BAB 2 LANDASAN TEORI
|
|
- Irwan Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1 Audio Audio atau suara merupakan gelombang yang mengandung sejumlah komponen penting (amplitudo, panjang gelombang dan frekuensi) yang dapat menyebabkan suara yang satu berbeda dari suara lain. Amplitudo adalah kekuatan atau daya gelombang sinyal. Tinggi gelombang yang bisa dilihat sebagai grafik, Gelombang yang lebih tinggi diinterpretasikan sebagai volume yang lebih tinggi, Suara beramplitudo lebih besar akan terdengar lebih keras. Frekuensi adalah jumlah dari siklus yang terjadi dalam satu detik. Satuan dari frekuensi adalah Hertz atau disingkat Hz. Getaran gelombang suara yang cepat membuat frekuensi semakin tinggi. Misalnya, bila menyanyi dalam pita suara tinggi memaksa tali suara untuk bergetar secara cepat. Suara dengan frekuensi lebih besar akan terdengar lebih tinggi[10]. Gelombang suara adalah gelombang yang dihasilkan dari sebuah benda yang bergetar. Sebagai contoh, senar gitar yang dipetik, gitar akan bergetar dan getaran ini merambat di udara, atau air, atau material lainnya. Satu-satunya tempat dimana suara tak dapat merambat adalah ruangan hampa udara. Gelombang suara ini memiliki lembah dan bukit, satu buah lembah dan bukit akan menghasilkan satu siklus atau periode. Siklus ini berlangsung berulang-ulang, yang membawa pada konsep frekuensi. Telinga manusia dapat mendengar bunyi antara 20 Hz hingga 20 khz ( Hz) sesuai batasan sinyal audio. Karena pada dasarnya sinyal suara adalah sinyal yang dapat diterima oleh telinga manusia. Angka 20 Hz sebagai frekuensi suara terendah yang dapat didengar, sedangkan 20 KHz merupakan frekuensi tertinggi yang
2 dapat didengar. Gelombang suara bervariasi sebagaimana variasi tekanan media perantara seperti udara. Suara diciptakan oleh getaran dari suatu obyek, yang menyebabkan udara disekitarnya bergetar. Getaran udara ini kemudian menyebabkan gendang telinga manusia bergetar, yang kemudian oleh otak dianggap sebagai suara Audio Digital Audio digital merupakan versi digital dari suara analog. Pengubahan suara analog menjadi suara digital membutuhkan suatu alat yang disebut Analog to Digital Converter (ADC). ADC akan mengubah amplitudo sebuah gelombang analog ke dalam waktu interval (sampel) sehingga menghasilkan penyajian digital dari suara[1]. Gambar 2.1 Ilustrasi proses suara analog ke digital dan sebaliknya Sumber: Berlawanan dengan ADC, Digital to Analog Converter (DAC) akan mengubah suara digital ke alat suara analog (speaker). Audio digital merupakan penyajian dari suara asli. Dengan kata lain, audio digital merupakan sampel suara. Kualitas perekaman digital bergantung pada seberapa sering sampel diambil (angka sampling atau frekuensi dihitung dalam kilohertz atau seribu sampel per detik). Tiga frekuensi sampling yang paling sering digunakan dalam multimedia adalah kualitas CD 44.1 khz, khz dan khz dengan ukuran sampel 8 bit dan 16 bit. Ukuran
3 sampel 8 bit menyediakan 256 unit deskripsi jarak dinamis atau amplitudo (level suara dalam satu waktu). Ukuran file dari audio digital bergantung pada angka sampling, resolusi dan channel-nya (Stereo atau Mono). Kualitas perekaman digital bergantung pada seberapa sering sampel diambil dan berapa banyak angka yang digunakan untuk menyajikan nilai dari tiap sampel (bitdepth, ukuran sampel, resolusi, jarak dinamis). Semakin sering sampel diambil, semakin banyak data yang disimpan mengenai sampel, semakin bagus resolusi dan kualitas suara yang ditangkap ketika diputar. Artinya, kualitas suara akan semakin tinggi. Semakin tinggi kualitas suara, semakin besar pula ukuran file yang dihasilkan. Resolusi audio (8 bit atau 16 bit) menentukan akurasi proses digital dari suara. Penggunaan bit yang lebih besar untuk ukuran sampel akan menghasilkan hasil rekaman yang menyerupai versi aslinya Format File Audio File WAV WAV adalah format file audio standar Microsoft dan IBM untuk personal computer (PC), biasanya menggunakan pengkodean PCM (Pulse Code Modulation). WAV adalah data tidak terkompres sehingga seluruh sampel audio disimpan semuanya di harddisk. Perangkat lunak yang dapat menciptakan WAV dari sinyal analog misalnya adalah Windows Sound Recorder. WAV jarang sekali digunakan di internet karena ukurannya yang relatif besar dengan batasan maksimal untuk file WAV adalah 2GB. Secara umum data audio digital dari WAV memiliki karakteristik yang dapat dinyatakan dengan parameter-parameter berikut: a. Laju sampel (sampling rate) dalam sampel/detik, misalnya atau sampel/detik. b. Jumlah bit tiap sampel, misalnya 8 atau 16 bit. c. Jumlah kanal (channel), yaitu 1 untuk mono dan 2 untuk stereo.
4 Parameter-parameter tersebut menyatakan pengaturan yang digunakan oleh ADC pada saat data audio direkam. Biasanya laju sampel juga dinyatakan dengan satuan Hz atau khz. Sebagai gambaran, data audio digital yang tersimpan dalam CD audio memiliki karakteristik laju sampel Hz, 16 bit per sampel, dan 2 kanal (stereo), yang berarti setiap satu detik suara tersusun dari sampel, dan setiap sampel tersimpan dalam data sebesar 16-bit atau 2 byte. Laju sampel selalu dinyatakan untuk setiap satu kanal (channel). Jadi misalkan suatu data audio digital memiliki 2 kanal (channel) dengan laju sampel 8000 sampel/detik, maka di dalam setiap detiknya akan terdapat sampel. File WAV menggunakan struktur standar RIFF Microsoft yang mengelompokkan isi file (sampel format, sampel audio digital, dan lain sebagainya) menjadi Chunk yang terpisah, setiap bagian mempunyai header dan byte data masing- masing. Header Chunk menetapkan jenis dan ukuran dari byte data Chunk. Dengan metoda pengaturan seperti ini maka program yang tidak mengenali jenis Chunk yang khusus dapat dengan mudah melewati bagian Chunk ini dan melanjutkan langkah memproses Chunk yang dikenalnya. Gambar 2.2 Format file WAV[12]
5 Tabel 2.1 Field-field pada struktur format file WAV Field Keterangan Fomat Menunjukkan type format data dan memiliki nilai WAVE_FORMAT_PCM. NumChannels Menunjukkan banyaknya kanal yang ada di dalam data waveform audio. Untuk mono menggunakan satu kanal sedangkan untuk stereo menggunakan dua kanal. SampleRate Menunjukkan besarnya sample rate dalam sample per detik. ByteRate Menunjukkan rata-rata laju transfer data, dalam byte per detik. Misalnya untuk PCM 16-bit stereo pada 44.1 khz, ByteRate bernilai (2 kanal * 2 byte per sample * 44100). BlockAlign Menunjukkan banyaknya byte yang digunakan untuk satu buah sample. Misalnya untuk PCM 16-bit mono, BlockAlign akan bernilai File MP3 MPEG-1 audio layer III atau yang lebih dikenal dengan MP3, adalah pengkodean dalam digital audio dan juga merupakan format kompresi audio yang memiliki sifat menghilangkan. Istilah menghilangkan yang dimaksud adalah kompresi audio ke dalam format mp3 menghilangkan aspek-aspek yang tidak signifikan pada pendengaran manusia untuk mengurangi besarnya file audio. Sejarah MP3 dimulai dari tahun 1991 saat proposal dari Phillips (Belanda), CCET (Perancis), dan Institut für Rundfunktechnik (Jerman) memenangkan proyek untuk DAB (Digital Audio Broadcast). Produk mereka seperti Musicam (lebih dikenal dengan layer 2) terpilih karena kesederhanaan, ketahanan terhadap kesalahan, dan perhitungan komputasi yang sederhana untuk melakukan pengkodean yang menghasilkan keluaran yang memiliki kualitas tinggi. Pada akhirnya ide dan teknologi yang digunakan dikembangkan menjadi MPEG-1 audio layer 3. MP3 adalah pengembangan dari teknologi sebelumnya sehingga dengan ukuran yang lebih kecil dapat menghasilkan kualitas yang setara dengan kualitas CD.
