Documents
Resources
Learning Center
Upload
Plans & pricing Sign in
Sign Out

Suara

VIEWS: 59 PAGES: 56

									PENCOCOKAN POLA SUARA DENGAN ALGORITMA FFT DAN
                      DC


                                              SKRIPSI




                                            NURLAILY
                                             060823025




      PROGRAM STUDI SARJANA MATEMATIKA
           DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
          UNIVERSITAS SUMATERA UTARA
                    MEDAN
                      2009




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
     SPEECH RECOGNITION WITH ALGORITM FFT AND DC



                                              SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains




                                            NURLAILY
                                             060823025




      PROGRAM STUDI SARJANA MATEMATIKA
           DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
          UNIVERSITAS SUMATERA UTARA
                    MEDAN
                      2009




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                         PERSETUJUAN


Judul                                : PENCOCOKAN     POLA   SUARA DENGAN
                                       ALGORITMA FFT DAN DC
Kategori                             : SKRIPSI
Nama                                 : NURLAILY
Nomor Induk Mahasiswa                : 060823025
Program Studi                        : SARJANA (S1) MATEMATIKA
Departemen                           : MATEMATIKA
Fakultas                             : MATEMATIKA DAN ILMU PENGETAHUAN
                                       ALAM (FMIPA) UNIVERSITAS SUMATERA
                                       UTARA

                                         Diluluskan di
                                         Medan,      Maret 2009

Komisi Pembimbing                    :




Pembimbing 2                                                    Pembimbing 1



Drs.Sawaluddin, M.IT                                            Drs. Bambang Irawan, M.Sc
NIP.132 206 398                                                 NIP.130 535 840



Diketahui oleh :
Departemen Matematika FMIPA USU
Ketua,



Dr. Saib Suwilo,M.Sc
NIP. 131 796 149




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                         PERNYATAAN




       PENCOCOKAN POLA SUARA DENGAN ALGORITMA FFT DAN DC



                                                SKRIPSI



Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.




Medan,        Maret 2009




NURLAILY
060823025




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                       PENGHARGAAN



Puji dan syukur penulis panjatkan kepada Allah SWT, dengan limpahan dan karunia-

Nya kertas kajian ini berhasil diselesaikan dalam waktu yang telah ditetapkan.


           Ucapan terima kasih penulis sampaikan kepada Drs. Bambang Irawan, M.Sc

dan Drs.Sawaluddin, M.IT selaku pembimbing pada penyelesaian skripsi ini yang

telah memberikan panduan dan penuh kepercayaan kepada penulis untuk

menyempurnakan kajian ini. Panduan ringkas, padat dan professional telah diberikan

kepada penulis agar penulis dapat menyelesaikan tugas ini. Ucapan terima kasih juga

ditujukan kepada Ketua dan Sekretaris Departemen Matematika FMIPA USU

Dr. Saib Suwilo, M.Sc. dan Drs. Henry Rani Sitepu, M.Si, Dekan dan Pembantu

Dekan      Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera

Utara, semua dosen pada Departemen Matematika FMIPA USU, pegawai di FMIPA

USU, dan rekan-rekan kuliah. Akhirnya, tidak terlupakan kepada ke dua orang tua dan

semua ahli keluarga dan rekan terdekat penulis yang selama ini memberikan bantuan

dan dorongan yang diperlukan. Semoga Allah SWT memberikan balasan yang layak.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                              ABSTRAK




Teknologi suara adalah salah satu teknologi aplikasi yang telah ditemukan beberapa

tahun lalu. Salah satunya adalah pencocokan pola suara yang merupakan proses

identifikasii suara berdasarkan kata yang diucapkan.


Pencocokan pola suara akan diproses dengan menggunakan metode Fast Fourier

Transform (FFT) dan metode Divide and Conquer (DC). Pada saat ada suara lain

masuk akan dicocokan dengan suara yang telah ada pada template. Apabila sesuai,

maka perintah suara menjalankan aplikasi komputer.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                             ABSTRACT



Speech technology is one of the applied technologies which had found several years

ago. One of speech technology is speech recognition that is process identifikasi voice

bases word said. Speech Recognition will be processed by using method Fast Fourier

Transform (FFT) and method Divide and Conquer (DC). When another voice comes,

it will be compared with the sample fill the template. If according to, then voice

command runs application program.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                           DAFTAR ISI



                                                                      Halaman
Persetujuan                                                             ii
Pernyataan                                                             iii
Penghargaan                                                            iv
Abstrak                                                                v
Abstact                                                                vi
Daftar Isi                                                             vii
Daftar Tabel                                                           viii
Daftar Gambar                                                          ix

Bab 1. Pendahuluan                                                     1
       1.1 Latar Belakang                                              1
       1.2 Perumusan Masalah                                           2
       1.3 Pembatasan Masalah                                          2
       1.4 Tujuan penelitian                                           3
       1.5 Kontribusi penelitian                                       3
       1.6 Metode Penelitian                                           3
       1.7 Tinjauan Pustaka                                            4
       1.8 Rancangan Pencocokan pola Suara                             6

Bab 2. Landasan Teori                                                 8
       2.1 Pembentukan Ucapan Manusia                                 8
       2.2 Pengertian Suara                                           9
       2.3 Proses Sampling                                            11
       2.4 Kuantisasi                                                 13
       2.5 Proses Pengkode                                            14
       2.6 Discrete Fourier Transform (DFT)                           16
           2.6.1 DFT dalam Bentuk Matriks                             18
       2.3 Fast Fourier Transform (FFT)                               19
       2.4 Divide and Conquer (DC)                                    29

Bab 3. Pembahasan                                                     34
       3.1 Perancangan Perangkat Lunak                                34
       3.2 Software e-speaking voice                                  35
       3.3 Halaman Perekaman                                          37
       3.4 Halaman Hasil                                              39
       3.5 Implementasi Prosedural                                    39
       3.6 Listing                                                    39

Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
Bab 4. Kesimpulan dan Saran                                            41
       4.1 Kesimpulan                                                  41
       4.2 Saran                                                       41

Daftar Pustaka                                                        42

                                       DAFTAR TABEL



                                                                      Halaman

Tabel 2.1 Kuantisasi                                                       15

Tabel 2.2 Pengkodean                                                       16

Tabel 2.3 Proses Data Disusun Ulang                                         23

Tabel 2.4 Konstruksi 2 point FFT                                            24




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                     DAFTAR GAMBAR



