IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM UNTUK PENGOLAHAN SINYAL DIGITAL PADA TUNING GITAR DENGAN OPEN STRING PDF

Preview

Summary

IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM UNTUK PENGOLAHAN SINYAL DIGITAL PADA TUNING GITAR DENGAN OPEN STRING Robby Dianputra1, Diyah Puspitaningrum2, Ernawati3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bengkulu. Jl. Raya Kandang Limun, Bengkulu. Telp. (0736) 21170 1 rdp100...

Description

IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM UNTUK PENGOLAHAN SINYAL DIGITAL PADA TUNING GITAR DENGAN OPEN STRING Robby Dianputra1, Diyah Puspitaningrum2, Ernawati3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bengkulu. Jl. Raya Kandang Limun, Bengkulu. Telp. (0736) 21170 1 rdp10007 @gmail.com, [email protected], [email protected]

Abstrak Penelitian ini bertujuan untuk mengetahui tingkat akurasi dalam pengolahan sinyal digital pada tuning gitar dengan open string. Dalam penelitian ini, algoritma yang digunakan adalah algoritma Fast Fourier Transform (FFT). Algoritma Fast Fourier Transform adalah algoritma untuk mengihitung nilai Discreate Fourier Transform (DFT). DFT adalah metode untuk melakukan transformasi pada domain waktu menjadi domain frekuensi. Langkahlangkah penelitian meliputi analisis kebutuhan sistem, pengumpulan data, perancangan perangkat lunak dan pengujian sistem. Pada penelitian ini, sebagai masukan adalah suara gitar yang dipetik secara open string yaitu tanpa kunci, sedangkan sebagai keluaran adalah nilai frekuensi senar gitar dan pencocokan nada gitar. Perancangan perangkat lunak ini menggunakan bahasa pemrograman Matlab R2008b. Pengujian dilakukan untuk mengetahui nilai tingkat akurasi FFT pada tuning gitar listrik dan bukan listrik. Selain itu, pengujian dilakukan untuk mengetahui kemampuan sistem melakukan pencocokan nada gitar. Dari penelitian yang telah dilakukan FFT mampu mendapatkan tingkat akurasi tuning gitar terbaik yaitu sebesar 99.43% Kata kunci: Fast Fourier Transform, Tuning Gitar, Pengolahan sinyal digital. 1.

Pendahuluan

Alat musik merupakan suatu instrumen yang bertujuan untuk menghasilkan nada. Salah satu contoh alat musik yang terkenal yaitu gitar, Gitar merupakan alat musik berdawai yang dimainkan dengan cara dipetik, umumnya menggunakan jari. Alat musik ini apabila baru atau sering digunakan maka harus dilakukan proses kalibrasi atau dikenal dengan istilah tuning (penyetelan nada). Nada merupakan bunyi yang teratur dan mempunyai frekuensi yang tertentu (Wiflihani, 2013). Frekuensi yang dimiliki oleh senar gitar, berbeda dengan senar lainnya karena frekuensi dipengaruhi oleh panjang senar dan diameter senar. Dengan perbedaan frekuensi yang dihasilkan oleh

senar, kita dapat mengolah frekuensi tersebut. Pengolahan pada frekuensi sering dikatakan dengan istilah digital signal processing. Pengolahan sinyal digital (digital signal processing) sekarang diaplikasikan pada banyak bidang seperti pengolahan suara , musik, biomedical, navigasi dan telekomunikasi, serta pengolahan video dan gambar. Untuk melakukan pengolahan sinyal pada frekuensi, terdapat beberapa algoritma yang dapat digunakan, diantaranya Fast Fourier Transfrom, Gortzel , Hamming Window, transformasi wavelet packet dan lain – lain. Algoritma Fast Fourier Transform (FFT) adalah suatu algoritma untuk menghitung Discrete Fourier Transform