6 Spesifikasi dari layer-layer sebagai berikut: a. Layer 1: paling baik pada 384 kbit/s. b. Layer 2: paling baik pada kbit/s, sangat baik pada kbit/, baik pada kbit/s 3. c. Layer 3: paling baik pada kbit/s, sangat baik pada kbit/s, baik pada kbit/s. Kompresi yang dilakukan oleh MP3 seperti yang telah disebutkan, tidak mempertahankan bentuk asli dari sinyal input. Melainkan yang dilakukan adalah menghilangkan suara-suara yang keberadaannya kurang/tidak signifikan bagi sistem pendengaran manusia. Proses yang dilakukan adalah menggunakan model dari sistem pendengaran manusia dan menentukan bagian yang terdengar bagi sistem pendengaran manusia. Setelah itu sinyal input yang memiliki domain waktu dibagi menjadi blok-blok dan ditransformasi menjadi domain frekuensi. Kemudian model dari sistem pendengaran manusia dibandingkan dengan sinyal input dan dilakukan proses penyaringan yang menghasilkan sinyal dengan range frekuensi yang signifikan bagi sistem pendengaran manusia. Proses tersebut adalah proses konvolusi dua sinyal yaitu sinyal input dan sinyal model sistem pendengaran manusia. Langkah terakhir adalah kuantisasi data, dimana data yang terkumpul setelah penyaringan akan dikumpulkan menjadi satu keluaran dan dilakukan pengkodean dengan hasil akhir file dengan format MP3 2.2 Song Recognition Song dalam bahasa Indonesia diartikan sebagai lagu dan Recognition berarti pengenalan sehingga Song Recognition dapat diartikan sebagai pengenalan pada media suara yakni lagu. Pada dasarnya setiap lagu memiliki karakteristik yang berbeda-beda antara lagu yang satu dengan yang lainnya layaknya sidik jari manusia. Pengenalan lagu dapat dipandang sebagai ringkasan pendek dari suatu objek lagu. ringkasan tersebut diolah sedemikian rupa menjadi sekumpulan kode yang disebut hash. Hash tersebut dibuat dengan teknik khusus dengan tujuan agar kemiripan lagu
7 bisa didapatkan. Secara pendengaran manusia, lagu yang diperdengarkan terlihat sama namun sebenarnya beda. Hash inilah yang akan membedakannya. Pengenalan lagu membandingkan hash yang dihasilkan dari rekaman dengan yang ada pada basis data. Hal ini terlihat seperti kriptografi, namun kriptografi agak sensitif dalam kesetaraan perhitungan matematika. Satu bit saja berbeda akan menghasilkan perbedaan. Sedangkan pengenalan lagu membutuhkan kesamaan persepsi yakni, lagu yang diperdengarkan memiliki gangguan seperti sinyal yang buruk (gangguan suara disekitar) tetapi masih diakui sebagai lagu asli[4]. Pengenalan lagu didasarkan pada lagu yang memang dari penyanyi aslinya bukan lagu yang dibawakan ulang oleh penyanyi lain meskipun lirik dan melodi sama. Lagu yang dibawakan ulang tersebut sudah memiliki karakteristik yang berbeda dengan lagu asli tetapi dalam beberapa hal masih bisa memiliki kesamaan. Ini ditunjukkan pada penyanyi asli membawakan lagunya secara langsung dan membawakan lagunya. Istilah lain untuk pengenalan lagu diantaranya pencocokan kuat, hashing kuat atau persepsi, tanda tangan digital berbasis konten dan identifikasi lagu berbasis konten. Bidang yang relevan dengan pengenalan lagu yang meliputi pencarian informasi, pencocokan pola, pemrosesan sinyal, database, dan kriptografi Parameter Song Recognition Dalam Song Recognition, terdapat beberapa parameter yang digunakan sebagai acuan[4]. Parameter-parameter yang paling utama adalah sebagai berikut: 1. Ketahanan Rekaman lagu masih bisa diidentifikasi bila degradasi sinyalnya buruk. Untuk mencapai ketahanan tinggi, Song Recognition harus didasarkan pada persepsi yang bersifat tetap (setidaknya untuk tingkat tertentu) dengan sinyal degradasi.