                                                                      Halaman
Gambar 1.1 Rancangan Proses data digital pada template                   6

Gambar 1.2 Rancangan pencocokan pola suara dengan algoritma FFT dan DC   7

Gambar 2.1 Rongga mulut manusia                                          9

Gambar 2.2 Rekaman suara pada kata “sorry”                               11

Gambar 2.3 Bentuk sinyal sinus                                           12

Gambar 2.4 Bentuk sinyal sinus yang telah disampling                     12

Gambar 2.5 Ilustrasi terjadi aliasing                                    13

Gambar 2.6 Ilustrasi proses kuantisasi                                   13

Gambar 2.7 Pengkodean                                                    14

Gambar 2.8 Sinyal sinus dalam domain waktu                               17

Gambar 2.9 Sinyal sinus dalamdomain frekuensi                            18

Gambar 2.10 Skema proses decimation N/2 points DFT[3]                    20

Gambar 2.11 Skema proses decimation dengan N/4 points DFT[3]             21

Gambar 2.12 Butterfly dari 2 point FFT                                   24

Gambar 2.13 Diagram FFT 4 point                                          25

Gambar 2.14 Modifikasi butterfly                                         26

Gambar 2.15 Diagram dari 4 point FFT                                     26

Gambar 2.16 FFT DIT                                                      27
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
Gambar 2.17 FFT DIT untuk contoh 2.2                                    28

Gambar 3.1 Tampilan Utama e-speaking voice                              35

Gambar 3.2 Tampilan Menu e-speaking voice                               35

Gambar 3.3 Tampilan New e-speaking voice                                36

Gambar 3.4 Select the File e-speaking voice                             36

Gambar 3.5 Tampilan New setelah dilakukan select the file               37

Gambar 3.6 Tampilan perekaman suara                                     37

Gambar 3.7 Rekaman suara sesuai dengan yang diucapkan                   38

Gambar 3.8 Rekaman suara yang tidak sesuai dengan kata yang diucapkan   38

Gambar 3.9 Halaman hasil                                                39




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                                 BAB 1


                                          PENDAHULUAN




1.1 Latar Belakang


Perkembangan teknologi informasi saat ini telah membawa banyak perubahan yang

besar bagi dunia telekomunikasi, karena teknologi ini menawarkan banyak

keuntungan bagi pemakainya. Sehingga dampaknya sangat                 dirasakan bagi

perkembangan dunia komputer yang semakin hari semakin membuat peminatnya

bertambah banyak. Hal inilah yang mendorong munculnya pemikiran dan penelitian

penulis bagaimana seseorang dapat berkomunikasi dan berinteraksi dengan komputer

menggunakan ucapan suara sehingga tercipta komunikasi dan pertukaran informasi

yang baik.



       Untuk dapat mengenali ucapan dari pembicara terlebih dahulu komputer perlu

diberi kecerdasan sehingga dari ucapan yang diterima oleh komputer akan direspons

atau mendapatkan tanggapan yang sesuai. Ada beberapa metode yang bisa digunakan

dalam pencocokan pola suara, di antaranya adalah metode pengenalan pola, statistik

dan kecerdasan buatan.



      Penelitian pencocokan pola suara menggunakan algoritma Fast Fourier

Transform (FFT) dan Divide and Conquer (DC) ini digunakan untuk menjalankan

aplikasi komputer adalah Microsoft Office, Visual Basic dan lain-lain. Langkah

pertama yang harus dilakukan rekam suara menggunakan mikrophone, dengan

bantuan sound card yang terdapat pada komputer data digital akan terbentuk
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
kemudian hasilnya disimpan pada template. Sebelum data digital terbentuk sinyal

analog terlebih dahulu disampling, kuantisasi dan pengkodean. Langkah ke dua input

suara baru menggunakan mikrophone, sebelum diproses menggunakan FFT dan DC

terlebih dahulu inputan suara baru disampling, kuantisasi dan pengkodean sehingga

terbentuk data digital. Langkah ke tiga data digital hasil pemerosesan menggunakan

FFT dan DC ini dibandingkan dengan input rekaman suara yang terdapat pada

template. Apabila data rekaman suara yang dibandingkan sesuai, maka akan

ditampilkan aplikasi komputer.




1.2 PERUMUSAN MASALAH


Pengenalan suara sangat berpotensi dalam membantu dan mempermudah tugas-tugas

manusia. Banyaknya keragaman bahasa dan keragaman pembicara menimbulkan

suatu masalah. Permasalahan dalam penelitian ini adalah bagaimana cara pencocokan

pola suara yang masuk dengan suara yang ada pada template sehingga suara baru bisa

dikenali sebagai perintah untuk membuka aplikasi komputer.




1.3 PEMBATASAN MASALAH


Dalam melakukan pencocokan pola suara dengan algoritma FFT dan DC terdapat

beberapa batasan yaitu:



1. Perintah suara yang dibuat dalam penelitian ini mampu mengenali kata yang

    diucapkan oleh pembicara yang berbeda yang mengucapkan kata yang sama.

Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
2. Perintah suara yang dibuat hanya mampu menjalankan aplikasi komputer.

3. Perintah suara yang akan dibuat hanya satu kata.




1.4 TUJUAN PENELITIAN

        Tujuan penelitian pencocokan pola suara dengan algoritma FFT dan DC adalah

untuk mempermudah tugas user.




1.5 KONSTRIBUSI PENELITIAN


Selain menambah pemahaman dan pengetahuan penulis mengenai perintah suara,

hasil penelitian ini juga bermanfaat untuk menampilkan aplikasi komputer seperti

Microsoft Office, Visual Basic, Access dan lain-lain secara cepat/tanpa mengklik

icon.




1.6 METODE PENELITIAN

Secara umum, penelitian dilakukan dengan beberapa tahapan, yaitu:


1. Input sinyal analog menggunakan mikrophone dengan bantuan sound card yang

    terdapat pada komputer sinyal analog akan diubah menjadi data digital.

2. Setelah terbentuk data digital, data tersebut disimpan pada template.

3. Input sinyal suara analog baru, setelah terbentuk data digital, data tersebut akan

    diproses menggunakan FFT dan DC dan hasilnya akan dicocokan dengan data

    digital yang terdapat pada template.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
4. Apabila sesuai maka akan ditampilkan program aplikasi.