(DFT) yang digunakan untuk menghitung spektrum frekuensi sinyal dan FFT merupakan prosedur penghitungan DFT yang efisien sehingga akan mempercepat proses penghitungan DFT yang secara substansial dapat lebih menghemat waktu dari pada metoda yang konvensional (Nandra Pradipta : 2011). Algoritma fast fourier transfrom membagi frekuensi per priodenya, karena itu algoritma ini dapat berkerja dengan baik sehingga menghasilkan akurasi dengan cepat dan efisien. Dalam Nandra (2011) algoritma Fast Fourier Transfrom (FFT) digunakan untuk menghitung spektrum frekuensi sinyal yang telah dicuplik komputer sehingga akan mempercepat proses penghitungan transformasi fourier diskrit. Algoritma ini dirasa cukup baik dalam melakukan pengolahan sinyal digital. Penelitian lain oleh Nyoman Putra Sastra (2008) yang melakukan penelitian pengolahan sinyal digital menggunakan Algoritma Gortzel. Algoritma Gortzel mendeteksi frekuensi dengan tingkat keberhasilan pendeteksian sangat tergantung pada jumlah cuplikan (N), semakin banyak jumlah cuplikan maka semakin akurat pendeteksian frekuensi tersebut. Akan tetapi semakin banyak jumlah N, maka proses iterasinya menjadi lebih kompleks, sehingga waktu yang diperlukan untuk melakukan pendeteksian semakin lama. Untuk itu kesalahan dalam menentukan jumlah N dapat mempengaruhi akurasi dalam pengolahan sinyal digital. Penelitian dengan studi kasus pengolahan sinyal digital terhadap gitar sebelumnya pernah dilakukan Tanda Selamat dan Kevin Angkasa (2013) menggunakan algoritma karplus strong dengan berbasis komputer. Algoritma karplus strong merupakan algoritma sintesis wavetable yang melakukan modifikasi sendiri. Algoritma Karplus Strong dikembangkan oleh Alexander Strong dan dianalisis oleh Kevin Karplus sebagai suatu model untuk instrument

musik pukul atau dipetik. Algoritma ini mensimulasikan impak dampak nada tajam melalui sinyal pita lebar seperti dalam bentuk kumpulan noise berfrekuensi tinggi. Sinyal tersebut diumpan balik melalui suatu delay line dimana panjangnya bergantung pada frekuensi dari not yang diinginkan. Sinyal tertunda tersebut dikirimkan melalui suatu filter lowpass untuk menghaluskan semua frekuensi lainnya kecuali frekuensi dari nada yang inginkan. Pada penelitian oleh Tanda Selamat dan Kevin Angkasa (2013) telah menghasilkan aplikasi yang dapat melakukan tuning gitar dengan cara menghasilkan suara yang menyerupai suara gitar. Berdasarkan latar belakang diatas, peneliti ingin mengimplementasikan algoritma fast fourier transfrom pada proses tuning gitar dengan judul “Implementasi algoritma Fast Fourier Transform Untuk Pengolahan Sinyal Digital Pada Tuning Gitar dengan Open String ”. 2.

Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah Mengetahui tingkat akurasi Algoritma Fast Fourier Transfrom pada Tuning Gitar dengan Open String. 3.

Landasan Teori

3.1

Pengolahan Sinyal

Pengolahan sinyal adalah suatu operasi matematik yang dilakukan terhadap suatu sinyal sehingga diperoleh suatu informasi yang berguna. Dalam hal ini terjadi transformasi (perubahan). Pengolahan sinyal dapat dilakukan secara analog atau digital. Pengolahan sinyal analog memanfaatkan komponenkomponen analog, misalnya dioda, transistor, Op-amp, dan lainnya. Pengolahan sinyal digital menggunakan komponen-komponen digital, register, counter, dekoder, summing, mikroprocessor, mikrokontroler, dan lainnya. Untuk kemudahan pada

pengolahan sinyal digital sebagai pemroses digunakan suatu komputer (mikrokontroler) untuk mempresentasikan algoritma atau model matematik. Selain sistem komputer diperlukan perangkat keras lainnya sebagai masukan/keluaran. 3.2

