SPECGRAM & SPECGRAMDEMO

dokumen-dokumen yang mirip
PEMBANGKITAN SINYAL DAN FUNGSI FFT

10/22/2015 PEMBANGKITAN SINYAL DAN FUNGSI FFT SIGNAL DI MATLAB SAWTOOTH DAN SQUARE

MODUL 5 EKSTRAKSI CIRI SINYAL WICARA

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

Spektrum dan Domain Sinyal

BABI PENDAHULUAN. Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa.

BAB I PENDAHULUAN. pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran.

BAB IV HASIL DAN PEMBAHASAN

BAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian

MODUL 3 REPRESENTASI SINYAL DALAM DOMAIN WAKTU DAN DOMAIN FREKUENSI

BAB III METODE PENELITIAN

LAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA. Disusun Oleh : Inggi Rizki Fatryana ( )

MODUL 6 ANALISA SINYAL DALAM DOMAIN FREKUENSI

Suara 3 Spektrum Suara/1

Pengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI.

LAPORAN PRAKTIKUM DSP

PENDAHULUAN. Latar Belakang

PENDAHULUAN. Latar Belakang

Frekuensi Dominan Dalam Vokal Bahasa Indonesia

IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

PENDAHULUAN. Latar Belakang

BAB III METODOLOGI. dari suara tersebut dapat dilihat, sehingga dapat dibandingkan, ataupun dicocokan dengan

MODUL 7 TRANSFORMASI FOURIER DISKRIT

PENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG

Jaringan Syaraf Tiruan pada Robot

1. Pendahuluan Latar Belakang

4. HASIL DAN PEMBAHASAN

Bab 3. Perancangan Sistem

BAB 2 LANDASAN TEORI

IV. METODE PENELITIAN. Metode HVSR (Horizontal to Vertical Spectral Ratio) merupakan metode yang

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

MODUL. Nyquist dan Efek Aliasing, dan Transformasi Fourier Diskrit

METODE PENELITIAN. Gambar 1 Alur metode penelitian.

FFT Size dan Resolusi Frekuensi 2012

BAB III PENGOLAHAN DATA

BAB IV IMPLEMENTASI DAN EVALUASI. 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian

MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA

BAB III METODE PENELITIAN

BAB IV Pengujian. Gambar 4.1 Skema pengujian perangkat keras

BAB IV METODOLOGI PENELITIAN. Penelitian dimulai pada Bulan April 2015 hingga Mei 2015 dan bertempat di

BAB 3 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN

BAB I PENDAHULUAN 1.1 Latar Belakang

KOMUNIKASI DATA SUSMINI INDRIANI LESTARININGATI, M.T

BAB III METODE PENELITIAN. studi kepustakaan, pembuatan program dan analisis. Dengan ini penulis berusaha

PENGENALAN NADA SULING REKORDER MENGGUNAKAN FUNGSI JARAK CHEBYSHEV

MATERI PENGOLAHAN SINYAL :

Digital Audio Watermarking dengan Fast Fourier Transform

BAB II DASAR TEORI Jaringan Syaraf Tiruan

Perbandingan Spektral Musik Klasik dengan Musik Etnik Jawa menggunakan Analisis MFCC dan Beat Strength

APLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER

Perbandingan Spektral Musik Klasik dengan Musik Etnik Jawa menggunakan Analisis MFCC dan Beat Strength

Bab 2 LANDASAN TEORI

BAB IV HASIL PENGUKURAN LAPANGAN, PENGOLAHAN, DAN ANALISIS DATA SEISMOELEKTRIK

BAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari

MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA

PENGKLASIFIKASIAN TINGKAT DANGEROUS DRIVING BEHAVIOR MENGGUNAKAN DATA ELEKTROENSEFALOGRAFI (EEG) DENGAN PENDEKATAN MACHINE LEARNING

LAMPIRAN PEDOMAN PENGGUNAAN ALAT

Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016

Analisis Getaran Struktur Mekanik pada Mesin Berputar untuk Memprediksi Kerusakan Akibat Kondisi Unbalance Sistem Poros Rotor

BAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul

BAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:

SOUND CONVERSION USING FAST FOURIER TRANSFORM ALGORITM

BAB 1 PENDAHULUAN 1.1 Latar Belakang

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Simulasi Sistem Pengacak Sinyal Dengan Metode FFT (Fast Fourier Transform)

BAB III PEMODELAN MIMO OFDM DENGAN AMC

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan pada dua tempat yaitu di Laboratorium

TEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA

Karakterisasi Suara Vokal dan Aplikasinya Dalam Speaker Recognition

SISTEM IDENTIFIKASI STRUKTUR DENGAN MENGGUNAKAN METODE FREQUENCY DOMAIN DECOMPOSITION-NATURAL EXCITATION TECHNIQUE

ANALISIS UNJUK KERJA TEKNIK MIMO STBC PADA SISTEM ORTHOGONAL FREQUENCY DIVISION MULTIPLEXING

BAB 3 PERANCANGAN SISTEM

BAB 4 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN. 4.1 Model Rumusan Masalah dan Pengambilan Keputusan

BAB III PERANCANGAN PERANGKAT LUNAK MENENTUKAN JENIS KAWANAN IKAN, JARAK KAWANAN IKAN, DAN POSISI KAPAL

BAB 2 LANDASAN TEORI

PENGOLAHAN SINYAL DAN SISTEM DISKRIT. Pengolahan Sinyal Analog adalah Pemrosesan Sinyal. bentuk m dan manipulasi dari sisi sinyal dan informasi.

BAB I PENDAHULUAN. mendigitalisasi kata yang diucapkan dan mencocokkannya dengan pola yang

ANALISIS DAN PERANCANGAN PROGRAM APLIKASI. mahasiswa Binus University secara umum. Dan mampu membantu

2.4. Vector Quantization Kebisingan BAB III METODOLOGI PENELITIAN Desain Penelitian Requirements Definition...

PENDAHULUAN. Latar Belakang

Perbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) ABSTRAK

BAB. Kinerja Pengujian

BAB 3 PERANCANGAN SISTEM

PENGENALAN AHKAMUL HURUF MENGGUNAKAN METODE LPC DAN TRANSFORMASI SLANT. Abstract

LAPORAN PRAKTIKUM DSP

APLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT

PENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM

ANALISA AKUSTIK UJI STATIS MOTOR ROKET MENGGUNAKAN ALGORITMA FFT

PENGGOLONGAN SUARA BERDASARKAN USIA DENGAN MENGGUNAKAN METODE K MEANS

IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

SPECTRUM ANALYZER BERBASIS MIKROKONTROLER DENGAN PENCUPLIKAN SECARA PARALEL

SOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA

BAB II LANDASAN TEORI

LABORATORIUM SISTEM TELEKOMUNIKASI SEMESTER III TH 2015/2016

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Program Studi S1 Teknobiomedik, Departemen Fisika, Fakultas Sains dan

Deret Fourier dan Respons Frekuensi

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

BAB 4 PERANCANGAN DAN IMPLEMENTASI SISTEM

Transkripsi:

SPECGRAM & SPECGRAMDEMO Pertemuan 2 Praktikum Pengantar Pemrosesan Bahasa Alami Download materi: http://bit.ly/nlp_8 Syeiva Nurul Desylvia (syeiva.nd@gmail.com) Spectra dan Domain Frekuensi Fourier Analysis: Setiap gelombang kompleks dapat direpresentasikan sebagai penjumlahan banyak gelombang sinus dengan frekuensi berbeda. Spectra (spectrum untuk jamak) sinyal: Representasi setiap komponen frekuensi sinyal dengan amplitudonya. Spectrum: Representasi alternatif dari sinyal asli. 1

Spectra dan Domain Frekuensi(Lanj.) Spectra dan Domain Frekuensi(Lanj.) 2

Spectra dan Domain Frekuensi(Lanj.) Spectra dan Domain Frekuensi(Lanj.) 3

Spectra dan Domain Frekuensi(Lanj.) Spectra dan Domain Frekuensi(Lanj.) X-axis: Menunjukkan frekuensi. Y-axis: Menunjukkan ukuran besarnya setiap komponen frekuensi (db, ukuran logaritmik amplitudo). 4

