A MODIFIED FFT ALGORITHM FOR DETERMINING THE BASIC FREQUENCY
TONE OF TRADITIONAL LATOTOU MUSIC
Helson Hamid
Teknik Informatika Dept.
Dayanu Ikhsanuddin University
City of Baubau
helsonh24@gmail.com
Abstract— A Latotou music instrument is a traditional music
stuff that has not have the standardized frequency tone as other
music instruments had. Latotou is usually made by the hobbiest,
and expert old people who experienced on the latotou. There are
two main things required to be succeed on constructing the
traditional instrument i.e. the creator feeling and the accuracy of
hearing the frequency tone. In practice, in every single latotou
made a very smooth tone difference existed. Therefore, in every
latotou instrument constructed will not have exactly the same
basic frequency during the set-up and the tone synchronization.
The Matlab GUI interface was designed on the research activity
by configuring a microphone connected directly to a PC
desktop/laptop. The microphone performs as the external
peripheral to capture the music sounds generated from a latotou.
Through the continueous hits focused on any surface points of
every latotou bar instrument the tone frequencies could be
displaid on the designed GUI. The music sound captured via a
microphone and later strightforwardly inputted to the computer
will be transformed using the modified FFT algorithm. The
research activity exhibited the interesting outcomes in terms of
the percentage of dissimilaraty reffered to the frequency tone
produced by the refferenced guitar. During the experimental
testing by hitting each bar element of the constructed latotou
instrument, various basic frequency tones were determined.
While hitting bar number 1 the tone frequency of 573.9 Hz was
generated. This value is almost close to the tone frequency 587.33
Hz of the refferenced guitar at note D5 and the percentage of
dissimilarity 2%.
Keywords—FFT, Latotou, Voice Processing
I. INTRODUCTION
Latotou dibuat secara manual dan ditala oleh pembuat
dengan menggunakan perasaan berdasarkan faktor
pengalaman. Ketajaman indera pendengaran pembuat mampu
membedakan tinggi atau rendahnya suatu nada, akan tetapi
belum dapat mengetahui secara pasti jenis nada yang didengar.
Sebagai seorang seniman alat musik sangatlah penting baginya
untuk mengetahui alat musiknya sudah menghasilkan nada
yang tepat.
Pengolahan sinyal yang dilakukan dalam komputer mampu
melakukan pengenalan suatu nada pada alat musik dengan
menghitung frekuensi dasar bunyi latotou dengan proses
alihragam fourier dan mencocokan frekuensi yang diperoleh
dengan frekuensi nada referensi yang ada seperti frekuensi
nada pada gitar, sehingga jenis nada alat musik itu sendiri
diketahui secara seksama.
Proses dan perancangan program dilakukan dalam
program Matlab R2010.a menggunakan tools pada matlab
yaitu Graphical User Interface (GUI) sebagai interface dari
penentuan nada latotou. Algoritma FFT digunakan sebagai
perhitungan frekuensi dari latotou yang mentransformasi
sinyal dalam domain waktu menjadi sinyal dalam domain
frekuensi.
Adapun penelitian terkait sebelumnya yang dilakukan oleh
Mitrayana dan V.J. Cytasari adalah pengukuran frekuensi
bunyi saron demung laras pelog gamelan jawa menggunakan
perangkat lunak Visual Analyser, dalam penilitian yang
dilakukan untuk menentukan frekuensi dari bunyi saron
tersebut dengan memanfaatkan perangkat lunak visual
analyser yang telah terinstal pada komputer dimana spectrum
dan frekuensi dari hasil penabuhan alat musik saron tersebut
dapat langsung diamati pada tampilan software visual
analyser.
Pada penelitian yang telah dilakukan sebelumnya terkait
standarisasi frekuensi nada alat musik tradisional, oleh karena
itu tujuan dari pada penelitian ini adalah untuk mengetahui
frekuensi dan standarisasi frekuensi nada dari alat musik
tradisional latotou dan mengamati nada yang mendekati nada
referensi pada gitar dan seberapa besar persentase ketidak
sesuainnya.
II. PENGOLAHAN SINYAL DAN FAST FOURIER TRANSFORM
A. Pengolahan sinyal
Pengolahan sinyal merupakan suatu operasi matematik
yang dilakukan terhadap suatu sinyal sehingga diperoleh suatu
informasi yang berguna. Pengolahan sinyal dapat dilakukan
secara analog atau digital. Pengolahan sinyal analog
memanfaatkan komponen-komponen analog misalnya dioda,
transistor, Op-amp dan lainnya. Pengolahan sinyal digital
menggunakan komponen digital, register, counter, dekonder,
summing, microposesor, mikrokontroler dan lainnya.
Untuk kemudahan pada pengolahan sinyal digital sebagai
pemroses digunakan suatu komputer (mikrokontroler) untuk
mempresentasikan algoritma atau model matematik. Selain
sistem komputer diperlukan perangkat keras lainnya yaitu
mikropon sebagai masukkan/keluaran. Sinyal dapat dibagi
menjadi dua jenis yaitu sinyal analog (continue) dan sinyal
diskrit (digital).
Sinyal analog diubah menjadi sinyal digital melalui
rangkaian konverter analog to digital converter (ADC).
Konverter A/D sudah direalisasikan dalam suatu peranti gelombang spectrum suara yang berbasis frekuensi sehingga
integrated circuit (IC). Keluaran dari ADC berupa suatu kode lebih mudah dalam menganalisa spectrum frekuensi suara
biner yang nilainya bersesuaian dengan level kuantisasi dari yang telah direkam.
sinyal analog yang dicuplik pada suatu waktu tertentu. Pada
ADC, sinyal analog tersebut diproses melalui tiga proses yaitu
sampling, quantizing, dan coding. Prosesnya dapat dilihat ....... (2)
pada Gambar 1.

