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
BAB I
PENDAHULUAN
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.
BAB V
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.
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.
DAFTAR PUSTAKA
[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.