Tugas Akhir - 2013

APLIKASI PENGENALAN JUDUL LAGU DENGAN MASUKAN SUARA NYANYIAN

MANUSIA DAN SUARA INSTRUMEN GITAR MENGGUNAKAN METODE
JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION

Nurcahya Fahmi¹, Gelar Budiman², Unang Sunarya³

¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

Abstrak
Perkembangan teknologi pencarian atau sering disebut search engine sekarang ini mulai
beragam, banyak perkembangan mulai dari mesin pencari kata, pencari gambar, pencari web dan
lain-lain. Sebenarnya search engine sendiri mempunyai istilah sebagai mesin pencari, mesin
pencari ini akan menampilkan informasi berdasarkan permintaan dari user penyari konten,
konten yang ditampilkan adalah konten yang memang sudah terindeks dan tersimpan di
database.

Pada umumnya sebuah search engine ini hanyalah sebuah aplikasi yang digunakan untuk
mencari sebuah data dengan masukan berupa teks yang diketik oleh keyboard. Pada tugas akhir
ini saya akan mencoba untuk membuat sebuah aplikasi search engine dengan menggunakan
masukan berupa suara manusia yang berupa nyanyian dan sebuah instrumen musik yaitu gitar.
Klasifikasi yang akan saya gunakan ialah Jaringan Syaraf Tiruan Learning Vector Quantization
(JST-LVQ) dan Euclidean Distance sebagai pengenalan suara yang nanti akan dibandingkan dari
kedua metode tersebut.
Hal pertama yang dilakukan adalah suara dari nyanyian dan suara dari instrumen gitar yang
direkam, lalu suara tersebut diolah secara digital, kemudian dilanjutkan dengan proses ekstraksi
suara yaitu dengan menggunakan metode Mel Frequency Cepstral Coefficient (MFCC).
Keluarannya adalah berupa judul lagu yang kita cari. Dengan adanya aplikasi ini dapat
mempermudah untuk mencari sebuah lagu dengan dengan ketepatan 60% untuk suara manusia,
30% untuk suara gitar dan 30% untuk suara manusia dan gitar.

Kata Kunci : Search Engine, Learning Vector Quantization, Euclidean Distance, Mel Frequency
Cepstral Coefficient

Abstract
More various development phenomenon of searching technology (search engine) have been
increasing nowadays, starting from word search engine, image search engine, web search engine
and so on. Search engine itself is a computer program that will display the information based on
the seeking content user’s request, which the displayed-content has been already indexed and
saved in the database.

Generally, search engine is an application that used to seek a data with text input typed by the
keyboard. In this final project, I will try to make a search engine application with human singing
voice and guitar sound. The classification that I used is Learning Vector Quantization Artificial
Neural Network (ANN-LVQ) anda Euclidean Distance as speech recognition which will be
compared from both methods.

The first thing to do is recording of human voice anda guitar sound, then the sound is processed
digitally, followed by the sound extraction process using Mel Frequency Cepstral Coefficient
(MFCC). The output is in the form of the title track that we are looking for. With this application
is to be easier to find a song with 60% precision for human voice, 30% precision for guitar sound
and 30% precision for the compound between human voice and guitar sound.

Keywords : Search Engine, Learning Vector Quantization, Euclidean Distance, Mel Frequency
Cepstral Coefficient

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

Powered by TCPDF (www.tcpdf.org)
 Tugas Akhir - 2013

BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada jaman sekarang ini komputer adalah sebuah alat yang penting untuk
kehidupan manusia dimuka bumi. Banyak aplikasi-aplikasi dari sebuah komputer yang
mendukung pekerjaan tersebut. Tetapi masih terdapat juga kesulitan pada manusia
sehingga meraka tidak bisa mengaplikasikannya secara maksimal.
Salah satu kesulitan tersebut ialah pada saat mencari sebuah data yang banyak
sehingga sulit untuk menemukan data yang kita cari. Sebagai solusinya manusia
menciptakan sebuah aplikasi mesin pencari atau search engine. Search engine ialah
program komputer yang dirancang untuk membantu seseorang menemukan sebuah file
yang disimpan dalam komputer, misalnya dalam sebuah server umum di web atau dalam
komputer sendiri. Di ketahui pula mesin pencari juga melakukan pengumpulan informasi
atas data yang tersimpan dalam suatu basisdata.
Pada umumnya sebuah search engine ini hanyalah sebuah aplikasi yang digunakan
untuk mencari sebuah data dengan masukan berupa teks yang diketik oleh keyboard. Hal
ini menjadi sebuah keterbatasan apabila seseorang ingin mencari sebuah lagu dimana
hanya mengetahui bait dan sebuah suara instrumen gitar dari lagu tersebut. Jadi pada tugas
akhir ini penulis membuat sebuah aplikasi search engine dengan menggunakan masukan
berupa suara manusia yang berupa nyanyian dan sebuah instrumen musik yaitu gitar.
Pada pemrosesan sinyal suara, suara tersebut dinotasikan, sehingga pada penulisan
tugas akhir ini dilakukan proses pengklasifikasian menggunakan Learning Vector
Quantization (LVQ), kemudian dilanjutkan dengan proses ekstraksi suara yaitu dengan
menggunakan metode Mel Frequency Cepstral Coefficient (MFCC).
Learning Vector Quantization (LVQ) adalah sebuah metode klasifikasi dimana
setiap unit keluaran mempresentasikan sebuah kelas. Tujuan dari algoritma Learning
Vector Quantization (LVQ) adalah untuk mendekati distribusi kelas vektor untuk
meminimalkan kesalahan dalam pengklasifikasian.
Euclidean Distance digunakan sebagai perbandingan pengenalan judul lagu.
Euclidean Distance adalah jarak antara dua buah objek atau titik. Dalam penelitian ini,
rumus jarak euclidean distance digunakan untuk mengukur kemiripan sebuah lagu dengan

