(LMS)
|
|
- Ratna Tan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) Deteksi Nada dan Perangkat Gamelan Menggunakan Filter Adaptif Least Mean Square(LMS) Vonda Bri Valdo Ary 1, Dr. Ir. Yoyon K Suprapto, M.Sc. 2, dan Prof. Dr. Ir. Mauridhi Hery P, M.Eng. 3 Jurusan Teknik Elektro, Fakultas Teknik Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya Mahasiswa Program Sarjana, ( vondabri@gmail.com ) 2 Dosen Pembimbing ( yoyonsuprapto@ee.its.ac.id ) 3 Dosen Pembimbing ( hery@ee.its.ac.id ) Abstrak Ekstraksi nada perangkat gamelan dilakukan dengan menggunakan analisis dari domain frekuensi. Dalam pembuatan gamelan yang masih tradisional, akan dihasilkan frekuensi yang berbeda-beda antar perangkat satu dengan perangkat yang lain. Perbedaan frekuensi ini menjadi ciri khas satu gamelan dengan gamelan yang lain. Dengan mengetahui frekuensi sebuah nada, dapat diketahui nada tersebut berasal dari perangkat yang mana. Filter adaptif least mean square(lms) adalah filter digital yang mampu menyesuaikan parameter filter terhadap sinyal yang diberikan dengan menggunakan algoritma adaptif least mean square. Sehingga filter ini dapat dimanfaatkan untuk mendeteksi frekuensi dari sinyal perangkat gamelan yang beragam. Proses deteksi dimulai dengan membangkitkan sinyal referensi. Sinyal referensi selanjutnya disesuaikan dengan blind signal. Jika sinyal referensi yang telah disesuaikan tersebut mampu memfilter blind signal dan menghasilkan sinyal mendekati nol, maka frekuensi blind signal sama dengan sinyal referensi. Frekuensi tersebut selanjutnya dicocokan dengan data frekuensi dasar perangkat gamelan, maka akan diketahui nada dasar dan sumber perangkat. Sistem filter digital adaptif mampu mendeteksi frekuensi sinyal gamelan baik yang terdiri dari satu nada maupun dua nada dengan kesalahan deteksi sebesar 1 Hz. Kata Kunci Blind Signal, Filter Digital Adaptif, Gamelan, Least Mean Square. I. PENDAHULUAN AMELAN adalah seperangkat alat musik tradisional Gyang merupakan salah satu budaya bangsa Indonesia. Berbeda dengan musik barat, aturan elemen nada pada gamelan yang meliputi resonansi, frekuensi, amplitudo dan warna nada belum memiliki standart atau patokan yang jelas. Sehingga dalam pembuatan gamelan yang masih tradisional, akan dihasilkan elemen nada yang berbeda-beda antar perangkat satu dengan perangkat yang lain[1]. Hal ini terjadi karena masing-masing pembuat gamelan mengandalkan intuisi dan kemampuan pendengarannya. Padahal intuisi dan kemampuan masing-masing manusia dapat berbeda. Sebagain besar perangkat gamelan, berupa perangkat yang terdiri dari bilah-bilah logam. Selain itu terdapat perangkat yang terbuat dari kulit hewan dan beberapa alat tiup lain. Suara gamelan diciptakan dari pukulan palu kayu pada bilah logam perangkat gamelan. Masing-masing bilah akan bergetar dan menghasilkan frekuensi tertentu. Frekuensi ini yang menjadi nada dari bilah tersebut[2]. Kekuatan pukulan yang berbeda akan menghasilkan spektrum/bentuk suara yang berbeda. Perubahan sifat spektrum ini juga mempengaruhi cara pemisahan suara(ekstraksi). Pada tugas akhir ini dilakukan analisis ekstraksi sinyal gamelan. Ekstraksi dilakukan untuk mengetahui notasi yang dimainkan, jenis alat musik yang dimainkan dan alat musik mana yang dimainkan. Analisis dilakukan menerapkan filter adaptif least mean square(lms). II. TEORI DASAR A. Gamelan Jawa Istilah gamelan berasal dari kata gamel yang berarti dipukul[3]. Di Indonesia sendiri terdapat beberapa variasi gamelan. Variasi ini dipengaruhi oleh budaya yang ada disekitarnya, diantaranya gamelan jawa, gamelan bali, gamelan banyuwangi dan lain sebagainya. Hampir sebagian besar bermaca-macam variasi gamelan tersebut memiliki perangkat penyusun gamelan yang sama. Perbedaan yang mencolok terdapat pada cara memainkan alat musiknya. Pada gamelan jawa, terdapat dua jenis tangga nada yaitu tangga nada pelog dan slendro. Kedua tangga nada tersebut memiliki nada sebagai berikut : 1. Pada tangga nada pelog, terdapat tujuh nada yaitu 1, 2, 3, 4, 5, 6 dan 7 {C+ D E- F# G# A B}, dengan perbedaan interval yang cukup besar. 2. Pada tangga nada slendro terdiri dari lima nada, yaitu 1, 2, 3, 5 dan 6 {C- D E+ G A}, dengan perbedaan interval yang lebih kecil dari pelog[4]. Ciri khas dari perangkat gamelan yang lain adalah masingmasing perangkat hanya memiliki dan mewakili satu oktaf. Sebagai contoh pada keluarga balungan yang terdiri dari demung, saron dan peking. Diantara ketiga perangkat tersebut, demung menempati oktaf paling rendah. Oktaf diatasnya adalah saron dan oktaf tertinggi adalah peking. Sehingga frekuensi nadanya juga bertingkat, frekuensi saron adalah dua kali frekuensi demung. Sementara frekuensi peking dua kali frekuensi saron[5]. Data frekuensi nada dasar perangkat balungan bisa dilihat pada Tabel 1.
