Prosiding Seminar Nasional Fisika 2010

ISBN : 978‐979‐98010‐6‐7

Analisis Fourier Gelombang Bunyi Senar Gitar Listrik

Khairil Anwar1) dan Raden Oktova2)

Program Magister Pendidikan Fisika, Universitas Ahmad Dahlan
Kampus II, Jl.Pramuka 42 Sidikan Yogyakarta 55161, Telp (0724) 563515
1) E-mail: hairil_physic@yahoo.com
2) E-mail : pasca.pfisika@yahoo.com

Abstrak
Bunyi alat musik merupakan salah satu gejala fisika yang menarik untuk dikaji,
karena peralatan musik menghasilkan nada kompleks yang merupakan superposisi dari
banyak nada murni (harmonik) dan nada-nada musik memiliki skala-skala frekuensi serta
bermacam-macam tingkat harmonik. Pada alat musik gitar, salah satu cara untuk
mengetahui frekuensi nadanya yaitu dengan membandingkan garpu tala terhadap bunyi
nada yang dihasilkan, namun frekuensi hanya terdengar sebagai bunyi tunggal saja,
karena itu pengamatan karakteristik fisis, khususnya frekuensi nada tidak dapat diamati
secara langsung dengan CRO (Cathode Ray Oscilloscope) atau dengan garpu tala apalagi
dengan telinga manusia, sehingga diperlukan suatu cara pengamatan secara tidak
langsung. Terkait hal itu, telah dilakukan percobaan untuk menentukan frekuensi-frekuensi
harmonik dan kelajuan perambatan gelombang bunyi pada senar gitar listrik dengan
metode analisis Fourier. Bunyi yang dihasilkan dari senar yang dipetik direkam
menggunakan perangkat sistem audiovisual berbasis komputer yang selanjutnya dianalisis
berdasarkan algoritma FFT (Fast Fourier Transform) untuk menentukan frekuensi
harmonik setiap nada. Sebagai sampel digunakan senar gitar listrik Legacy A503 mulai
dari senar I sampai senar VI (dari yang paling tipis hingga paling tebal). Untuk
meningkatkan ketelitian penentuan kelajuan perambatan gelombang bunyi pada senar
digunakan analisis regresi linier berbobot frekuensi harmonik, f n terhadap seperpanjang
senar, 1 l . Program algoritma FFT dikerjakan dengan program Matlab 6.5.1, sedangkan
program perhitungan regresi ditulis dengan Compag Visual Fotran 6.5 yang dijalankan
dengan sistem operasi Windows XP. Keluaran program regresi ini adalah koefisien-
koefisien fungsi linier, yaitu a0, n dan a1, n beserta ralatnya. Dalam perhitungan akhir
kelajuan perambatan gelombang bunyi digunakan nilai gradien garis hasil regresi linier
berbobot, a1, n .
Hasil analisis menunjukkan bahwa frekuensi harmonik merupakan kelipatan bulat
dari frekuensi nada dasar, sesuai dengan teori. Berdasarkan nilai gradien garis hasil
regresi diperoleh kelajuan perambatan gelombang bunyi pada senar I sampai dengan VI
(dari yang paling tipis hingga paling tebal) berturut-turut adalah (432 ± 1) m/s, (331 ± 1)
m/s, (261 ± 1) m/s, (194 ± 1) m/s, (146 ± 1) m/s, dan (111 ± 1) m/s, sehingga dapat
disimpulkan bahwa kelajuannya semakin kecil. Analisis dengan menggunakan algoritma
FFT terbukti dapat diaplikasikan untuk menganalisis gelombang bunyi yang dihasilkan
oleh senar gitar listrik.

Kata Kunci : FFT (Fast Fourier Transform), gelombang bunyi.