8 Sebaliknya, pada lagu yang memiliki degradasi buruk masih mengarah ke hasil yang sangat mirip. 2. Kehandalan Seberapa sering lagu yang diidentifikasi hasilnya salah. Misalnya, "The Rolling Stones-Angie" yang diidentifikasi sebagai "Beatles-Yesterday". Tingkat di mana kejadian ini biasanya mengacu pada tingkat positif yang salah. 3. Ukuran Berapa banyak penyimpanan yang dibutuhkan untuk Song Recognition. Untuk mengaktifkan pencarian cepat, proses Song Recognition biasanya disimpan dalam memori RAM. Oleh karena itu ukuran Song Recognition, biasanya dinyatakan dalam bit per detik atau bit per lagu, menentukan batas besar sumber daya memori yang dibutuhkan untuk server basis data Song Recognition. 4. Granular Berapa detik durasi lagu yang diperlukan untuk mengidentifikasi lagu. Granular adalah parameter yang dapat bergantung pada aplikasi. 5. Kecepatan pencarian dan skalabilitas Berapa lama waktu yang diperlukan untuk menemukan lagu dalam basis data. Bagaimana jika basis data berisi ribuan lagu. Untuk pengembangan komersil dari sistem Song Recognition, kecepatan pencarian dan skalabilitas merupakan parameter kunci. Kecepatan pencarian harus dalam urutan milidetik untuk sebuah database yang berisi lebih dari lagu hanya menggunakan sumber daya komputasi yang terbatas (misalnya PC dengan speksifikasi rendah). Kelima parameter dasar memiliki dampak yang besar pada satu sama lain. Misalnya, jika ingin granular yang lebih rendah, salah satu kebutuhan untuk
9 mengekstrak lagu lebih besar untuk mendapatkan keandalan yang sama. Hal ini dikarenakan tingkat positif berbanding terbalik dengan ukuran Song Recognition. Contoh lain yaitu, kecepatan pencarian umumnya meningkat ketika salah satu desain Song Recognition lebih kuat. Hal ini dikarenakan bahwa pencarian lagu adalah pencarian kedekatan. Yaitu serupa (atau paling mirip) lagu harus ditemukan. Oleh karena itu kecepatan pencarian dapat ditingkatkan Rancangan Song Recognition Secara umum, proses yang dilakukan dalam Song Recognition dengan menggunakan algoritma Fast Fourier Transform dapat dilihat pada Gambar 2.3. Koleksi ID Penyanyi dan Judul Lagu Rekaman Lagu Ekstraksi Hash Ekstraksi Hash Basis Data Pencocokan ID Penyanyi dan Judul Lagu Ya Gambar 2.3 Cara kerja umum aplikasi Song Recognition[2] 2.3 Sinyal Domain Waktu dan Sinyal Domain Frekuensi Kebanyakan dari sinyal dalam prakteknya adalah sinyal domain waktu. Oleh karena itu, apapun sinyal yang diukur adalah fungsi waktu, dimana ketika diplot salah satu sumbu dengan variabel waktu maka variabel lainnya adalah amplitudo. Ketika diplot, sinyal domain waktu berupa gelombang berjalan yang direpresentasikan pada waktu terhadap amplitudo dari sinyal. Amplitudo pada sinyal domain waktu menunjukan keras lemahnya sinyal yang diterima. Sehingga, sinyal yang diterima tidak memiliki karakteristik yang berbeda tiap waktunya.
10 Pada sinyal domain frekuensi, ketika diplot berupa spektrum dengan penyajian frekuensi terhadap magnitudo. Informasi yang penting tersembunyi di dalam frekuensi sinyal. Spektrum frekuensi sinyal pada dasarnya adalah komponen frekuensi (spektral frekuensi) sinyal yang menunjukkan frekuensi apa yang muncul. Frekuensi menunjukkan tingkat perubahan. Jika suatu variabel sering berubah, maka disebut berfrekuensi tinggi. Namun, jika tidak sering berubah, maka disebut berfrekuensi rendah. Jika variabel tersebut tidak berubah sama sekali, maka disebut tidak mempunyai frekuensi (nol frekuensi). Magnitudo pada sinyal domain frekuensi menunjukkan tinggi rendahnya sinyal yang diterima. Dengan kata lain, keras lemahnya sinyal tidak mempengaruhi frekuensi yang didalamnya. Sinyal domain frekuensi dapat dikembalikan ke sinyal domain waktu. Gambar 2.4 Gelombang sinus sinyal domain waktu[5] Gambar 2.5 Gelombang sinyal domain frekuensi[5]
11 2.4 Transformasi Fourier Proses penting dalam pemrosesan sinyal digital adalah menganalisis suatu sinyal input maupun output untuk mengetahui karakteristik sistem fisis tertentu dari sinyal. Proses analisis dan sintesis dalam domain waktu memerlukan analisis cukup panjang dengan melibatkan turunan dari fungsi, yang dapat menimbulkan ketidaktelitian hasil analisis. Analisis dan sintesis sinyal akan lebih mudah dilakukan pada domain frekuensi, karena besaran yang paling menentukan suatu sinyal adalah frekuensi. Oleh karena itu, untuk dapat bekerja pada domain frekuensi dibutuhkan suatu formulasi yang tepat sehingga proses manipulasi sinyal sesuai dengan kenyataan. Salah satu teknik untuk menganalisis sinyal adalah mentransformasikan (alih bentuk) sinyal yang semula analog menjadi diskrit dalam domain waktu, dan kemudian diubah ke dalam domain frekuensi. Transformasi Fourier adalah suatu model transformasi yang memindahkan sinyal domain spasial atau sinyal domain waktu menjadi sinyal domain frekuensi. Di dalam pengolahan suara, transformasi fourier banyak digunakan untuk mengubah domain spasial pada suara menjadi domain frekuensi. Analisa-analisa dalam domain frekuensi banyak digunakan seperti filtering. Dengan menggunakan transformasi fourier, sinyal atau suara dapat dilihat sebagai suatu objek dalam domain frekuensi Transformasi Fourier Diskrit Transformasi Fourier Diskrit (Discrete Fourier Transform - DFT) adalah prosedur yang paling umum dan kuat pada bidang pemrosesan sinyal digital. DFT memungkinkan untuk menganalisis, memanipulasi, dan mensintesis sinyal dengan cara yang tidak mungkin dilakukan dalam pemrosesan sinyal analog[5]. Meskipun sekarang digunakan dalam hampir setiap bidang teknik. Aplikasi yang menggunakan DFT terus berkembang sebagai utilitas yang menjadikan DFT lebih mudah untuk dimengerti. Karena itu, pemahaman yang kuat tentang DFT adalah wajib bagi siapa saja yang bekerja di bidang pemrosesan sinyal digital.
12 DFT merupakan prosedur matematika yang digunakan untuk menentukan harmonik atau frekuensi yang merupakan isi dari urutan sinyal diskrit. Urutan sinyal diskrit adalah urutan nilai yang diperoleh dari sampling periodik sinyal kontinu dalam domain waktu. DFT berasal dari fungsi Transformasi Fourier X(f) yang didefinisikan: X(f) = x[t]. e j2πft dt (2.1) Dimana: X(f) = urutan ke-f komponen output (X(0), X(1),,X(N-1)) f = indeks output dalam domain frekuensi (0, 1,, N-1) x(t) = urutan ke-t sampel input (x(0), x(1),, x(n-1)) n = indeks sampel input dalam domain waktu (0, 1,, N-1) j = bilangan imajiner ( 1 ) π = derajat (180 o ) e = basis logaritma natural ( ) Dalam bidang pemrosesan sinyal kontinu, Persamaan 2.1 digunakan untuk mengubah fungsi domain waktu kontinu x(t) menjadi fungsi domain frekuensi kontinu X(f). Fungsi X(f) memungkinkan untuk menentukan kandungan isi frekuensi dari beberapa sinyal dan menjadikan beragam analisis sinyal dan pengolahan yang dipakai di bidang teknik dan fisika. Dengan munculnya komputer digital, ilmuwan di bidang pengolahan digital berhasil mendefenisikan DFT sebagai urutan sinyal diskrit domain frekuensi X(m), dimana: N 1 X(m) = x(n). e j2πnm/n n=0 (2.2) Dimana: N = jumlah sampel input X(m) = urutan ke-m komponen output DFT (X(0), X(1),,X(N-1)) m = indeks output DFT dalam domain frekuensi (0, 1,, N-1) x(n) = urutan ke-n sampel input (x(0), x(1),, x(n-1)) n = indeks sampel input dalam domain waktu (0, 1,, N-1)
13 j = bilangan imajiner ( 1 ) π = derajat (180 o ) e = basis logaritma natural ( ) Persamaan 2.2 kemudian dihubungkan dengan rumusan Euler e jθ = cos (θ) j sin (θ), sehingga setara dengan: N 1 X(m) = x(n). [ cos (2πnm/N) j sin (2πnm/N)] n=0 (2.3) Dimana: N = jumlah sampel input X(m) = urutan ke-m komponen output DFT (X(0), X(1),,X(N-1)) m = indeks output DFT dalam domain frekuensi (0, 1,, N-1) x(n) = urutan ke-n sampel input (x(0), x(1),, x(n-1)) n = indeks sampel input dalam domain waktu (0, 1,, N-1) j = konstanta bilangan imajiner ( 1 ) π = derajat (180 o ) Meski lebih rumit daripada Persamaan 2.2, Persamaan 2.3 lebih mudah untuk dipahami. Konstanta j = 1 hanya membantu membandingkan hubungan fase di dalam berbagai komponen sinusoidal dari sinyal. Nilai N merupakan parameter penting karena menentukan berapa banyak sampel masukan yang diperlukan, hasil domain frekuensi dan jumlah waktu proses yang diperlukan untuk menghitung N-titik DFT. Diperlukan N-perkalian kompleks dan N-1 sebagai tambahan. Kemudian, setiap perkalian membutuhkan N-perkalian riil, sehingga untuk menghitung seluruh nilai N (X(0), X(1),, X(N-1)) memerlukan N 2 perkalian. Hal ini menyebabkan perhitungan DFT memakan waktu yang lama jika jumlah sampel yang akan diproses dalam jumlah besar.