Menghitung deret ini secara langsung memerlukan operasi

Analog to Digital Converter (ADC) aritmatika sebanyak O(N2). Sebuah algoritma FFT hanya
Analog sampling quantizin coding Digital memerlukan operasi sebanyak O(N log N) untuk menghitung
g deret yang sama. Secara umum algoritma tersebut tergantung
pada pemfaktoran N. Jadi bisa dikatakan bahwa proses FFT
Gambar 1. Proses dalam ADC lebih cepat dari DFT.

III. METODE PENELITIAN

B. Fast Fourier Transform (FFT)
Fast Fourier Transform (FFT) ditemukan pada tahun 1965
merupakan pengembangan dari Fourier Transform (FT).
Penemu fourier transform adalah J. Fourier pada tahun
1822. fourier transform membagi sebuah sinyal menjadi
frekuensi yang berbeda-beda dalam fungsi eksponensial yang
kompleks.
Definisi Fast Fourier Transform (FFT) adalah metode
yang sangat efisien untuk menghitung koefisien dari fourier
diskrit ke suatu finite sekuen dari data yang komplek. Karena
substansi waktu yang tersimpan lebih dari pada metoda
konvensional. Fast fourier transform merupakan aplikasi
temuan yang penting didalam sejumlah bidang yang berbeda
seperti analisis spectrum, speech and signal processing,
design filter digital.
Algoritma FFT berdasarkan atas prinsip pokok
dekomposisi perhitungan discrete fourier transform dari suatu
sekuen sepanjang N kedalam transformasi diskrit fourier
secara berturut-turut lebih kecil. Cara prinsip ini diterapkan
memimpin ke arah suatu variasi dari algortima yang berbeda,
di mana semuanya memperbandingkan peningkatan kecepatan
perhitungan.
Fast Fourier Transform, adalah suatu algoritma untuk
menghitung transformasi fourier diskrit dengan cepat dan
efisien. Karena banyak sinyal-sinyal dalam sistem komunikasi
yang bersifat kontinyu, sehingga untuk kasus sinyal kontinyu
kita gunakan transformasi fourier. Transformasi Fourier
didefinisikan oleh rumus:
Dalam penelitian ini dilakukan Perancangan sistem
menggunakan software Matlab R2010.a untuk mengolah dan
menganalisa sinyal masukkan dari latotou dengan metode
algoritma Fast Furier Transform (FFT) dalam menentukan
frekuensi nada dari latotou. Algoritma FFT digunakan untuk
memudahkan dalam perhitungan dan menganalisa sinyal
latotou.
A. Software and Hadware
Software yang digunakan dalam penelitian ini yaitu
Operating System Windows 8.1 32-bit, Microsoft Office 2007
dan Matlab R2010.a. Untuk hadware yang digunakan yaitu
Laptop Asus X455L corei3 RAM 2GB, microphone, Latotou.
B. Alur Penelitian
 Melakukan studi literatur terkait pengolahan sinyal
atau voice processing menggunakan matlab untuk
dapat menentukan nada dari alat musik latotou. Dalam
pencarian referensi ini peneliti menemukan algoritma
fast fourier transform sebagai algoritma yang dapat
bekerja dengan baik dalam pengolahan sinyal suara
 Perancangan sistem menggunakan software Matlab
R2010.a ini, tahap awal yang dilakukan yaitu membuat
flowchart sistem pendeteksian frekuensi nada latotou
yang akan dicocokan dengan frekuensi nada referensi
Mulai
pada gitar. Selanjutnya akan dibuat GUI pada matlab
sebagai interface penggunaan dalam mendeteksi
frekuensi nada.
Menu utama

