Setia Wirawan1
Edy Prasetyo2
Abstrak
Noise adalah suatu sinyal gangguan yang bersifat akustik (suara), elektris, maupun
elektronis yang hadir dalam suatu sistem dalam bentuk gangguan yang bukan merupakan
sinyal yang diinginkan. Rekaman suara yang terdistorsi noise menyebabkan terganggunya
proses pengenalan suara terutama pada rekaman pembicaraan. Penulisan ini membahas
mengenai implementasi metode noisegate untuk meredam bagian yang hanya dianggap
noise, low pass filter untuk me-cutoffhigh frequencynoise dan silent removal untuk
menghilangkan bagian diam pada file rekaman suara pembicaraan. Setiap file suara
memiliki nilai dynamic range dan crest factor yang berbeda yang dijadikan sebagai acuan
dalam pengisian parameter sehingga bersifat dinamis. Hasil yang didapat dari pembuatan
aplikasi ini terdapat dua komparasi antara sinyal asli dengan sinyal asli + noise dan sinyal
asli dengan output aplikasi, kedua komparasi tersebut menghasilkan peningkatan
keberhasilan dalam pengenalan suara dari penggunaan metode noise gate, low pass filter
dan silent removal untuk menghilangkan noise adalah 3,5 kali lipat dibandingkan dengan
pengenalan suara tanpa dilakukan penghilangan noise pada file suara sebelumnya.
Kata kunci : Noise gate, Low Pass Filter, Silent Removal, Dinamis, Matlab.
Abstract
Noise is a disruption signalin the form of acoustic (sound), electrical, and electronic
occurred in a system. This will result in the interference in an undesired signal. Voice
recording is distorted noise causes disruption of the voice recognition process, especially
in the recorded conversations. Writing is discussing the implementation of a method to
dampen the noise gate that part only considered noise, low-pass filters for me cut off high
frequency noise and silent removal to eliminate the silent part in the conversation
recorded voice file. Each sound file has a value of dynamic range and a different crest
factor is used as a reference in charging parameters that are dynamic. The results of
making this application, there are two comparisons between the original signal with the
original signal + noise and original signal with the output of applications, both
comparisons resulted in increasing success in voice recognition of the use of methods of
noise gate, low pass filter and silent removal to eliminate noise is 3.5-fold compared with
voice recognition without performing noise removal on the previous sound file.
Keywords: Noise gate, Low Pass Filter, Silent Removal, Dynamic, Matlab.
PENDAHULUAN
Bunyi atau suara didefenisikan (ZCR) and Short Time Energy (STE)[9].
sebagai serangkaian gelombang yang Metode yang diangkat dalam penulisan
merambat dari suara sumber getar sebagai ini adalah metode noise gate untuk
akibat perubahan kerapatan dan juga meredam bagian yang hanya mengandung
tekanan udara.Suara merupakan salah noise dan low pass filtering untuk meng-
satu media komunikasi yang paling hilangkan high frequency noise serta
umum digunakan manusia, kualitas suara metode silent removal untuk menghi-
dapat terganggu bila lingkungan sumber langkan bagian yang tidak bersuara
suara banyak mengandung noise yang (silent).
melatarbelakangi informasi suara tersebut. Audio signal processing (pengo-
Rekaman suara yang terdistorsi noise lahan suara) adalah suatu serangkaian
menyebabkan terganggunya proses pe- proses untuk memanipulasi sinyal dengan
ngenalan suara terutama pada rekaman input suara (audio) yang ditransfor-
pembicaraan. Hal tersebut terjadi karena masikan menjadi suara lain sebagai ke-
penurunan kualitas suara yang dikehen- luarannya dengan tujuan tertentu. Pengo-
daki, sehingga perlu adanya perbaikan lahan suara dilakukan untuk memperbaiki
kualitas sinyal suara sebelum dilakukan kualitas data sinyal suara digital agar
proses pengenalan suara. lebih mudah diinterpretasikan oleh sistem
Noise gate telah diimplementasi pendengaran manusia.
dengan mendeteksi ambang batas bawah
dan atas pada sinyal suara, ketika level METODE PENELITIAN
sinyal suara berada dibawah ambang
batas bawah selama durasi penahanan Secara garis besar terdapat 4
maka sinyal akan dilemahkan ke nol dan tahapanyang dilakukan pada proses
dibangkitkan lagi saat waktu serang dan penghilangan noise pada aplikasi ini,
ketika level sinyal suara berada diatas tahap pertama adalah proses analisa file
ambang batas atas selama durasi audio mulai dari jenis file, frekuensi,
penahanan maka sinyal akan diperkuat crest factor dan dynamic range yang
sampai waktu rilis [10]. digunakan sebagai dasar pengolahan
Terdapat 4 macam klasifikasi filter parameter. Tahap kedua adalah proses
dalam audio signal processing dian- noise gate untuk meredam bagian yang
taranya low pass filter, band pass filter, hanya mengandung noise.Tahap ketiga
band stop filter dan high pass filter. Low adalah proses low pass filter untuk
pass filter memungkinkan frekuensi yang menghilangkan high frequency noise.
berada di bawah batas dapat lolos tanpa Tahap keempat adalah proses silent
distorsi dan terjadi pelemahan pada removal yang menggunakan 2 metode
frekuensi yang berada di atas batas [8]. yaitu probability density function (PDF)
Sebelumnya dilakukan penelitian dan linear pattern classifier (LPC) untuk
tentang seberapa efisien penggunaan menghilangkan bagian yang tidak
metode untuk silent removal menggu- bersuara (silent). Gambar 1 memperli-
nakan metode Probability Density Func- hatkan skema metodologi dan langkah-
tion dengan Linear Pattern Classifier langkah penelitian.