14 2.4.2 Fast Fourier Transform Meskipun DFT memainkan peranan yang penting sebagai prosedur matematis untuk menentukan isi frekuensi dari urutan domain waktu, namun sangat tidak efisien. Jumlah titik dalam DFT meningkat menjadi ratusan atau ribuan, sehingga jumlahjumlah yang dihitung menjadi tidak dapat ditentukan. Pada tahun 1965 sebuah makalah diterbitkan oleh Cooley dan Tukey menjelaskan algoritma yang sangat efisien untuk menerapkan DFT[3]. Algoritma yang sekarang dikenal sebagai Fast Fourier Transform (FFT). Sebelum munculnya FFT, seribu titik DFT membutuhkan waktu begitu lama untuk melakukan perhitungan yang pada saat itu masih terbatas pada komputer-komputer berspesifikasi rendah. Gagasan Cooley dan Tukey, dan perkembangan industri semikonduktor menjadikan jumlah N-titik DFT semisal titik, dapat dilakukan dalam beberapa detik saja pada komputer berspesifikasi rendah[5]. Meskipun telah banyak bermacam-macam algoritma FFT yang dikembangkan, algoritma FFT radix-2 merupakan proses yang sangat efisien untuk melakukan DFT yang memiliki kendala pada ukuran jumlah titik dipangkatkan dua. FFT radix-2 menghilangkan redundansi dan mengurangi jumlah operasi aritmatika yang diperlukan. Sebuah DFT 8-titik, harus melakukan N 2 atau 64 perkalian kompleks. Sedangkan FFT melakukan (N/2)log 2 N yang memberikan penurunan yang signifikan dari N 2 perkalian kompleks. Ketika N = 512 maka DFT memerlukan 200 kali perkalian kompleks dari yang diperlukan oleh FFT Jumlah Perkalian DFT FFT N (jumlah sampel) Gambar 2.6 Perbandingan jumlah perkalian kompleks DFT dengan FFT[5]
15 FFT beroperasi dimulai dengan menguraikan (dekomposisi) sinyal domain waktu titik N ke N sinyal domain waktu hingga masing-masing terdiri dari satu titik. Selanjutnya menghitung N frekuensi spektrum yang berkorespondensi dengan N sinyal domain waktu. Terakhir, spektrum N disintesis menjadi spektrum frekuensi tunggal. Gambar 2.7 Diagram Alir FFT[9] Dalam proses dekomposisi diperlukan tahapan Log 2 N. Sebagai contoh, sinyal 16 titik (2 4 ) memerlukan 4 tahapan, sinyal 512 titik (2 9 ) membutuhkan 9 tahap, sinyal 4096 titik (2 12 ) membutuhkan 12 tahapan. Dalam Gambar 2.8, sinyal 16 titik terurai melalui empat tahap yang terpisah. Tahap pertama memisahkan sinyal 16 titik menjadi dua sinyal masing-masing terdiri dari 8 titik. Tahap kedua menguraikan data menjadi empat sinyal terdiri dari 4 titik. Pola ini berlanjut sampai sinyal N terdiri dari satu titik. Dekomposisi digunakan setiap kali sinyal dipecah menjadi dua, yaitu sinyal dipisahkan menjadi sampel genap dan sample ganjil.
16 Gambar 2.8 Contoh dekomposisi sinyal domain waktu yang digunakan di FFT[9] Setelah dekomposisi, dilakukan Pengurutan Pembalikan Bit (Bit Reversal Sorting), yaitu menata ulang urutan sampel sinyal domain waktu N dengan menghitung dalam biner dengan bit membalik dari kiri ke kanan. Asumsi N adalah kelipatan dari 2, yaitu N = 2 r untuk beberapa bilangan bulat r=1, 2, dst. Algoritma FFT memecah sampel menjadi dua bagian yaitu bagian genap dan bagian ganjil. Tabel 2.2 Pengurutan Pembalikan Bit Titik ke- (Awal) Biner (Awal) Biner (Akhir) Titik ke- (Akhir)
17 Persamaan 2.2 dibagi menjadi bagian ganjil dan bagian genap sebagai berikut: (N/2) 1 X(m) = x[2n]. n=0 (N/2) 1 e j2π(2nm)/n + e j2πm/n x[2n + 1]. e j2π(2nm)/n n=0 (2.4) Dimana: N = jumlah sampel input X(m) = urutan ke-m komponen output FFT (X(0), X(1),,X(N-1)) m = indeks output FFT dalam domain frekuensi (0, 1,, N-1) x(2n) = urutan ke-n sampel input genap(x(0), x(2),,x(n-2)) x(2n+1) = urutan ke-n sampel input ganjil(x(1), x(3),,x(n-1)) n = indeks sampel input dalam domain waktu (0, 1,, N/2-1) j = konstanta bilangan imajiner ( 1 ) π = derajat (180 o ) e = basis logaritma natural ( ) Karena rumusan yang didapat panjang, sehingga digunakan notasi standar untuk menyederhanakannya. Didefenisikan W N = e j2π/n yang merepresentasikan nth root of unity. Persamaan 2.4 dapat ditulis: (N/2) 1 (N/2) 1 X(m) = x[2n]. W 2nm k N + W N x[2n + 1]. n=0 n=0 W N 2nm (2.5) Karena W N 2 = e j2π2/n = e j2π/(n/2), kemudian subsitusikan W N 2 = W N/2. Sehingga menjadi: (N/2) 1 X(m) = x[2n]. n=0 nm + W N k x[2n + 1]. W N/2 (N/2) 1 n=0 nm W N/2 (2.6) Sintesis domain frekuensi membutuhkan tiga perulangan. Perulangan luar menjalankan tahapan Log 2 N (setiap tingkat mulai dari bawah dan bergerak ke atas).