Pada perancangan sitem yang dibuat yang telihat dalam

....... (1) Gambar Pilih
2 nilai
dibawah
frekuensi
merupakan suatu proses sistem
dalam interfacereferensipada GUI Matlab dalam menentukan
frekuensi nada latotou dengan melihat nada yang
Dimana s(f) adalah sinyal dalam domain frekuensi mendekati salah satu frekuensi nada referensi pada
(frequency domain), s(t) adalah sinyal dalam domain waktu gitar, pencocokan
Input nada dimulai dengan memilih frekuensi
latotou
(time domain), dan adalah konstanta dari nilai sebuah sinyal, f referensi gitar, proses selanjutnya yaitu recording dan
adalah frekuensi dan t adalah waktu. memulai ketukan pada bilah latotou. Suara yang keluar
dari hasil ketukan bilah latotou akan direkam oleh
FFT (Fast Fourier Transform) merupakan salah satu sistem Transformasi
dan diproses dalam sistem sehingga diperoleh
nada latotou
metode untuk transformasi sinyal suara dalam domain waktu suatu to frekuensi
nilai dengan frekuensi
FFT nada latotou dengan
menjadi sinyal dalam domain frekuensi, artinya proses mentransformasi sinyal suara tersebut kedalam domain
perekaman suara disimpan dalam bentuk digital berupa frekuensi menggunakan algoritma fast fourier
Tidak
Sesuaikan
frekuensi input Output nilai frekuensi dan
dengan pencocokan nada
frekuensi
referensi