1.7 TINJAUAN PUSTAKA


Fast Fourier Transform (FFT) menjelaskan tentang algoritma transformasi Fourier

yang dikembangkan dari modifikasi Discrete Fourier Transform (DFT) yang

dilakukan dengan cara mengelompokkan batas n ganjil dan batas n genap, sehingga N

                                                                      N −1
point DFT menjadi (N/2) point dengan fungsi matematikanya X [k ] = ∑ x(n)WN di
                                                                          kn

                                                                      n=0


mana k= 0,1..N-1. [3]



         Gambaran umum tentang proses pembentukan ucapan manusia. [1] Sebagai

teknik-teknik riset operasi yang dapat digunakan dalam penelitian, pengembangan,

dan perumusan perencanaan program dalam proses pengambilan keputusan.



         Penggunaan algoritma DC digunakan untuk membandingkan input suara baru

dengan input suara yang terdapat di dalam template. [2] Dengan algoritma yang

mengimplementasikan DC dalam hal ini menggunakan merge sort.



         Proses sampling dilakukan dengan didasarkan asumsi bahwa sinyal

percakapan berada pada daerah frekuensi 300-3400 Hz sehingga memenuhi kriteria

Nyquist yang menyatakan f s ≥ 2 xf h . [4]




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
          Gambaran umum tentang perbedaan suara manusia. [6] Sebagai teknik-teknik

riset operasi yang dapat digunakan dalam penelitian untuk pengambilan keputusan.



          Pengkodean dilakukan agar sinyal suara dapat direspons oleh komputer.[7]

Dalam hal ini digunakan 3 (tiga) digit untuk pengkodean.



          Kuantisasi dilakukan untuk menentukan level dari suatu data sampel. [8]

Semakin banyak level kuantisasi yang dipakai maka data yang disimpan semakin

akurat.



          Panduan Program Aplikasi dengan menggunakan Software e-speaking dalam

menjalankan perintah suara. [5]




1.8 RANCANGAN PENCOCOKAN POLA SUARA



Secara umum, proses yang dilakukan dalam pencocokan pola suara dengan algoritma
FFT dan DC dapat digambarkan sebagai berikut:
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                                   Mulai



                                          Input Sinyal Analog



                                                   Sampel



                                                 Kuantisasi



                                                Pengkodean



                                           Simpan data digital
                                             pada template




                                                   Selesai



               Gambar 1.1 Rancangan Proses data digital pada template




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                             Data digital                             Data digital
                            pada template                                baru




                                                                 Proses dengan metode
                                                                     FFT dan DC




     No                      Bandingkan data
                            digital baru dengan
                             data digital pada
                                  template




                                          Yes

                          Tampilan aplikasi
                             komputer




                                Selesai




Gambar 1.2 Rancangan pencocokan pola suara dengan algoritma FFT dan DC




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                                 BAB 2


                                     LANDASAN TEORI



2.1 Pembentukan Ucapan Manusia


Proses pembentukan ucapan manusia melibatkan 3 (tiga) sub proses utama, yaitu:

Pembangkitan Sumber (Source Generator), Artikulasi (Articulation), serta Radiasi

(Radiation) [FUR89]. Proses pembentukan bunyi                          bahasa dimulai dengan

memanfaatkan         pernapasan       sebagai      sumber      tenaganya.   Pada   saat   manusia

mengeluarkan nafas, paru-paru manusia akan menghembuskan tenaga berupa arus

udara. Arus udara ini dapat mengalami perubahan pada pita suara yang terletak pada

pangkal tenggorokan. Arus udara dari paru-paru itu dapat membuka ke dua pita suara

yang merapat sehingga menyebabkan corak bunyi tertentu. Gerakan membuka dan

menutup pita suara itu akan mengakibatkan arus udara dan udara yang berada di

sekitar pita suara akan turun berubah tekanan dan ikut bergetar.



         Adanya perubahan bentuk saluran suara yang terdiri dari rongga fairing,

rongga mulut dan rongga hidung akan menghasilkan bunyi bahasa yang berbeda-beda.

Pada saat udara dari paru-paru dihembuskan, ke dua pita suara dapat merapat atau

merenggang. Jika ke dua pita suara itu bergantian merapat atau merenggang dalam

pembentukan suatu bunyi bahasa, maka bunyi bahasa yang dihasilkan terasa berat.

Bunyi bahasa ini dinamakan bunyi bersuara (voiced). Jika ke dua pita merenggang
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
sehingga arus udara dapat lewat dengan mudah (ringan), maka bunyi bahasa ini

umumnya dinamakan bunyi tak bersuara (unvoiced).



         Adapun bunyi bahasa itu dapat dibedakan menjadi 2 (dua) kelompok

berdasarkan ada tidaknya rintangan terhadap arus udara, yaitu vokal dan konsonan.

Vokal adalah bunyi udara yang arus udaranya tidak mengalami rintangan dan

kualitasnya ditentukan oleh ketinggian posisi lidah, bagian lidah yang dinaikkan, dan

bentuk bibir. Konsonan adalah bunyi bahasa yang arus udaranya mengalami rintangan

dan kualitasnya ditentukan oleh keadaan pita suara, penyentuhan/pendekatan berbagai

alat ucap dan cara alat ucap itu bersentuhan. Sedangkan diftong adalah vocal yang

berubah kualitasnya dari biasanya dilambangkan oleh 2 (dua) huruf vokal yang tidak

dapat dipisahkan.




                             Gambar 2.1 Rongga Mulut Manusia




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
2.2 Pengertian Suara


Suara adalah fenomena fisik yang dihasilkan oleh getaran suatu benda yang berupa

sinyal analog dengan amplitudo yang berubah secara kontinu terhadap waktu. Suara

merupakan gelombang yang mengandung sejumlah parameter (amplitudo, simpangan,

frekuensi, spectrum), yang dapat menyebabkan suara yang satu berbeda dari suara

lain. Suara beramplitudo lebih besar akan terdengar lebih keras. Suara dengan

frekuensi lebih besar akan terdengar lebih tinggi. Sementara itu bisa juga ditemukan

dua suara yang         beramplitudo dan berfrekuensi sama, misalnya biola dan piano

dibunyikan secara bersamaan dengan tingkat kekerasan dan nada yang sama, namun

telinga masih dapat membedakan mana yang suara piano dan mana yang suara biola.

Ini terjadi karena suara memiliki warna suara. Warna suatu suara ditentukan oleh pola

dasar dari gelombang suara.



