BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Gitar adalah alat musik yang akan menghasilkan suara tertentu bila

senarnya dipetik. Suara tersebut akan menjadi nada pada frekuensi

tertentu. Nada E pada senar gitar pertama fret nol berada pada frekuensi

329.63 Hz dan pada senar ke-enam fret nol berada pada frekuensi 2.41 Hz

(DK Basuki, 2009). Gabungan beberapa nada akan menghasilkan chord

yang harmonis.

Terdapat beberapa hal yang perlu diperhatikan dalam

membawakan sebuah lagu, salahsatunya adalah ketepatan dalam

penggunaan nada atau chord. Terkadang pemain musik merasa

kebingungan untuk mengetahui chord apa yang digunakan dalam lagu.

Terutama bagi pemusik pemula. Maka dari itu diperlukan solusi – solusi

untuk mengetahui chord yang digunakan dalam suatu lagu.

Terdapat beberapa cara untuk mengetahui chord apa saja yang

digunakan dalam suatu lagu. Pertama adalah dengan mencari daftar chord

pada lagu yang tertulis dalam tulisan di internet atau buku. Kedua adalah

dengan insting. Apabila telah menekuni bidang musik cukup lama maka

tidak akan mendapat banyak kesulitan dalam menentukan chord. Ketiga

adalah dengan bantuan software. Makalah yang berjudul “Pemrosesan

Sinyal untuk Menghasilkan Chord pada Software DMM 2.5” merupakan

salah satu solusi dari permasalahan di atas.

1
B. Rumusan Masalah

1. Apa saja proses yang diperlukan untuk mendapat keluaran chord ?

2. Bagaimana cara pemrosesan sinyal sehingga bisa mendapat

keluaran chord ?

3. Bagaimana cara menggunakan software sehingga dapat

menampilkan chord ?

C. Tujuan

1. Untuk mengetahui proses – proses yang diperlukan untuk

mendapat keluaran chord.

2. Untuk mengetahui pemrosesan sinyal yang memiliki keluaran

chord.

3. Untuk mengetahui cara kerja software sehingga dapat

menampilkan chord.

D. Manfaat Makalah

1. Bagi mahasiswa

Dengan adanya makalah ini diharapkan mahasiswa menjadi

lebih paham terhadap pengolahan sinyal.

2. Bagi dosen

Dengan adanya makalah ini dosen diharapkan dapat

memberikan praktik nyata dalam pengolahan sinyal sehingga

mahasiswa lebih memahami.

2
 BAB II

PEMBAHASAN

A. Penjelasan Chord

Chord merupakan gabungan tiga atau lebih nada yang berbeda

yang berbunyi secara bersamaan (Benward & Saker, 2002). Sinyal dari

sebuah nada memiliki frekuensi yang berbeda. Oleh karena itu, sinyal dari

dua buah chord yang berbeda, yang disusun oleh nada yang berbeda, akan

memiliki karakteristik yang berbeda pula (IK Timotius & A Prayogo,

2010). Chord diklasifikasikan berdasarkan interval di antara nada – nada

pembentuknya. Interval dalam musik berarti jarak di antara dua nada

musikal. Jenis chord yang paling umum dan paling sederhana adalah triad,

yaitu yang terdiri dari tiga buah nada. Dua jenis triad yang paling umum

adalah major triad dan minor triad. Bila sebuah interval ditambahkan lagi

pada sebuah triad, maka akan membentuk seventh chord (IK Timotius &

A Prayogo, 2010).

B. Penjelasan dan Pemrosesan Sinyal

1. Perekaman Chord

Input untuk aplikasi DMM 2.5 berupa file yang

berformat wav, cda, mp3, wma, voc, vox, raw, avi, ogg, mpc,

dan aiff. Akan tetapi file tersebut akan diubah menjadi file yang

berformat wav, karena hanya file berformat wav saja yang bisa

diproses. Setiap chord yang akan dijadikan database direkam

3
 dengan menggunakan instrument gitar, dengan setiap chord

direkam sebanyak 10 sample. Format perekaman ini disimpan

dalam format wav standard atau kualitas CD, yaitu 44100 Hz, 16

bit, stereo. Karena database menggunakan format wav maka

input aplikasi DMM 2.5 dikonversi menjadi format wav.

2. Sampling

Sinyal suara merupakan sinyal yang tidak terbatas ( infinite

time reversal ). Sinyal suara akan menghasilkan sinyal analog yang

kontinyu.

Proses sampling adalah konversi suatu sinyal waktu

kontinyu menjadi sinyal diskrit yang diperoleh dengan mengambil

cuplikan (sampel) sinyal waktu kontinyu pada saat waktu diskrit.