Algoritma Fast Fourier Transform

Fast Fourier Transform (FFT) adalah transformasi fourier yang dikembangkan dari algoritma Discrete Fourier Transfrom (DFT). Dengan metode FFT, laju komputasi dari perhitungan transformasi fourier dapat ditingkatkan. Komputasi DFT adalah komputasi yang memerlukan waktu untuk proses looping dan memerlukan banyak memori. Dengan menerapkan algoritma FFT, perhitungan DFT dapat dipersingkat, dalam hal ini proses looping dapat direduksi. Dilihat dari metode yang digunakan , FFT dibagi menjadi dua yaitu DIT (Decimation in Time) dan metode DIF (Decimation in Frequency), namun keduanya memiliki fungsi yang sama yaitu untuk mentransformasi sinyal menjadi frekuensi dasarnya. Decimation adalah proses pembagian sinyal menjadi beberapa bagian yang lebih kecil yang bertujuan untuk memperoleh waktu proses yang lebih cepat. Jika input sinyal pada time domain dari N-points adalah x(n), langkah awal yang dilakukan adalah dengan memisahkan menjadi 2 bagian yang sama (N/2 ponts) 3.3

Alat Musik Gitar

Gitar terbagi menjadi dua jenis yaitu gitar akustik dan gitar elektrik. Gitar akustik adalah jenis gitar dimana suara yang dihasilkan berasal dari getaran senar gitar yang dialirkan melalui sadel dan jembatan tempat pengikat senar ke dalam ruang suara. Suara di dalam ruang suara ini akan berresonansi terhadap kayu badan gitar. Jenis dan kualitas kayu serta jenis senar yang digunakan akan mempengaruhi suara yang dihasilkan oleh gitar akustik. Sedangkan gitar elektrik merupakan

sejenis gitar yang menggunakan beberapa pickup untuk mengubah bunyi atau getaran dari string gitar menjadi arus listrik yang akan dikuatkan kembali dengan menggunakan seperangkat amplifier dan loud speaker. Suara gitar listrik dihasilkan dari getaran senar gitar yang mengenai kumparan yang ada di badan gitar yang biasa disebut pick up. Terkadang sinyal yang keluar dari pickup diubah secara elektronik dengan gitar effect sebagai reverb ataupun distorsi. Disini penulis membatasi masalah dengan hanya menggunakan gitar akustik Gitar akustik sendiri menghasilkan gelombang yang sama dengan bunyi yaitu gelombang mekanik, dalam bentuk gelombang longitudinal. Gelombang mekanik ini adalah sebuah gelombang yang dalam perambatannya memerlukan medium, yang menyalurkan energi untuk keperluan proses penjalaran sebuah gelombang. Bentuk Gelombang longitudinal adalah gelombang yang memiliki arah getaran yang sama dengan arah rambatan. Artinya arah gerakan medium gelombang sama atau berlawanan arah dengan perambatan gelombang. Gelombang longitudinal mekanis juga disebut sebagai gelombang mampatan atau gelombang kompresi. Karena gitar menghasilkan gelombang, berarti gitar juga memiliki frekuensi tertentu, seperti terlihat pada tabel 1 berikut ini : Tabel-1 Frekuensi Nada Gitar (Miftahul Huda , 2011)

Senar Notasi Saintis Frekuensi 1 E5 659,26 Hz 2 B4 493,88 Hz 3 G4 392,00 Hz 4 D4 293,00 Hz 5 A3 220,00 Hz 6 E3 164,81 Hz Frekuensi inilah yang akan digunakan untuk tuning gitar dengan menggunakan algoritma Fast Fourier Transfrom dan metode Discreate Fourier Transform. 4. Analisis dan Perancangan Sistem Analisis dan perancangan sistem

adalah tahap penting yang menjadi proses awal untuk memahami sistem yang akan dibuat. Hasil akhir dari tahap ini nantinya adalah berupa sistem tuning gitar open string terkomputerisasi. 4.1