439
440 Prosiding Seminar Nasional Fisika 2010

I. PENDAHULUAN
Suatu fungsi gelombang yang kompleks dapat diuraikan menjadi superposisi
fungsi-fungsi gelombang harmonik dengan menggunakan analisis Fourier, dan untuk itu
tersedia algoritma baru yang dinamakan Fast Fourier Transform/FFT (Huggins, 2000:16-
2). Pengamatan karakteristik dan besaran fisis gelombang bunyi yang dihasilkan suatu alat
musik tidak mampu diamati secara langsung dengan CRO (Cathode Ray Oscilloscope)
atau dengan garpu tala sehingga diperlukan suatu cara alternatif, misalnya dengan bantuan
sistem audiovisual yang berbasis teknologi komputer. Bunyi alat musik merupakan salah
satu gejala fisika yang menarik untuk dikaji dengan analisis Fourier karena nada-nada
musik memiliki skala-skala frekuensi dan macam-macam nada harmonik. Marin Mersenne
(1588-1648) menemukan bahwa frekuensi alami senar bergantung pada ukuran panjang
senar, frekuensi nada-nada atas senar adalah kelipatan bulat dari frekuensi nada dasarnya
dan seterusnya membentuk deret harmonik. Melde dalam percobaanya dengan sonometer
mengatakan bahwa kelajuan perambatan gelombang bunyi sebanding dengan akar
ketegangan senar dan berbanding terbaik dengan akar rapat massa senar. Dalam salah satu
penelitian mutakhir dengan teknologi audiovisual, LoPresto (2006) melakukan eksperimen
dengan senar VI gitar akustik ( µ = 0,0074 kg/m), menempatkan mikrofon di lubang
resonansi yang disambung dengan perangkat keras LabPro dan perangkat lunak
LoggerPro2. Hasilnya menggambarkan hubungan antara frekuensi dan panjang senar yang
bergetar, sebesar f 0 ( l ) = Al B , dengan A = 53,2 dan B = -1,01. Nilai A digunakan untuk

menentukan kelajuan perambatan gelombang, diperoleh 106,4 m/s. Huggins (2007)

menganalisis nada C4 yang dihasilkan oleh piano dengan mengkonstruksi peralatan Wal-
Mart Microphone, iMic USB, dan seperangkat komputer, menggunakan perangkat lunak
MacScope II. Dengan memplot satu gelombang penuh terlihat bahwa sepanjang struktur
tersebut dapat dikenali deret harmonik sebanyak tujuh macam. Sementara itu Ishafit, dkk.
(2008) melakukan eksperimen sejenis dengan piano, menggunakan analisis Fourier dengan
sistem MBL untuk menentukan frekuensi dasar suatu nada, namun pada eksperimen ini
tidak ditentukan frekuensi harmonik berikutnya dan besaran fisis lain seperti kelajuan
perambatan gelombang pada suatu medium. Penelitian dengan alat musik gitar listrik
belum pernah dilakukan sejauh pengetahuan penulis.
 K. Anwar, dan R., Oktova Analisis Fourier Gelombang Bunyi Senar Gitar Listrik 441

II. DASAR TEORI

a. Senar sebagai sumber bunyi
Jika senar diikat pada kedua ujungnya dan digetarkan, maka bentuk getaran yang
paling sederhana ialah berbentuk separuh gelombang diam yang berarti terjadi ½
gelombang dan senar mengahasilkan nada dasar, sehingga λ = 2l . Frekuensi nada dasar
( f o ) ditentukan dengan

v v
fo = = . (1)
λ 2l
Pola resonansi berikutnya adalah nada atas pertama (harmonik kedua) yang menghasilkan
satu gelombang penuh (λ = l), di mana senar digetarkan pada jarak 1
4 l dari salah satu
ujung, sehingga frekuensi nada atas pertama (f1) ditentukan oleh
v v
f1 = = , dan (2)
λ l
demikian pola resonansi selanjutnya sehingga frekuensi-frekuensi nada tersebut akan
menghasilkan perbandingan,
v 2v 3v
f 0 : f1 : f 2 ... = : : ... = 1 : 2 : 3... (3)
2l 2l 2l
Secara umum,
f n = (n + 1) f 0

= (n + 1)
v
(4)
2l
dengan, n = 0,1, 2,... (notasi untuk nada dasar, nada atas pertama, nada atas kedua dan
seterusnya) (Tipler, 2001:484-495). Pers.(4) merupakan persamaan garis lurus untuk
variabel terikat frekuensi harmonik ke-n ( f n ) terhadap variabel bebas seperpanjang senar

(1 l) , sehingga jika dilakukan regresi linier diperoleh suatu koefesien parameter a1,n.
Kelajuan perambatan gelombang bunyi pada senar dari masing-masing frekuensi harmonik
ke-n dapat ditentukan dengan pers.(5) yang berhubungan dengan kemiringan kurva.
2 a1,n
vn = , (5)
(n + 1)
dengan ralat
2.s a1, n
s vn = . (6)
(n + 1)
 442 Prosiding Seminar Nasional Fisika 2010

b. Bunyi pada instrumen musik

Musik atau lagu didasarkan pada nada-nada yang tergabung dalam susunan tangga
nada. Susunan nada diatonik pada musik barat didasarkan pada not-not 1, 2, 3, 4, 5, 6, 7, 8.
Not-not ini diberi nama dengan huruf c, d, e, f, g, a, b, c. Perbandingan frekuensi nada-
nada ini adalah 24, 27, 30, 32, 36, 40, 45, 48. Setiap nada mempunyai jarak interval yang
cukup teratur. Seiring perkembangan peradaban dan teknologi, ada lima nada lagi yang
ditambahkan pada skala musik dunia barat yaitu nada tengahan cis (des), dis (eis), fis
(ges), gis (as), ais (bes). Sehingga ada duabelas nada harmonis pada suatu alat musik, skala
nada ini disebut skala Chromatic (Inman, 2006:465). Frekuensi yang biasa untuk not-not
musik yang disebut skala kromatik dengan kenyaringan yang sama diberikan pada tabel 1
(Giancoli, 1998:416).

Tabel 1. Skala kromatik dengan kenyaringan yang sama untuk satu oktaf (Giancoli,
1998:416).
C# D# F# G# A#
Nada (Note) C atau D atau E F atau G atau A atau B C’
b b b b b
D E G A B
Frekuensi (Hz) 262 277 294 311 330 349 370 392 415 440 466 494 524

c. Discrete Fourier Transform (DFT)

Bentuk gelombang yang dihasilkan suatu alat musik dapat dianalisis menurut
harmonik–harmonik yang menyususun gelombang tersebut, merupakan analisis harmonik
atau juga disebut analisis Fourier yang secara matematika menganalisis fungsi–fungsi
periodik (Tipler, 2001:527). Teorema Fourier mengatakan bahwa suatu fungsi sembarang
atau diasumsikan periodik f(t) dapat dinyatakan dengan deret tak hingga dengan fungsi
sinus dan cosinus (Boas, 1983:307), atau dapat diungkapkan sebagai suatu kombinasi linier
eksponensial kompleks, yang dinyatakan sebagai
∞
f (t ) = ∑ a n e iωnt , (7.a)
n =0

atau dapat dituliskan dalam bentuk

∞
f (t ) = ∑ (a n cos ω n t + i a n sin ω n t ) (7.b)
n =0

Di alam sinyal berbentuk analog, sehingga untuk memperoleh sinyal diskrit harus
dilakukan suatu proses (pengolahan) yang disebut sampling yang juga membutuhkan
perangkat keras digital/komputer (Tanudjaja, 2007:7). Dalam pemrosesan sinyal digital,
 K. Anwar, dan R., Oktova Analisis Fourier Gelombang Bunyi Senar Gitar Listrik 443

data sinyal tidak lagi kontinyu tetapi diubah menjadi diskrit. Salah satu cara memunculkan
informasi frekuensi yaitu menggunakan transformasi Fourier. Untuk melakukan analisis
frekuensi (frekuency domain) Y (k ) dari sinyal waktu diskrit (time domain) y (t n ) dapat
digunakan transformasi Fourier diskrit, DFT (Discrete Fourier Transform). Definisi DFT
dari suatu sinyal diskrit y (t n ) yang dinyatakan oleh persamaan (8.a) merupakan DFT
invers (IDFT).
N −1 N −1 ⎛ k ⎞
1 1 i 2π ⎜ ⎟ t n
y (t n ) =
N
∑ Y ( k )e
k =0
ikω0t n
=
N
∑ Y ( k )e
k =0
⎝N⎠
; tn = 0,1, 2,.......N − 1 (8.a)

sedangkan DFT dihitung menggunakan persamaan (8.b).

N −1 N −1 ⎛ k ⎞
− i 2π ⎜ ⎟ t n
Y (k ) = ∑ y(tn )e−ikω0t n =
tn =0
∑ y(tn )e
tn =0
⎝N⎠
; k = 0,1, 2,.......N − 1 (8.b)

dimana, N : banyaknya sampling, y (t n ) : sinyal waktu diskrit, dengan y merupakan

fungsi/simpangan sinyal dalam bentuk tegangan, sedangkan t n merupakan indeks waktu

(t1, t2, tn,...tN-1). Y (k ) : koefesien DFT untuk sinyal waktu diskrit dan ω 0 = 2π N :

frekuensi digital. Dengan menggunakan konstanta W N = e i 2π / N , maka pers. (8.b) dapat

ditulis dalam bentuk pers. (8.c) (Tanudjaja, 2007 : 151-154).
N −1
Y (k ) = ∑ y (t n )W Nk .tn (9)
tn =0

Frekuensi maksimum ( f max ) yang dapat dikenali dari N titik DFT adalah setengah

frekuensi sampling f s atau laju cuplik (cuplikan data/detik) minimal adalah 2 f max , disebut
laju Nyquist. Frekuensi-frekuensi unik yang terkandung dalam sinyal hanya dikenali pada
selang antara frekuensi dasar sampai frekuensi maksimum, selebihnya adalah frekuensi-
frekuensi ulangan (cerminan) harmonik sebelumnya. Semakin banyak point data maka
semakin kecil jeda antar frekuensi sehingga nilai frekuensi semakin teliti. Nilai frekuensi
dihitung dengan f r (k ) = kf s N FFT . Komputasi DFT adalah komputasi yang memerlukan
banyak memori dan waktu untuk proses looping karena membutuhkan N2 langkah
perkalian ditambah N × N − 1 langkah penjumlahan, butuh waktu lama bagi sebuah
komputer pribadi untuk menyelesaikan operasi sebanyak itu.
444 Prosiding Seminar Nasional Fisika 2010

d. Fast Fourier Transform (FFT)

Algoritma untuk mengurangi beban perhitungan DFT diantaranya adalah Fast
Fourier Transform (FFT), yang dikembangkan dari algoritma DFT. Dengan menerapkan
metode FFT, perhitungan komputasi DFT dapat dipersingkat, dalam hal ini proses looping
dapat direduksi, sehingga hanya N 2 − ( N / 2) log 2 N langkah saja untuk N titik DFT. FFT
dibagi menjadi dua metode yaitu decimation in time/DIT (FFT penyingkat waktu) bila
dilakukan pada data kawasan waktu dan metode decimation in frekuency (DIF) yang sama-
sama berfungsi mentransformasi sinyal menjadi spektrum frekuensi yang pertama kali
dikenalkan pada tahun 1965 oleh Cooley dan Tukey. Decimation adalah proses pembagian
sinyal menjadi beberapa bagian yang lebih kecil yang bertujuan untuk memperoleh waktu
proses yang lebih cepat. Langkah awal yang dilakukan adalah memisahkan dua bagian titik
data ( N 2 -titik), deret data nomor–nomor genap dan deret data nomor-nomor ganjil.
Perlakuan demikian terus berulang sampai akhirnya diperoleh deret dengan anggota dua
data, genap dan ganjil yang masing-masing akan mengalami DFT. Implementasi algoritma
FFT dapat dilakukan dengan menggunakan berbagai bahasa pemrograman. Dalam matlab,
FFT dapat dicari dengan memanggil fungsi fft (Tanudjaja, 2007 : 164-176).

III. METODE PENELITIAN

Analisis Fourier pada gelombang bunyi alat musik gitar dilakukan berdasarkan
teknologi komputasi audiovisiual, dengan senar gitar listrik Legacy A506 sebagai sampel
sumber bunyi. Susunan alat eksperimen ditunjukkan pada gambar 1.
Gitar listrik Penguat
Osiloskop

Loudspeaker
Tuner

Gambar 1. Susunan alat eksperimen

Alat dan bahan yang digunakan adalah perangkat sistem audiovisual diantaranya
kabel stereo sebagai penghubung sistem, tuner Marshall MT-1 yang berfungsi untuk
kalibrasi senar gitar sebelum dimainkan, transduser (PreAmplifier Tube Ultragain
MIC200) sebagai penguat dan pengontrol sinyal, gitar listrik sebagai sumber bunyi, dan
 K. Anwar, dan R., Oktova Analisis Fourier Gelombang Bunyi Senar Gitar Listrik 445

perangkat lunak MacScope II untuk menampilkan dan merekam data sinyal seperti pada
penelitian Huggins (2007). Sebelum gitar dimainkan, senar diset pada nada-nada teretentu,
mulai dari senar yang paling tipis (nomor I) sampai senar yang paling tebal (nomor VI)
yaitu E4, B3, G3, D3, A2 dan E2, dengan rata-rata panjang senar 0,65 m. Panjang senar (l)
yang bersesuaian dengan bunyi nada-nada tertentu diukur, kemudian senar dipetik dan
merekam gelombang bunyi nada tersebut. Selanjutnya sinyal bunyi dianalisis dengan
analisis Fourier berdasarkan algoritma FFT untuk menentukan frekuensi-frekuensi
harmonik. Prosedur ini diulang untuk semua senar. Analisis regresi linier fn terhadap 1 l
berdasarkan pers.(4) menggunakan program REGLIN dengan bahasa Compaq Visual
Fotran 6.5 (R. Oktova, versi 1,0 januairi 2010 berdasarkan teori Bevington dan Robinson,
2003:99-142) menghasilkan a0,n dan a1,n. Nilai a1,n digunakan untuk menghitung vn
berdasarkan pers.(5) serta ralatnya menggunakan pers.(6).

IV. HASIL DAN PEMBAHASAN

Bentuk gelombang tiap-tiap nada yang ditunjukkan dengan perangkat lunak
MacScope II bervariasi, bergantung jenis dan kualitas nada yang dihasilkan senar. Grafik
fungsi dari bentuk gelombang yang ditampilkan merupakan hubungan antara tagangan
listrik yang diberikan oleh sinyal terhadap waktu penjalaran gelombang. Sinyal yang
terbentuk dari fungsi kawasan waktu ini merupakan kumpulan dari beberapa harmonik
(nada murni), diketahui dari hasil analisis sinyal dengan FFT. Nilai frekuensi harmonik
akan tercermin pada bagian amplitudo yang dominan, dan frekuensi yang mungkin adalah
kelipatan bulat dari frekuensi dasar, yaitu 1 NT , 2 NT , 3 NT , dan seterusnya. Jadi,
jangkah frekuensinya adalah ∆f = 1 NT dan diharapkan ∆f = 1 Hz yang berarti NT = 1,
dapat diperoleh dengan cara membuat jumlah data yang ditransformasi sama dengan laju
cuplikan, sehingga dengan cara ini komponen harmonik ke-k adalah k ∆f dalam Hz atau
kHz. Namun secara teknik hal ini sulit dilakukan, akibatnya jangkah frekuensi tidak seperti
yang diharapkan, ∆f ≠ 1 Hz. Sebagai contoh, jika pada sistem pencuplik data hanya
mampu mencuplik 44000 data/detik, maka jumlah data FFT maksimum 215 = 32768,
sehingga sistem harusnya dapat mencuplik data benar-benar berlangsung dalam satu detik
sebanyak 32768, tetapi karena kendala teknis ∆f ≠ 1 Hz melainkan 1,342773438 Hz.
Sehingga frekuensi sinyal (misalnya 1000 Hz) akan muncul sebagai komponen frekuensi
ke-k = 744,7272724 bukan pada k = 1000 seperti yang diharapkan. Perlu diingat bahwa
 446 Prosiding Seminar Nasional Fisika 2010

nilai yang mungkin adalah kelipatan bulat, maka jika komponen frekuensi k dibulatkan ke
744 atau 745 maka berturut-turut akan bersesuaian dengan frekuensi 999,0235 Hz atau
1000,3662 Hz.
Secara teoritis, jika tidak ada ralat sistematik (zero offset) dalam pengukuran
seperpanjang senar, nilai a 0,n = 0 . Sementara itu pada tabel 3 umumnya terdapat ralat

sistematik berupa zero offset, baik a 0,n positif maupun negatif. Tanda a 0,n positif

menunjukkan bahwa pengukuran seperpanjang senar terlalu kecil dari yang seharusnya,
sebaliknya tanda a 0,n negatif menunjukkan bahwa pengukuran seperpanjang senar terlalu

besar dari yang seharusnya. Ralat sistematik nampaknya sulit dihindari karena posisi titik-
titik simpul senar yang bergetar berfluktuasi relatif, meski demikian hal ini tidak
mempengaruhi perhitungan kelajuan perambatan bunyi pada senar (v n ) . Penentuan
besarnya kelajuan perambatan gelombang bunyi pada masing-masing senar dilakukan
dengan metode analisis regresi antara fn terhadap 1 l . Contoh grafik analisis regresi linier
antara frekuensi harmonik dengan seperpanjang senar pada senar I disajikan dalam gambar
2, nampak bahwa data yang diperoleh cukup linier. Gradien kurva untuk masing-masing
frekuensi harmonik (a1,n) tidak sama, namun merupakan kelipatan bulat dari a1,0 yaitu
gradien grafik hubungan frekuensi nada dasar (f0) terhadap seperpanjang senar (1/ l ), hal
ini dikarenakan besarnya frekuensi-frekuensi harmonik nada atas dari gelombang bunyi
merupakan kelipatan bilangan bulat dari frekuensi nada dasar f0, sesuai dengan teori seperti
yang ditunjukkan dalam tabel 2.

Tabel 2. Perbandingan spektrum frekuensi harmonik ke-n terhadap frekuensi nada dasar
dari masing-masing senar.
f1 f 0 f2 f0 f3 f0 f4 f0
Senar
Eksp. Teori Eksp. Teori Eksp. Teori Eksp. Teori
I 2,00 ± 0,01 3,00 ± 0,02 4,00 ± 0,02 -
II 2,01 ± 0,01 3,01 ± 0,01 4,02 ± 0,02 5,01 ± 0,02
III 2,00 ± 0,02 3,00 ± 0,03 4,00 ± 0,04 5,01 ± 0,04
2 3 4 5
IV 2,02 ± 0,02 3,03 ± 0,04 4,05 ± 0,05 5,05 ± 0,06
V 2,01 ± 0,02 3,01 ± 0,04 4,03 ± 0,05 5,03 ± 0,06
VI 2,00 ± 0,03 3,00 ± 0,04 4,02 ± 0,06 5,04 ± 0,07

Jumlah frekuensi harmonik dari senar pertama hanya sampai pada frekuensi nada
atas ketiga, sedangkan nada atas keempat mulai terjadi fluktuasi kebermunculan komponen
harmoniknya terutama pada nada yang bersesuaian dengan panjang senar yang kecil, hal
 K. Anwar, dan R., Oktova Analisis Fourier Gelombang Bunyi Senar Gitar Listrik 447

ini dikarenakan karakteristik senar I lebih halus dibanding senar yang lain dan bunyi yang
dihasilkan lebih melengking seperti garpu tala. Demikian pula pada senar II hingga VI,
hanya saja komponen frekuensi harmonik muncul dengan baik sampai pada nada atas ke
empat.

Grafik hubungan frekuensi harmonik terhadap seperpanjang senar

2700
f 3 = 858.55x + 6.7633

2200

f 2 = 642.56x + 4.6609
frekuensi, f n (Hz)

1700

f 1 = 436.28x - 11.907
1200 .

700
f 0 = 215.85x - 0.4723

si do′
200 sol la
re1.8 mi2 fa
1.4 do1.6 2.2 2.4 2.6 2.8 3 3.2 3.4
-1
Seperpanjang senar, (m )
Data eksp. nada dasar
Data eksp. nada atas ke-1
Data eksp. nada atas ke-2
Data eksp. nada atas ke-3
Reg. Linear untuk nada dasar
Reg. Linear untuk nada atas ke-1
Reg. Linear untuk nada atas ke-2
Reg. Linear untuk nada atas ke-3

Gambar 2. Contoh grafik hubungan frekuensi-frekuensi harmonik, fn terhadap

seperpanjang senar, 1 l beserta hasil analisis regresi linier semua titik data pada senar I.

Berdasarkan masing-masing gradien yang diperoleh dari setiap komponen

harmonik (a1,n) pada senar I menunjukkan nilai vn cocok satu sama lain. Demikian pula
pada senar II hingga senar VI, dengan proses yang sama diperoleh besarnya kelajuan
perambatan gelombang bunyi pada masing-masing senar seperti yang ditunjukkan dalam
tabel 3, oleh karena itu nilai terbaik ditentukan dengan teknik rata-rata berbobot sehingga
diperoleh besarnya kelajuan perambatan gelombang bunyi pada senar I sampai dengan VI
(dari yang paling tipis hingga paling tebal) berturut-turut adalah (432 ± 1) m/s, (331 ± 1)
m/s, (261 ± 1) m/s, (194 ± 1) m/s, (146 ± 1) m/s, dan (111 ± 1) m/s, kelajuannya semakin
kecil. Dibandingkan hasil LoPresto kelajuan perambatan gelombang pada senar VI sedikit
lebih kecil, karena µ senar gitar akustik sedikit lebih besar dari senar gitar listrik, 0,0057
kg/m. Besarnya kelajuan perambatan gelombang bunyi pada masing-masing senar tidak
sama, hal ini dikarenakan laju gelombang bergantung pada tegangan dan kerapatan massa
senar per satuan panjang.
 448 Prosiding Seminar Nasional Fisika 2010

Tabel 3. Hasil analisis regresi linier dan perhitungan kelajuan perambatan gelombang
bunyi pada masing-masing senar.
a0 , n a1,n vn vberbobot a0 , n a1,n vn vberbobot
Senar n Senar n a0, n
a1, n

(Hz.) (Hz.m) (m/s) (m/s) (Hz.) (Hz.m) (m/s) (m/s)

/1

0 -0,46 ±2,40 215,84 ±1,15 432 ±2 0 1,06 ±2,35 95,78 ±1,26 192 ±2
1 -11,87±6,23 436,27 ±3,08 436 ±3 1 -0,51 ±2,19 193,39 ±1,23 193 ±2
I 2 4,71 ±10,84 642,54 ±4,81 428 ±3 432±1 IV 2 -2,63 ±2,36 291,1 ±1,29 194 ±1 194 ±1
3 6,83 ±14,23 858,52 ±6,77 429 ±3 3 -19,27 ±5,34 397,3 ±3,27 198 ±2
4 - - - 4 -5,05 ±5,75 485,38 ±2,67 194 ±1
/1 /1

0 -10,41 ±2,07 167,21 ±1,01 334 ±2 0 1,54 ±3,51 71,54 ±1,62 143 ±3
1 -6,23 ±3,60 328,61 ±2,04 329 ±2 1 0,39 ±2,17 144,6 ±1,01 145 ±1
II 2 -11,82 ±4,92 495,42 ±2,54 330 ±2 331±1 V 2 -4,71 ±2,66 218,99 ±1,36 146 ±1 146 ± 1
3 1,72 ±6,25 650,05 ±3,21 325 ±2 3 1,04 ±6,27 290,12 ±3,11 145 ±2
4 -69,79 ±7,19 847,91 ±4,17 339 ±2 4 -19,48 ±4,97 372,16 ±2,56 149 ±1
/1 /1

0 3,65 ±1,98 127,49 ±0,99 255 ±2 0 -2,66 ±3,71 55,33 ±1,86 111 ±4
1 6,37 ±3,48 253,89 ±1,89 254 ±2 1 -10,22 ±2,08 113,2 ±1,09 113 ±1
III 2 -20,57 ±4,93 396,17 ±2,66 264 ±2 261±1 VI 2 -5,31 ±2,07 164,74 ±1,18 110 ±1 111 ± 1
3 -21,14 ±5,92 526,01 ±3,66 263 ±2 3 -7,15 ±2,31 220,01 ±1,25 110 ±1
4 -25,55 ±4,80 658,91 ±2,59 263 ±1 4 -12,64 ±4,26 277,36 ±2,09 111 ±1

V. KESIMPULAN DAN SARAN

Berdasarkan hasil eksperimen, disimpulkan bahwa frekuensi harmonik merupakan
kelipatan bulat dari frekuensi nada dasar dan kelajuan perambatan gelombang bunyi pada
masing-masing senar dari senar I hingga senar ke VI (dari yang paling tipis hingga paling
tebal) kelajuannya semakin kecil.

DAFTAR PUSTAKA
Bevington, P. R., dan Robinson, D. K., 2003, “Data Reduction and Error Analysis for the
Physical Science, Third Edition”, New York : McGraw-Hill.
Giancoli, 1998, “Fisika Edisi Kelima Jilid 1”, Jakarta : Erlangga.
Huggins, E., 2000, “Physics 2000”, Department of Physics Dartmouth College Hanover :
New Hampshire.
Huggins, E., 2007, “Fourier Analysis in Introductory Physics”, the Physics Teacher. 45,
26-29.
Ishafit, Khairil, A., Toifur, 2008, “Pengukuran frekuensi tangga nada instrumen musik
dengan sistem microcomputer based laboratory”, Prosiding Seminar Nasional
Sain dan Pendidikan Sains, Pembelajaran Sains yang Menarik dan Menantang
 K. Anwar, dan R., Oktova Analisis Fourier Gelombang Bunyi Senar Gitar Listrik 449

2008, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana,

Salatiga, ISBN D2-1-D2-9.
LoPresto, M. C., 2006, “Experimenting with Guitar Strings”, the Physics Teacher. 44, 509-
511.
Tanudjaja, H, 2007, “Pengolahan Sinyal Digital dan Sistem Pemrosesan Sinyal”,
Yogyakarta : Andi.
Tipler, P. A, 2001, “Fisika untuk Sains dan Teknik Jilid 1”, Jakarta : Erlangga.
Tjia, M. O, 1994, “Gelombang”, Solo : Dabara Publishers.