2 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) Tabel 1. Frekuensi Nada Dasar Balungan [5] Notasi Pelog Frekuensi Dasar (Hz) Demung Saron Peking Dalam pembuatan gamelan, pengerajin masih mengandalakan kemampuan pendengaran tanpa menggunakan tunner untuk menyamakan nada. Sehingga akan diperoleh frekuensi yang berbeda dari perangkat gamelan yang berbeda[6]. Tabel 2 menunjukan data frekuensi dari 4 set saron yang berbeda. Dari Tabel 2 tersebut dapat diketahui bahwa antara satu set gamelan dengan set gamelan yang lain bisa terjadi perbedaan frekuensi meskipun hanya sedikit. Tabel 2. Data Frekuensi 4 Set Saron [6] Notasi Saron Frekuensi Fundamental Gamelan (Hz) Set 1 Set 2 Set 3 Set 4 Min Max B. Estimasi Frekuensi Dengan FFT Dalam menganalisis suara gamelan, terlebih dahulu perlu diketahui frekuensi dasar untuk masing-masing nada. Hal ini bertujuan agar terbentuk tabel frekuensi yang dapat digunakan sebagai acuan dalam analisis tahap selanjutnya. Salah satu metode yang digunakan untuk melakukan mengetahui frekuensi dari sebuah sinyal adalah dengan menggunakan metode transformasi fourier. Transformasi fourier bertujuan untuk mengubah sinyal suara yang berdomain waktu kedalam domain frekuensi. Hasil dari transformasi fourier adalah spektrum frekuensi. Spektrum frekuensi menyatakan komposisi susunan frekuensi dari suatu sinyal. Spektrum frekuensi kemudian digunakan untuk keperluan pemrosesan sinyal. Persamaan transformasi fourier dapat dilihat pada persamaan 1[7]. FT(ω) = x(t)e jωt dt (1) Dimana: FT(ω) adalah hasil dari transformasi fourier dengan ω adalah komponen frekuensi. x(t) adalah sinyal masukan dari transformasi fourier dengan t adalah satuan waktu (detik).dengan e jωt = sin(ω) j cos(ω) C. Filter Adaptif Least Mean Square(LMS) Filter adaptif dapat melakukan penyesuaian sendiri parameternya dengan menggunakan algoritma rekursif, yang membuat filter dapat bekerja secara optimal pada lingkungan dimana pengetahuan yang lengkap mengenai karakteristik sinyal tidak bisa diperoleh. Algoritma tersebut berawal dari kumpulan kondisi awal yg telah ditentukan sebelumnya yang tidak dipengaruhi oleh kondisi lingkungan yang ada[8]. Operasi pada algoritma filter adaptif terdapat dua proses yaitu: proses pemfilteran yg direncanakan untuk menghasilkan keluaran guna memberikan tanggapan barisan masukan & proses adaptif yang bertujuan untuk memberikan mekanisasi pengatur adaptif guna mengatur parameter yang digunakan didalam proses pemfilteran. Dua proses ini bekerja saling berkaitan satu sama lain[9]. Diagram filter adaptif dapat dilihat pada Gambar 1. Gambar. 1. Diagram Filter Adaptif [9] Blind signal d(k) diberikan pada salah satu input sistem. Selain itu pula, terdapat input lain yang berupa reference signal x(k). Sinyal x(k) selanjutnya akan difilter dan akan dihasilkan output signal y(k). Diharapkan, dengan proses filter ini, sinyal x(k) dapat menjadi sinyal y(k) yang mirip dengan sinyal d(k). Selanjutnya sinyal d(k) difilter terhadap sinyal y(k) akan diperoleh error signal e(k). Sinyal e(k) digunakan untuk memperbaiki nilai w(k) filter dengan menggunakan algoritma adaptif. W(k) ini adalah parameter filter yang nilainya terus berubah menyesuaikan nilai e(k). Jika sistem ini dilakukan berulang-ulang maka akan dihasilkan nilai e(k) yang mendekati nol. Least Mean Square(LMS) merupakan algoritma adaptif yang digunakan untuk menentukan parameter/bobot baru dari filter. Kelebihan dari algoritma ini yaitu memiliki perfoma yang stabil dan handal dalam menghadapi kondisi sinyal yang berbeda-beda. Pada Gambar 1, algoritma least mean square(lms) terletak pada blok diagram adaptive algoritm. w(n +1) = w(n)+ 2µe(n)x(n) (2) Dari rumus 2 tersebut, w(n+1) adalah bobot baru dari filter[10]. Bobot tersebut diperoleh dari bobot sebelumnya w(n) yang ditambah dengan dua kali perkalian orde (µ) dengan error e(n) dan sinyal masukan x(n). Bobot w(n+1) inilah yang menjadi parameter w(n)yang baru pada filter adaptif pada Gambar 2.3. Algoritma ini yang memungkinkan filter melakukan eliminasi gangguan sesuai dengan kondisi yang diinginkan. D. Mean Square Error(MSE) Mean Square Error(MSE) adalah salah satu cara metode untuk menghitung nilai error atau kesalahan dari sebuah sistem. Perhitungannya adalah dengan mencari nilai rata-rata dari kuadrat error. Kuadrat dari selisih antara hasil dan nilai sebenarnya disebut dengan quadratic loss funtion.
3 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) MSE( ˆ θ) = E[( ˆ θ θ) 2 ] (3) Dimana : θ ˆ adalah nilai dari hasil perhitungan. θ adalah hasil nilai keluaran yang diinginkan. Pada tugas akhir ini, MSE dihitung dengan menghitung nilai rata-rata kuadrat sinyal keluaran. Pada persamaan 3, sinyal keluaran mewakili θ ˆ. Sementara itu θ diwakili oleh nilai 0. Hal ini disebabkan karena ketika filter bekerja dengan baik atau bekerja secara ideal, maka sinyal keluaran filter akan bernilai 0. Sehingga nilai keluaran yang diinginkan (θ ) adalah nol. µ = 0,0055 A. Metodologi Sistem III. DESAIN DAN IMPLEMENTASI Secara garis besar, sistem yang dijalankan mengikuti diagram pada Gambar 2. Gambar. 3. Pengaruh Step Size(µ) Terhadap MSE 2) Pengaruh Panjang Window Uji coba dilakukan dengan memvariasaikan panjang window dan diperoleh hasil seperti pada Gambar 4. Dari Gambar 4 dapat dilihat bahwa MSE terendah terdapat pada saat panjang window 6. Sehingga, untuk selanjutnya panjang window yang digunakan adalah 6 sampel. Gambar. 