Perancangan Flow chart

Algoritma Mulai

Pilih senar

Identifikasi Masalah

Pada pengolahan sinyal digital (digital signal processing) terdapat beberapa jenis algoritma yang dapat digunakan, diantaranya FFT, Gortzel, Hamming Window, transformasi Wavelet Packet dan lain – lain. Algoritma FFT diklaim dapat bekerja dengan baik sehingga menghasilkan akurasi tuning gitar yang cepat dan efisien. Penelitian ini, ingin membuktikan dan menghasilkan aplikasi tuner gitar yang efisien. 4.2 Analisis Kebutuhan Analisis kebutuhan sistem merupakan bagian penelitian yang menganalisis sistem yang ada untuk merancang sistem baru atau memperbaharui sistem yang ada. Bagian ini merupakan bagian yang penting dikarenakan hasil dari sistem yang akan dibuat tergantung dari analisis yang dilakukan. 4.3

4.4

Input sound Transformasi suara ke frekuensi menggunakan FFT

Output pencocokan nada dan nilai frekuensi

Sesuaikan frekuensi input dengan frekuensi system

tidak

Ya

Output pencocokan nada dan nilai frekuensi Selesai

Gambar 2 diagram alir pada citra uji

4.5

Perancangan Antarmuka

Perancangan Antarmuka secara umum dibagi menjadi perancangan antarmuka halaman utama (gambar 3) dan halaman tuning gitar (gambar 4). File

Help

Diagram Konteks Sistem MyGuitarTuner ver 1.0 Welcome

Aplikasi Tuner Gitar

Nada Gitar

Gambar 3 Menu Utama Aplikasi Informasi proses tuning Informasi tentang gitar Informasi tentang aplikasi

File

Help

User

Pilih Nada :

Nada

Nilai Frekuensi

Coba

Mulai

Grafik Frekuensi :

Tampilan Pencocokan Nada

Gambar 1 Digram Konteks Aplikasi Tuner Gitar Frekuensi Senar :

Frekuensi

Eror

Eror

runtime

Waktu run

Gambar 4 Form Tuning Gitar

5.

cm adalah 99,366 %.

Hasil dan Pembahasan

Pada penelitian ini dilakukan pengujian sistem dengan dua cara yaitu cara pertama adalah pengujian menggunakan gitar akustik bersenar enam dengan jarak tertentu dan cara kedua adalah pengujian sistem dengan menggunakan garpu tala dengan jarak yang berbeda, berikut ini tabel pengujian sistem yang didapatkan :

2

Hasil Pengujian Penerapan algoritma FFT dengan jarak 20 cm Pengujian berikutnya adalah pengujian black box terhadap algoritma FFT dengan menggunakan jarak 20 cm menggunakan gitar non elektrik. Tabel-3 Frekuensi Uji FFT dengan jarak 20 cm dalam satuan Hz Gitar Non Elekrik Jarak 20 cm

1

Hasil Pengujian Penerapan algoritma FFT dengan jarak 10 cm Pengujian berikutnya adalah pengujian black box terhadap algoritma FFT dengan menggunakan jarak 10 cm menggunakan gitar non elektrik.

Senar 1

Senar 2

Senar 3

Senar 4

Senar 5

Senar 6

1

659,359

495,968

391,394

294,260

219,0319

164,017

2

658,729

495,738

391,3561

293,8364

219,548

164,0577

3

658,451

495,055

391,4594

294,4692

219,8036

164,6565

4

658,110

494,610

391,9342

293,0977

219,5979

165,5784

5

658,248

494,602

391,1485

295,030

219,7306

164,316

6

658,361

493,321

391,8992

294,363

220,3389

164,7335

7

658,980

495,037

391,1217

295,2254

220,3081

164,7307

8

660,982

494,838

391,6782

294,0536

219,727

164,1145

9

658,523

495,551

390,5139

294,4208

220,0864

164,0784

10 R. Frekuensi

658,603

494,783

391,850

294,460

219,0126

164,0381

658,835

494,950

391,435

294,322

219,719

164,432

F. Standar

659,260

493,880

392,000

293,660

220,000

164,81

0,425

1,070

0,565

0,662

0,281

0,378

Tabel-2 Frekuensi Uji FFT dengan jarak 10 cm dalam satuan Hz Gitar Non Elekrik Jarak 10 cm Frekuensi (Hz)