         Perbedaan pola dasar gelombang bunyi biola dan piano antara lain disebabkan

oleh perbedaan faktor resonansi yang timbul pada masing-masing instrumen.

Demikian juga pada manusia, resonansi yang terjadi pada rongga mulut akan

menimbulkan pola dasar gelombang bunyi yang berbeda-beda.



         J.Fourier (1768-1830) menyatakan bahwa gelombang kompleks dapat

direpresentasikan sebagai penjumlahan dari sejumlah gelombang sinusoidal, dengan

amplitudo dan frekuensi yang bervariasi. Dari teori Fourier dapat disimpulkan bahwa

gelombang-gelombang sinusoidal, yang memiliki amplitudo dan frekuensi berbeda-

beda dinamakan deret Fourier.


Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
         Berikut ini adalah contoh Gambar 2.2 gelombang rekaman suara pada kata

“sorry” yang dipergunakan untuk menjalankan aplikasi komputer          diselesaikan

menggunakan software Sound Forge 8.0.




                      Gambar 2.2 Rekaman suara pada kata “Sorry”




2.3 Proses Sampling


Sinyal suara merupakan sinyal yang tidak terbatas dalam domain waktu (infinite time

interval). Suara manusia akan menghasilkan sinyal analog yang terus kontinu.

Gelombang suara analog tidak dapat langsung direpresentasikan pada komputer.

Terlebih dahulu komputer mengukur amplitudo pada satuan waktu tertentu untuk

menghasilkan sejumlah angka. Tiap satuan pengukuran dinamakan “ Sampel”. Untuk

keperluan pemerosesan dalam transformasi Fourier sinyal suara harus dibentuk dalam

potongan-potongan waktu.



         Proses sampling dilakukan dengan didasarkan asumsi bahwa sinyal

percakapan berada pada daerah frekuensi 300-3400 Hz. Teori sampling Nyquist
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
meyebutkan bahwa frekuensi sampling (sampling rate) minimal harus dua kali lebih

tinggi dari frekuensi maksimum yang akan disampling.

                   f s ≥ 2 xf h                                             (1)

Keterangan:

               Fs = Frekuensi sampling

               Fh = Frekuensi sinyal analog tertinggi

Berikut adalah gambar dari sinyal sinus dengan sinyal sinus tersampling.




                                     Gambar 2.3 Bentuk sinyal sinus




                 Gambar 2.4 Bentuk sinyal sinus yang telah disampling

Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
         Jika sinyal sampling kurang dari dua kali frekuensi maksimum sinyal yang

akan disampling, maka akan timbul efek aliasing. Aliasing adalah suatu efek di mana

sinyal yang dihasilkan memiliki frekuensi yang berbeda dengan sinyal aslinya.




                                Gambar 2.5 Ilustrasi terjadi aliasing




2.4 Kuantisasi


Sinyal digital merupakan sebuah deretan angka (sampling) yang diwakili oleh

beberapa digit untuk menentukan keakuratan. Proses melakukan konversi sinyal yang

telah disampling menjadi sinyal digital yang diwakili oleh sebuah nilai dengan jumlah

digit tertentu disebut kuantisasi.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                            Gambar 2.6 Ilustrasi proses kuantisasi

         Semakin banyak level yang dipakai semakin akurat pula data sinyal yang

disimpan tetapi akan menghasilkan ukuran data yang besar dan proses yang lama.

Gambar 2.6 adalah contoh proses kuantisasi yang menggunakan empat level. Pada

level 4 terdapat empat buah sinyal yang menempati level yang sama, artinya keempat

sinyal tersebut dikelompokkan menjadi level yang sama walupun tingginya berbeda.

Demikian pula pada level 1. Selisih antara nilai kuantisasi dengan sinyal sebenarnya

disebut kesalahan kuantisasi (error quantization).

                                eq(n) = xq(n) – x(n)                           (2)



         Jarak antara level kuantisasi disebut resolusi. Kuantisasi merupakan proses

yang tidak dapat dibalik sehingga menyebabkan distorsi sinyal yang tidak dapat

diperbaiki.



2.5 Proses Pengkodean



Proses pengkodean adalah proses pemberian kode untuk tiap-tiap data sinyal yang

telah terkuantisasi berdasarkan level yang ditempati.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                         Gambar 2.7 Pengkodean

         Dengan level kuantisasi 0.000 sampai 0.875 dengan interval 0.125 didapati 8

buah nilai, jadi ada 8 nomor kode, yang dimulai dengan 0,1,…sampai 8. Dalam

menuliskan 8 buah nilai kode dibutuhkan 3 buah digit. Karena satu digit, hanya bisa

menuliskan kondisi 0 dan 1. Dua digit, bisa menuliskan empat kondisi 00, 01, 10 dan

11. Tiga digit bisa menuliskan delapan kondisi dan empat digit bisa menuliskan 16

kondisi. Sehingga dapat dituliskan:

                  L = 2n                                                        (3)

Keterangan :

               L = jumlah nilai kuantisasi yang digunakan

                n = jumlah digit



         Apabila Gambar 2.7 nomor-nomor kode dituliskan secara digital, maka

diperoleh tabel sebagai berikut:




              Nilai kuantisasi              Nomor kode                Kode

                    0.000                          0                  000

                    0.125                          1                  001

                    0.250                          2                  010

                    0.375                          3                  011

                    0.500                          4                  100

                    0.625                          5                  101

Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
Tabel                0.750                         6                   110         2.1

                     0.875                         7                   111


                                               Kuantisasi




         Dengan Tabel 2.1 dapat dilakukan proses pengkodean terhadap sinyal yang

telah dikuantisasi. Hasilnya dapat dilihat pada Tabel 2.2.



                                       Tabel 2.2 Pengkodean

                iT           Nilai kuantisasi       Nomor Kode        Kode Biner

                 0                0.375                    3             011

               0.2                0.625                    5             101

               0.4                0.750                    6             110

               0.6                0.875                    7             111

               0.8                0.875                    7             111

               1.0                0.875                    7             111


Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
               1.2                0.750                    6          110

               1.4                0.625                    5          101

               1.6                0.375                    3          011

               1.8                0.250                    2          010

               2.0                0.125                    1          001




2.6 Discrete Fourier Transform (DFT)



DFT merupakan perluasan dari transformasi Fourier yang berlaku untuk sinyal-sinyal

diskrit dengan panjang yang terhingga. Semua sinyal periodik terbentuk dari

gabungan sinyal-sinyal sinusoidal.