Berdasarkan Teori Shannon , maka frekuensi sinyal sampling

adalah paling sedikit dua kali frekuensi sinyal yang akan

disampling (sinyal analog). Ini adalah batas minimum dari

frekuensi sampel (fs) agar nantinya cuplikan yang diambil

menunjukan bantuan sinyal yang asli (analog). Lebih besar maka

akan lebih menggambarkan sinyal yang asli. Setelah melakukan

proses ini maka terbentuklah sinyal analog-diskrit yang bentuknya

menyerupai aslinya tetapi hanya diambil diskritnya saja.

Proses sampling ini adalah proses pembacaan dari input file

audio wav. Pembacaan akan disimpan ke dalam array, sehingga

4
 file wav dapat diproses melalui penyimpanan ini. Langkah pertama

yang harus dilakukan adalah pembuatan tipe data dasar untuk

mengambil informasi yang ada pada header file wav. Setelah

membuat tipe data dasar dari file wave maka dilakukan pembacaan

file wave.

Gambar 1. Data wave yang telah dibaca (Basuki,2009)

3. Front - End Detection

Front – End Detection digunakan untuk menentukan

batasan suatu sinyal, dalam hal ini letak sinyal awal dan akhir suatu

frame sehingga bentuk sinyal asli tidak berubah. Hal ini dilakukan

agar mendapatkan sinyal suara tanpa noise yang mengakibatkan

perubahan bentuk sinyal asli.

Front – End Detection juga digunakan untuk mendeteksi

ada tidaknya setiap petikan gitar pada sinyal secara keseluruhan.

Karena setiap petikan gitar yang direkam akan menghasilkan nilai

data wav yang besar dan nilainya akan turun secara kumulatif

selama tidak terdapat petikan lagi.

5
 Gambar 2. Sinyal petikan gitar (Basuki,2009)

Gambar 3. Hasil Front – End Detection (Basuki,2009)

4. Frame Blocking

Frame Blocking adalah pembagian sinyal audio menjadi

beberapa frame yang nantinya dapat memudahkan dalam

perhitungan dan analisa sinyal, satu frame terdiri dari beberapa

sampel tergantung berapa detik suara akan disampel dan berapa

besar frekuensi sampling. Pada proses ini dilakukan pemotongan

sinyal dalam slot-slot tertentu agar memenuhi dua syarat yaitu

linear dan time invariant. Pengambilan sampel setiap frame

6
diambil dalam waktu milisekon (ms). Rumus yang digunakan

untuk pengambilan sampel tiap frame adalah sebagai berikut :

SFr = Fs * ( t / 1000 )

Keterangan :

SFr : Sample per Frame

Fs : Frekuensi sampel / Sample rate dari format audio

wav

t : Waktu pengambilan (ms)

Nilai 1000 pada rumus didapat dari satuan sekon menjadi

milisekon, dalam hal ini 1 s = 1000 ms. Nilai sampel per frame

tergantung dari frekuensi sampel dan waktu pengambilan. Jika

nilai frekuensi sampel sebesar 44100 Hz maka hal ini berarti setiap

1 sekon terdapat 44100 sampel.

Gambar 4. Hasil Frame Blocking (Basuki,2009)

7
5. Windowing

Window penghalus pada setiap frame digunakan untuk

mereduksi puncak pada setiap segmen ( awal dan akhir suatu frame

), kita perlu untuk mengaplikasikan suatu window penghalus pada

setiap frame. Untuk meningkatkan kualitas penghalusan ini, bisa

dilakukan overlapping satu frame dengan yang lain, sehingga dapat

membangkitkan suatu feature yang lebih halus sepanjang waktu

tersebut. pada implementasinya proses ini dijalankan pada proses

Fast Fourier Transfer.

6. Fast Fourier Transfer

FFT (Fast Fourier Transfer) adalah algoritma cepat untuk

mengimplementasika discrete fourier transform (DFT). FFT ini

mengubah masing-masing frame N sampel dari domain waktu

menjadi domain frekuensi.

Sedangkan FFT size adalah panjang dari FFT yang

digunakan. FFT size berpengaruh terhadap ketelitian tiap koefisien

FFT. Semakin besar FFT size, maka tiap koefisien hasil FFT akan

mewakili rentang frekuensi yang semakin kecil, sehingga

ketelitiannya semakin tinggi. Sebaliknya apabila ukuran sampel

FFT semakin kecil, maka tiap koefisien hasil FFT akan mewakili

rentang frekuensi yang semakin besar, sehingga ketelitiannya

semakin rendah.

8
 Pada implementasi pembuatan sistem, nilai awal sinyal ini

akan menjadi parameter pada fungsi FFT. Untuk prosesnya, mulai

titik awal sinyalakan diambil sampel sebanyak buffer size dari FFT

yang digunakan untuk dimasukan dalam variabel array RealIn

yang selanjutnya akan dihitung magnitudenya.