2. Diagram Metode Sistem Sistem terdiri dari dua bagian, pembuatan tabel frekuensi dasar dan sistem filter digital adaptif & MSE. Pembuatan tabel frekuensi menggunakan proses FFT terhadap seluruh kemungkinan nada. Tabel Frekuensi dasar digunakan sebagai acuan dalam proses analisis. Sistem filter digital adaptif & MSE terdiri dari beberapa tahapan. Tahapan pertama membangkitkan sinyal referensi. Selanjutnya dilakukan proses filter antara blind signal dengan sinyal referensi. Dari hasil filter, dapat dihitung nilai MSE sinyal. Selanjutnya nilai MSE sinyal dianalisis dan dibandingkan terhadap tabel frekuensi, maka akan dihasilkan perkiraan nada dan perangkat. B. Pengaruh Parameter Filter Adaptif LMS Filter adaptif LMS memiliki beberapa parameter yang dapat mempengaruhi kinerjanya. Parameter tersebut adalah step size(µ) dan panjang window. Parameter yang berbeda akan menghasilkan nilai kesalahan yang berbeda. Tugas akhir ini tidak memfokuskan pada pengaruh parameter filter terhadap kinerja filter. Oleh karena itu pada tugas akhir ini, parameter-parameter tersebut menjadi variabel kontrol. 1) Pengaruh Step Size(µ) Uji coba dilakukan dengan memvariasaikan nilai step size(µ) dan diperoleh hasil seperti pada Gambar 3. Dari Gambar 3 dapat dilihat bahwa MSE terendah terdapat pada saat nilai µ 0,0055. Sehingga, untuk selanjutnya nilai µ yang digunakan adalah 0,0055. window = 6 Gambar. 4. Pengaruh Panjang Window Terhadap MSE C. Sinyal Referensi Sinyal referensi dibangkitkan mengikuti aturan dari penelitian lain yang berkaitan dengan tuner perangkat gamelan[11]. Secara matematis, pembangkitan sinyal referensi dituliskan dengan persamaan 4. X p (n) = A sin(2 phi ( f fs ) x +θ) e n (4) Sinyal ini dibentuk dengan membangkitkan sinyal sinusoidal sesuai dengan frekuensi yang diinginkan. Selanjutnya sinyal sinusoidal dilakukan modulasi terhadap standart envelope. IV. PENGUJIAN DAN ANALISIS A. Sinyal Masukan Pengujian dilakukan terhadap sinyal masukan yang terdiri dari satu atau lebih nada. Sinyal masukan yang terdiri lebih dari satu nada, adalah sinyal gabungan dari dua sinyal yang digabung dengan secara alami yang telah ditentukan terlebih dahulu. Sinyal suara perangkat gamelan yang digunakan
4 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) sebagai bahan uji, merupakan instrumen gamelan dari keluarga balungan yaitu saron dengan nada slendro yang direkam pada fs Hz. Sinyal masukan ini dalam sistem dianggap sebagai blind signal. B. Tabel Frekuensi Setiap perangkat gamelan memiliki frekuensi nada dasar yang berbeda-beda. Untuk mendapatkan nilai frekuensi nada dasar, dilakukan proses FFT terhadap seluruh kemungkinan nada. Tabel 3 menunjukan data frekuensi nada dasar gamelan yang akan diuji. Dari Tabel 3, dapat diketahui bahwa seluruh nada antara saron A dan B memiliki frekuensi yang berbeda. Terdapat selisih terkecil sebesar 2 Hz dan selisih terbesar sebesar 8 Hz. Tabel 3. Data Frekuensi Saron yang Diuji Nada Slendro Frekuensi Dasar (Hz) Saron A Saron B menunjukan noise dari sinyal input. Tabel 4. Hasil Deteksi Frekuensi Saron D. Pengujian Terhadap Sinyal Dua Nada Pengujian dilakukan terhadap gabungan saron A nada 6 dan saron B nada 1 dan diperoleh grafik seperti pada Gambar 6. f = 757 Hz f = 969 Hz C. Pengujian Terhadap Sinyal Satu Nada Pengujian dilakukan terhadap sinyal Saron B nada 3 dan diperoleh hasil seperti Gambar 5. f = 722 Hz Gambar. 5. Hasil Filter Terhadap Sinyal Satu Nada Pada Gambar 5, terlihat grafik memiliki satu titik curam. Hal ini menunjukan bahwa bahwa sinyal memiliki satu nada penyusun. Nilai yang ditunjukan MSE terendah adalah frekuensi 722 Hz yang menunjukan frekuensi nada dasarnya. Jika dilihat pada Tabel 3, nilai tersebut sesuai dengan saron B nada 3. Hal ini menunjukan bahwa sistem dapat menendeteksi sesuai dengan nada dan perangkat yang dimasukan. Tabel 4 menunjukan data uji coba terhadap seluruh sampel nada. Jika dibandingkan terhadap Tabel 3, terdapat selisih 1 Hz pada 4 sinyal saron A nada 5 dan 6 sinyal saron B nada 5. Hal ini terjadi karena kenaikan variasi yang digunakan pada variasi frekuensi sinyal referensi sebesar 1 Hz, sehingga ketelitian perhitungan memiliki toleransi 1 Hz. Sistem filter digital adaptif tidak hanya menunjukan frekuensi penyusun sinyal, namun juga mampu memberi informasi keberadaan noise. nilai MSE dari sinyal f = 544 Hz Gambar. 6. Hasil Filter Terhadap Sinyal dengan Dua Nada Pada Gambar 6, dapat dilihat bahwa terdapat dua titik curam error pada grafik. Hal ini menunjukan bahwa terdapat dua frekuensi dominan yang ada pada sinyal. Kedua frekuensi tersebut adalah frekuensi 544 Hz dan 969 Hz. Jika dibandingkan dengan Tabel 3, frekuensi 969 Hz sesuai dengan nilai frekuensi saron A nada 6. Sementara frekuensi 544 Hz yang ditemukan memiliki nilai yang sama dengan frekuensi saron B nada 1. Kedua nada tersebut menunjukan nilai frekuensi yang sama dengan hasil FFT. Pada Gambar 6 juga dapat diketahui bahwa sinyal yang dianalisis mengandung noise, hal ini bisa dilihat dari ripple yang terjadi pada grafik, misalnya nilai MSE disekitar frekuensi 757 Hz. Ripple ini dapat mempengaruhi kinerja dari sistem deteksi nada dan perangkat pada tugas akhir ini, karena ripple bisa dideteksi sebagai frekuensi dominan. E. Pengaruh Panjang Sampel Terhadap Sistem Pada penelitian ini juga dilakukan analisis terkait pengaruh panjang sampel sistem yang dilakukan. Pada uji coba sebelumnya, panjang sampel yang diujikan tidak dibatasi, sehingga panjang sampel yang digunakan sesuai dengan panjang sampel hasil rekaman. Uji coba dilakukan terhadap sinyal saron B nada 3 dan memvariasikan panjang sinyal tersebut sebesar 1000 sampel hingga seluruh sampel dengan kenaikan sebesar 2000 sampel. Dari uji coba diperoleh Gambar 7. Dapat dilihat bahwa nilai MSE menaik saat panjang sampel 1000 hingga 5000 sampel. Selanjutnya nilai MSE turun saat panjang sampel antara 5000 hingga sampel. Nilai MSE relatif stabil saat panjang