No

1

Senar 1

Senar 2

Senar 3

Senar 4

Senar 5

Senar 6

658,805

494,546

390,5278

294,0894

219,941

165,1306

2

658,602

495,584

390,7437

294,1494

219,451

165,0664

3

658,440

495,065

391,8146

294,7264

220,382

164,682 Error

4

658,449

495,421

391,4809

294,4967

219,686

164,7561

5

658,438

496,028

390,938

293,5111

219,089

164,8153

6

658,485

494,554

391,8459

293,6078

219,604

165,0353

7

659,551

495,132

391,090

294,6143

219,326

165,2334

8

657,790

495,310

391,8341

293,9242

219,180

165,0146

9

658,569

494,547

390,9631

294,2928

219,271

164,364

10

658,293

495,494

391,6927

294,7367

219,670

164,9862

658,542

495,168

391,293

294,215

219,560

164,908

659,260

493,880

392,000

293,660

220,000

164,81

0,718

1,288

0,707

0,555

0,440

0,098

R. Frekuensi F. Standar Error

Pada Tabel-2 terdapat R. Frekuensi, F. Standar dan Error. R. Frekuensi adalah nilai rata-rata frekuensi yang didapatkan dari 10 percobaan, sedangkan F. Standar adalah frekuensi standar yang dimiliki oleh tiap senar. Error adalah nilai selisih antara F.standar dan R. Frekuensi. Pada Tabel-2 terlihat bahwa error terbesar adalah 1,288 yaitu pada senar dua sedangkan error terkecil pada senar enam sebesar 0,098. Dari error tersebut dapat kita hitung nilai rata-rata error adalah 0,634 . Hal ini berarti tingkat akurasi tuning gitar pada jarak 10

Frekuensi (Hz)

No

Pada Tabel-3 terdapat R. Frekuensi, F. Standar dan Error. R. Frekuensi adalah nilai rata-rata frekuensi yang didapatkan dari 10 percobaan, sedangkan F. Standar adalah frekuensi standar yang dimiliki oleh tiap senar. Error adalah nilai selisih antara F.standar dan R. Frekuensi. Pada Tabel-3 terlihat bahwa error terbesar dimiliki oleh senar ke dua dengan error 1,070 sedangkan error terkecil pada senar ke lima yaitu 0,281. Dari error tersebut dapat kita hitung nilai rata-rata error adalah 0,564 dan tingkat akurasinya sebesar 99,436. Hal ini berarti, jarak 20 cm ternyata lebih baik dari pada jarak 10 cm, ini dipengaruhi oleh kuatnya intensitas suara senar gitar. 3

Hasil Pengujian Penerapan algoritma FFT dengan jarak 30 cm Pengujian berikutnya adalah pengujian black box terhadap algoritma FFT dengan menggunakan jarak 30 cm

menggunakan gitar non elektrik.

30 cm seperti Tabel-5.

Tabel-4 Frekuensi Uji FFT dengan jarak 30 cm dalam satuan Hz

Tabel-5 Perbandingan Uji FFT dengan jarak 10, 20 dan 30 cm

Gitar Non Elekrik Jarak 30 cm

Gitar Non Elekrik Jarak 30 cm Frekuensi (Hz)

Frekuensi (Hz)

No

Senar 1

Senar 2

Senar 3

Senar 4

Senar 5

Senar 6

R. Error

658,324

495,746

391,121

294,470

219,259

164,841

F. Standar

659,260

493,880

392,000

293,660

220,000

164,810

0,936

1,866

0,879

0,810

0,741

0,031

Senar 1

Senar 2

Senar 3

Senar 4

Senar 5

Senar 6

1

658,580

496,196

391,8879

294,7272

220,379

165,243

2

658,236

495,565

391,760

294,0739

218,9068

164,6475

Error

3

658,668

496,280

391,3211

295,260

218,9739

165,0161

R. Error

4

657,632

495,357

391,1494

293,9162

218,9828

165,0127

5

658,803

495,676

390,3337