Gambar 5. Hasil FFT dengan Windowing (Basuki,2009)

7. Pitch Class Profile

Setiap nilai puncak frekuensi akan dikelompokan menjadi

12 nada berdasarkan nilai frekuensi nada. Setelah diperoleh nilai

puncak frekuensi, maka nilai tersebut dikelompokan

berdasarkansatuan frekuensi nada. Dalam pengelompokan ke

dalam frekuensi nada, diperlukan perhitungan jarak awal dan akhir

disetiap nada, sebagai range dari nada tersebut. Berikut ini rumus

range nada yang dipakai :

Awal nada ke - i = (frekuensi nada ke-(i-1) + frekuensi nada ke-i)/2

Akhir nada ke - i = (frekuensi nada ke-i + frekuensi nada ke-i+1)/2

9
 8. Codebook

Codebook adalah nilai yang akan disimpan kedalam

database. Nilai tersebut merupakan nilai hasil rata-rata PCP tiap

sinyal petikan gitar yang terdeteksi (Front - End Detection).

9. Perancangan Database

Perancangan database dilakukan dengan membuat table untuk

menyimpan nilai frekuensi hasil akhir pengolahan / pemrosesan

file audio, yaitu nilai rata – rata PCP. Nilai frekuensi yang akan

disimpan ke dalam database ini, akan digunakan pula dalam proses

matching pada pembuatan aplikasi DMM.

C. Cara Kerja Software DMM 2.5

1. Buka Program DMM 2.5 yang telah terinstall.

2. Pilih menu control pada menu bar lalu pilih load.

3. Pilih lagu yang ingin dicari chordnya.

4. Tunggu beberapa saat bila file input perlu dikonversi.

5. Klik ikon analyze.

6. Tunggu hingga proses selesai

7. Daftar chord akan tertampil.

10
D. Implementasi

Percobaan aplikasi dengan menggunakan lagu berekstensi mp3

berjalan dengan lancar. Chord lagu Aqua Timez yang berjudul Alones

berhasil ditampilkan.

Gambar 6. Tampilan sebagian chord output DMM

Terdapat beberapa bagian chord yang melenceng, tetapi secara

keseluruhan output DMM menunjukan akurasi yang tinggi

11
 BAB III

KESIMPULAN

A. Terdapat beberapa proses pengolahan sinyal untuk menghasilkan chord.

Proses tersebut yaitu sampling, FED, Frame Blocking, Windowing, FFT,

PCP, Codebook, dan Perancangan Database

B. Pemrosesan sinyal untuk menghasilkan output chord ada beberapa

tahapan. Pertama-tama sinyal analog gitar di rekam, lalu ke proses

sampling yang diambil diskritnya saja, lalu ke proses FED untuk

mendeskripsikan batasan awal dan akhir sinyal sehingga noise menjadi

minimal, selanjutnya adalah proses Frame Blocking untuk memudahkan

analisa sinyal, selanjutnya adalah proses Windowing yang mereduksi

puncak untuk memperhalus frame, setelah itu menuju ke proses FFT untuk

menghasilkan domain frekuensi, lalu ke proses PCP yang

mengklasifikasikan nilai puncak frekuensi ke tangga nada, selanjutnya

adalah Codebook yang merupakan database nada dari rata-rata PCP, lalu

dibuat database dan yang terakhir adalah matching untuk menampilkan

hasil chord.

C. Cara menjalankan aplikasi DMM 2.5 sangat sederhana. Pertama-tama

jalankan program dan masukan input berupa lagu, pilih analyze lalu

muncul output berupa tampilan chord

12
 DAFTAR PUSTAKA

Basuki, dkk (2009). “Konversi Nada – Nada Akustik Menjadi Chord

Menggunakan Pitch Class Profile”. ITS. Surabaya.

Benward & Saker (2003). Music: In Theory and Practice, Vol. I, p. 67&359.

Seventh Edition. ISBN 978-0-07-294262-0."A chordis a harmonic unit with at

least three different tones sounding simultaneously." "A combination of three or

more pitches sounding at the same time."

I Daqiqil, dkk (2012). “Konversi Nada Menjadi Chord Menggunakan Metode

Pitch Class Profile pada Instumen Tunggal”. UMRI. Pekanbaru.

I Gaffar, dkk (2012). “Aplikasi Pengkonversi Nada – Nada Instrumen Tunggal

Menjadi Chord Menggunakan Metode Pitch Class Profile”. UNDIP. Semarang.

IK Timotius & A Prayogo (2010). “Sistem Pengenalan Chord pada Alat Musik

Digital dengan Menggunakan Pitch Class Profile dan Hidden Markov Model”.

UKSW. Salatiga.

13