18 Perulangan bagian tengah bergerak melalui masing-masing spektrum frekuensi individu dalam tahap sedang dikerjakan (masing-masing kotak pada setiap tingkat). Dalam pemrosesan sinyal digital dikenal istilah butterfly. Butterfly digunakan untuk menggambarkan peruraian (decimation) yang terjadi. Karena tampilannya yang bersayap maka disebut butterfly. Butterfly adalah elemen komputasi dasar FFT, mengubah dua poin kompleks menjadi dua poin kompleks lainnya. Ada dua jenis peruraian, peruraian dalam waktu (decimation in time-dit) dan peruraian dalam frekuensi (decimation in frekuensi-dif). Gambar dari butterfly dasar untuk kedua jenis peruraian tersebut dapat dilihat pada Gambar 2.9 dan Gambar a A = a + W N k.b b W N k B = a - W N k.b Gambar 2.9 FFT butterfly dasar untuk peruraian dalam waktu[5] a A = a + b b W N k B = (a b).w N k Gambar 2.10 FFT butterfly dasar untuk peruraian dalam frekuensi[5] Perulangan paling dalam menggunakan butterfly untuk menghitung poin dalam setiap spektrum frekuensi (perulangan melalui sampel dalam setiap kotak). Gambar 2.11 menunjukkan implemetasi FFT dari empat spektrum dua titik dan dua spektrum empat titik. Gambar 2.11 terbentuk dari pola dasar pada Gambar 2.9 berulang-ulang.
19 Gambar 2.11 FFT sintesis butterfly[5] 2.5 Hashing Hashing adalah transformasi aritmatik sebuah string dari karakter menjadi nilai yang merepresentasikan string aslinya. Menurut bahasa, hashing berarti memenggal dan kemudian menggabungkan. Hashing digunakan sebagai metode untuk menyimpan data dalam sebuah array agar penyimpanan data, pencarian data, penambahan data dan penghapusan data dapat dilakukan dengan cepat. Ide dasarnya adalah menghitung posisi record yang dicari dalam array, bukan membandingkan record dengan isi pada array. Fungsi yang mengembalikan nilai atau kunci disebut fungsi hash (hash function) dan array yang digunakan disebut tabel hash (hash table). Hash table menggunakan struktur data array asosiatif yang mengasosiasikan record dengan
20 sebuah field kunci unik berupa bilangan (hash) yang merupakan representasi dari record tersebut. Fungsi hash menyimpan nilai asli atau kunci pada alamat yang sama dengan nilai hash-nya. Pada pencarian suatu nilai pada tabel hash, yang pertama dilakukan adalah menghitung nilai hash dari kunci atau nilai aslinya, kemudian membandingkan kunci atau nilai asli dengan isi pada memori yang beralamat nomor hash-nya. Dengan cara ini, pencarian suatu nilai dapat dilakukan dengan cepat tanpa harus memeriksa seluruh isi tabel satu per satu. Selain digunakan pada penyimpanan data, fungsi hash juga digunakan pada algoritma enkripsi sidik jari digital (fingerprint) untuk mengautentifikasi pengirim dan penerima pesan. Sidik jari digital diperoleh dengan fungsi hash, kemudian nilai hash dan tanda pesan yang asli dikirim kepada penerima pesan. Dengan menggunakan fungsi hash yang sama dengan pengirim pesan, penerima pesan mentransformasikan pesan yang diterima. Nilai hash yang diperoleh oleh penerima pesan kemudian dibandingkan dengan nilai hash yang dikirim pengirim pesan. Kedua nilai hash harus sama dan pasti ada masalah jika tidak sama. Hashing selalu merupakan fungsi satu arah. Fungsi hash yang ideal tidak bisa diperoleh dengan melakukan reverse engineering dengan menganalisa nilai hash. Fungsi hash yang ideal juga seharusnya tidak menghasilkan nilai hash yang sama dari beberapa nilai yang berbeda. Jika hal yang seperti ini terjadi, inilah yang disebut dengan bentrokan (collision). Kemungkinan terjadinya bentrokan tidak dapat dihindari seratus persen. Fungsi hash yang baik dapat meminimalkan kemungkinan terjadinya bentrokan.
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Kompresi File Pada dasarnya semua data itu merupakan rangkaian bit 0 dan 1. Yang membedakan antara suatu data tertentu dengan data yang lain adalah ukuran dari rangkaian bit dan
Lebih terperinciTeknologi Multimedia. Suara dan Audio
Teknologi Multimedia Suara dan Audio SUARA (SOUND) Suara adalah fenomena fisik yang dihasilkan oleh getaran benda getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah secara kontinyu
Lebih terperinciSUARA DAN AUDIO SUARA (SOUND)
SUARA DAN AUDIO 1 SUARA (SOUND) SUARA DAN AUDIO Suara adalah fenomena fisik yang dihasilkan oleh getaran benda. getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah secara kontinyu
Lebih terperinciSistem Multimedia. Materi : Audio/Suara
Sistem Multimedia Materi : Audio/Suara Definisi i i Suara Suara (Sound) fenomena fisik yang dihasilkan oleh getaran benda getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah b secara
Lebih terperinciFrekuensi Dominan Dalam Vokal Bahasa Indonesia
Frekuensi Dominan Dalam Vokal Bahasa Indonesia Tjong Wan Sen #1 # Fakultas Komputer, Universitas Presiden Jln. Ki Hajar Dewantara, Jababeka, Cikarang 1 wansen@president.ac.id Abstract Pengenalan ucapan
Lebih terperinciMATERI PENGOLAHAN SINYAL :
MATERI PENGOLAHAN SINYAL : 1. Defenisi sinyal 2. Klasifikasi Sinyal 3. Konsep Frekuensi Sinyal Analog dan Sinyal Diskrit 4. ADC - Sampling - Aliasing - Quantiasasi 5. Sistem Diskrit - Sinyal dasar system
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan algoritma Shannon-Fano untuk kompresi file audio. 2.1 Kompresi Data tidak hanya disajikan
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Suara Suara adalah sebuah sinyal yang merambat melalui media perantara. suara dapat didefinisikan sebagai gelombang yang merambat dengan frekuensi dan amplitudo tertentu. Suara
Lebih terperinciMenjabarkan format audio digital
Menjabarkan format audio digital Mata Diklat : KKM 12 Kelas/Semester : XI Multimedia / II Standart Kompetensi : Menggabungkan audio ke dalam sajian multimedia SUARA DAN AUDIO Suara adalah fenomena fisik
Lebih terperinciCEG4B3. Randy E. Saputra, ST. MT.
CEG4B3 Randy E. Saputra, ST. MT. Suara Bentuk gelombang yang berulang secara teratur = gelombang periodik Bentuk gelombang yang tidak menunjukkan keteraturan = kebisingan (noise) Bentuk gelombang yang
Lebih terperinciSUARA DAN AUDIO. Suara berhubungan erat dengan rasa mendengar.
SUARA DAN AUDIO SUARA (SOUND) Suara adalah fenomena fisik yang dihasilkan oleh getaran benda getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah secara kontinyu terhadap waktu.