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2013

lagu yang lainnya. Nilai euclidean distance merupakan nilai kemiripan sinyal suara.
Semakin dekat (mendekati nilai 0) semakin mirip sinyal suara tersebut.
MelFrequency Cepstral Coefficient adalah sebuah koefisien audio, dalam beberapa
studi menunjukan bahwa persepsi pendengaran manusia tidaklah dalam skala yang linier
dalam bentuk frekuensi melainkan diukur dalam bentuk skala mel-frekuensi. Sehingga
Mel-Scale merupakan skala yang diambil berdasarkan pendekatan terhadap pendengatan
manusia. Dimana penggunaannya adalah untuk mengekstrak data sinyal suara.
Dalam tugas akhir ini digunakan juga metode Euclidean Distance sebagai
pembaning dari metode Learning Vector Quantization (LVQ). Euclidean Distance ialah
jarak antara dua buah objek atau titik yang nantinya digunakan untuk mengukur kemiripan
sebuah lagi dengan lagu lainnya.

1.2 Rumusan Masalah

Perumusan masalah dalam tugas akhir ini adalah sebagai berikut :
1. Bagaimana cara mengklasifikasikan sinyal suara dengan menggunakan metode
Learning Vector Quantization (LVQ) dan Euclidean Distance?
2. Bagaimana cara melakuakan analisis ciri dengan
Mel frequency Cepstral Coefficient ?
3. Bagaimana cara membuat program aplikasi search engine dengan masukan
berupa suara nyanyian manusia dan suara instrumen gitar dengan
menggunakan MATLAB ?
4. Sejauh mana mengetahui tingkat akurasi dari sistem yang dirancang ?

1.3 Batasan Masalah

Adapun batasan masalah pada tugas akhir ini :
1. Data dari suara nyanyian manusia dan instrumen gitar harus dengan format
.wav
2. Menggunakan gitar elektrik
3. Cara memamainkan gitar pada sample musik maupun masukan musik ialah
dengan cara strum
4. Data latih yang disediakan sebanyak 50 lagu dan data uji yang disediakan
sebanyak 10 lagu dengan tiga genre yang terdiri dari pop, rock, jazz
5. Suara masukan berasal dari tiga orang Indonesia

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2013

6. Menggunakan Mel frequency Cepstral Coefficient sebagai metode ekstraksi

ciri dan Learning Vector Quantization dan Euclidean Distance sebagai metode
klasifikasi
7. Bahasa pemrograman yang dipakai ialah matlab R2009a

1.4 Tujuan dan Manfaat

Tujuan dan manfaat yang ingin dicapai dari pembuatan tugas akhir ini ialah :
1. Memudahkan pencarian sebuah file musik pada komputer dengan masukan
berupa suara nyanyian manusia dan sebuah instrumen gitar.
2. Merancang suatu aplikasi search engine menggunakan MATLAB.
3. Mengetahui cara pengklasifikasian sebuah sinyal suara menggunakan Learning
Vector Quantization (LVQ) dan Euclidean Distance.
4. Mengetahui dan manganalisis tingkat keakurasian dan waktu komputasi dari
program aplikasi search engine melalui pengenalan suara nyanyian manusia
dan suara dari intrumen gitar.