5 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) sampel yang digunakan sebesar lebih dari sampel. Frekuensi ini berbeda dengan frekuensi yang seharusnya yaitu sebesar 722 Hz, sehingga terdapat kesalahan sebesar 3 Hz. panjang sampel 5000 panjang sampel f = 722 Hz Gambar. 7. Pengaruh Panjang Sampel Sinyal Input terhadap Sistem Selanjutnya dilakukan analisis terhadap empat macam panjang sinyal input. Yaitu panjang sinyal 1000, 5000, dan seluruh sampel. Gambar. 10. Hasil Sistem dengan Menggunakan Sampel Gambar 10 adalah grafik hasil dari sistem yang menggunakan data input sebesar sampel. Dari grafik tersebut, terlihat grafik yang terbentuk dapat menunjukan nilai frekuensi dari MSE terendah. Pada grafik tersebut, MSE terendah terdapat pada frekuensi 722 Hz. Frekuensi ini sesuai dengan frekuensi yang seharusnya yaitu sebesar 722 Hz. f = 813 Hz Gambar. 8. Hasil Sistem dengan Menggunakan 1000 Sampel Dari Gambar 8, diperoleh grafik MSE yang tidak beraturan. Dari grafik tersebut, terlihat bahwa nilai MSE terendah terjadi pada frekuensi 813 Hz. Nilai ini jauh dari nilai frekuensi yang sebenarnya yaitu sebesar 722 Hz. Selain itu, terlihat bentuk grafik yang tidak beraturan sehingga sulit dilakukan analisis berapa nada penyusun sinyal input. f = 725 Hz Gambar. 9. Hasil Sistem dengan Menggunakan 5000 Sampel Gambar 9 adalah grafik hasil dari sistem yang menggunakan 5000 sampel. Dari grafik tersebut, dapat dilihat grafik yang terbentuk memiliki ripple namun masih dapat menunjukan nilai frekuensi dari MSE terendah. Pada grafik tersebut, MSE terendah terdapat pada frekuensi 725 Hz. f = 722 Hz Gambar. 11. Hasil Sistem dengan Menggunakan Seluruh Sampel Gambar 11 adalah grafik hasil dari sistem yang menggunakan data input seluruh sampel. Dari grafik tersebut, dapat dilihat grafik yang terbentuk dapat menunjukan nilai frekuensi dari MSE terendah. Pada grafik tersebut, MSE terendah terdapat pada frekuensi 722 Hz. Frekuensi ini sesuai dengan frekuensi yang seharusnya yaitu sebesar 722 Hz. Bentuk grafik pada Gambar 10 mirip dengan grafik pada Gambar 11. Hal ini menujukan bahwa sistem sudah dapat bekerja dengan baik ketika sampel input sebesar sampel atau lebih. Selain analisa terkait MSE, juga dilakukan analisis berkaitan dengan waktu komputasi. Panjang sampel yang digunakan mempengaruhi waktu komputasi dari sistem. Hal ini dapat dilihat pada data berikut : 1. Data input 1000 sampel membutuhkan waktu komputasi sebesar 25,78 s 2. Data input 5000 sampel membutuhkan waktu komputasi sebesar 58,3881 s 3. Data input sampel membutuhkan waktu komputasi sebesar 453,2152 s 4. Data input semua sampel membutuhkan waktu komputasi sebesar 3562,8559 s
6 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) Selain itu untuk waktu masing-masing iterasi untuk setiap satu frekuensi sinyal referensi, membutuhkan waktu seperti pada Gambar 12. Dapat dilihat bahwa semakin panjang sampel yang digunakan sebagai sinyal input, waktu yang dibutuhkan akan bertambah semakan lama secara linier. Gambar. 12. Pengaruh Panjang Sampel terhadap Waktu Komputasi DAFTAR PUSTAKA [1] Sumariksa, I Putu Arya. Proses Pembuatan Bilah <URL : jurnal.isidps.ac.id/index.php/artikel/article/view/860/1495 >, diakses tanggal 15 Desember 2013 [2] Putra, Arief Rahmandani. Gamelan <URL : diakses tanggal 15 Desember 2013 [3] Utomo, Wahyu B. Sejarah Gamelan dan Makna <URL : tanggal 15 Desember 2013 [4] Utomo, Yunanto Wiji. PERTUNJUKAN GAMELAN Orkestra a la Jawa <URL : diakses tanggal 15 Desember [5] Suprapto, K., Puspito D., Tjahjanto Aris., Usagawa, Tsuyoshi., Onset Detection using Adaptive Cross-correlation for Automatic Transcription on Multi Gamelan Instruments, Computation Laboratory, Institute Technology of Sepuluh Nopember ITS, Surabaya, May, 2010 [6] Suprapto, Yoyon K, Ekstraksi Suara Saron Berbasis Spectral- Density Menggunakan Filter Multidimensi [7] Ludeman, C. Lonnie. Fundamentals of Digital Signal Processing, John Wiley & Sons, [8] Haykin, Simon. Introduction: The LMS Filter (Algoritm). Wiley- Interscience [9] Bilcu, Radu Ciprian. On Adaptive Least Mean Square FIR Filters: New Implementation and Applications. Finland : Thesis Tampere University of Technology [10] Suprapto, Yoyon K. Segmentation of Identical and Simultaneously Played Traditional Music Instruments using Adaptive LMS. IPTEK ITS XXX [11] Pradhana, Vincentius E. dan Suprapto, Yoyon K., Portable High Performance Gamelan Tuner using Adaptive Waveform Pattern Matching, TICA 2012 Paper, Tokyo, Desember V. KESIMPULAN Dari penelitian tugas akhir ini, dapat diambil kesimpulan sebagai berikut: 1. Untuk blind sinyal yang terdiri dari satu nada, filter digital adaptif least mean square(lms) dapat mendeteksi frekuensi sesuai perhitungan yang diperoleh dari sistem FFT. Dengan tingkat kesalahan sebesar 1 Hz. 2. Untuk blind sinyal yang terdiri dari dua nada, frekuensi yang diperoleh filter digital adaptif least mean square(lms) menunjukan nilai yang sama dengan frekuensi yang diperoleh dari FFT. 3. Hasil deteksi frekuensi dengan menggunakan filter adaptif least mean square(lms) dapat mendeteksi nada dan perangkat dari set gamelan yang berbeda, dengan membandingkan hasil frekuensi tersebut terhadap tabel frekuensi. Agar proses deteksi berhasil, harus terdapat perbedaan frekuensi antar perangkat yang berbeda minimal 2 Hz untuk nada yang sama. 4. Agar sistem filter digital adaptif least mean square(lms) berjalan dengan baik, dibutuhkan sinyal input dengan panjang sampel atau lebih. Penulis bernama lengkap Vonda Bri Valdo Ary. Teman temannya biasa memanggil dengan nama Vonda. Pria ini lahir di Blitar tepatnya tanggal 10 Desember Riwayat pendidikannya dimulai dari TK Pertiwi 1 Talun pada tahun 1995 sampai 1997, kemudian dilanjutkan ke SD Talun 4 pada tahun 1997 sampai 2003, lalu berlanjut ke SMP Negeri 1 Wlingi pada tahun 2003 sampai 2006, kemudian di SMA Negeri 1 Talun pada tahun 2006 sampai 2009, dan sempat mengenyam bangku kuliah di Jurusan Teknik Elektro ITS sejak tahun 2009 sampai tahun Ketika kuliah di Jurusan Teknik Elektro, penulis mengambil bidang studi Teknik Komputer dan Telematika dan sempat terdaftar sebagai asisten Laboratorium B201. Pria yang bertinggi badan 174 cm ini mempunyai motto hidup yaitu, lakukan yang terbaik dan nikmatilah.