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 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 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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam situs http://id.wikipedia.org/wiki/lagu dikatakan bahwa lagu merupakan gubahan seni nada atau suara dalam urutan, kombinasi, dan hubungan temporal (biasanya diiringi
Lebih terperinciBAB II DASAR TEORI Suara. Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan
BAB II DASAR TEORI 2. 1 Suara Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitude tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun benda
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Audio Suara atau bunyi adalah suatu gelombang longitudinal yang merambat melalui suatu medium, seperti zat cair, padat dan gas. Bunyi dapat terdengar oleh manusia apabila gelombang
Lebih terperinciStudi dan Analisis Teknik-Teknik Steganografi Dalam Media Audio
Studi dan Analisis Teknik-Teknik Steganografi Dalam Media Audio Pudy Prima - 13508047 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Sinyal Analog dan Sinyal Digital Suatu sinyal didefinisikan sebagai besaran fisis yang berubah-ubah menurut waktu, ruang, atau variabel lainnya. Secara matematik, kita mendefinisikan
Lebih terperinciBAB III METODOLOGI PENELITIAN. 1. Spesifikasi laptop yang digunakan dalam penelitian ini adalah sebagai. Processor AMD Turion 64 X2 Dual Core 1,66 Ghz
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian 1. Spesifikasi laptop yang digunakan dalam penelitian ini adalah sebagai berikut: Processor AMD Turion 64 X2 Dual Core
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 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 terperinciAnalog to Digital Converter (ADC)
Analog to Digital Converter (ADC) Analog to Digital Converter by AGL ADC merupakan proses untuk mengubah sinyal analog menjadi digital. Tahap-tahap nya adalah sebagai berikut: Gambar: Proses ADC Analog
Lebih terperinciAUDIO DIGITAL. Kualitas Audio Digital. Kualitas Audio ditentukan oleh Sample rate dan Bit Rate. Sample Rate
AUDIO DIGITAL Suara atau audio adalah getaran udara pada frekwensi yang dapat didengar oleh telinga manusia sehingga disebut dengan frekwensi suara atau freuensi audio. Frekuensi audio berada diantara
Lebih terperinciBAB III METODOLOGI. dari suara tersebut dapat dilihat, sehingga dapat dibandingkan, ataupun dicocokan dengan
23 BAB III METODOLOGI 3.1 Metodologi Penelitian Penelitian ini ingin membangun sistem yang dapat melakukan langkah dasar identifikasi, yaitu melakukan ektraksi suara Gamelan Bonang, dengan ekstrasi ini,
Lebih terperinciBAB I PENDAHULUAN. Masalah kompresi data merupakan salah satu aspek penting perkembangan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah kompresi data merupakan salah satu aspek penting perkembangan teknologi informasi. Kompresi adalah pengubahan data kedalam bentuk yang memerlukan bit yang lebih
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 terperinciE BOOK MULTIMEDIA MENGGABUNGKAN AUDIO KEDALAM SAJIAN MULTIMEDIA
E BOOK MULTIMEDIA MENGGABUNGKANN AUDIO KEDALAM SAJIAN MULTIMEDIA PENYUSUN N I GEDE EDI PURMANTA JAYA, ST SMK NEGERI 1 KUTA SELATAN KOMPETENSI DASAR I MENGIDENTIFIKASI DAN PENJABARAN FORMAT AUDIO DIGITAL
Lebih terperinciPENGOLAHAN SINYAL DAN SISTEM DISKRIT. Pengolahan Sinyal Analog adalah Pemrosesan Sinyal. bentuk m dan manipulasi dari sisi sinyal dan informasi.
PENGOLAHAN SINYAL DAN SISTEM DISKRIT Pengolahan Sinyal Analog adalah Pemrosesan Sinyal yang mempunyai kaitan dengan penyajian,perubahan bentuk m dan manipulasi dari sisi sinyal dan informasi. Pengolahan
Lebih terperinciBAB I PENDAHULUAN. mendigitalisasi kata yang diucapkan dan mencocokkannya dengan pola yang
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Aplikasi pengenal suara (speech recognizer) adalah sebuah aplikasi yang memungkinkan komputer dapat mengenali kata-kata yang diucapkan dengan cara mendigitalisasi
Lebih terperinciBAB III METODE PENELITIAN. studi kepustakaan, pembuatan program dan analisis. Dengan ini penulis berusaha
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan tugas akhir ini adalah studi kepustakaan, pembuatan program dan analisis. Dengan ini penulis berusaha untuk
Lebih terperinciBAB 3 PERANCANGAN SISTEM. yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk
BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Voice Command pada demonstrasinya merupakan aplikasi pengenalan suara yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk menampung
Lebih terperinciSUARA DAN AUDIO SUARA (SOUND)
SISTEM MULTIMEDIA Universitas Gunadarma SUARA DAN AUDIO SUARA (SOUND) Suara adalah fenomena fisik yang dihasilkan oleh getaran benda getaran suatu benda yang berupa sinyal analog dengan amplitudo yang
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciPertemuan V SUARA / AUDIO
Pertemuan V SUARA / AUDIO Definisi suara/audio Suara adalah Fenomena fisik yang dihasilkan oleh getaran benda Getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah secara kontinyu
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul
37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui
Lebih terperinciBAB 2 DASAR TEORI FFT-IFFT
BAB 2 DASAR TEORI FFT-IFFT Pada Bab ini dibahas tentang hubungan antara Discrete Fourier Transform (DFT) dan algoritma Fast Fourier Transform (FFT), dan hubungan antara algoritma FFT dan IFFT. Dua tipe
Lebih terperinciKOMUNIKASI DATA SUSMINI INDRIANI LESTARININGATI, M.T
Data dan Sinyal Data yang akan ditransmisikan kedalam media transmisi harus ditransformasikan terlebih dahulu kedalam bentuk gelombang elektromagnetik. Bit 1 dan 0 akan diwakili oleh tegangan listrik dengan
Lebih terperinciREPRESENTASI DATA AUDIO dan VIDEO
NAMA : Sarah Putri Ramadhani NRP : 5213100185 REPRESENTASI DATA AUDIO dan VIDEO Definisi Representasi Data Representasi data adalah metode data dan atau informasi ke dalam ukuran yang lebih kecil sehingga
Lebih terperinciBAB II LANDASAN TEORI. Citra digital sebenarnya bukanlah sebuah data digital yang normal,
BAB II LANDASAN TEORI II.1 Citra Digital Citra digital sebenarnya bukanlah sebuah data digital yang normal, melainkan sebuah representasi dari citra asal yang bersifat analog [3]. Citra digital ditampilkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Gelombang Bunyi Menurut Anwar, et al (2014), gelombang bunyi atau lebih khusus dikenal sebagai gelombang akustik adalah gelombang longitudinal yang berada dalam sebuah medium,
Lebih terperinciSUARA DAN AUDIO. M U L T I M E D I A Universitas Gunadarma