dibandingkan dengan Zero Crossing Rate
Analisis data suara dilakukan untuk diperlihatkan skema diagram alur proses
memperoleh nilai yang mengacu pada untuk menentukan nilai parameter.
tingkat keberadaan noise pada masing- Langkah selanjutnya adalah Noise
masing sampel guna proses proses gate. Noise gate adalah metode yang
penghilangan noise. Ada dua nilai yang digunakan untuk membuka atau menutup
menjadi acuan diantaranya: (seperti pintu) suara sehingga jika yang
• Dynamic range akan terdengar hanya berupa suara berisik,
Nilai dari dynamic range pada file maka pintu akan ditutup tetapi jika yang
suara menggambarkan jarak/rentang akan keluar adalah suara dari sumber
antara sinyal suara terlemah ke sinyal bunyi yang diinginkan maka pintu akan
suara terkuat dalam satuan dB. dibuka. Dasar untuk membuka atau
• Crest factor menutup pintu suara tersebut memakai
Nilai dari crest factor pada file suara parameter yang telah didefinisikan di
merupakan rasio dari titik puncak ke dalam program hasil dari perhitungan
nilai RMS(Root Mean Square) pada pada tahap analisa data suara. Prinsip
sinyal suara tersebut dalam satuan dB. kerja noise gate akan menutup suara jika
RMS adalah nilai akar rata-rata level suara itu berada dibawah level
kuadrat dari suatu besaran yang threshold karena dianggap suara itu
berubah sebagai fungsi waktu selama hanya berupa suara berisik (yang
suatu interval waktu T pada sinyal mengganggu) dan bukan suara dari
suara. sumber suara yang diinginkan dan noise
gate akan membuka suara jika level suara
Selisih dari nilai dynamic range berada diatas level threshold karena
dengan crest factor akan menjadi acuan dianggap suara itu adalah suara yang
guna pengisian parameter untuk proses diinginkan dari sumber suara karena level
penghilangan noise. Pada Gambar 2 suara itu besar (diatas level threshold).
Gambar 3 memperlihatkan skema dia-
gram alur proses noise gate.
Selanjutnya adalah proses low pass yang masih terdapat pada hasil proses
filter. Tahap ini merupakan tahap filtrasi noise gatedan mengijinkan low frequency
sinyal agar didapatkan kualitas sinyal signals untuk lewat.Diagram alur proses
yang lebih baik. Proses low pass filter low pass filter diperlihatkan pada Gambar
akan menghilangkan high frequencynoise 4.
Tabel 1. Index Persentase Performa Algoritma PDF dan LPC Dengan STE Dan ZCR-STE
Phrases STE ZCR-STE Proposed Method
Combination lock 77,9531% 70,3720% 83,5565%
number
Running text 50,8391% 50,1231% 59,7181%
Gambar 8. Proses Mendapatkan Nilai Dynamic Range Dan Crest Factor Pada File Sampel
Setelah nilai acuan diperoleh dari kan tabel rekomendasi pengisian para-
hasil selisih dynamic range dengan crest meter secara otomatis berdasarkan hasil
factor kemudian diperoleh nilai reko- analisa oleh program.
mendasi parameter. Tabel 3 memperlihat-
Tabel 4. Tabel Perbandingan Ukuran Dan Durasi File Sebelum Dan Sesudah Proses
Analisis dari hasil pengujian diatas pula nilai lower threshold dan upper
dapat dilihat bahwa penggunaan metode threshold pada setiap sampel suara.
noise gate, low pass filter dan silent Dilakukan 2 pengujian agar dapat
removal dapat menambah keberhasilan diketahui keakuratan hasil aplikasi ini
pengenalan suara sebesar 350% atau 3,5 untuk aplikasi pengenalan suara, pengu-
kali lebih akurat dibandingkan dengan jian pertama membandingkan file suara
pengenalan suara tanpa dilakukan penghi- asli dengan file suara asli + noise kemu-
langan noise pada file suara sebelumnya. dian pengujian kedua membandingkan
file suara asli dengan output hasil dari file
SIMPULAN DAN SARAN suara yang telah melalui proses penghi-
langan noise. Dari pengujian pertama
Kesimpulan dari penelitian ini ada- menghasilkan tingkat kecocokan sebesar
lah aplikasi untuk menghilangkan noise 25% dan pengujian kedua menghasilkan
pada file suara dengan menggunakan tingkat kecocokan sebesar 87,5%. Maka
metode noise gate, low pass filter dan dapat disimpulkan bahwa pada penelitian
silent removal dengan parameter dinamis ini peningkatan keberhasilan dalam
telah berhasil dibangun dengan menggu- pengenalan suara dari penggunaan meto-
nakan bahasa pemrograman Matlab. Apli- de noise gate, low pass filter dan silent
kasi ini bersifat dinamis sesuai dengan removal adalah 3.5 kali lipat diban-
karakteristik file suara yang diinput yaitu dingkan dengan pengenalan suara tanpa
dengan menganalisa nilai dynamic range dilakukan penghilangan noise pada file
dan crest factornya. suara sebelumnya.
Dalam penelitian ini digunakan 8 Aplikasi ini hanya dapat mengup-
sampel suara berekstensi wav dengan load satu file suara untuk proses meng-
frekuensi 22050. Setiap sampel memiliki hilangkan noise dalam satu waktu,
nilai dynamic range dan crest factor yang diharapkan dapat dikembangkan agar
berbeda yang dijadikan sebagai acuan pe- dapat mengupload lebih dari satu file
ngisian parameter pada program, semakin suara dalam satu waktu dan dapat
besar nilai selisih antara dynamic range dikembangkan menjadi aplikasi yang
dengan crest factor maka semakin besar bersifat realtime.