Pembangkitan Suara Sintetik Berbasis Spectrum Density pada Gamelan Kelompok Balungan
1 Pembangkitan Suara Sintetik Berbasis Spectrum Density pada Gamelan Kelompok Balungan Biyan Oscar, Yoyon Kusnendar Suprapto, Stevanus Hardiristanto Jurusan Teknik Elektro, Fakultas Teknologi Industri,
Lebih terperinciEkstraksi Suara Saron Mengunakan Cross Correlation Untuk Transkripsi Notasi Gamelan
Ekstraksi Suara Saron Mengunakan Cross Correlation Untuk Transkripsi Gamelan Zumrotul Hana, Yoyon K. Suprapto, Surya Sumpeno. Jurusan Teknik Elektro FTI - ITS Abstrak Penelitian musik gamelan sedikit sekali
Lebih terperinciPenggunaan Tapis Adaptif Dalam Proses Editing suara Pada Pembuatan Film Layar Lebar
Penggunaan Tapis Adaptif Dalam Proses Editing suara Pada Pembuatan Film Layar Lebar Bambang Sudarmono Achmad Hidayatno Budi Setiyono Abstrak Permasalahan yang timbul ketika melakukan pengambilan suara
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bunyi merupakan gelombang mekanis longitudinal yang bisa didengar manusia melalui sensor bunyi berupa gendang telinga. Manusia dapat mendengarkan bunyi disebabkan sumber
Lebih 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 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 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 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 terperinciBRAMARA 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 terperinciAnalisis Kinerja Modulasi M-PSK Menggunakan Least Means Square (LMS) Adaptive Equalizer pada Kanal Flat Fading
Jurnal Reka Elkomika 2337-439X Juli 2014 Jurnal Online Institut Teknologi Nasional Teknik Elektro Itenas Vol.2 No.3 Analisis Kinerja Modulasi M-PSK Menggunakan Least Means Square (LMS) Adaptive Equalizer
Lebih terperinciSIMULASI KENDALI ADAPTIF MENGGUNAKAN ALGORITMA LMS UNTUK IDENTIFIKASI PLANT ORDE-2
SIMULASI KENDALI ADAPTIF MENGGUNAKAN ALGORITMA LMS UNTUK IDENTIFIKASI PLANT ORDE-2 SUKARMAN Sekolah Tinggi Teknologi Nuklir-BATAN Jl. Babarsari Kotak Pos 1008, DIY 55010 Telp. 0274.489716, Faks.489715
Lebih terperinciSATUAN ACARA PERKULIAHAN EK.353 PENGOLAHAN SINYAL DIGITAL
EK.353 PENGOLAHAN SINYAL DIGITAL Dosen: Ir. Arjuni BP, MT : Sinyal dan Pemrosesan Sinyal Tujuan pembelajaran umum : Para mahasiswa mengetahui tipe-tipe sinyal, pemrosesan dan aplikasinya Jumlah pertemuan
Lebih terperinciAplikasi Teknik Speech Recognition pada Voice Dial Telephone
Aplikasi Teknik Speech Recognition pada Voice Dial Telephone Oleh: Ahmad Irfan Abdul Rahman Tri Budi Santoso Titon Dutono Laboratorium Sinyal, Politeknik Elektronika Negeri Surabaya (PENS) Institut Teknologi
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 terperinciMODEL ANALYSIS-BY-SYNTHESIS APLIKASI PEMBANGKIT SUARA GAMELAN SINTETIK
MODEL ANALYSIS-BY-SYNTHESIS APLIKASI PEMBANGKIT SUARA GAMELAN SINTETIK Aris Tjahyanto 1, Yoyon K Suprapto 2, Diah Puspito Wulandari 3 1 Manajemen Manajemen Teknologi, Institut Teknologi Sepuluh Nopember
Lebih terperinci2.1. Filter. Gambar 1. Bagian dasar konverter analog ke digital
2.1. Filter Filter adalah suatu alat untuk memisahkan sinyal sinyal yang diinginkan dari sinyal-sinyal yang tidak diinginkan. [1]. Filter berkembang dalam pemakaiannya di bidang Elektroteknik menjadi sebagai
Lebih terperinciPENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG
PENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG TUGAS AKHIR MUHAMMAD AGUNG NURSYEHA 2211100164 Pembimbing: Dr. Muhammad
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Suara Manusia Menurut Inung Wijayanto (2013), produksi suara manusia memerlukan tiga elemen, yaitu sumber daya, sumber suara dan pemodifikasi suara. Ini adalah dasar dari teori
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 terperinciAdaptive IIR Filter Untuk Active Noise Controller Menggunakan Prosesor Sinyal Digital TMS320C542
Adaptive IIR Filter Untuk Active Noise Controller Menggunakan Prosesor Sinyal Digital TMS320C542 Endra Jurusan Sistem Komputer, Fakultas Ilmu Komputer, Universitas Bina Nusantara Jl K.H. Syahdan No. 9,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Adaptive Noise Cancellation merupakan salah satu aplikasi filter adaptif yang digunakan untuk meredam noise pada sinyal. Aplikasi filter ini menggunakan algoritma Least
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 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 terperinciPENGARUH RESONATOR TERHADAP BUNYI NADA 3 SLENTHEM BERDASARKAN SOUND ENVELOPE. Agung Ardiansyah
PENGARUH RESONATOR TERHADAP BUNYI NADA 3 SLENTHEM BERDASARKAN SOUND ENVELOPE Agung Ardiansyah 1108100057 *Pendahuluan 3 * Pendahuluan 01. Latar Belakang Dalam pagelaran gamelan berbeda dengan pagelaran
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 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 terperinciPengaruh Resonator Terhadap Bunyi Slenthem Berdasarkan Sound Envelope
JURNAL FISIKA DAN APLIKASINYA VOLUME 10, NOMOR 2 JUNI 2014 Pengaruh Resonator Terhadap Bunyi Slenthem Berdasarkan Sound Envelope Agung Ardiansyah, Lila Yuwana, Suyatno, Didiek Basuki Rahmat, Susilo Indrawati,
Lebih terperinciTUGAS AKHIR PERANCANGAN SISTEM PENDETEKSI ARITMIA MENGGUNAKAN NEURAL NETWORK. Andri Iswanto
TUGAS AKHIR PERANCANGAN SISTEM PENDETEKSI ARITMIA MENGGUNAKAN NEURAL NETWORK Andri Iswanto 2208 100 531 Dosen Pembimbing : Dr. Tri Arief Sardjono ST.,MT. Jurusan Teknik Elektro Fakultas Teknologi Industri
Lebih terperinciJaringan Syaraf Tiruan pada Robot
Jaringan Syaraf Tiruan pada Robot Membuat aplikasi pengenalan suara untuk pengendalian robot dengan menggunakan jaringan syaraf tiruan sebagai algoritma pembelajaran dan pemodelan dalam pengenalan suara.