M U L T I M E D I A Universitas Gunadarma SUARA DAN AUDIO SUARA (SOUND) Suara adalah fenomena fisik yang dihasilkan oleh getaran benda getaran suatu benda yang berupa sinyal analog dengan amplitudo yang
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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Genre musik adalah pengelompokan musik sesuai dengan kemiripan satu dengan yang lain, seperti kemiripan dalam hal frekuensi musik, struktur ritmik, dan konten harmoni. Genre
Lebih terperinciBab II Teori Dasar. Gambar 2.1 Diagram blok sistem akuisisi data berbasis komputer [2]
Bab II Teori Dasar 2.1 Proses Akuisisi Data [2, 5] Salah satu fungsi utama suatu sistem pengukuran adalah pembangkitan dan/atau pengukuran tehadap sinyal fisik riil yang ada. Peranan perangkat keras (hardware)
Lebih 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 terperinciI M M U L T I M E D I A Semester Genap 2005/2006 Fakultas Teknik Informatika Universitas Kristen Duta Wacana SUARA DAN AUDIO
I M 2 0 2 3 M U L T I M E D I A Semester Genap 2005/2006 Fakultas Teknik Informatika Universitas Kristen Duta Wacana SUARA DAN AUDIO SUARA (SOUND) Suara adalah fenomena fisik yang dihasilkan oleh getaran
Lebih terperinciBAB 3 ALGORITMA DAN MODEL 2K FFT-IFFT CORE
BAB 3 ALGORITMA DAN MODEL 2K FFT-IFFT CORE Pada Bab ini dibahas mengenai penentuan algoritma, menentukan deskripsi matematis dari algoritma, pembuatan model fixed point menggunakan Matlab, dan pengukuran
Lebih terperinciBAB IV. ANALISIS DAN PERANCANGAN PERANGKAT LUNAK
BAB IV. ANALISIS DAN PERANCANGAN PERANGKAT LUNAK Bab ini menjelaskan tentang analisis kebutuhan dan perancangan perangkat lunak sebagai implementasi digital watermarking pada berkas WAV dengan menggunakan
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada masa sekarang, Digital Signal Processing (DSP) atau pemrosesan sinyal digital sudah banyak diterapkan di berbagai bidang karena data dalam bentuk digital
Lebih terperinciPROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT
PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Materi Dasar konsep suara, Representasi komputer, Rate data maksimum, Format audio, Lingkungan
Lebih terperinciPenggunaan Bilangan Kompleks dalam Pemrosesan Signal
Penggunaan Bilangan Kompleks dalam Pemrosesan Signal Stefanus Agus Haryono (13514097) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciPERANCANGAN APLIKASI KOMPRESI FILE AUDIO DENGAN ALGORITMA ARITMETIC CODING
PERANCANGAN APLIKASI KOMPRESI FILE AUDIO DENGAN ALGORITMA ARITMETIC CODING Nurasyiah (12110669) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisimangaraja No.338 Simpang Limun
Lebih terperinciAnalisis dan Implementasi Kompresi File Audio Dengan Menggunakan Algoritma Run Length Encoding (RLE)
Analisis dan Implementasi Kompresi File Audio Dengan Menggunakan Algoritma Run Length Encoding (RLE) Aditya Rahandi 1, Dian rachmawati 2, Sajadin Sembiring 3 Program Studi S1 Ilmu Komputer, FASILKOM-TI
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 terperinciSINYAL DISKRIT. DUM 1 September 2014
SINYAL DISKRIT DUM 1 September 2014 ADC ADC 3-Step Process: Sampling (pencuplikan) Quantization (kuantisasi) Coding (pengkodean) Digital signal X a (t) Sampler X(n) Quantizer X q (n) Coder 01011 Analog
Lebih terperinciWatermarking Audio File dengan Teknik Echo Data Hiding dan Perbandingannya dengan Metode LSB dan Phase Coding
Watermarking Audio File dengan Teknik Echo Data Hiding dan Perbandingannya dengan Metode LSB dan Phase Coding Roy Indra Haryanto - 13508026 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciBABI PENDAHULUAN. Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa.
BAB I PENDAHULUAN BABI PENDAHULUAN 1.1. LATAR BELAKANG Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa. Salah satunya adalah alat untuk mengukur intensitas bunyi dan gain dari sinyal
Lebih terperinciKONSEP FREKUENSI SINYAL WAKTU KUNTINYU & WAKTU DISKRIT
KONSEP FREKUENSI SINYAL WAKTU KUNTINYU & WAKTU DISKRIT Sinyal Sinusoidal Waktu Kontinyu T=/F A A cos X Acos Ft a 0 t t Sinyal dasar Eksponensial dng α imajiner X Ae a j t Ω = πf adalah frekuensi dalam
Lebih terperinciBAB I PENDAHULUAN. pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran.
BAB I PENDAHULUAN 1.1 Latar Belakang Saat sesuatu diukur maka beberapa data didapatkan. Umumnya pengukuran tidak pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran. Mendapatkan data
Lebih terperinciBAB II DASAR TEORI Jaringan Syaraf Tiruan
BAB II DASAR TEORI Pada bab ini akan dibahas mengenai teori yang berhubungan dengan judul tugas akhir yang dikerjakan seperti, Jaringan Syaraf Tiruan, suara, Fast Fourier Transform, dan Matlab. 2.1. Jaringan
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Pengertian Text Mining
13 BAB 2 LANDASAN TEORI 2.1 Pengertian Text Mining Text Mining dapat juga diartikan sebagai penambangan data berupa teks yang bersumber dari dokumen untuk mencari karta-kata yang merupakan perwakilan isi
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 terperinciFFT Size dan Resolusi Frekuensi 2012
Info: Artikel ini adalah suplemen dari buku Pengambilan dan Pemahaman Data Teknis Loudspeaker yang Praktis. Sangat disarankan untuk membaca selesai bab 2 sebelum membaca artikel ini. Resolusi frekuensi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian tugas akhir ini dilaksanakan pada : Waktu : Juni 2014 Maret 2015 Tempat : Laboratorium Terpadu Jurusan Teknik Elektro Universitas Lampung
Lebih terperinciAtandho Gama M. ( )
Atandho Gama M. (4212100140) Representasi Data Audio Dan Video Pengertian Agar suara dapat diterjemahkan ke dalam komputer, maka data harus diolah terlebih dahulu ke dalam bentuk digital, dipilah dan dikelola
Lebih terperinciBab 3. Suara dan Audio. Pokok Bahasan : Tujuan Belajar : Definisi Suara
Bab 3 Suara dan Audio Pokok Bahasan : Definisi dan konsep dasar suara Representasi suara/audio Perkembangan audio digital dan format audio Software pengolah suara Analisis dan sintesa Audio : Studi case
Lebih terperinciAnalisa dan Sintesa Bunyi Dawai Pada Gitar Semi-Akustik
Analisa dan Sintesa Bunyi Dawai Pada Gitar Semi-Akustik Eko Rendra Saputra, Agus Purwanto, dan Sumarna Pusat Studi Getaran dan Bunyi, Jurdik Fisika, FMIPA, UNY ABSTRAK Penelitian ini bertujuan untuk menganalisa
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Watermarking Watermarking adalah proses penambahan kode identifikasi secara permanen ke dalam data digital. Kode identifikasi tersebut dapat berupa teks, suara, gambar, atau
Lebih terperincis(t) = C (2.39) } (2.42) atau, dengan menempatkan + )(2.44)
2.9 Analisis Fourier Alasan penting untuk pusat osilasi harmonik adalah bahwa virtually apapun osilasi atau getaran dapat dipecah menjadi harmonis, yaitu getaran sinusoidal. Hal ini berlaku tidak hanya