Ya

Output nilai frekuensi dan

pencocokan nada

Selesa
 transform. Dalam Sistem akan memproses kembali
frekuensi yang masuk dan akan menyesuaikan dengan
nilai frekuensi gitar yang dipilih. Hasil dari
pencocokan tersebut akan diketahui nilai error dan
persentase ketidaksesuain antara frekuensi latotou
dengan frekuensi gitar.
Gambar 2. Flowchart sistem
 Pengambilan data suara dan analisis dilakukan dengan
cara menjalankan program yang telah dibuat pada GUI
matlab untuk diuji dan mengambil data. Dalam sistem
penentuan nada dasar ini, hal yang dibutuhkan adalah
informasi data masukkan dan keluaran. Suara yang
dihasilkan dari tiap bilah alat musik latotou sebagai
data masukkan, yang nantinya informasi frekuensi dari
latotou tersebut sebagai data keluaran yang akan
disandingkan atau dicocokan dengan frekuensi nada
referensi dalam hal ini frekuensi nada pada gitar.
Gambar 3. Pengambilan Data Menggunakan GUI Matlab
IV. HASIL DAN PEMBAHASAN
Pengujian penentuan frekuensi nada dasar latotou
dilakukan diwaktu malam hari pada sekitar pukul 24.00
WITA, hal ini dilakukan dalam pengujian untuk
mempertimbangkan suara yang terekam dalam sistem hanya
suara yang keluar dari bunyi latotou tanpa ada suara lain yang
bisa dianggap sebagai noise. Teknik pukul dan jarak pukul
sekitar 5 cm dari permukaan bilah kayu dilakukan secara
continue sebanyak 10 kali dan memfokuskan pukulan pada
satu titik bilah latotou.
Microphone Condonser
Laptop
Latotou
Pemain Musik Latotou
Gambar 4. Ilustrasi pengujian
Gambar 4 diatas merupakan sebuah proses ilustrasi yang
dilakukan dari pengujian penentuan nada pada interface GUI
Matlab. Pengujian dilakukan dengan mengetuk satu persatu
bilah latotou pada satu titik tumpuan permukaan bilah
sebanyak 10 kali ketukan tiap bilahnya. Suara atau bunyi yang
keluar dari latotou akan diterima oleh microphone yang telah
terhubung pada laptop dan suara yang telah diterima akan
diproses oleh sistem yang dibuat.
Analog
Analog Digital
Digital FFT
FFT Frekuensi
Frekuensi
Dasar
Dasar
Suara
latotou
Sampling, kuantisasi & coding Sistem Interface GUI
Gambar 5. Blok diagram proses sinyal dalam menentukan
frekuensi latotou
Microphone yang telah terhubung pada laptop menangkap
gelombang suara tersebut dan merubah dalam bentuk suatu
getaran listrik sinyal analog. Dalam proses konversi analog to
digital yang biasa disebut dengan pulse code modulation
dimana suara disampling beberapa kali dalam satu detik
selama durasi suara latotou yang diperoleh, frekuensi
sampling yang digunakan dalam recording yaitu 44100 Hz,
kemudian hasil sampling didigitalkan melalui pengkodean
biner.
Untuk memudahkan dalam mengamati sinyal dari suara
dari latotou, sinyal tersebut akan transformasi dari domain
waktu menjadi domain frekuensi menggunakan algoritma fast
fourier transform.
 Selanjutnya tahap yang dilakukan yaitu dengan
menyandingkan atau mencocokkan frekuensi latotou dengan
frekuensi referensi dalam pengujian ini frekuensi referensi
yang digunakan yaitu frekuensi dasar pada gitar. Adapun nilai
frekuensi dasar gitar (587.33 Hz, 554.37 Hz, 523.25 Hz dan
622.33 Hz).
1 c. Bilah ke-3 dengan frekuensi rata-rata yang diperoleh
2
1 4
1 C (C5) senar 1 fret ke-8, persentase ketidak sesuain 3%
3
5 608 Hz, mendekati frekuensi gitar 622.33 Hz pada nada
6 7
Gambar 6. Contoh pengujian bilah 1
Hasil pengujian program pada interface GUI Matlab untuk
pengujian bilah ke-1 latotou yang ditunjukan pada Gambar 6
berisi (1) nada referensi gitar, (2) frekuensi gitar, (3) grafik
nada latotou, (4) frekuensi latotou, (5) persentase
ketidaksesuaian, (6) domain waktu, (7) domain frekuensi.
Pada hasil pengujian yang dilakukan bahwa bilah 1 latotou
diperoleh frekuensi 570 Hz, dengan mendekati frekuensi gitar
587.33Hz note D5 (D). Dengan persentase ketidaksesuain
antara frekuensi latotou dengan frekuensi pada gitar sebesar
3%. Hal ini menunjukkan bahwa latotou bilah 1 memiliki
selisih frekuensi yang sangat kecil dengan frekuensi gitar.
Dari pengujian yang telah dilakukan, diketahui bahwa
dalam alat musik latotou memiliki empat frekuensi yang
berbeda-beda dimana masing-masing tiap frekuensi mendekati
dari empat frekuensi pada gitar. Perhitungan pencocokkan
dilakukan dengan cara melihat antara dua nilai frekuensi gitar
yang mengapit pada sinyal masukkan, jika frekuensi dari
sinyal masukkan lebih dekat pada salah satu dari dua frekuensi
nada referensi yang mengapitnya, maka jenis dari nada sinyal
masukkan dapat dikatakan sama dengan jenis nada acuan. Hal
ini dapat diilustrasikan pada Gambar 7 berikut.
F Bawah
F Bawah F In F Atas F In F Atas
Gambar 7. Ilustrasi letak nilai frekuensi sinyal masukkan
diantara dua frekuensi referensi yang mengapit
Dari hasil pengujian keseleruhan yang telah dilakukan
diperoleh hasil:
a. Bilah ke-1 dengan frekuensi rata-rata yang diperoleh
570 Hz, mendekati frekuensi gitar 587.33 Hz pada nada
D (D5) senar 1 fret ke-10, persentase ketidak sesuain
3% dan selisih frekuensi 17.43 Hz.
b. Bilah ke-2 dengan frekuensi rata-rata yang diperoleh
542.1 Hz, mendekati frekuensi gitar 554.37 Hz pada
nada C# (C#5) senar 1 fret ke-9, persentase ketidak
sesuain 3% dan selisih frekuensi 12.27 Hz.
512 Hz, mendekati frekuensi gitar 523.25 Hz pada nada
dan selisih frekuensi 11.25 Hz.
d. Bilah ke-4 dengan frekuensi rata-rata yang diperoleh
D# (D#5) senar 1 fret ke-11, persentase ketidak sesuain
2% dan selisih frekuensi 14.25 Hz.
Setelah pengujian sistem dilakukan dalam menentukan
nilai frekuensi dari tiap bilah latotou, pengujian kembali
dilakukan dalam mendeteksi nilai frekuensi dari alat musik
piano, hal ini dilakukan untuk memastikan akurasi dari sistem
yang dibangun dalam mengukur frekuensi bunyi dari alat
musik latotou. Pengujian dilakukan sebanyak sepuluh kali tiap
nada. Note atau nada yang diuji yaitu 587.33 Hz (note D5),
554.37 Hz (note C#5), 523.25 Hz (note C5), 622.25 Hz (note
D#5), keempat nada tersebut merupakan nada yang memiliki
nilai frekuensi yang didekati oleh keempat bilah latotou.
Adapun hasil pengujian sistem terhadap bunyi alat musik
piano dapat dilihat pada tabel 1.
Tabel 1. Hasil uji frekuensi nada piano
Frekuensi Piano Note- & Persentase Ketidaksesuain
N D (note C# (note C (note D# (note
O D5) C#5) C5) D#5)
Hz % Hz % Hz % Hz %
1 587 0.003 554 0.025 523 0.083 622 0.035
2 587 0.002 554 0.023 523 0.100 622 0.036
3 587 0.013 554 0.064 523 0.088 622 0.035
4 587 0.008 554 0.014 523 0.003 622 0.043
5 587 0.009 554 0.023 523 0.086 622 0.032
6 587 0.001 554 0.015 523 0.089 622 0.033
7 587 0.015 554 0.037 523 0.084 622 0.028
8 587 0.010 554 0.053 523 0.000 622 0.035
9 587 0.002 554 0.026 523 0.000 622 0.030
10 587 0.004 554 0.016 523 0.032 622 0.033
FR 587 Hz 554 Hz 523 Hz 622 Hz
PR 0.006 % 0.029 % 0.056 % 0.034 %
FA 587.33 Hz 554.37 Hz 523.25 Hz 622.25 Hz
Pada Tabel 1 terdapat FR, FA dan PR. FR adalah frekuensi
rata-rata yang didapat dari 10 kali pengujian pencocokkan
nilai frekuensi alat musik piano, FA adalah frekuensi acuan,
Sedangkan PR adalah persentase rata-rata ketidaksesuain yang
diperoleh dalam sepuluh kali pengujian, yang memiliki nilai
persentase min 0.006% dan max 0.056%. Berdasarkan hasil
pengujian akurasi sistem yang dilakukan terlihat bahwa sistem
yang dibangun dalam GUI Matlab menggunakan algoritma
fast fourier transform dalam mendeteksi frekuensi dari alat
musik memiliki nilai akurasi dengan persentase error yang
cukup kecil.