Kegunaan Spectrum Puncak-puncak spectral yang mudah terlihat di spectrum, unik untuk setiap bunyi ujaran (phones). Phone memiliki ciri spectral signature. Tanda unik (characteristic signature) dari phone yang berbeda dapat dideteksi dengan cara melihat spectrum sinyalnya. Spectrogram Spectrum menunjukkan frekuensi sinyal satu titik pada waktu tertentu. Vowel berubah seiring waktu. Spectrogram: Suatu cara untuk membayangkan bagaimana frekuensi yang berbeda, yang membentuk gelombang, berubah seiring waktu. X-axis: Menunjukkan waktu. Y-axis: menunjukkan frekuensi. Tingkat gelap suatu titik pada spectrogram sesuai dengan amplitudo dari komponen frekuensi. Titik yang sangat gelap: amplitudo tinggi, titik yg terang: amplitudo rendah. 5

Spectrogram(Lanj.) Setiap batang gelap / spectral peak disebut formant. Spectrogram(Lanj.) 6

Spectrogram(Lanj.) Suara pria: dinner, dimmer, dinger Spectrogram(Lanj.) 7

Spectrogram pada Matlab Syntax b = specgram(a) b = specgram(a,nfft) [b,f] = specgram(a,nfft,fs) [b,f,t] = specgram(a,nfft,fs) b = specgram(a,nfft,fs,window) b = specgram(a,nfft,fs,window,noverlap) specgram(a) b = specgram(a,f,fs,window,noverlap) Catatan: Pada versi Matlab yang lebih baru, fungsi specgram diganti spectrogram. Spectrogram pada Matlab nfft: panjang FFT (Fast Fourier Transform) yang digunakan. Fs: sampling frequency / sampling rate (skalar). window: Fungsi windowing yang digunakan dan jumlah sampel yang digunakan specgram untuk memotong sinyal a. f: frequency output. t: time vector. Nilai default nfft = min(256,length(a)) Fs = 2 window = hanning(nfft) noverlap = length(window)/2 8

Spectrogram pada Matlab(Lanj.) Spectrogram pada Matlab(Lanj.) Ditambahkan zero-padding karena length(window) < nfft. 9

Spectrogram pada Matlab(Lanj.) Spectrogram pada Matlab(Lanj.) b = specgram(a) Hasilnya: b adalah matriks n x m. n didapat dari (nfft/2+1) jika nfft genap atau (nfft+1)/2 jika nfft ganjil. m didapat dari fix((nx-noverlap)/(length(window)- noverlap)). b = specgram(a,[],10000) Nfft bernilai default. Fs sebesar 10000. 10

Spectrogram pada Matlab(Lanj.) Contoh b = specgram(a); a: Vektor ukuran 11501 x 1. b: Matriks ukuran 129 x 88. Perhitungan Nfft: default -> 256 -> genap Baris = (256/2) + 1 = 129. Nx = 11501, noverlap: default = 128, length(window) = 256. Kolom = (11501-128)/(256-128) = 88.8516 ~ 88. Specgramdemo Intinya versi user friendly dari specgram. specgramdemo(y,fs) menunjukkan spectrogram sinyal y dengan sampling rate Fs. Nilai default Fs = 1 Hz. Right-click setiap item GUI untuk melihat opsi visualisasi yang ada. 11

Specgramdemo specgramdemo(a,11000) Latihan 1. Bandingkan 2 suara pria dengan 2 suara wanita (1 individu pria dan 1 individu wanita) menggunakan spectrogram (specgram atau specgramdemo). Sampling rate: 11 KHz. 2. Analisis hasil spectrogram pada nomor 1. 3. Ambil salah satu sampel spectrogram kemudian buktikan jumlah baris dan kolomnya menggunakan perhitungan. 12

Latihan(Lanj.) Dikumpulkan ke snd.tugas@gmail.com Subjek & Nama file: NLP_NIM_Prak2. Due date: Kamis,.WIB. 13