Perumusannya sebagai berikut:

                         N −1
               X [ k ] = ∑ x ( n )e −
                                        jkwon
                                                                             (4)
                         n=0


Keterangan:

               X[k] = koefisien DFT untuk nilai sampel sinyal x(n)

              N      = Jumlah sampel yang akan diproses

              x(n) = Nilai sampel sinyal

               e jα = cos α + j sin α

              wo = frekuensi digital

               k = 0, 1, 2, 3, … , N-1


Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                                                             2π
Karena wo merupakan frekuensi digital yang didefinisikan              wo =      dan
                                                                             N

WN = e − j 2π / N sehingga persamaan dapat ditulis dalam persamaan

                            N −1
                   X [k ] = ∑ x(n)WN
                                   kn
                                                                                      (5)
                            n =0


         Dengan persamaan (5) , suatu sinyal suara dalam domain waktu dapat dicari

frekuensi pembentuknya. Analisa Fourier pada data suara yaitu untuk mengubah data

dari domain waktu menjadi data spektrum di domain frekuensi. Untuk pemerosesan

sinyal suara, data pada domain frekuensi dapat diperoses dengan lebih mudah

dibandingkan data pada domain waktu, karena pada domain frekuensi keras lemahnya

suara tidak seberapa berpengaruh.




                       Gambar 2.8 Sinyal sinus dalam domain waktu




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                     Gambar 2.9 Sinyal sinus dalam domain frekuensi



         Untuk mendapatkan spektrum dari sebuah sinyal dengan DFT diperlukan N

buah sampel data berurutan pada domain waktu, yaitu data x[n] sampai dengan

x[n+N-1]. Apabila data tersebut dimasukkan dalam fungsi DFT maka akan

menghasilkan N buah data.




2.6.1 DFT dalam Bentuk Matriks



Dengan menerapkan DFT ke FFT, format DFT dapat dinyatakan dalam bentuk

matriks. Bentuk umum DFT dalam bentuk matriks dinyatakan sebagai berikut:

                          XN = WN.xn                                        (6)

Keterangan :

                XN = Koefisien DFT merupakan matriks (N x1)

                WN = Matriks NxN disebut matriks DFT.

                xn    = Input sinyal diskrit (Nx1)



Untuk NxN bentuk matriksnya dapat dilihat sebagai berikut:




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
          X [0]  W N   0         0
                                   WN          0
                                              WN              ...        0
                                                                        WN             x[0] 
          X [1]   0                 1             2                    N −1                  
                     W N        W   N      W      N        ...     W                x[1] 
          X [2]  W N   0
                                   W   2
                                              W      4
                                                              ...    W N ( N −1)   x[2] 
                                                                         2
                       =                                                            =          
                                       N             N
                    
          ...   ...              ...        ...            ...         ...          ... 
          ...   ...               ...           ...        ...         ...          ... 
                      0                                                                      
          X [ N − 1] W N
                               W   N
                                       N −1
                                              W   2 ( N −1)
                                                  N           ...   W N N −1)( N −1)   x[ N − 1]
                                                                      (
                                                                                                



2.7 Fast Fourier Transform (FFT)



Perhitungan DFT secara langsung dalam komputerisasi dapat menyebabkan proses

perhitungan yang sangat lama. Karena itu dibutuhkan cara lain untuk menghitung

DFT dengan cepat. Hal itu dapat dilakukan dengan menggunakan algoritma FFT di

mana FFT menghilangkan proses perhitungan yang kembar dalam DFT.



         Ada 2 (dua) jenis algoritma FFT yaitu algoritma Fast Fourier Transform

Decimation In Time (FFT DIT) dan algoritma Fast Fourier Transform Decimation In

Frequency (FFT DIF). Di mana pada FFT DIT input disusun/dikelompokkan menjadi

kelompok ganjil dan kelompok genap. Sedangkan pada FFT DIF input tetap tetapi

output disusun/dikelompokkan menjadi kelompok ganjil dan kelompok genap.

         Jumlah sinyal sampel yang akan diinputkan ke dalam algoritma ini harus

merupakan kelipatan 2 (dua) (2N). Algoritma FFT dimulai dengan membagi sinyal

menjadi dua bagian, dimana bagian pertama berisi nilai sinyal suara pada indeks

waktu genap, dan sebagian yang lain berisi nilai sinyal suara pada indeks waktu ganjil.



Bentuk rumusannya sebagai berikut:



Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                   N −1
                  X [k ] = ∑ x(n)WN
                                  kn
                                                                                                         (10)
                                   n=0


Persamaan (10) dibagi menjadi bagian genap dan ganjil sebagai berikut:

    X [k ] = ∑ n genap WN x[n] + ∑ n ganjil WN x[n]
                        kn                   kn
                                                                                     untuk k=0,1,…,N-1

                 N −2                            N −1
             =   ∑ x(n)W
                 n = 2r
                                     nk
                                     N     + ∑ x(n)WN
                                                    nk

                                                 n =1


                 N / 2 −1                           N −1
             =    ∑ x(2r )W
                   r =0
                                          2 rk
                                          N      + ∑ x(2r + 1)WN2 r +1) k
                                                    r =0
                                                               (




            < n = genap >                               < n = ganjil >
                n = 2r                                    n = 2r + 1

Untuk :

WN rk = WN / 2
 2       rk


WN ( 2 r ) = e − 2πi ∗kr ( N / 2 ) = e − 2πi ∗kr ( N / 2 ) = WN / 2
 k                                                            kr


Yang mana WN /+2N / 2 = Wm = e − 2πi = cos(−2π ) + i sin( −2π ) = 1
           m              m

                          N / 2 −1                             N −1
Jadi : X (k ) =             ∑ x(2r )WNrk/ 2 + WNk ∑ x(2r + 1)WNrk/ 2
                            r =0                               r =0

< N / 2 po int DFT genap >                                   < N / 2 po int DFT ganjil >         (11)




           Visualisasi dari proses ini dapat dilihat pada Gambar 2.10. Setelah itu, akan

dilakukan analisis Fourier untuk setiap bagiannya.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
              Gambar 2.10 Skema proses decimation N/2 points DFT[3]



         Analisis Fourier pada Gambar 2.10 merupakan proses penggabungan kembali

sampel dalam susunan yang benar. Setelah itu, proses pembagian sinyal menjadi

beberapa bagian yang lebih kecil dilakukan kembali dengan membagi N/2 point DFT

menjadi N/4 points DFT. Proses pembagian dengan N/4 point DFT dapat dilihat pada

Gambar 2.11. Proses pembagian sinyal suara tersebut terus dilakukan sampai

didapatkan dua seri nilai sinyal suara.