Lebih 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 terperinciBAB I PENDAHULUAN. tidak semua orang mau menjalankan pola hidup sehat dan teratur untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Tubuh sehat adalah hal yang pasti diinginkan setiap orang. Akan tetapi, tidak semua orang mau menjalankan pola hidup sehat dan teratur untuk mencapainya. Akibatnya,
Lebih terperinciANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV 1
Jurnal Reaksi (Journal of Science and Technology) ANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV Raisah Hayati Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe
Lebih terperinciMODUL 6 ANALISA SINYAL DALAM DOMAIN FREKUENSI
MODUL 6 ANALISA SINYAL DALAM DOMAIN FREKUENSI I. TUJUAN - Mengamati sinyal dalam domain waktu dan domain frekuensi dengan menggunakan library FFT II. DASAR TEORI 2.1 Transformasi Fourier Satu bentuk transformasi
Lebih terperinciANALISIS GALAT AKIBAT KUANTISASI PADA IMPLEMENTASI DIGITAL SISTEM ADAPTIF LMS
ANALISIS GALAT AKIBAT KUANTISASI PADA IMPLEMENTASI DIGITAL SISTEM ADAPTIF LMS Indrastanti R. Widiasari Fakultas Teknologi Informasi - Universitas Kristen Satya Wacana indrastanti@yahoo.com ABSTRACT Most
Lebih terperinciAnalisa Sistem DVB-T2 di Lingkungan Hujan Tropis
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-5 1 Analisa Sistem DVB-T2 di Lingkungan Hujan Tropis Nezya Nabillah Permata dan Endroyono Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi
Lebih terperinciANALISIS SINYAL SEISMIK GUNUNG MERAPI, JAWA TENGAH - INDONESIA MENGGUNAKAN METODE ADAPLET (TAPIS ADAPTIF BERBASIS WAVELET)
ANALISIS SINYAL SEISMIK GUNUNG MERAPI, JAWA TENGAH - INDONESIA MENGGUNAKAN METODE ADAPLET (TAPIS ADAPTIF BERBASIS WAVELET) Agfianto Eko Putra 1, Adi Susanto 2, Kirbani Sri Brotopuspito 3, Jazi Eko Istiyanto
Lebih terperinciEKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON
EKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON Nurmasyitah 1, Mursyidah 2, Jamilah 3 Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknologi Informasi dan Komputer, Politeknik
Lebih terperinciPerancangan dan Simulasi MRAC PID Control untuk Proses Pengendalian Temperatur pada Continuous Stirred Tank Reactor (CSTR)
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-128 Perancangan dan Simulasi MRAC PID Control untuk Proses Pengendalian Temperatur pada Continuous Stirred Tank Reactor (CSTR)
Lebih terperinciSISTEM PENYAMA ADAPTIF DENGAN ALGORITMA GALAT KUADRAT TERKECIL TERNORMALISASI
SISTEM PENYAMA ADAPTIF DENGAN ALGORITMA GALAT KUADRAT TERKECIL TERNORMALISASI Oleh Caesar Aji Kurnia NIM : 612008079 Skripsi ini untuk melengkapi syarat-syarat memperoleh Gelar Sarjana Teknik dalam Konsentrasi
Lebih terperinciPERANDINGAN NLMS DAN RLS PADA ADAPTIVE NOISE CANCELLER MENGGUNAKAN LABVIEW
PERANDINGAN NLMS DAN RLS PADA ADAPTIVE NOISE CANCELLER MENGGUNAKAN LABVIEW Suryo Budiyanto 1 ; Christopher Adam Pandawa 2 Fakultas Ilmu Komputer, Jurusan Sistem Komputer, BINUS University Jalan K.H. Syahdan
Lebih terperinciudara maupun benda padat. Manusia dapat berkomunikasi dengan manusia dari gagasan yang ingin disampaikan pada pendengar.