Lebih terperinciDERET FOURIER DAN APLIKASINYA DALAM FISIKA
Matakuliah: Fisika Matematika DERET FOURIER DAN APLIKASINYA DALAM FISIKA Di S U S U N Oleh : Kelompok VI DEWI RATNA PERTIWI SITEPU (8176175004) RIFKA ANNISA GIRSANG (8176175014) PENDIDIKAN FISIKA REGULER
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian Penelitian ini dilakukan dengan menggunakan satu set komputer dengan prosesor berkecepatan 1,18 GHz,
Lebih 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 terperinciBAB II DIGITISASI DAN TRANSMISI SUARA. 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan
BAB II DIGITISASI DAN TRANSMISI SUARA 2.1 Umum Telinga manusia memiliki kemampuan menerima frekwensi dalam kisaran 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan frekwensi yang sempit
Lebih terperinciTujuan dari Bab ini:
Data dan Sinyal Tujuan dari Bab ini: Pembaca memahami representasi data dan sinyal analog maupun digital. Pembaca mampu membuat representasi sinyal dalam domain waktu dan domain frekuensi. Pembaca memahami
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Kriptografi Kriptografi berasal dari bahasa Yunani, yaitu crypto dan graphia. Crypto berarti secret atau rahasia dan graphia berarti writing (tulisan). Terminologinya, kriptografi
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 terperinciPenerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows
Penerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows 1 Muhammad Anggia Muchtar, 2 Raisha Ariani Sirait, 3 Romi Fadillah Rahmat 1,2,3 Program Studi S1 Teknologi Informasi
Lebih terperinciSINYAL DISKRIT. DUM 1 September 2014
SINYAL DISKRIT DUM 1 September 2014 ADC ADC 3-Step Process: Sampling (pencuplikan) Quantization (kuantisasi) Coding (pengkodean) Digital signal X a (t) Sampler X(n) Quantizer X q (n) Coder 01011 Analog
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN
BAB 3 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN 3.1 Sistem Diagram Sistem diagram adalah diagram dari sebuah sistem, dengan fungsi atau bagian utamanya diwakili oleh blok yang dihubungkan oleh garis-garis
Lebih terperinciSUARA. Suara merupakan sinyal analog. Jenis Suara dalam Multimedia:
SUARA (SOUND) SUARA Suara merupakan sinyal analog. berasal dari benda bergetar (sumber suara), media transmisi (biasanya udara), penerima (telinga) dan perceptor (otak). Jenis Suara dalam Multimedia: Pidato
Lebih terperinciSimulasi Sistem Pengacak Sinyal Dengan Metode FFT (Fast Fourier Transform)
1 Simulasi Sistem Pengacak Sinyal Dengan Metode FFT (Fast Fourier Transform) Reonaldo Yohanes Sipasulta (1), Arie.S.M. Lumenta ST, MT. (2), Sherwin R.U.A. Sompie, ST, MT. (3) (1)Mahasiswa, (2)Pembimbing
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciModul 2 Akuisisi Dan Visualisasi
Modul Akuisisi Dan Visualisasi 1. User Interface User interface (UI) adalah cara bagaimana komputer dan pengguna dapat berkomunikasi. UI yang baik adalah yang ramah terhadap pengguna (user friendly), baik
Lebih terperinciyaitu dalam ketepatan pengenalan pola berdasarkan kelas untuk menampilkan genre.
16 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berkembangnya teknologi komunikasi berbasis digital, masyarakat membutuhkan lagu-lagu yang telah dibuat dalam bentuk digital. Musik digital
Lebih terperinciSpektrum dan Domain Sinyal
Spektrum dan Domain Sinyal 1 Sinyal dan Spektrum Sinyal Komunikasi merupakan besaran yang selalu berubah terhadap besaran waktu Setiap sinyal dapat dinyatakan di dalam domain waktu maupun di dalam domain
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Respon Impuls Akustik Ruangan. Respon impuls akustik suatu ruangan didefinisikan sebagai sinyal suara yang diterima oleh suatu titik (titik penerima, B) dalam ruangan akibat suatu
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Dalam proses pembuatan suatu sistem harus dilakukan penelitian dan penganalisaan tentang sistem yang akan dibangun, berikut adalah beberapa analisis
Lebih terperinciImplementasi Direct Sequence Spread Spectrum Steganography pada Data Audio
Implementasi Direct Sequence Spread Spectrum Steganography pada Data Audio Rizky Maulana Nugraha 13508083 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB
PERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB Supriansyah 1, Dr. Yeffry Handoko Putra, MT 2 1 Jurusan Teknik Komputer Unikom, 2 Jurusan Magister Sistem Informasi Unikom
Lebih terperinciBAB 1 PENDAHULUAN. berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition
BAB 1 PENDAHULUAN 1.1 Latar Belakang Speaker recognition adalah salah satu bidang pengenalan pola yang berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition yang mengenali kata atau
Lebih terperinci2.4. Vector Quantization Kebisingan BAB III METODOLOGI PENELITIAN Desain Penelitian Requirements Definition...
DAFTAR ISI PERNYATAAN... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iii ABSTRAK... v ABSTRACT... vi DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xii BAB I PENDAHULUAN...
Lebih terperinci1. Sinyal adalah besaran fisis yang berubah menurut. 2. X(z) = 1/(1 1,5z 1 + 0,5z 2 ) memiliki solusi gabungan causal dan anti causal pada
1. Sinyal adalah besaran fisis yang berubah menurut 2. X(z) = 1/(1 1,5z 1 + 0,5z 2 ) memiliki solusi gabungan causal dan anti causal pada 3. X + (z) mempunyai sifat sifat seperti yang disebutkan di bawah
Lebih terperinciFREKUENSI. Infrasound. 0Hz 20Hz. Pendengaran Manusia. 20Hz 20KHz. Ultrasound. 20KHz 1GHz. Hypersound 1GHz 10THz
SUARA DAN AUDIO 1. Ryan Akbar Fauzi (H1L014030) 2. Rahmat Hidayah (H1L014033) 3. Muhammad Afif R. (H1L014036) 4. Aditya Giri R. (H1L014037) 5. Firsta Septiana A. (H1L014039) 6. Zukhruful Jannah (H1L014040)
Lebih terperinciIMPLEMENTASI ALGORITMA HUFFMAN PADA KOMPRESI FILE WAVEDENGAN MENGGUNAKAN BORLAND DELPHI ABSTRACT
IMPLEMENTASI ALGORITMA HUFFMAN PADA KOMPRESI FILE WAVEDENGAN MENGGUNAKAN BORLAND DELPHI H. Akik Hidayat Prodi Teknik Informatika, Departement Ilmu Komputer Fakultas MIPA UNPAD Jl. Raya Bandung Sumedang
Lebih terperinciSuara. Definisi Suara???
Suara Suara Definisi Suara??? Suara, Amplitudo dan Telinga Suara adalah fenomena kompleks yang melibatkan fisika dan persepsi. suara selalu melibatkan setidaknya tiga hal: sesuatu yang bergerak sesuatu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Teori Dasar Kompresi Pada dasarnya data apapun sebenarnya adalah merupakan rangkaian bit 0 dan 1. Yang membedakan antara suatu data tertentu dengan data yang lain adalah ukuran
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 terperinci