          Gambar 2.11 Skema proses decimation dengan N/4 points DFT[3]



         Analisis Fourier melakukan N perkalian kompleks sehingga terdapat log2(N)

langkah perkalian kompleks. FFT DIT telah mengurangi jumlah perkalian kompleks

N2 menjadi N log2(N). Dalam jumlah N yang besar hal ini sangat menguntungkan,

karena proses komputasi menjadi lebih cepat.


Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
         Hasil dari proses FFT DIT ini adalah simetris index : 0 -(N/2-1),(N/2 ) -(N-1).

Oleh karena itu, umumnya hanya blok pertama saja yang akan digunakan dalam

proses-proses selanjutnya.

         Pada FFT DIT proses pembagian sinyal menjadi beberapa bagian yang lebih

kecil pada domain waktu akan menyebabkan input sampel disusun ulang.



         Langkah-langkah dari algoritma FFT DIT sebagai berikut:

    1. Tentukan nilai N, yaitu pangkat dari 2 jumlah sampel yang akan diambil

         sebagai input sejumlah N-point DFT.

    2. Hitung (N/2) two samples DFT.

    3. Hitung (N/4) four samples DFT.

    4. Hitung (N/8) eight samples DFT.

    5. Lakukan langkah di atas sesuai dengan skema butterfly sampai semua sample

         dikombinasikan menjadi one samples DFT.



Contoh 2.1 FFT DIT



Untuk 8 point sinyal input mempunyai susunan sampel berurutan [0,1,2,3,4,5,6,7].

Tetapi setelah terjadi proses decimation, susunannya berubah menjadi N genap, lalu N

ganjil [0,4,2,6,1,5,3,7].




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
         Awalnya susunan yang baru terlihat acak dan tidak beraturan. Tetapi jika nila-

nilai tersebut direpresentasikan ke dalam bentuk biner, maka susunannya akan terlihat

dengan jelas. Seperti terlihat pada Tabel 2.3.




                         Tabel 2.3 Proses Data Disusun Ulang
                 DATA INPUT                  DATA INPUT DISUSUN ULANG

       Desimal                      Biner                       Biner   Desimal

            0                        000                         000        0

            1                        001                         100        4

            2                        010                         010        2

            3                        011                         110        6

            4                        100                         001        1

            5                        101                         011        3

            6                        110                         101        5

            7                        111                         111        7



         Untuk FFT 2 point dapat diperoleh dengan menjabarkan persamaan sebagai

berikut:

           X [k ] = W20*k x[0] + W21*k x[1]                     k=0,1             (12)

         Jika nilai k = 0 dan k = 1 disubtitusi pada persamaan (10), maka akan

diperoleh:

           k = 0 X [0] = W20 x[0] + W20 x[1]
                                                                                  (13)
                            = x[0] + x[1]


Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
         k = 1 X [1] = W20 x[0] + W21 x[1]
                                                                                            (14)
                            = x[0] − x[1]



Catatan: untuk 2 point           W20 = 1             dan                   W21 = −1



        Ke dua persamaan (12) dan (13) dapat digambarkan suatu flowgraph, bentuk

gambar flowgraph ini menyerupai kupu-kupu sehingga disebut dengan butterfly.




                  X[0]                                                 1       X[0]=X[0]+X[1]




                                                                       X[1]=X[0]-X[1]
                  X[1]                                                    = X[0]-X[1]
                                                                      -1

                      Gambar 2.12 Butterfly dari 2 point FFT



FFT untuk 2 point dapat dikonstruksikan dalam Tabel 2.4.

                                   Tabel 2.4 Konstruksi 2 point FFT

             k                              n              0                    1

                             0                          W20                    W20

                             1                          W20                    W21



         Untuk transformasi 4 point FFT dari persamaan (11) subsitusikan nilai r = 0

dan r = 1 akan diperoleh persamaan (15).

Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                   (                                    )           (
          X [k ] = W40*k x[0] + W42*k x[2] + W4k W40*k x[1] + W42*k [3]                 )   (15)

Untuk k = 0,1,2 dan 3




Apabila nilai k disubtitusi, maka akan diperoleh:

                      (                     )               (
          X [0] = W40 x[0] + W40 x[2] + W40 W40 x[1] + W40 x[3]                 )
                   (                        )               (
          X [1] = W40 x[0] + W42 x[2] + W41 W40 x[1] + W42 x[3]                 )
                      (                     )               (
          X [2] = W40 x[0] + W44 x[2] + W42 W40 x[1] + W44 x[3]                 )
                       (                        )               (
           X [3] = W40 x[0] + W46 x[2] + W43 W40*k x[1] + W46 x[3]                  )       (16)



di mana nilai W46 = W42 = −1 dan W40 = W44 = 1 , Jadi persamaan (15) dapat dituliskan

menjadi persamaan (16).



                      (                 )
          X [0] = x[0] + W40 x[2] + W40 x[1] + W40 x[3] (                   )
                  (                 )               (
          X [1] = x[0] + W42 x[2] + W41 x[1] + W42 x[3]                 )
                   (                 )              (
          X [2] = x[0] + W40 x[2] + W42 x[1] + W40 x[3]                 )
                      (                 )
          X [3] = x[0] + W42 x[2] + W43 x[1] + W42 x[3] (                   )               (17)



Diagram FFT dengan N=4 dapat dilihat pada Gambar 2.11. v(n) merupakan input

diskrit dan V(k) merupakan output. v(n) = x(n) dan V(k) = X(k) yang terdapat pada

rumus.



Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                               Gambar 2.13 Diagram FFT 4-point

Dengan menerapkan rumus-rumus:

           a.    WN ( 2 r ) = WN / 2
                  k            kr




     sebagai contoh:

     W40 = W20                dan      W12 = W21

           b. WNS + N / 2 = WNSWNN / 2 = −WNS

Untuk WNN / 2 adalah:

W N / 2 = e −2πi ( N / 2 ) / N = e −πi = cos( −π ) + i sin( −π ) = −1
   N




Butterfly-butterfly pada Gambar 2.12 dapat dimodifikasi menjadi bentuk seperti

Gambar 2.14.