1.5 Metodologi penelitian

Beberapa metodologi yang digunakan pada tugas akhir ini ialah :
1. Studi literatur
Bertujuan untuk mencari teori-teori dasar dari sejumlah masalah yang
dibahas ditugas akhir ini seperti dasar teori sinyal suara, pengolahan sinyal
suara, pengklasifikasian, analisis ciri dan metode pencarian sebuah lagi yang
berada dipersonal direktori. Literatur yang didapat berasala dari buku referensi,
jurnal ilmiah, internet dan tugas akhir terdahulu.
2. Analisa
Tahap ini melakukan kebutuhan elemen-elemen di tingkat perangkat
lunak. Dengan analisa harus dapat ditentukan domain-domain data atau
informasi, fungsi, proses, atau prosedur yang diperlukan beserta unjuk
kerjanya, dan interface. Hasil akhir tahap ini adalah spesifikasi kebutuhan
perangkat lunak.
3. Perancangan Sistem
Perangkat lunak terdiri dari empat atriubut, yaitu struktur data,
arsitektur, prosedur detail dan karakteristik interface. Pada tahap ini dilakukan
lagi dengan dua tahap yaitu preliminary design dan detailed design. Sub-tahap

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2013

pertama menghasilkan rancangan yang bersifat global, sedangkan sub-tahap

yang kedua menghasilkan rancangan detail sehingga semua kelas, tipe data,
fungsi dan prosedurnya terdefinisi.
4. Pemrograman
Pada tahap ini dilakukan pengimplementasian hasil rancangan yang
diterjemahkan kebahasa pemrograman yang dimengerti oleh mesin.
5. Studi pengembangan sistem
Bertujuan untuk mendapatkan parameter-parameter yang optimal
sehingga sistem memiliki tingkat keberhasilan yang cukup tinggi.
6. Pengoperasian dan pemeliharaan
Pada tahap ini sistem mungkin saja mengalami kegagalan atau
kesalahan dalam menjalankan fungsi, maka sistem tersebut masih
membutuhkan proses pemeliharaan dari waktu kewaktu
7. Mengambil kesimpulan
Bertujuan untuk memberikan kesimpulan dari data hasil yang telah
dilakukan.

1.6 Sistematika Penulisan

Untuk mempermudah penulisan tugas akhir ini, penulis menyusunnya berdasarkan
sistematika dibawah ini:
BAB I : PENDAHULUAN
Berisikan latar belakang, rumusan masalah, batasan masalah, tujuan dan
manfaat, metodologi penelitian, serta sistematika penulisan dari tugas akhir ini.
BAB II : DASAR TEORI
Bab ini membahas teori-teori dasar yang diperlukan dalam penyusunan
tugas akhir. Pada bab ini terdapat penjelasan mengenai search engine, pengertian
suara manusia, pengertian suara gitar, sistem pengenalan suara, jaringan syaraf
tiruan, arsitektur jaringan syaraf tiruan, jaringan syaraf tiruan Learning Vector
Quantization, Arsitektur jaringan syaraf tiruan Learning Vector Quantization,
Euclidean Distance serta penjelsan tentang Mel Frequency Cepstral Coefficient.

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2013

BAB III : PERANCANGAN SISTEM

Bab ini membahas diagram alir dari sistem yang dirancang mulai dari
pengambilan masukan hingga dihasilkan sebuah judul lagu yang terdapat dalam
direktori yang diinginkan.
BAB IV : ANALISIS DAN PENGUJIAN SISTEM
Bab ini membahas hasil dari pengujian sistem yang dirancang.
BAB V : KESIMPULAN DAN SARAN
Berisi kesimpulan serta saran untuk pengembangan lebih lanjut.

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

Powered by TCPDF (www.tcpdf.org)
 Tugas Akhir - 2013

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan
Dari penelitian yang telah dilakukan, dapat ditarik beberapa kesimpulan mengenai
aplikasi pengenalan judu lagu ini, antara lain sebagai berikut :
1. Pengaturan yang baik untuk proses kinerja Jaringan Syaraf Tiruan Learning
Vector Quantization tergantung dari jumlah data yang akan dilatih dan pengaturan
hidden nervous yang disesuaikan dengan epochs.
2. Untuk pengenalan suara manusia yang baik saat diatur jarak antara DF sebesar 25
dan nilai maksimum DF sebesar 0,4 baik dengan JST-LVQ dan euclidean
distance dengan ekstraksi ciri diatur ke non-biner
3. Untuk pengenalan suara gitar yang baik saat diatur jarak DF sebesar 75 dan nilai
maksimum DF sebesar 0,35 baik dengan JST-LVQ dan eucliean distance dengan
ekstraksi ciri diatur ke non-biner.
4. Untuk pengenalan suara manusia dan gitar yang baik saat diatur jarak DF sebesar
75 dan nilai maksimum DF sebesar 0,4 baik dengan JST-LVQ dan euclidean
distance dengan ekstraksi ciri diatur ke non-biner.
5. Pada proses pengenal suara manusia tidak dianjurkan untuk mengubah menjadi
menjadi biner pada ekstraksi ciri, karena akurasi tidak baik, disebabkan banyak
nada yang sama.
6. Pada pengambilan sinyal pada gitar sangat tidak baik dikarenakan proses ekstraksi
ciri yang digunaka pada tugas akhir ini ialah dengan menggunakan MFCC yang
ditiru dari pendengaran sinyal manusia, sehingga untuk sinyal gitar sulit untuk
diambil cirinya.
7. Pada pengambilan sinyal pada gitar bisa dilakukan juga dengan menggunakan
atau tidak menggunakan pengaturan untuk pengubahan biner atau tidaknya pada
proses ektraksi ciri, meskipun hasil yang diharapkan tidak sesuai yang
diperkirakan, tetapi masih ada data lagu yang bisa disamakan
8. Penambahan noise sangat berpengaruh pada tingkat akurasi dari proses pencarian
judul lagu.