V. KESIMPULAN
Berdasarkan hasil pengujian yang dilakukan, frekuensi
Latotou yang didapat yaitu bilah ke-1 sebesar 570 Hz
mendekati frekuensi referensi gitar 587.33 Hz pada nada D5
(nada D) dengan persentase ketidaksesuain 3%, bilah ke-2
sebesar 542.1 Hz mendekati frekuensi referensi gitar 554.37
Hz pada nada C#5 (nada C#) dengan persentase
ketidaksesuain 3%, bilah ke-3 sebesar 512 Hz mendekati
frekuensi referensi gitar 523.25 Hz pada nada C5 (nada C)
dengan persentase ketidaksesuain 3%, bilah ke-4 sebesar 608
Hz mendekati frekuensi referensi gitar 622.33 Hz pada nada
D#5 (nada D#) dengan persentase ketidaksesuain 2%.

References
[1] Cytasari, V. J. "Pengukuran Frekuensi Bunyi Saron Demung Laras
Pelog Gamelan Jawa Menggunakan Perangkat Lunak Visual Analyser
(Halaman 73 sd 76)." Jurnal Fisika Indonesia 18.54 (2015).
[2] Sipasulta, Reonaldo Y., Arie SM Lumenta, and Sherwin RUA Sompie.
"Simulasi Sistem Pengacak Sinyal Dengan Metode FFT (Fast Fourier
Transform)." JURNAL TEKNIK ELEKTRO DAN KOMPUTER
UNSRAT 3.2 (2014): 1-9.
[3] Kurnia, Andi, Ngatelan Ngatelan, and Achmad Hidayatno. Penala Nada
Alat Musik menggunakan Alihragam Fourier. Diss. Jurusan Teknik
Elektro Fakultas Teknik, 2011.
[4] Latief, Muhammad Nur, Ford Lumban Gaol, and Bambang Heru
Iswanto. "Analysis and Identification Gamelan Bonang Sound
Spectrum." Computational Intelligence, Modelling and Simulation
(CIMSiM), 2010 Second International Conference on. IEEE, 2010.
[5] Huda, Miftahul. "Konversi Nada-Nada Akustik Menjadi Chord
Menggunakan Pitch Class Profile." Industrial Electronic Seminar
(2011).
[6] https://depokinstruments.com/2011/07/20/adc-analog-to-digital-
converter/ diunduh pada tanggal 06 Januari 2017