BAB II DASAR TEORI 2.1 Suara (Speaker) Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitudo tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun
Lebih 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 terperinciImplementasi Algoritma BLMS Untuk Pereduksi Derau Pada Sinyal Suara Menggunakan TMS320C6416T
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-137 Implementasi Algoritma B Untuk Pereduksi Derau Pada Sinyal Suara Menggunakan TMS320C6416T Rayi Margina Putri Kurnia, Suwadi,
Lebih terperinciBAB I PENDAHULUAN. Tugas Akhir yang berjudul Sistem Penyama Adaptif dengan Algoritma Galat
BAB I PENDAHULUAN Bab satu membahas latar belakang masalah, tujuan, dan sistematika pembahasan Tugas Akhir yang berjudul Sistem Penyama Adaptif dengan Algoritma Galat Kuadrat Terkecil Ternormalisasi. Pada
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Musik sudah menjadi bagian integral dari kehidupan manusia. Melalui berbagai catatan sejarah maupun dalam kitab-kitab suci berbagai agama, dapat diketahui bahwa manusia
Lebih terperinciIDENTIFIKASI INSTRUMEN GAMELAN JAWA MENGGUNAKAN JARINGAN FUNGSI BASIS RADIAL DENGAN METODE PELATIHAN EXTENDED KALMAN FILTER
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 283 IDENTIFIKASI INSTRUMEN GAMELAN JAWA MENGGUNAKAN JARINGAN FUNGSI BASIS RADIAL DENGAN METODE PELATIHAN EXTENDED KALMAN FILTER
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian yang dilakukan dapat dijelaskan dengan lebih baik melalui blok diagram seperti yang terliat pada Gambar 3.1. Suara Manusia Rekam suara Hasil rekaman
Lebih terperinciTranskripsi Musik Gong Timor Menggunakan Continous Wavelet Transform (CWT)
Jurnal Energi dan Manufaktur Vol. 9 No. 1, April 2016 (33-38) http://ojs.unud.ac.id/index.php/jem ISSN: 2302-5255 (p) Transkripsi Musik Gong Timor Menggunakan Continous Wavelet Transform (CWT) Yovinia
Lebih terperinciPERANCANGAN DAN SIMULASI LOW PASS FINITE IMPULSE RESPONSE DENGAN METODE WINDOWING
PERANCANGAN DAN SIMULASI LOW PASS FINITE IMPULSE RESPONSE DENGAN METODE WINDOWING Irmawan, S.Si, MT Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya ABSTRAK Filter digital adalah suatu algoritma
Lebih terperinciSISTEM TELECARDIAC MONITORING EKSTRAKSI DAN TRANSMISI PARAMETER TEMPORAL SINYAL JANTUNG MELALUI KANAL RADIO
SISTEM TELECARDIAC MONITORING EKSTRAKSI DAN TRANSMISI PARAMETER TEMPORAL SINYAL JANTUNG MELALUI KANAL RADIO Norma Hermawan 1), Muh. Farid Retistianto 2), Achmad Arifin 3) 1),3 ) Teknik Biomedik, Institut
Lebih terperinciSISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM. Ivanna K. Timotius, Danie Kurniawan. Intisari
SISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM SISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM Fakultas Teknik Elektronika dan Komputer, Program Studi Teknik Elektro, Universitas Kristen Satya Wacana, Salatiga,
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pembahasan pada bab ini berisi penjelasan cara pengujian beserta hasil pengujian untuk melihat apakah hasil perancangan sistem penyama beserta analisisnya memenuhi sasaran
Lebih terperinciAnalisis Vibrasi untuk Klasifikasi Kerusakan Motor di PT Petrokimia Gresik Menggunakan Fast Fourier Transform dan Neural Network
JURNAL TEKNIK POMITS Vol. 1, No. 1, (14) 1-6 1 Analisis Vibrasi untuk Klasifikasi Kerusakan Motor di PT Petrokimia Gresik Menggunakan Fast Fourier Transform dan Neural Network Nirma Priatama, Dimas Anton
Lebih terperinciBAB II DASAR TEORI. sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda.
BAB II DASAR TEORI. Umum Pada kebanyakan sistem, baik itu elektronik, finansial, maupun sosial sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda. Karena sebagian besar sinyal
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip ), dan Bambang Susanto 3) ) Mahasiswa Program Studi Matematika ) 3) Dosen Program Studi Matematika
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 terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciOleh : ARI YUANTI Nrp
TUGAS AKHIR DESAIN DAN SIMULASI FILTER DAYA AKTIF SHUNT UNTUK KOMPENSASI HARMONISA MENGGUNAKAN METODE CASCADED MULTILEVEL INVERTER Oleh : ARI YUANTI Nrp.. 2207 100 617 Dosen Pembimbing Prof. Dr. Ir. Mochamad
Lebih terperinciON-BOARD FUNDAMENTAL FREQUENCY ESTIMATION OF ROCKET FLIGHT EXPERIMENTS USING DSP MICROCONTROLLER AND ACCELEROMETER
Jurnal Teknologi Dirgantara Vol. 7 No. 1 Juni 29:46-5 ON-BOARD FUNDAMENTAL FREQUENCY ESTIMATION OF ROCKET FLIGHT EXPERIMENTS USING DSP MICROCONTROLLER AND ACCELEROMETER Agus Harno Nurdin Syah, Sri Kliwati,
Lebih terperinciImplementasi Filter FIR secara Real Time pada TMS 32C5402
Implementasi Filter FIR secara Real Time pada TMS 32C5402 Oleh: Tri Budi Santoso, Hary Octavianto, Titon Dutono E-mail: tribudi@eepis-its.edu Laboratorium Sinyal, Politeknik Elektronika Negeri Surabaya
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 terperinciTabel 1. Parameter yang digunakan pada proses Heat Exchanger [1]
1 feedback, terutama dalam kecepatan tanggapan menuju keadaan stabilnya. Hal ini disebabkan pengendalian dengan feedforward membutuhkan beban komputasi yang relatif lebih kecil dibanding pengendalian dengan
Lebih terperinciImplementasi dan Evaluasi Kinerja Kode Konvolusi pada Modulasi Quadrature Phase Shift Keying (QPSK) Menggunakan WARP
JURNAL TEKNIK ITS Vol., No. 1, (215) ISSN: 2337539 (231-9271 Print) A Implementasi dan Evaluasi Kinerja Kode Konvolusi pada Modulasi Quadrature Phase Shift Keying (QPSK) Menggunakan WARP Desrina Elvia,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup[1] Sistem kendali dapat dikatakan sebagai hubungan antara komponen yang membentuk sebuah konfigurasi sistem, yang akan menghasilkan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
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 masing-masing komponen perangkat.
Lebih terperinciANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA LEAST MEAN FOURTH BASED POWER OF TWO QUANTIZER (LMF-PTQ)
ANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA LEAST MEAN FOURTH BASED POWER OF TWO QUANTIZER (LMF-PTQ) Ginda Utama Putri, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Informasi tentang pemasangan iklan di suatu radio (antara lain mengenai, jam berapa suatu iklan ditayangkan, dalam sehari berapa kali suatu iklan ditayangkan dan berapa
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Prinsip teknologi dikembangkan adalah untuk membuat alat atau sarana yang dapat membantu dan memberi kemudahan bagi manusia untuk melakukan kegiatan dalam hidup. Seiring
Lebih terperinciSIMULASI PENGOLAHAN SINYAL DIJITAL FILTER ADAPTIF MENGGUNAKAN ALGORITMA LMS, RLS, FAST KALMAN, DAN GAL
Jurnal Sistem Komputer Unikom Komputika Volume 1, No.1-2012 SIMULASI PENGOLAHAN SINYAL DIJITAL FILTER ADAPTIF MENGGUNAKAN ALGORITMA LMS, RLS, FAST KALMAN, DAN GAL Susmini Indriani Lestariningati 1) 1)
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informasi Skripsi Sarjana Komputer Semester Genap tahun 2003/2004 PENGENALAN NADA PADA INSTRUMEN MUSIK AKUSTIK Antonius Daniel Kurniawan (0400537123) Herry Zhouldy
Lebih 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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN RBF PADA SISTEM KONTROL VALVE UNTUK PENGENDALIAN TINGGI MUKA AIR
APLIKASI JARINGAN SYARAF TIRUAN RBF PADA SISTEM KONTROL VALVE UNTUK PENGENDALIAN TINGGI MUKA AIR Wahyudi, Hariyanto, Iwan Setiawan Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jln.