                                  Gambar 2.14 Modifikasi butterfly




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
Dengan memanfaatkan format pada Gambar 2.12, FFT 4 point dapat digambarkan

menjadi seperti Gambar 2.15.




                            Gambar 2.15 Diagram dari 4 point FFT



Karena W40 = W20 pada stage satu merupakan FFT 2 point, sedangkan stage dua adalah

FFT 4 point. Jika diperhatikan pada stage dua merupakan diagram FFT 2 point, maka

FFT ini dapat direalisasikan dalam bentuk matriks Gambar 2.16 memperlihatkan FFT

8   point     dalam      bentuk     konfigurasi       ini   dikenal   dengan   FFT   DIT   input

disusun/dikelompokkan dulu, kelompok genap dan ganjil.




                                           Gambar 2.16 FFT DIT

Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
Contoh 2.2 FFT DIT

Tentukan bentuk FFT dari sinyal diskrit x[n] = {0,1,2,3,3,2,1,0} dengan FFT DIT

Jawab:

Hitung dahulu faktu W:

         W40 = 1           W41 = − j              W42 = −1              W43 = j

dan

                                        2     2                               2     2
         W80 = 1             W81 =        −j             W82 = − j W83 = −      −j
                                       2     2                               2     2

                                         2      2                           2      2
         W84 = −1            W85 = −       + j             W86 = j W87 =      + j
                                        2      2                           2      2



f[n] = x[2n] ={0,2,3,1}

g[n]=x[2n+1]={1,3,2,0}

Matriks 4 point F[k] dan G[k] disusun sebagai berikut:


 F [0] 1 1    1   1  0   6                        G[0] 1 1     1   1  1   6 
 F [1]  1 − j − 1 j  2 − 3 −                        G[1]  1 − j − 1 j  3 − 1 − 3 j 
       =              =                      j
                                                               =              =          
 F [2] 1 − 1 1 − 1  3  0                          G[2] 1 − 1 1 − 1  2  0 
                                                                                  
 F [3] 1 j − 1 − j  1 − 3 +                  j    G[3] 1 j − 1 − j  0 − 1 + 3 j 




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                             Gambar 2.17 FFT DIT contoh 2.2



X [0] = F [0] + W80G[0] = 6 + 6 = 12

                                    2
X [1] = F [1] + W81G[1] = −3 − j + 
                                    2 −j
                                           2
                                            (− 1 − 3 j ) =  − 3 −
                                          2 
                                                                     (
                                                                    2 
                                                                               )
                                                                       + −1− 2 j
                                                                     2
                                                          

X [2] = F [2] + W82G[2] = 0 + (− j )(0) = 0

                                   
X [3] = F [3] + W83G[3] = −3 + j +  −
                                       2    2
                                                                   2 
                                                                          (
                                    2 − j 2 (− 1 + 3 j ) =  − 3 + 2  + 1 − 2 j )
                                                                    

X [4] = F [0] − W80G[0] = 6 − 6 = 0

                                    2
X [5] = F [1] + W81G[1] = −3 − j − 
                                    2 −j
                                           2
                                            (− 1 − 3 j ) =  − 3 +
                                                                    (
                                                                    2 
                                                                               )
                                                                       + −1+ 2 j
                                                                     2
                                         2                


X [6] = F [2] − W82G[2] = 0 − (− j )(0) = 0

                                   
X [7] = F [3] + W83G[3] = −3 + j −  −
                                    2
                                       2
                                         −j
                                             2
                                              (− 1 + 3 j ) =  − 3 −
                                                             
                                                                      2 
                                                                         + 1+ 2 j
                                                                       2
                                                                          (        )
                                           2                



2.8 Divide and Conquer (DC)


         Divide and Conquer adalah metode pemecahan masalah yang bekerja dengan

membagi masalah menjadi beberapa sub-masalah yang lebih kecil, kemudian

menyelesaikan masing-masing sub-masalah secara independen dan akhirnya



Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
menggabungkan solusi masing-masing sub masalah sehingga menjadi solusi masalah

semula.


         Tipe algoritma yang mengimplementasikan/kategori DC antara lain merge

sort. Merge sort adalah algoritma yang digunakan untuk menyusun list yang diberikan

dengan cara membagi list yang diberikan menjadi 2 (dua) bagian yang lebih kecil. Ke

dua list yang baru ini kemudian akan disusun secara terpisah. Jika ke dua buah list

tersusun akan dibentuk list baru yang merupakan hasil penggabungan dua buah list

sebelumnya


Konsep:

           1). Array yang belum terurut, dibagi menjadi separuh

               a. Proses diulang terus sampai ditemukan bagian terkecil

           2). Hasil dari setiap proses digabungkan:

                a. Membandingkan elemen pertama dari setiap bagian

                b. Hapus elemen terkecil dan letakan pada hasil

                c. Ulangi semua proses sampai semua elemen terurut


Langkah-langkah dari algoritma divide and conquer sebagai berikut:


    1. Pilih sebuah angka N, di mana N merupakan bilangan bulat kelipatan 2 (dua).

         Bilangan ini berfungsi untuk menghitung jumlah elemen transformasi FFT.

    2. Bagi dua data diskrit menjadi data diskrit yang lebih kecil berukuran N= N1.N2.

    3. Untuk setiap elemen data, dicocokkan dengan data pada template.

    4. Jika sesuai, maka akan tampilan aplikasi komputer.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
Contoh 2.3 Metode DC


Nilai diskrit [0,4,2,6,1,5,3,7] diproses menggunakan metode DC


          0         4       2       6       1       5   3       7




List di atas dibagi menjadi dua bagian:

list 1: | list 2:


          0     4       2           6       1       5   3       7




Ke dua list yang baru disusun sendiri-sendiri menjadi:

list 1: | list 2:


          0     2       4       6       1       3   5       7




Setelah itu dibentuk list baru yang merupakan gabungan ke dua list tadi:

List baru:


           0


Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
list 1: | list 2:


          2 4             6       1       3   5   7

List baru:


     0        1




List 1:|list 2:

          2       4       6       3       5   7




List baru:



          0       1       2



list 1: | list 2:


      4       6       3       5       7




List baru:


     0        1       2       3




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
list 1: | list 2:


     4     6        5       7




List baru:



    0      1        2   3           4


List 1: | list 2:


     6     5        7


List baru:



    0      1        2           3       4       5




list 1: | list 2:


    6      7


List baru:


          0 1           2           3       4       5   6




list 1: | list 2:




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
        Kosong          7


List baru:


          0     1           2   3   4   5    6     7


list 1: | list 2:


           Kosong Kosong


Akhirnya akan didapat list yang sudah tersusun:

List:

     0     1        2       3   4   5   6     7




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                                 BAB 3

                                         PEMBAHASAN




3.1 Perancangan Perangkat Lunak


Perancangan pencocokan pola suara menggunakan algoritma FFT dan DC

diselesaikan menggunakan software e-speaking voice dengan spesifikasi perangkat

keras dan perangkat lunak sebagai berikut:



    1. Perangkat keras


             a. Prcosessor Pentium IV 3.0 GHz

             b. Memory Kingstone 256 MB

             c. Harddisk Seagete 40GB

             d. Sound card terintegrasi

             e. Mikrofon Media Tech

             f. Speaker Simbada



    2.    Perangkat lunak

Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
              a. Software e-Speaking Voice

              b. MATLAB 7.0.4 R14 SP2

              c. Editor audio: Jet Audio v6, Sound Forge 8.0



3.2 Software E-Speaking Voice

         Hasil dari penyelesaian pencocokan pola suara dengan algoritma FFT dan DC

diselesaikan menggunakan software e-speaking voice.




                       Gambar 3.1 Tampilan Utama e-speaking voice


Langkah pertama yang harus dilakukan klik tombol merah                akan tampil

jendela seperti di bawah ini:




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                              Gambar 3.2 Tampilan Menu e-speaking voice

Apabila ingin menggunakan kata-kata yang ada di kolom global klik salah satu

pilihan, maka suara tersebut akan dijadikan perintah suara. Tetapi jika ingin membuat

sendiri klik tombol New di Phrase kemudian pada tipe cek Media/document setelah di

cek, maka button select the file akan aktif.




                                Gambar 3.3 Tampilan New e-speaking voice




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                    Gambar 3.4 Select the File e-speaking voice


Pilihlah file name yang akan dijadikan perintah suara. Apabila selesai dipilih, maka

tampilan lengkapnya tedapat seperti Gambar 3.6 di bawah ini:




                       Gambar 3.5 Tampilan New setelah dilakukan select the file



3.3 Halaman Perekaman


Pada halaman perekaman terdapat form yang memerintahkan kata terdapat di kolom

word agar diucapkan melalui microphone, kata yang direkam nantinya disimpan

dalam dictionary (template) yang nantinya akan dibandingkan dengan input rekaman

suara yang baru. Jika sesuai, maka perintah suara akan meresponnya.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                    Gambar 3.6 Tampilan perekaman suara

Apabila kata yang telah direkam sesuai dan tidak sesuai dengan kata yang diucapkan,

maka bentuk tampilannya sebagai berikut:




                   Gambar 3.7 Rekaman Suara sesuai dengan yang diucapkan




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
    Gambar 3.8 Rekaman suara yang tidak sesuai dengan kata yang diucapkan




3.4 Halaman Hasil


Halaman hasil digunakan untuk melihat tampilan hasil dari pencocokan pola suara

menggunakan algoritma FFT dan DC. Setelah suara diinput menggunkan microphone

hasil dari pada perekaman suara disimpan dalam sebuah template yang nantinya akan

dibandingkan dengan input rekaman suara baru. Apabila sesuai, maka perintah suara

menjalankan aplikasi komputer yang telah dipilih sebelumnya.




                                  Gambar 3.9 Halaman hasil



3.5 Implementasi Prosedural



Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
         Penyelesaian pencocokan pola suara dengan algoritma FFT dan DC
diselesaikan dengan software e-speaking untuk memudahkan dalam menjalankan
aplikasi komputer.


3.6 Listing


Bab 2 hal 10 dan 11
Gambar 2.3 diselesaikan dengan Matlab
sdt=[0:720];

y=sin(sdt*pi/120);

plot(sdt,y);

grid on;

Gambar 2.4 diselesaikan dengan Matlab

sdt=[0:720];

y=sin(sdt*pi/120);

plot(sdt,y);

Stem(sdt,y);

grid on;




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
                                                 BAB 4

                              KESIMPULAN DAN SARAN




4.1    Kesimpulan


       Dari penelitian ini dapat disimpulkan bahwa:



      1. Sebelum aplikasi komputer dijalankan menggunakan perintah suara rekam

         input suara masukan menggunakan microphone. Hasilnya disimpan pada

         template.

      2. Rekam input suara baru yang akan diproses menggunakan metode FFT dan

         DC hasilnya akan dibandingkan dengan data digital yang ada pada template.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
      3. Setelah sesuai perintah suara akan menjalankan aplikasi komputer yang

         sebelumnya telah dipilih.



4.2    Saran


       Sebagai saran yang ditujukan pembaca yang ingin mengembangkan pencocokan

pola suara:

      1. Sebaiknya        perintah      suara     dapat      digunakan   bukan   hanya   untuk

         mempermudah/mempercepat tampilnya aplikasi komputer tetapi untuk yang

         lainnya.

      2. Sebaiknya perintah suara yang dibuat berupa kalimat.

                                         DAFTAR PUSTAKA




[1]    Rabiner, L.R dan Juang, B.H, 1993,”Fundamentals Of Speech Recogniton”,
          Englewood Cliffey: Prentice-Hall.


[2]    NN, “ Divide and Conquer”, http://vasko_edo-minter_gultom’s weblog.htm.


[3] Tanudjaja, Harlianto, 2007, ” Pengolahan Sinyal Digital & Sistem Pemrosesan
       Sinyal ”, ANDI Yogyakarta.


[4] Fatoni, Ali, ” Proses Sampling ” , http://shatomedia.com/product.


[5] NN,”Suara”,http://www.smkti-lmg.com/audio.pdf.


[6] Kartikasari, Eka, Yesika, 2006,” Kuantisasi”, Surabaya.


[7]    Bowo, Eri, 2007, ” Windows XP 2 XXX (e-speaking) ”, Jasakom.

Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009
[8]   NN,”Proses Pembentukan sinyal digital”,Universitas Kristen Petra.


[9]   Away, Abdia, Gunaidi, 2006,” MATLAB Programming”, Informatika.


[10] Paulus, Erick dan Nataliani, Yessica, 2007,” GUI MATLAB”, ANDI
        Yogyakarta.




Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009.
USU Repository © 2009

								
To top