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2013

5.2 Saran
1. Melakukan percobaan secara realtime
2. Menggunakan platform berbasis Android.
3. Menggunakan noise remover sebelum melakukan ekstraksi ciri sehingga
menambah nilai akurasi yang diinginkan
4. Dikembangkan lebih lanjut dengan menjadikan lagu berformat MP3 sebagai objek
penelitian
5. Melakukan percobaan untuk metode ekstraksi ciri jenis lain yang dapat
mengekstraksi ciri sinyal suara. Selain itu melakukan percobaan dengan metode
klasifikasi yang lain untuk membandingkan performansinya.

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

Powered by TCPDF (www.tcpdf.org)
 Tugas Akhir - 2013

DAFTAR PUSTAKA

[1.] Raihan, M., “Apa itu Mesin Pencari ?”.

http://mraihan.wordpress.com/2009/05/25/apa-itu-mesin-pencari/. Diakses pada
tanggal 16 April 2012.
[2.] Artikel non-personal. 28 Februari 2012., Bunyi. Wikipedia Bahasa Indonesia,
http://id.wikipedia.org/wiki/Suara. Diakses pada tanggal 17 April 2012.
[3.] Irwan, Asep. 19 Maret 2011., Definisi Suara Secara Umum. 19 Maret 2011.,
http://irwankl3.blogspot.com/2011/03/definisi-suara-secara-umum.html. Diakses
pada tanggal 17 April 2012.
[4.] Artikel non-personal. 2 April 2012., Alat Musik. Wikipedia Bahasa Indonesia,
http://id.wikipedia.org/wiki/Alat_musik. Diakses pada tanggal 24 April 2012.
[5.] Wahyudi. 4 September 2009., Pengertian Bunyi.
http://id.shvoong.com/books/1926402-pengertian-bunyi/. Diakses pada tanggal 24
April 2012.
[6.] Satrya, Ryan. (2011). Sistem Identifikasi Suara Pria dan Suara Wanita
Berdasarkan Usia Menggunakan Mel Frequency Cepstral Coefficient dan K-Mean
Clustering. Institut Teknologi Telkom, 2011.
[7.] Yani, Eli. (2005). Pengantar Jaringan Saraf Tiruan. Artikel kuliah.
http://trirezqiariantoro.files.wordpress.com/2007/05/jaringan_syaraf_tiruan.pdf.
Diakses pada tanggal 18 April 2012
[8.] Puspitaningrum, Diyah. (2006). Pengantar Jaringan Saraf Tiruan. Penerbit Andi.
Jogjakarta.
[9.] Kusumadewi, Sri. (2003). Artifical Intelligence ( Teknik dan Aplikasinya ). Penerbit
Graha Ilmu. Yogyakarta.
[10.] Kusumadewi, Sri. (2006). Artificial Intelligence (Teknik dan Aplikasinya). Penerbit
Graha Ilmu. Yogyakarta.
[11.] Russel. S.J, Norvig. O. (1995). Artifical Intelligence A Modem Approach. Prentice
Hall. 1995.
[12.] Fajar Rodiyansyah, Sandi. Spectogram dan Analisis Kemiripan Sinyal Suara
dengan Pendekatan Euclidean Distance. Yogyakarta: Universtitas gadjah Mada.

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2013

[13.] Rifaldy, A.Imran. (2012). Desain dan Analisis Simulasi Aplikasi Mesin Pencari
Lagu Berbasiskan Pola Nada Menggunakan Metode Fast Fourier Transform.
Institut Teknologi Telkom, 2012.

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

Powered by TCPDF (www.tcpdf.org)