Lebih terperinciIMPLEMENTASI MULTIPATH FADING RAYLEIGH MENGGUNAKAN TMS320C6713
IMPLEMENTASI MULTIPATH FADING RAYLEIGH MENGGUNAKAN TMS320C6713 Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang Email: aryobaskoro@mail.unnes.ac.id Abstrak. Karakteristik kanal wireless ditentukan
Lebih terperinciREALISASI ACTIVE NOISE REDUCTION MENGGUNAKAN ADAPTIVE FILTER DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) BERBASIS MIKROKONTROLER LM3S6965 ABSTRAK
REALISASI ACTIVE NOISE REDUCTION MENGGUNAKAN ADAPTIVE FILTER DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) BERBASIS MIKROKONTROLER LM3S6965 Nama : Wito Chandra NRP : 0822081 Jurusan Teknik Elektro, Fakultas
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 terperinciPENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007 PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA Arief Budiman 0700711481 Muhammad Arya Chandra
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih 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 terperinciSIGNAL & SPECTRUM O L E H : G U TA M A I N D R A. Rangkaian Elektrik Prodi Teknik Elektro Fakultas Teknik 2017
SIGNAL & SPECTRUM O L E H : G U TA M A I N D R A Rangkaian Elektrik Prodi Teknik Elektro Fakultas Teknik 2017 TUJUAN PERKULIAHAN Memahami berbagai pernyataan gelombang sinyal Memahami konsep harmonisa
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 PENCUPLIKAN DAN KUANTISASI
BAB II PENCUPLIKAN DAN KUANTISASI Sebagian besar sinyal-sinyal di alam adalah sinyal analog. Untuk memproses sinyal analog dengan sistem digital, perlu dilakukan proses pengubahan sinyal analog menjadi
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
Salatiga, 5 Juni 23, Vol 4, No., ISSN:287 922 ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip 2), dan Bambang Susanto 3) ) Mahasiswa Program Studi
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini telah dilaksanakan di Laboratorium Elektronika Dasar Jurusan
44 III. METODE PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini telah dilaksanakan di Laboratorium Elektronika Dasar Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciSistem Komunikasi II (Digital Communication Systems)
Sistem Komunikasi II (Digital Communication Systems) Lecture #1: Stochastic Random Process Topik: 1.1 Pengenalan Sistem Komunikasi Digital. 1.2 Pendahuluan Stochastic Random Process. 1.3 Random Variable
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas
Lebih terperinciJournal of Control and Network Systems
JCONES Vol. 5, No. 1 (2016) 177-183 Journal of Control and Network Systems Situs Jurnal : http://jurnal.stikom.edu/index.php/jcone IDENTIFIKASI SUARA MANUSIA BERDASARKAN JENIS KELAMIN MENGGUNAKAN EKSTRAKSI
Lebih terperinci2) Staf Pengajar Jurusan Fisika, Institut Teknologi Sepuluh Nopember Surabaya
PERANCANGAN DAN PEMBUATAN PROTOTIPE BAND PASS FILTER UNTUK OPTIMASI TRANSFER DAYA PADA SINYAL FREKUENSI RENDAH; STUDI KASUS:SINYAL EEG Lisa Sakinah 1), Dr. Melania SM,M.T 2) 1) Mahasiswa Jurusan Fisika,
Lebih terperinciPENGENALAN NADA PIANIKA MENGGUNAKAN JENDELA SEGITIGA, DCT, DAN FUNGSI JARAK EUCLEDIAN
PEGEALA ADA PIAIKA MEGGUAKA JEDELA SEGITIGA, DCT, DA FUGSI JARAK EUCLEDIA Linggo Sumarno Jurusan Teknik Elektro, Universitas Sanata Dharma Kampus III, Paingan, Maguwoharjo, Depok, Sleman, Yogyakarta 558
Lebih terperinciPENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK
PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK Eko Budi Wahyono*), Suzuki Syofian**) *) Teknik Elektro, **) Teknik Informatika - Fakultas Teknik Abstrak Pada era modern
Lebih terperinciRANCANG BANGUN ALAT BANTU PENENTU POLA DISTRIBUSI INPUT DENGAN MEMANFAATKAN JARINGAN SYARAF TIRUAN DENGAN MENGGUNAKAN PERSENTIL SEBAGAI PENCIRI
RANCANG BANGUN ALAT BANTU PENENTU POLA DISTRIBUSI INPUT DENGAN MEMANFAATKAN JARINGAN SYARAF TIRUAN DENGAN MENGGUNAKAN PERSENTIL SEBAGAI PENCIRI Aris Tjahyanto Jurusan Sistem Informasi, Fakultas Teknologi
Lebih terperinciANALISIS UNJUK KERJA EKUALIZER KANAL ADAPTIF DENGAN MENGGUNAKAN ALGORITMA SATO
ANALISIS UNJUK KERJA EKUALIZER KANAL ADAPTIF DENGAN MENGGUNAKAN ALGORITMA SATO Direstika Yolanda, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera
Lebih terperinciLAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA. Disusun Oleh : Inggi Rizki Fatryana ( )
LAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA Disusun Oleh : Inggi Rizki Fatryana (1210147002) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya 2014-2015
Lebih terperinciPenekanan Derau secara Adaptif pada Pengenalan Ucapan Kata
Penekanan Derau secara Adaptif pada Pengenalan Ucapan Kata Achmad Bayhaki (L2F 002 541) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Semarang, Indonesia trainingmoment@yahoo.com Abstrak
Lebih terperinciBAB II DASAR TEORI. Dalam bab ini penulis akan menjelaskan teori teori yang diperlukan untuk
BAB II DASAR TEORI Dalam bab ini penulis akan menjelaskan teori teori yang diperlukan untuk mewujudkan sistem penyamaan adaptif dengan algoritma galat kuadrat terkecil ternormalisasi pada suatu titik.
Lebih terperinciANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA STOP AND GO
ANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA STOP AND GO Indra Fauziah, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciDigital Audio Watermarking dengan Fast Fourier Transform
Digital Audio Watermarking dengan Fast Fourier Transform Otniel 13508108 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciKontrol Fuzzy Takagi-Sugeno Berbasis Sistem Servo Tipe 1 Untuk Sistem Pendulum Kereta
Kontrol Fuzzy Takagi-Sugeno Berbasis Sistem Servo Tipe Untuk Sistem Pendulum Kereta Helvin Indrawati, Trihastuti Agustinah Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinci