Upload
cabekilad
View
13
Download
5
Embed Size (px)
DESCRIPTION
fuzzy tech
Citation preview
APLIKASI LOGIKA FUZZY UNTUK MENENTUKAN KELOMPOK SUARA DALAM AUDISI PADUAN SUARA
TUGAS AKHIR
Diajukan untuk memenuhi syarat
mendapatkan gelar Sarjana Teknik
Disusun Oleh: Cornelius David
2002-42-090
JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK
UNIVERSITAS KATOLIK INDONESIA ATMA JAYA JAKARTA
2007
LEMBAR PENGESAHAN
Yang bertanda tangan dibawah ini menyatakan bahwa :
Nama : Cornelius David
NIM : 2002-42-090
Judul Tugas Akhir : Aplikasi Logika Fuzzy untuk Menentukan
Kelompok Suara dalam Audisi Paduan Suara
Tanggal Ujian : 13 Desember 2007
Telah dinyatakan lulus ujian komprehensif dan Tugas Akhir dari mahasiswa tersebut
telah diperiksa, diperbaiki, dan disetujui oleh dosen pembimbing.
Jakarta, 17 Desember 2007
Mengetahui : Menyetujui :
Ketua Jurusan Teknik Elektro, Dosen Pembimbing Tugas Akhir
(Ir. Harlianto Tanudjaja, M.Komp) (Dr. Lukas, ST, MAI)
LEMBAR PERNYATAAN
Yang bertanda tangan dibawah ini :
Nama : Cornelius David
NIM : 2002-42-090
Menyatakan bahwa Tugas Akhir ini adalah hasil karya sendiri dan bukan merupakan
duplikasi sebagian atau seluruhnya dari karya orang lain yang sudah pernah
dipublikasikan atau yang sudah pernah dipakai untuk mendapat gelar di universitas
lain, kecuali pada bagian dimana sumber informasi dicantumkan dengan cara
referensi semestinya.
Pernyataan ini dibuat dengan sebenar-benarnya secara sadar dan bertanggung jawab
dan saya bersedia menerima sanksi berupa pembatalan Tugas Akhir saya apabila
terbukti melakukan duplikasi terhadap Tugas Akhir yang sudah ada.
Jakarta, 27 Oktober 2007
Cornelius David
ABSTRAK
Kemajuan teknologi yang berbasis sistem cerdas pada saat ini sangat membantu manusia dalam berbagai bidang. Selain mempermudah kerja manusia bahkan ada juga yang mampu menggantikan posisi manusia tersebut, sehingga penggunaan tenaga ahli dapat lebih efisien. Salah satu contohnya adalah dengan pembuatan aplikasi pembagian kelompok suara dalam suatu audisi paduan suara dengan menggunakan logika fuzzy. Sering kali proses audisi ini dilakukan secara manual dengan cara mendengarkan calon anggota menyanyikan sebuah lagu untuk menentukan kelompok suara dengan bantuan tenaga ahli dalam hal ini pelatih paduan suara. Pada Tugas Akhir ini akan dibahas mengenai suatu aplikasi yang dibuat untuk menggantikan posisi pelatih dalam menentukan kelompok suara seseorang. Pada perancangannya aplikasi ini menggunakan program Vocal Transformation Pro 1.0, Windows Sound Recorder, FuzzyTech 5.12 dan Borland Delphi 7.0. Dari hasil pengujian yang dilakukan, aplikasi ini dapat bekerja dengan baik yaitu mampu mengklasifikasikan suara ke dalam kelompok suara yang sesuai.
i
KATA PENGANTAR
Terima kasih dan puji syukur kepada Tuhan Yesus Kristus atas berkat,
rahmat dan anugerahNya, serta kepada Bunda Maria atas bimbingan dan
penyertaannya yang melimpah kepada penulis selama pembuatan hingga selesainya
tugas akhir ini.
Tugas Akhir dengan judul ‘Aplikasi Logika Fuzzy untuk Menentukan
Kelompok Suara dalam Audisi Paduan Suara’ ini dibuat untuk memenuhi salah satu
persyaratan akademik dalam menyelesaikan jenjang pendidikan Strata Satu (S1) pada
Fakultas Teknik, Universitas Katolik Indonesia Atma Jaya, Jakarta.
Dalam proses penyusunan dan penyelesaian tugas akhir ini penulis mendapat
banyak bimbingan, saran, serta dukungan dari berbagai pihak baik secara langsung
maupun tidak langsung. Pada kesempatan ini, penulis ingin menyampaikan rasa
terima kasih yang sebesar-besarnya kepada:
1. Bapak Dr. Lukas, ST, MAI, sebagai dosen pembimbing, atas segala
bimbingan, arahan, saran, dan kritik dalam menyelesaikan tugas akhir ini.
2. Bapak Raymond Bahana, ST, M.Sc, sebagai dosen co-pembimbing, atas
segala bantuannya dalam menyelesaikan tugas akhir ini.
3. Ibu Prof. Dr. Ir. Lanny W Pandjaitan, selaku Dekan Fakultas Teknik Unika
Atma Jaya dan selaku pribadi atas bantuan dan pengarahan dalam pembuatan
tugas akhir ini.
4. Bapak Ir. Harlianto Tanudjaja, M.Komp, selaku Ketua Jurusan Teknik
Elektro, Fakultas Teknik Universitas Katolik Indonesia Atma Jaya.
5. Bapak Ir. Tajuddin Nur, MT, selaku dosen pembimbing akademik.
6. Seluruh staf pengajar dan karyawan Fakultas Teknik Unika Atma Jaya.
ii
7. Bapak Ir. Tommy Prabowo, M.Art dan Fr. Bintang Prakarsa, O.S.B, selaku
pribadi atas bantuannya dalam menyelesaikan tugas akhir ini.
8. Adji Kasyono, sebagai pelatih dan conductor dari paduan suara Cantate
Domino Choir dan seluruh teman-teman di paduan suara Cantate Domino
Choir.
9. Papa, Mama, dan Daniel atas dukungan moril dan materil serta doanya
sehingga penulis dapat menyelesaikan tugas akhir ini.
10. Titi dan keluarga atas doa, bantuan, saran, dan dukungan yang diberikan
kepada penulis.
11. Rekan-rekan Fakultas Teknik angkatan 2002, Atma Jaya Computer Club dan
CERG yang selalu mendukung penulis dalam penyelesaian tugas akhir.
12. Pihak-pihak lain yang telah banyak membantu namun tidak dapat disebutkan
satu persatu.
Walaupun penulis telah berusaha sebaik mungkin dengan segala kemampuan
yang ada, namun penulis menyadari bahwa tugas akhir ini tidak terlepas dari
kekurangan dan kesalahan yang mungkin dapat terjadi. Oleh karena itu penulis
mengharapkan saran dan kritik yang membangun untuk menyempurnakan tugas
akhir ini.
Akhir kata, penulis mengharapkan tugas akhir ini ini dapat bermanfaat bagi
semua pihak serta membangun Fakultas Teknik Universitas Katolik Indonesia Atma
Jaya.
Jakarta, Oktober 2007
Penulis
iii
DAFTAR ISI
ABSTRAK i
KATA PENGANTAR ii
DAFTAR ISI iv
DAFTAR GAMBAR vii
DAFTAR TABEL ix
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Tujuan 2
1.3 Pembatasan Masalah 2
1.4 Sistematika Penulisan 3
BAB 2 TEORI PENDUKUNG 5
2.1 Logika Fuzzy 5
2.1.1 Fuzzyfikasi 6
1. Representasi Kurva Segitiga 7
2. Representasi Kurva Bentuk Bahu 8
2.1.2 Inferensi Fuzzy 9
2.1.3 Defuzzyfikasi 10
2.2 Gelombang Suara dan Kelompok Suara 10
2.3 Borland Delphi 7.0 12
2.4 FuzzyTech 5.12 13
iv
2.5 Windows Sound Recorder 15
2.6 Vocal Transformation Pro 1.0 16
BAB 3 PERANCANGAN SISTEM 17
3.1 Proses Perekaman Suara 17
3.2 Pengukuran Nilai Frekuensi Pitch Suara 18
3.3 Perancangan Sistem Fuzzy 19
3.3.1 Proses Fuzzyfikasi 19
1. Masukan Frekuensi Pitch Suara 20
2. Masukan Usia 22
3. Masukan Jenis Kelamin 24
3.3.2 Menentukan Aturan Fuzzy dan Inferensi fuzzy 25
3.3.3 Proses Defuzzyfikasi 28
3.4 Perancangan Tampilan 29
BAB 4 PENGUJIAN SISTEM 34
BAB 5 KESIMPULAN & SARAN 50
DAFTAR PUSTAKA 51
LAMPIRAN A Listing program tampilan menggunakan program Borland
Delphi 7.0
LAMPIRAN B Partitur lagu “Locus iste”
v
LAMPIRAN C Laporan hasil audisi Cantate Domino Choir
vi
DAFTAR GAMBAR
Gambar 2.1 Proses kerja logika fuzzy 6
Gambar 2.2 Representasi kurva segitiga 7
Gambar 2.3 Representasi kurva bentuk bahu 8
Gambar 2.4 Metode Mean of Maximum 10
Gambar 2.5 Project editor dari program FuzzyTech 5.12 14
Gambar 2.6 Watch interactive debug mode pada program FuzzyTech 5.12 15
Gambar 2.7 Tampilan Windows Sound Recorder 15
Gambar 2.8 Tampilan program Vocal Transformation Pro 1.0 16
Gambar 3.1 Proses perekaman suara pada Windows Sound Recorder 18
Gambar 3.2 Tampilan Vocal Transformation Pro 1.0 saat membuka file
rekaman suara 19
Gambar 3.3 Proses fuzzyfikasi untuk masukan frekuensi pitch suara 20
Gambar 3.4 Proses fuzzyfikasi untuk masukan usia 23
Gambar 3.5 Proses fuzzyfikasi masukan jenis kelamin 24
Gambar 3.6 Aturan-aturan fuzzy yang digunakan dalam contoh 27
Gambar 3.7 Proses defuzzyfikasi untuk keluaran pengelompokan suara 29
Gambar 3.8 FuzzyTech runtime module info 29
Gambar 3.9 Halaman depan 30
Gambar 3.10 Halaman data masukan 31
Gambar 3.11 Halaman hasil pengelompokan suara 32
Gambar 3.12 Diagram alir aplikasi 33
vii
Gambar 4.1 Windows Sound Recorder saat merekam suara 35
Gambar 4.2 Vocal Transformation Pro 1.0 saat menganalisis file suara 36
Gambar 4.3 Pengujian kelompok suara Soprano 37
Gambar 4.4 Pengujian kelompok suara Mezzo soprano 38
Gambar 4.5 Pengujian kelompok suara Alto 39
Gambar 4.6 Pengujian kelompok suara Tenor 40
Gambar 4.7 Pengujian kelompok suara Baritone 41
Gambar 4.8 Pengujian kelompok suara Bass 42
Gambar 4.9 Pengujian kelompok suara Treble 43
Gambar 4.10 Grafik perbandingan hasil pengelompokan suara untuk
data acak 45
Gambar 4.11 Grafik perbandingan hasil pengelompokan suara untuk Cantate
Domino Choir 47
viii
DAFTAR TABEL
Tabel 3.1 Aturan-aturan Fuzzy 26
Tabel 4.1 Tabel perbandingan hasil pengelompokan suara untuk
data acak 44
Tabel 4.2 Tabel perbandingan hasil pengelompokan suara untuk Cantate
Domino Choir 46
ix
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Paduan suara adalah salah satu kegiatan yang cukup diminati belakangan ini,
selain untuk menikmati beragam jenis musik dari berbagai komposer terkenal,
paduan suara juga digunakan sebagai sarana untuk menyalurkan hobi menyanyi. Dari
sekian banyak kegiatan di paduan suara ada satu kegiatan yang sering kali dilakukan
yaitu audisi untuk pembagian kelompok suara bagi calon anggota yang baru saja
bergabung. Sering kali proses audisi ini dilakukan secara manual dengan cara
mendengarkan para calon anggota baru menyanyikan sebuah lagu untuk menentukan
kelompok suara dan memerlukan tenaga ahli dalam hal ini pelatih paduan suara
untuk menentukan pembagian kelompok suara.
Untuk membantu mempermudah audisi dalam suatu paduan suara maka
dengan tugas akhir ini hendak dibuat suatu aplikasi dengan menggunakan logika
fuzzy. Untuk membuat aplikasi ini digunakan program FuzzyTech 5.12 dan untuk
program tampilan digunakan Borland Delphi 7.0. Sedangkan untuk merekam suara
digunakan perangkat keras sebuah mikrofon. Pada mikrofon ini masukan analog
berupa suara dalam bentuk frekuensi mekanik diubah menjadi sinyal tegangan.
Kemudian sinyal tegangan listrik tersebut akan dikonversikan ke bentuk digital
menjadi suatu file suara dengan tipe Waveform (.WAV) menggunakan Windows
Sound Recorder. Kemudian dengan menggunakan Vocal Transformation Pro 1.0,
file tersebut dianalisis untuk mengetahui nilai pitch frekuensi suara. Aplikasi ini
1
2
diharapkan dapat membantu mempermudah dalam proses audisi paduan suara
sehingga menjadi lebih efisien dalam penggunaan tenaga ahli, dalam hal ini pelatih
paduan suara.
1.2 Tujuan
Tujuan yang hendak dicapai adalah merancang bangun aplikasi audisi untuk
paduan suara dengan berbasis logika fuzzy yang memudahkan seseorang yang ingin
bergabung dengan suatu paduan suara, sehingga orang tersebut dapat mengetahui
kelompok suaranya sendiri tanpa bantuan tenaga ahli dalam hal ini pelatih paduan
suara.
1.3 Pembatasan Masalah
Dalam tugas akhir ini ruang lingkup masalah dibatasi sebagai berikut:
a. Perangkat lunak yang digunakan:
1. FuzzyTech 5.12
2. Borland Delphi 7.0
3. Windows Sound Recorder
4. Vocal Tranformation Pro 1.0
5. Microsot Windows ME
b. Perangkat keras yang digunakan adalah Microphone Phillips SBC MD 150
c. Konsep kerja proses konversi suara pada mikrofon tidak dibahas.
d. Noise filtering dilakukan pada mikrofon dan proses noise filtering tidak dibahas.
e. Orang yang diaudisi menyanyikan lagu dengan benar, tidak fals, dan tidak buta
not.
3
f. Orang yang diaudisi menyanyikan dalam jangkauan suara asli, tidak suara kepala
(Falcetto).
g. Pembagian kelompok suara terdiri dari 7 macam, yaitu: soprano, mezzosoprano,
alto, tenor, baritone , bass , treble (baca: suara anak-anak).
1.4 Sistematika Penulisan
Buku tugas akhir ini dibagi menjadi lima bab, dengan penjelasan sebagai
berikut.
Bab 1 Pendahuluan, berisi latar belakang, tujuan penulisan, pembatasan
masalah dan sistematika pembahasan dalam Tugas Akhir ini.
Bab 2 Teori Pendukung, berisi teori mengenai Logika fuzzy, Gelombang
suara dan kelompok suara, FuzzyTech 5.12, Borland Delphi 7.0, Windows Sound
Recorder dan Vocal Tranformation Pro 1.0 yang akan menunjang dalam
perancangan dan pembuatan Tugas Akhir ini.
Bab 3 Perancangan Sistem, meliputi perancangan tampilan pada progam
Borland Delphi 7.0 dan FuzzyTech 5.12, Windows Sound Recorder serta penggunaan
Vocal Transformation Pro 1.0, dan tampilan aplikasi pengelompokan suara ini..
Bab 4 Pengujian Sistem, menjelaskan tentang pengujian sistem dan hasil-
hasil yang didapat.
Bab 5 Kesimpulan dan Saran, menjelaskan tentang hasil kesimpulan yang
diperoleh dari pembuatan Tugas Akhir dan saran yang dapat diberikan untuk Tugas
Akhir ini dan sebagai penutup dari semua pembahasan.
4
Buku Tugas Akhir ini juga dilengkapi dengan Daftar Pustaka, serta lampiran
berisi listing program, partitur lagu ”Locus iste”, dan laporan hasil audisi Cantate
Domino Choir.
BAB 2
TEORI PENDUKUNG
Untuk membuat aplikasi pengelompokan suara ini harus dipahami beberapa
prinsip dasar yang berhubungan dengan logika fuzzy, gelombang suara dan kelompok
suara, Borland Delphi 7.0, FuzzyTech 5.12, Windows Sound Recorder dan Vocal
Transformation Pro 1.0
2.1 Logika Fuzzy
Logika fuzzy dikembangkan oleh Lotfi A. Zadeh seorang profesor dari
University of California di Berkeley pada tahun 1964. Sejak saat itu logika fuzzy
terus berkembang mengikuti kemajuan teknologi dan prosesnya berpindah-pindah
dari negara satu ke negara lain. Logika fuzzy diciptakan di Amerika, dikembangkan
di Eropa, dan mulai diterapkan dalam teknologi untuk konsumsi masyarakat di
Jepang [1]. Lotfi A. Zadeh memiliki dasar pemikiran bahwa tidak ada keadaan yang
selalu benar atau salah seperti yang dikenal sebagai logika konvensional, tetapi ada
keadaan di antara dua nilai tersebut sehingga ia mengusulkan suatu bentuk
matematika untuk melihat bagaimana keadaan yang tidak tentu nilainya itu dapat
dinyatakan dalam bahasa manusia [1, 3, 6]. Teori himpunan konvensional didasarkan
pada logika yang menetapkan sebagai anggota atau bukannya suatu objek dari suatu
himpunan, sedangkan pada logika fuzzy suatu objek dapat menjadi anggota dari
banyak himpunan dengan derajat keanggotaan yang berbeda pada masing–masing
himpunan. Derajat keanggotaan dalam suatu himpunan didasarkan pada skala dari 0
5
6
sampai dengan 1, dengan menetapkan 1 sebagai keanggotaan lengkap dan 0 tidak ada
keanggotaan. Pernyataan bahwa suatu objek hanya memiliki 2 nilai keanggotaan
yaitu benar atau salah lebih dikenal dengan sebutan himpunan crisp [3, 6].
Proses kerja logika fuzzy bermula dari masukan yang diberikan berupa
himpunan crisp lalu diubah menjadi himpunan fuzzy melalui proses fuzzyfication,
lalu pemecahan masalah yang disebut fuzzy inference, dengan menggunakan rule
base yang ada. Setelah hasil didapat, himpunan fuzzy diubah menjadi himpunan crisp
lagi melalui proses defuzzyfication [6]. Gambar 2.1 mengilustrasikan proses kerja
logika fuzzy.
Gambar 2.1 Proses kerja logika fuzzy
Proses pengambilan keputusan menggunakan logika fuzzy yang diilustrasikan
pada Gambar 2.1 dapat dijelaskan di bawah ini.
2.1.1 Fuzzyfikasi (fuzzyfication)
Fuzzyfikasi adalah proses konversi dari himpunan crisp menjadi himpunan
fuzzy agar diperoleh derajat keanggotaan. Pada perancangan aplikasi ini digunakan 2
macam reperesentasi untuk menentukan nilai derajat keanggotaan yaitu representasi
kurva segitiga dan representasi kurva bentuk bahu.
7
1. Representasi kurva segitiga
Representasi kurva segitiga pada dasarnya merupakan gabungan antara dua
representasi linear, yaitu linear naik dan linear turun [3]. Gambar 2.2
mengilustrasikan representasi kurva segitiga.
1 Derajat Keanggotaan μ[x] 0 a b c x
Gambar 2.2 Representasi kurva segitiga
Representasi kurva segitiga memiliki perhitungan untuk mencari nilai derajat
keanggotaan yang dapat dilihat pada persamaan berikut :
μ [x] = 0 ; x ≤ a atau x ≥ c (2.1)
μ [x] = (x – a)/(b – a) ; a ≤ x ≤ b (2.2)
μ [x] = (c – x)/(c- b) ; b ≤ x ≤ c (2.3)
Keterangan :
a = nilai batas awal suatu himpunan
b = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi
c = nilai batas akhir suatu himpunan
x = nilai masukan
μ = derajat keanggotaan
8
2. Representasi kurva bentuk bahu
Representasi ini digunakan untuk mengawali atau mengakhiri variabel suatu
daerah fuzzy. Bahu kiri bergerak dari daerah yang bernilai benar ke salah, sedangkan
pada bahu kanan bergerak dari daerah yang bernilai salah ke benar [3]. Representasi
ini dapat dilihat pada Gambar 2.3.
1 Derajat Keanggotaan μ[x] 0 a b c d x
Bahu Kiri
Bahu Kanan
Gambar 2.3 Representasi kurva bentuk bahu
Representasi kurva bentuk bahu memiliki perhitungan untuk mencari nilai
derajat keangotaaan yang dapat dilihat pada persamaan berikut:
μ [x] = 1 ; 0 ≤ x ≤ a dan x ≥ d (2.4)
μ [x] = 0 ; x = b dan x = c (2.5)
μ [x] = (b – x)/(b – a) ; a ≤ x ≤ b (2.6)
μ [x] = (x – c)/(d- c) ; c ≤ x ≤ d (2.7)
9
Keterangan:
a,d = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi
atau derajat keanggotaan lengkap (1)
c,d = nilai pada suatu himpunan yang memilki derajat keanggotaan terendah
atau tidak ada keanggotaan (0)
x = nilai masukan
μ = derajat keanggotaan
2.1.2 Inferensi fuzzy (fuzzy inference)
Inferensi fuzzy adalah proses penggabungan antara aturan-aturan pada fuzzy
rule base (IF ’antecedent’ THEN ’consequent’) dengan masing-masing himpunan
fuzzy[1]. Dalam tugas akhir ini pada proses penggabungan digunakan teori min-max
yang mempunyai tahapan-tahapan sebagai berikut:
1. Menentukan aturan-aturan (rules) yang digunakan untuk mendefinisikan
hubungan antara derajat keanggotaannya.
2. Pada setiap aturan yang dipakai, ditentukan besarnya nilai fuzzy pada setiap
antecedent, yaitu nilai minimum di antara antecedent yang dipakai sebagai
nilai fuzzy pada consequent.
3. Pada setiap nilai consequent dari aturan yang dipakai digabungkan sehingga
dibentuk daerah maksimum dari gabungan daerah-daerah consequent yang
dibentuk.
10
2.1.3 Defuzzyfikasi (defuzzyfication)
Defuzzyfikasi adalah proses pengkonversian kembali dari himpunan fuzzy
menjadi himpunan crisp. Pada perancangan ini, proses pengkonversian
menggunakan metode Mean of Maximum (MoM). Metode ini akan menghasilkan
keluaran dari titik yang memiliki derajat keanggotaan yang tertinggi [1], seperti
ditunjukkan pada Gambar 2.4 dan dituliskan dalam rumus matematika pada
Persamaan (2.8).
μ ( z*) ≥ μ (z) (2.8)
Keterangan:
z* = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi
z = nilai pada suatu himpunan
μ = derajat keanggotaan
Derajat Keanggotaan 1 μ[x] 0 z* x
Gambar 2.4 Metode Mean of Maximum
2.2 Gelombang Suara dan Kelompok Suara
Suara adalah sebuah sensasi yang diproduksi di dalam organ pendengaran
pada saat vibrasi gelombang suara yang dihasilkan oleh benda yang bergetar
11
mengalir melalui udara atau perantara lainnya ke dalam organ pendengaran [13].
Telinga manusia memiliki kemampuan untuk mendengar suara antara 20 Hz – 20000
Hz. Manusia memiliki kemampuan untuk menghasilkan suara dengan menggunakan
pita suara. Saat pita suara ini bergetar manusia pada umumnya mampu menghasilkan
suara dalam rentang frekuensi 30 Hz – 2500 Hz [15].
Secara biologis bentuk pita suara pria dan wanita tidak berbeda, tetapi wanita
mampu menghasilkan suara dengan frekuensi lebih tinggi walaupun usia mereka
beranjak dewasa. Hal ini disebabkan karena pada bagian laring (kotak suara) wanita
tidak terjadi pembesaran pada tenggorokan. Sedangkan pada pria dengan
bertambahnya usia maka laring (kotak suara) akan membesar dan menonjol pada
bagian tenggorokan, atau yang lebih sering dikenal dengan sebutan jakun, sehingga
membuat getaran untuk menghasilkan suara pada pita suara menjadi berkurang yang
mengakibatkan suara pria dewasa terdengar lebih berat jika dibandingkan ketika
masih kanak-kanak [12]. Dengan adanya perbedaan ukuran frekuensi pitch suara
pada masing-masing jenis kelamin dibuatlah pembagian kelompok suara.
Berdasarkan sejarah seni musik pada awalnya tidak ada pengelompokkan
suara manusia. Namun seiring dengan berjalannya waktu maka bentuk seni suarapun
berubah, para seniman dalam hal ini komposer mulai menambahkan suara-suara baru
dalam setiap karya mereka, yakni dengan menambah jenis suara dengan cara
mengelompokkan suara tidak hanya berdasarkan jenis kelamin saja tetapi
berdasarkan jangkauan masing-masing suara. Jangkauan yang dimaksudkan di sini
adalah frekuensi pitch suara manusia. Pitch diartikan sebagai frekuensi dari nada
musik yang dinyatakan dalam jumlah getaran per detik [16]. Perubahan yang paling
signifikan adalah pada saat peralihan gaya musik dari gaya Renaissance (1400-
12
1600) ke Baroque (1600-1670), yaitu dengan menambahkan kelompok suara wanita.
Tommy Prabowo, seorang ahli vocal, mengatakan bahwa pada umumnya suara dasar
dari setiap orang adalah pada tangga nada C dan semakin tinggi tangga nada yang
digunakan maka suara seseorang dapat berubah dari suara asli menjadi suara kepala
(falcetto). Maka pada uji coba aplikasi ini digunakan lagu ”Locus iste” dengan
tangga nada dasar do = C.
Masing-masing kelompok memiliki rentang frekuensi sebagai berikut soprano
(220-2100 Hz), mezzosoprano (220-1500 Hz), alto (175-1750 Hz), tenor (130-1300
Hz), baritone (110-1100 Hz), bass (40-350 Hz) dan treble (500-2500 Hz) [11,14].
Pada umumnya suatu paduan suara hanya membagi kelompok suaranya menjadi
empat saja, hal ini dikarenakan penggunaan kelompok suara selain empat kelompok
suara utama (Bass, Tenor, Alto, dan Soprano) jarang sekali ditemukan kecuali pada
karya-karya komposer besar yang menggunakan banyak kelompok suara dan
memerlukan kuantitas suara yang besar.
2.3 Borland Delphi 7.0
Borland Delphi 7.0 adalah suatu bahasa pemrograman tingkat tinggi berbasis
Microsoft Windows yang merupakan pengembangan dari bahasa Pascal yang
berorientasi objek. Program ini merupakan perluasan dari pemrograman terstruktur
dan mengutamakan pemakaian ulang program serta enkapsulasi data berdasarkan
fungsinya [2, 4]. Borland Delphi 7.0 merupakan bahasa pemrograman yang dapat
digunakan untuk mengolah teks, grafik, angka, basisdata dan aplikasi web.
Keunggulan lainnya dari Borland Delphi 7.0 adalah program ini dapat dihubungkan
13
dengan program aplikasi lainnya seperti pada tugas akhir ini dihubungkan dengan
FuzzyTech 5.12.
Untuk mempermudah pemrograman, Borland Delphi 7.0 menyediakan fasilitas
pemrograman yang terbagi dalam dua kelompok, yaitu objek dan bahasa
pemrograman. Secara ringkas, objek adalah suatu komponen yang mempunyai
bentuk fisik dan biasanya dapat dilihat. Objek biasanya dipakai untuk melakukan
tugas tertentu dan mempunyai batasan-batasan tertentu. Sedangkan bahasa
pemrograman secara singkat dapat disebut sebagai sekumpulan teks yang
mempunyai arti tertentu dan disusun dengan aturan tertentu serta untuk menjalankan
tugas tertentu
2.4 FuzzyTech 5.12
FuzzyTech 5.12 adalah suatu program aplikasi yang dapat digunakan untuk
menerapkan logika fuzzy pada suatu permasalahan [1]. Sama halnya seperti program
aplikasi yang lain, program ini juga memiliki masukan, metode penyelesaian, proses,
dan keluaran. Program ini kerap kali digunakan untuk menyelesaikan suatu masalah
sehingga dapat dihasilkan pemecahan yang optimal dari data masukan yang tidak
tepat karena FuzzyTech 5.12 memiliki toleransi yang tinggi terhadap data masukan
yang kurang jelas. Tahapan pengambilan keputusan menggunakan FuzzyTech 5.12
tersebut adalah sebagai berikut:
1. Menentukan struktur dari sistem yang akan dibuat. Sistem tersebut berisi
masukan, fuzzy rulebase, dan keluaran, serta hubungan antara ketiganya. Pada
Gambar 2.5 dapat dilihat tmapilan Project Editor dari program FuzzyTech
5.12.
14
Gambar 2.5 Project Editor dari Program FuzzyTech 5.12
2. Merancang fungsi keanggotaan pada masukan maupun keluaran. Pada
masukan dilakukan proses fuzzyfikasi sedangkan pada keluaran dilakukan
proses defuzzyfikasi.
3. Merancang aturan-aturan fuzzy (fuzzy rulebase) yang menghubungkan
masukan dengan keluaran. Fuzzy rulebase berisi aturan-aturan yang
dituliskan dengan IF ‘masukan’ THEN ‘keluaran’ yang kemudian akan
digabungkan dengan proses fuzzyfikasi untuk melakukan proses inferensi
fuzzy.
4. Proses debugging dari rancangan dapat dijalankan dengan menggunakan
menu interactive (pada menu ini dapat diketahui jalannya proses fuzzyfikasi,
inferensi fuzzy, dan defuzzyfikasi) atau dapat juga dihubungkan dengan
15
program-program lain seperti Delphi, Visual C, dan lain-lain. Gambar 2.6
mengilustrasikan proses debugging pada program FuzzyTech 5.12.
Gambar 2.6 Watch Interactive Debug Mode pada Program FuzzyTech 5.12
2.5 Windows Sound Recorder
Windows Sound Recorder adalah salah satu fitur yang disediakan oleh
Microsoft bagi para pengguna Windows untuk merekam suara. Format file dari
aplikasi ini adalah .WAV. Dalam pembuatan tugas akhir ini digunakan aplikasi
Windows Sound Recorder untuk merekam suara orang yang diaudisi. Tampilannya
ditunjukkan pada Gambar 2.7
Gambar 2.7 Tampilan Windows Sound Recorder
16
2.6 Vocal Tranformation Pro 1.0
Vocal Tranformation Pro 1.0 adalah sebuah modul software yang
memungkinkan untuk dilakukan transformasi vokal secara manual, dalam hal ini
mengubah nilai frekuensi pitch vokal [9]. Program ini hanya dapat membuka file
yang bertipe .WAV. Gambar 2.8 mengilustrasikan tampilan program Vocal
Transformation Pro 1.0.
Gambar 2.8 Tampilan program Vocal Transformation Pro 1.0
Demikianlah pada bab ini telah dijelaskan mengenai teori-teori pendukung
aplikasi pengelompokan suara. Pada bab selanjutnya akan diuraikan mengenai
perancangan sistem Tugas Akhir ini.
BAB 3
PERANCANGAN SISTEM
Perancangan aplikasi pembagian kelompok suara ini dibagi menjadi empat
tahapan proses, yaitu :
1. Proses perekaman dan penyimpanan menggunakan mikrofon dan program
Windows Sound Recorder.
2. Pengukuran nilai frekuensi pitch suara menggunakan program Vocal
Transformation Pro 1.0.
3. Perancangan sistem fuzzy menggunakan program FuzzyTech 5.12.
4. Perancangan tampilan aplikasi pembagian kelompok suara menggunakan
program Borland Delphi 7.0.
3.1 Proses Perekaman Suara
Pada proses perekaman digunakan sebuah mikrofon dan aplikasi Windows
Sound Recorder untuk merekam suara. Pada proses perekaman suara ini digunakan
mikrofon Philips SBC MD150 yang memiliki rentang frekuensi 85-11000 Hz,
sensitivitas -74 dB, dan resistansi mikrofon sebesar 600 Ω. Digunakannya mikrofon
ini dikarenakan mikrofon ini memiliki spesifikasi yang cukup baik untuk meredam
derau (noise) yang masuk pada saat perekaman suara. Mikrofon ini dilengkapi
dengan fitur Uni-directional sensor with windshield, yaitu sensor untuk merekam
suara tetap terjaga walaupun dalam posisi mikrofon yang jauh dari sumber suara.
17
18
Pertama, peserta yang diaudisi menyanyikan sebuah lagu dengan durasi
kurang lebih 30 detik, lalu hasil rekaman tersebut disimpan. Sebaiknya peserta yang
melakukan audisi menyanyikan lagu yang memiliki tangga nada dasar do = C,
namun jika peserta tersebut tidak menyanyi di tangga nada C pun tidak masalah
asalkan tidak menggunakan suara kepala (falcetto). Gambar 3.1 merupakan tampilan
saat Windows Sound Recorder sedang melakukan proses perekaman suara.
Gambar 3.1 Proses perekaman suara pada Windows Sound Recorder
3.2 Pengukuran Nilai Frekuensi Pitch Suara
Untuk mengukur frekuensi pitch suara digunakan program aplikasi Vocal
Transformation Pro 1.0. proses ini dilakukan dengan cara membuka dan
menganalisis file yang sebelumnya sudah direkam dan disimpan menggunakan
Microsoft Sound Recorder. Program ini akan menganalisis file dan akan
menghasilkan nilai frekuensi pitch suara dan nilai vocal track [9]. Hasil analisis
frekuensi pitch inilah yang nantinya akan menjadi nilai masukan pada aplikasi
Borland Delphi 7.0 yang sudah dihubungkan dengan aplikasi FuzzyTech 5.12.
Gambar 3.2 merupakan tampilan dari program Vocal Transformation Pro 1.0 yang
digunakan untuk membuka hasil file rekaman suara.
19
Gambar 3.2 Vocal Transformation Pro 1.0 saat membuka file rekaman suara
3.3 Perancangan Sistem Fuzzy
Dalam perancangan sistem fuzzy terdiri dari tiga bagian, yaitu fuzzyfikasi,
inferensi fuzzy, dan defuzzyfikasi. Pada bagian fuzzyfikasi dilakukan proses konversi
sinyal masukan dari bentuk himpunan crisp menjadi fuzzy. Masukan yang digunakan
terdiri dari frekuensi pitch suara, usia dan jenis kelamin. Pada proses inferensi fuzzy
akan dibuat aturan-aturan fuzzy (fuzzy rule) untuk digunakan dalam aplikasi ini.
Proses defuzzyfikasi menggunakan satu buah variabel yaitu kelompok suara.
3.3.1 Proses Fuzzyfikasi
Pada proses fuzzyfikasi dilakukan konversi nilai masukan, karena masukan
yang diberikan masih berupa himpunan crisp. Tujuan dari konversi ini adalah
20
mengubah himpunan crisp menjadi himpunan fuzzy agar dapat dicari derajat
keanggotaannya sesuai dengan fungsi keanggotaan masing-masing. Proses
fuzzyfikasi ini terdiri dari konversi tiga buah masukan.
1. Masukan Frekuensi Pitch Suara
Masukan frekuensi pitch suara memiliki tujuh buah himpunan fuzzy dengan
penamaan variabel sebagai berikut soprano, mezzosoprano, alto, tenor, baritone,
bass, dan treble. Masing-masing variabel tersebut memiliki nilai batas keanggotaan
sebagai berikut soprano (220-2100 Hz), mezzosoprano (220-1500 Hz), alto (175-
1750 Hz), tenor (130-1300 Hz), baritone (110-1100 Hz), bass (40-350 Hz) dan
treble (500-2500 Hz) [11, 14].
Sebagai contoh, apabila nilai masukan frekuensi pitch suara = 449.2 Hz,
maka pada Gambar 3.3 ditampilkan ilustrasi cara untuk mencari derajat keanggotaan.
Tanda panah merah menunjukan nilai masukan sebesar 449.2 Hz.
Gambar 3.3 Proses fuzzyfikasi untuk masukan frekuensi pitch suara
Pada proses fuzzyfikasi masukan frekuensi pitch suara dapat dilihat masukan
sebesar 449.2 Hz memotong grafik fungsi pada 5 titik yaitu pada y1 = 0.71,
21
(baritone), y2 = 0.79 (tenor), y3 = 0.90 (alto), y4 = 0.92 (mezzosoprano), dan y5 =
0.98 (soprano). Kelima besaran fuzzy inilah yang disebut dengan derajat keanggotaan
untuk masukan frekuensi pitch suara. Nilai ini dapat dilihat dari Gambar 3.3 secara
langsung, atau dengan menggunakan Persamaan (2.3). Berikut akan dijelaskan cara
mendapatkan nilai derajat keanggotaan menggunakan Persamaan (2.3).
Untuk baritone :
μBr [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 181.45, c = 1100
μBr [x] = (1100 – 449.2) / (1100 – 181.45) = 0.708 ≈ 0.71
Untuk tenor :
μT [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 226.65, c = 1300
μT [x] = ( 1300 – 449.2 ) / (1300 – 226.65 ) = 0.792 ≈ 0.79
Untuk alto :
μA [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 300, c = 1750
μA [x] = (1750 – 449.2) / (1750 – 300 ) = 0.897 ≈ 0.90
Untuk mezzosoprano :
μM [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 352.85, c = 1505.70
μM [x] = ( 1505.70 – 449.2 ) / (1505.70 – 352.85 ) = 0.916 ≈ 0.92
Untuk soprano :
μS [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 408.55, c = 2100
μS [x] = (2100 – 449.2) / (2100 – 408.55) = 0.975 ≈ 0.98
22
keterangan :
b = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi
c = nilai batas akhir suatu himpunan
x = nilai masukan
μ = derajat keanggotaan
μBr [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara
baritone
μT [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara
tenor
μA [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara
alto
μM [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara
mezzosoprano
μS [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara
soprano
2. Masukan Usia
Masukan usia memiliki 3 himpunan fuzzy dengan penamaan dan penilaian
batas keanggotaan variabel sebagai berikut anak-anak (6-16 tahun), remaja (12-23
tahun), dewasa (20-60 tahun).
Sebagai contoh, masukan usia = 14 tahun, maka pada Gambar 3.4 akan
mengilustrasikan cara untuk mencari derajat keanggotaan.
23
Gambar 3.4 Proses fuzzyfikasi untuk masukan usia
Proses fuzzyfikasi masukan usia dapat dilihat pada Gambar 3.4 diperoleh
derajat keanggotaan sebesar y1 = 0.39 (anak-anak) y2 = 0.30 (remaja) untuk
masukan usia = 14 masukan. Nilai derajat keanggotaan ini dapat dibuktikan dengan
menggunakan Persamaan (2.3) dan Persamaan (2.6). Berikut akan dijelaskan cara
mendapatkan nilai derajat keanggotaan menggunakan Persamaan (2.3) dan
Persamaan (2.6).
Untuk anak-anak:
μ [x] = (b – x)/(b – a) ; a ≤ x ≤ b dengan nilai a = 10.12, b = 16.48
μAn [x] = (16.48 – 14 ) / 16.48 – 10.12 ) = 0.389 ≈ 0.39
Untuk remaja:
μ [x] = (x – a)/(b – a) ; a ≤ x ≤ b dengan nilai a = 12.56, b = 17.32
μR [x] = (14 – 12.56 ) / (17.32 – 12.56 ) = 0.302 ≈ 0.30
24
dengan:
a = nilai batas awal suatu himpunan
b = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi
c = nilai batas akhir suatu himpunan
x = nilai masukan
μ = derajat keanggotaan
μAn [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok usia
anak-anak
μR [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok usia
remaja
3. Masukan Jenis Kelamin
Masukan jenis kelamin tidak memiliki himpunan fuzzy karena sudah
mempunyai nilai yang pasti, logika yang digunakan dalam menentukan derajat
keanggotaan adalah true or false. Dalam kasus ini, masukan akan berupa nilai 1 atau
0, jika bernilai 1 maka jenis kelaminnya adalah wanita, sedangkan jika bernilai 0
maka jenis kelaminnya adalah pria. Sebagai contoh, masukan jenis kelamin = 1,
maka pada Gambar 3.5 akan mengilustrasikan cara untuk mencari derajat
keanggotaan.
Gambar 3.5 Proses fuzzyfikasi input jenis kelamin
25
Pada Gambar 3.5 terlihat bahwa untuk jenis kelamin wanita memiliki derajat
keanggotaan y = 1 (wanita). Dengan menggunakan Persamaan (2.4) dapat
dibuktikan derajat keanggotaan yang didapat pada Gambar 3.5.
μW [x] = 1 ; 0 ≤ x ≤ a dan x ≥ d dengan nilai a dan d = 1
karena nilai masukan adalah 1 maka derajat keanggotaannya menjadi 1.
dengan:
a,d = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi
atau derajat keanggotaan lengkap [1]
b.c = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi
atau derajat keanggotaan tidak lengkap [0]
x = nilai masukan
μ = derajat keanggotaan
μW [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok jenis
kelamin wanita
3.3.2 Menentukan Aturan Fuzzy dan Inferensi Fuzzy
Inferensi fuzzy adalah tahap penggabungan antara derajat keanggotaan yang
didapat dari proses fuzzyfikasi dengan aturan-aturan fuzzy (fuzzy rule) dimana dalam
proses ini menggunakan aturan min-max. Aturan-aturan fuzzy untuk aplikasi ini dapat
dilihat pada Tabel 3.1. Referensi dari dibuatnya aturan-aturan fuzzy ini adalah
berdasarkan survei sample yang tersedia.
26
Tabel 3.1 Aturan-aturan Fuzzy
IF
THEN
No. Frekuensi Suara
Jenis Kelamin
Usia
Kelompok Suara
1 Bass Pria remaja Bass 2 Bass Pria dewasa Bass 3 Bass wanita remaja Alto 4 Bass wanita dewasa Alto 5 baritone pria anak-anak Treble 6 baritone pria remaja Baritone 7 baritone pria dewasa Baritone 8 baritone wanita anak-anak Treble 9 baritone wanita remaja Alto 10 baritone wanita dewasa Alto 11 tenor pria anak-anak Treble 12 tenor pria remaja tenor 13 tenor pria dewasa Tenor 14 tenor wanita anak-anak Treble 15 tenor wanita remaja Alto 16 tenor wanita dewasa Alto 17 Alto pria anak-anak Treble 18 Alto pria remaja Treble 19 Alto pria dewasa Tenor 20 Alto wanita anak-anak Treble 21 Alto wanita remaja Alto 22 Alto wanita dewasa Alto 23 mezzosoprano pria anak-anak Treble 24 mezzosoprano pria remaja Treble 25 mezzosoprano pria dewasa Tenor 26 mezzosoprano wanita anak-anak Treble 27 mezzosoprano wanita remaja Treble 28 mezzosoprano wanita dewasa Mezzosoprano29 soprano pria anak-anak Treble 30 soprano pria remaja Treble 31 soprano pria dewasa Tenor 32 soprano wanita anak-anak Treble 33 soprano wanita remaja Treble 34 soprano wanita dewasa Soprano 35 treble pria anak-anak Treble 36 treble pria remaja Treble 37 treble wanita anak-anak Treble 38 treble wanita remaja Treble
27
Cara kerja aturan ini adalah setiap variabel masukan akan dibandingkan
menggunakan operator AND untuk mengambil nilai terkecil, kemudian dari
kumpulan nilai terkecil tersebut digunakan operator OR untuk menentukan nilai
terbesar. Aturan yang menghasilkan nilai terbesar ini yang akan dijadikan sebagai
hasil. Hasil inferensi fuzzy ini akan digunakan dalam proses defuzzyfikasi.
Berdasarkan contoh sebelumnya maka dapat diketahui aturan-aturan fuzzy
yang digunakan pada program FuzzyTech 5.12. Tampilan tersebut dapat dilihat pada
Gambar 3.6.
Gambar 3.6 Aturan-aturan fuzzy yang digunakan dalam contoh.
28
Dengan menggunakan aturan min-max maka dapat ditunjukkan dengan cara
sebagai berikut:
1. Diambil nilai terkecil dari masing-masing aturan yang digunakan dengan
menggunakan perintah AND.
1. Berdasarkan aturan nomor 15, maka 0.71 AND 1.00 AND 0.30 = 0.30
2. Berdasarkan aturan nomor 17, maka 0.79 AND 1.00 AND 0.30 = 0.30
3. Berdasarkan aturan nomor 19, maka 0.90 AND 1.00 AND 0.30 = 0.30
4. Berdasarkan aturan nomor 21, maka 0.92 AND 1.00 AND 0.30 = 0.30
5. Berdasarkan aturan nomor 23, maka 0.98 AND 1.00 AND 0.30 = 0.30
6. Berdasarkan aturan nomor 26, maka 0.71 AND 1.00 AND 0.39 = 0.39
7. Berdasarkan aturan nomor 28, maka 0.79 AND 1.00 AND 0.39 = 0.39
8. Berdasarkan aturan nomor 30, maka 0.90 AND 1.00 AND 0.39 = 0.39
9. Berdasarkan aturan nomor 32, maka 0.92 AND 1.00 AND 0.39 = 0.39
10. Berdasarkan aturan nomor 34, maka 0.98 AND 1.00 AND 0.39 = 0.39
2. Diambil nilai tertinggi dari hasil perhitungan yang pertama dengan menggunakan
perintah OR,
0.30 OR 0.30 OR 0.30 OR 0.30 OR 0.30 OR 0.39 OR 0.39 OR 0.39
OR 0.39 OR 0.39 = 0.39
Berdasarkan hasil perhitungan tersebut maka dapat ditentukan bahwa aturan yang
diambil adalah aturan nomor 34, maka kelompok suaranya adalah Treble.
3.3.1 Proses Defuzzyfikasi
Metode defuzzyfikasi yang digunakan dalam perancangan sistem adalah
metode Mean of Maximum (MoM). Gambar 3.7 akan menunjukkan titik maksimum
29
pada grafik, titik perpotongan antara nilai tersebut dengan sumbu x inilah yang
merupakan nilai keluaran dari hasil pembagian kelompok suara ini.
Gambar 3.7 Proses defuzzyfikasi untuk keluaran pengelompokan suara
3.4 Perancangan Tampilan
Perancangan tampilan aplikasi pembagian kelompok suara ini menggunakan
program Borland Delphi 7.0, di mana pada saat program ini dijalankan dapat dilihat
FuzzyTech Runtime Module Info yang menunjukkan hubungan antara program
FuzzyTech 5.12 dengan Borland Delphi 7.0 seperti ditampilkan pada Gambar 3.8
Gambar 3.8 FuzzyTech Runtime Module Info
30
Tampilan akan dibagi menjadi 3 bagian, yaitu :
1. Halaman depan, sebagai halaman pembuka yang dapat dilihat pada Gambar
3.9 yang terdiri dari 2 pilihan tombol, yaitu ENTER untuk masuk ke aplikasi
pembagian kelompok suara dan EXIT untuk keluar dari program.
Gambar 3.9 Halaman depan
2. Halaman data masukan, berfungsi untuk memasukkan data yang diperlukan
berupa pitch frekuensi suara, usia, dan jenis kelamin. Form data masukan
dapat dilihat pada Gambar 3.10.
31
Gambar 3.10 Halaman data masukan
3. Halaman hasil pengelompokkan suara, berfungsi untuk menampilkan hasil
dari pengelompokan suara. Dalam tampilan ini terdapat program untuk
menghubungkan antara Borland Delphi 7 dengan FuzzyTech 5.12. Tampilan
dapat dilihat pada Gambar 3.11.
32
Gambar 3.11 Halaman hasil pengelompokan suara
Cara kerja sistem pengelompokan suara dapat dilihat melalui diagram alir yang
ditunjukkan pada Gambar 3.12.
33
START
INISIALISASIfrek_sua, usia, jns_klm
BACA INPUTfrek_sua, usia,
jns_klm
40 ≤ frek_sua ≤ 25006 ≤ usia ≤ 60
KIRIM NILAI frek_sua, usia ,
jns_klm KE PROGRAM FuzzyTech 51.2
FUZZYFIKASI
INFERENSI FUZZY
DEFUZZYFIKASI
KIRIM kel_sua KE PROGRAM Borland Delphi 7
END
T
Y
Gambar 3.12. Diagram alir aplikasi
BAB 4
PENGUJIAN SISTEM
Pengujian sistem aplikasi pengelompokan suara ini dilakukan dengan
melakukan audisi pada anggota Cantate Domino Choir. Cantate Domino Choir
merupakan salah satu paduan suara dari Gereja St. Stefanus, Cilandak. Paduan suara
ini beranggotakan kurang lebih 30 orang dan memiliki empat kelompok suara
(soprano, alto, tenor, dan bass) Dengan ini akan terlihat perbandingan hasil antara
menggunakan aplikasi dengan sistem fuzzy dan hasil menggunakan tenaga pelatih
untuk menentukan kelompok suara.
Pengujian sistem ini dilakukan dengan memberikan masukan frekuensi pitch
suara, usia dan jenis kelamin dengan batasan-batasan berdasarkan kriteria yang
diberikan oleh pelatih paduan suara dalam menenetukan kelompok suara seseorang,
antara lain:
1. Pembagian kelompok suara terdiri dari tujuh kelompok, yaitu: soprano,
mezzo soprano, alto, tenor, barritone, bass, treble.
2. Pengelompokan usia peserta audisi dibagi menjadi tiga kategori, yaitu: anak-
anak, remaja, dewasa.
3. Pengelompokan berdasarkan jenis kelamin.
Tahap pertama yang dilakukan untuk uji coba aplikasi ini adalah dengan
mengaudisi anggota Cantate Domino Choir, dengan cara setiap anggota
menyanyikan sepenggal bait (8 bar) dari lagu “Locus iste” karangan Anton
34
35
Bruckner (1824-1896), dengan nada dasar Do =C. Paduan suara ini memiliki emapt
kelompok suara. Mereka menyanyikan lagu ini kurang lebih 30 detik, lalu hasil
rekaman suara mereka disimpan menggunakan Windows Sound Recorder. Gambar
4.1 menampilkan keadaan Windows Sound Recorder saat sedang merekam suara.
Gambar 4.1 Windows Sound Recorder saat merekam suara
Tahap kedua adalah membaca file hasil rekaman suara tersebut menggunakan
program Vocal Transformation Pro 1.0 untuk mengetahui berapa nilai frekuensi
pitch suara mereka. Setelah diketahui maka nilai tersebut dapat menjadi masukan
untuk aplikasi ini dengan menggunakan penggabungan dari program Borland Delphi
7.0 dengan program FuzzyTech 5.12. Gambar 4.1 mengilustrasikan saat program ini
menganalisa frekuensi pitch suara.
36
Gambar 4.2 Vocal Transformation Pro 1.0 saat menganalisis file suara
Agar perbedaan hasil pengelompokan suara dapat terlihat, maka berikut ini
dilakukan pengujian pada 8 kelompok suara yang berbeda.
1. Kelompok suara soprano, menggunakan masukan
Frekuensi pitch suara : 477.7 Hz
Usia : 27 tahun
Jenis kelamin : wanita
37
Gambar 4.3 Pengujian kelompok suara Soprano
2. Kelompok suara mezzosoprano, menggunakan masukan
Frekuensi pitch suara : 362.5 Hz
Usia : 29 tahun
Jenis kelamin : wanita
38
Gambar 4.4 Pengujian kelompok suara Mezzosoprano
3. Kelompok suara alto, menggunakan masukan
Frekuensi pitch suara : 333.1 Hz
Usia : 27 tahun
Jenis kelamin : wanita
39
Gambar 4.5 Pengujian kelompok suara Alto
4. Kelompok suara tenor, menggunakan masukan
Frekuensi pitch suara : 250.3 Hz
Usia : 38 tahun
Jenis kelamin : pria
40
Gambar 4.6 Pengujian kelompok suara Tenor
5. Kelompok suara baritone, menggunakan masukan
Frekuensi pitch suara : 267.1 Hz
Usia : 20 tahun
Jenis kelamin : pria
41
Gambar 4.7 Pengujian kelompok suara Baritone
6. Kelompok suara bass, menggunakan masukan
Frekuensi pitch suara : 141.5 Hz
Usia : 19 tahun
Jenis kelamin : pria
42
Gambar 4.8 Pengujian kelompok suara Bass
7. Kelompok suara treble, menggunakan masukan
Frekuensi pitch suara : 484.2 Hz
Usia : 14 tahun
Jenis kelamin : pria
43
Gambar 4.9 Pengujian kelompok suara Treble
Untuk melihat perbedaan hasil antara audisi dengan menggunakan tenaga
pelatih dengan aplikasi yang dibuat maka berikut diambil beberapa contoh secara
acak untuk perbandingan hasil keluaran kelompok suara yang dapat dilihat pada
Tabel 4.1.
44
Tabel 4.1 Tabel perbandingan hasil pengelompokan suara untuk data acak
Audisi dengan cara No.
Nama
Usia (thn)
Jenis Kelamin
(P/W)
Manual Logika Fuzzy
1 Rosalina Reiny 27 Wanita Alto Soprano 2 Monic A 14 Wanita Soprano Treble 3 Adjie K 38 Pria Tenor Tenor 4 Francisca R 29 Wanita Alto Mezzosoprano 5 Fernando L 27 Pria Tenor Tenor 6 Gibraldi H 20 Pria Tenor Baritone 7 Yohanes W 23 Pria Bass Bass 8 Adrian I 25 Pria Bass Tenor 9 C David 23 Pria Tenor Baritone 10 Tammy F 27 Wanita Alto Alto
Grafik perbandingan untuk pengelompokan suara berdasarkan data acak
dapat dilihat pada Gambar 4.8. Pada grafik tersebut nilai frekuensi kelompok suara
adalah nilai hasil defuzzyfikasi dengan menggunakan metode Mean of Maximum
(MoM). Nilai yang tertera pada grafik adalah anggota yang memiliki nilai derajat
keanggotaan yang tertingi. Berikut nilai frekuensi masing-masing kelompok suara,
bass (206 Hz), baritone (560 Hz), tenor (915 Hz), alto (1270 Hz), mezzosoprano
(1624 Hz), soprano (1979 Hz), dan treble (2333 Hz).
45
Grafik Perbandingan Hasil Pengelompokan Suara Untuk Data Acak
1270
1979
915
1270
915 915
206 206
915
1270
1979
2333
915
1624
915
560
206
915
206
1270
0
500
1000
1500
2000
2500
1 2 3 4 5 6 7 8 9 10
Nomor Data
Frek
uens
i Kel
ompo
k Su
ara
(Hz)
Manual
LogikaFuzzy
Gambar 4.10 Grafik perbandingan hasil pengelompokkan suara untuk data acak
Perbandingan antara hasil pengelompokan suara untuk Cantate Domino
Choir menggunakan aplikasi ini dan secara manual dapat dilihat pada Tabel 4.2, dan
grafiknya pada Gambar 4.9.
46
Tabel 4.2 Tabel perbandingan hasil pengelompokkan suara Cantate Domino Choir
Audisi dengan cara
No.
Nama
Usia (thn)
Jenis
Kelamin (P/W)
Manual
Logika Fuzzy
1 Anastasia Ria 27 Wanita Soprano Soprano 2 Rosalina Reiny 27 Wanita Alto Soprano 3 Tammy F 27 Wanita Alto Alto 4 Edward John 23 Pria Tenor Tenor 5 Alexander L 29 Pria Tenor Tenor 6 Theresia Nona 28 wanita Soprano Soprano 7 Monic A 14 wanita Soprano Treble 8 Rosalia Rossy 30 wanita Soprano Soprano 9 Bintang P 41 pria Tenor Tenor 10 Francisca R 29 wanita Alto Mezzosoprano11 Adjie Kasyono 38 pria Tenor Tenor 12 Hieronimus 19 pria Bass Bass 13 Asteria Sita 19 wanita Soprano Alto 14 Franciscus I 30 pria Bass Bass 15 Juani Siram 23 wanita Soprano Alto 16 Anastasia 25 wanita Alto Alto 17 Novita 29 wanita Alto Alto 18 Yohanes W 22 pria Bass Bass 19 Andreas 29 pria Bass Bass 20 Adrian I 25 pria Bass Tenor 21 Victor E 25 pria Bass Bass 22 Angelisa 41 wanita Soprano Soprano 23 Amaliko 20 pria Bass Bass 24 Gibraldi H 20 pria Tenor Baritone 25 Fernando L 27 pria Tenor Tenor 26 Michael E Bimo 20 pria Bass Baritone 27 Cornelius David 23 pria Tenor Baritone
47
Grafik Perbandingan Hasil Pengelompokan Suara Untuk Cantate Domino Choir
0
500
1000
1500
2000
2500
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27Nomor Data
Frek
uens
i Kel
ompo
k Su
ara
(Hz)
ManualLogika Fuzzy
Gambar 4.11 Grafik perbandingan hasil pengelompokkan suara untuk Cantate
Domino Choir
Berdasarkan Tabel 4.2 dan grafik perbandingan pada Gambar 4.8 ternyata
didapat perbedaan untuk 10 data keluaran. Perbedaan tersebut terjadi karena pada
umumnya suatu paduan suara hanya membagi kelompok suara menjadi empat
kelompok saja yaitu, bass, tenor, alto, dan soprano.
Tingkat keberhasilan aplikasi ini dapat dihitung presentasi keakuratannya
dengan menggunakan rumus:
)1.4(%100×=masukandatabanyaknya
sesuaiyangsuarakelompokjumlahAkurasi
48
Jika dihitung akurasi ketepatan pengelompokkan suara dengan menggunakan
empat kelompok suara saja dan mengasumsikan bahwa jawaban selain empat
kelompok suara yang ditentukan adalah salah dan jumlah kelompok suara yang
sesuai adalah 17 serta banyaknya data masukan adalah 27, maka aplikasi ini
memiliki akurasi sebesar:
Akurasi = (jumlah kelompok suara yang sesuai / banyaknya data masukan) x 100%
Akurasi = %10027
)1027(×
−
Akurasi = 62.9 %
Dapat dilihat hasil akurasi yg didapat sangat rendah, hal ini disebabkan
karena perhitungan didasarkan pada tujuh kelompok suara. Tetapi kemungkinan
akurasi ini dapat berubah nilainya menjadi lebih tinggi jika dengan menggunakan
pembagian hanya berdasarkan empat kelompok suara saja.
Jika dihitung nilai akurasi ketepatan pengelompokan suara dengan
menggunakan 7 kelompok suara dan jumlah kelompok suara yang sesuai adalah 27
serta banyaknya data masukan adalah 27 kelompok suara maka aplikasi ini memiliki
akurasi sebesar :
Akurasi = (jumlah kelompok suara yang sesuai / banyaknya data masukan) x 100%
Akurasi = %10027
)027(×
−
Akurasi = 100 %
Dari hasil perbandingan di atas dapat dilihat bahwa aplikasi ini memiliki
tingkat keberhasilan yang tinggi jika menggunakan pengelompokan suara
49
berdasarkan tujuh jenis kelompok suara dan paduan suara yang menerima anggota
baru tersebut menggunakan pengelomppokkan suara sebanyak tujuh kelompok.
BAB 5
KESIMPULAN & SARAN
Berdasarkan hasil pengujian aplikasi pembagian suara berbasis logika fuzzy,
dapat disimpulkan bahwa:
1. Sistem logika fuzzy dapat digunakan untuk melakukan proses pembagian suara
dalam suatu audisi paduan suara.
2. Terdapat sedikit perbedaan pada pengujian aplikasi karena pada umumnya paduan
suara hanya membagi kelompok suara menjadi empat kelompok saja.
3. Dengan logika fuzzy dapat mempermudah seorang pelatih paduan suara untuk
membagi kelompok suara seseorang.
Saran yang dapat diberikan untuk aplikasi pembagian suara berbasis logika
fuzzy ini adalah mengurangi proses bertahap yang ada pada aplikasi ini, antara lain
proses perekaman dan analisis file suara untuk mengukur frekuensi pitch suara
sebaiknya dijadikan satu, atau jika memungkinkan menggunakan program audio
yang dapat melakukan proses perekaman dan analisis frekuensi pitch secara
bersamaan.
50
DAFTAR PUSTAKA
[1] Inform, GmbH. 1999. Fuzzy Tech 5.3 User’s Manual. USA: Inform Software
Corporation.
[2] Komputer, Wahana. 2005. Membuat Program Kreatif dan Profesional dengan
DELPHI. Jakarta: PT Elex Media Komputindo.
[3]
Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya).
Yogyakarta: Penerbit Graha Ilmu.
[4]
Mangkulo, Henky Alexander. 2005. Membuat Aplikasi DATABASE dengan
DELPHI 8.0 . Jakarta: PT Elex Media Komputindo.
[5]
Nathania. 2004. Sistem Peramalan Cuaca Berbasis Logika Fuzzy. Tugas
akhir. Jakarta: Fakultas Teknik Universitas Katolik Atma Jaya.
[6] Pandjaitan, Lanny W. 2006. Dasar-dasar Komputasi Cerdas. Yogyakarta:
Penerbit Andi.
[7] Ross, Timothy J. 1997. Fuzzy Logic with Engineering Applications. New
York: McGraw-Hill.
[8] Yager, Ronald R ; Zadeh, Lotfi A. 1992. An Introduction to Fuzzy Logic
Applications in Intelligent Systems. Nederland: Kluwer
[9] http://www.download-by.net/audio-and-multimedia/multimedia-creation-
tools/10914,vocal-transformation-pro,dl.html diakses pada tanggal 18 Juni
2007.
[10] http://www.fuzzytech.com diakses pada tanggal 10 Juli 2007.
[11] http://www.geocities.com/dtmcbride/tech/sound.html diakses pada tanggal 20
51
52
Mei 2007.
[12] http://www.republika.co.id/koran_detail.asp?id=249877&kat_id=41 diakses
pada tanggal 9 juli 2007
[13] http://www.rudidolphin.com/artikel/suara diakses pada tanggal 9 Juli 2007.
[14] http://www.stanford.edu/~feinstei/pitchcorrection.doc diakses pada tanggal 20
Mei 2007.
[15] http://www.stttelkom.ac.id/staf/UKU/Materi%2520Kuliah%2520Dasar%2520
Telekomunikasi/DASTEL
[16] http://www.susvara.com/Articles.html diakses pada tanggal 9 Juli 2007.