ABSTRAKSI: Nada adalah suatu bunyi yang beraturan yang dihasilkan suatu benda atau instrument atau suara manusia, hasil daripada resonansi, pada frekuensi suara tertentu. Nada memiliki besaran frekuensi tertentu dalam satuan Hertz (yang bisa didengarkan oleh telinga manusia adalah sekitar 50-20.000 Hz). Semakin tinggi frekuensi, maka nadanya juga semakin tinggi.
Short Time Fourier Transform (STFT) merupakan suatu algoritma pengembangan dari Fast Fourier Transform (FFT). STFT pada umumnya digunakan untuk analisa sinyal non stationer. Algoritma STFT ini akan mencuplik sinyal masukan dalam rentang waktu t tertentu. Sinyal masukan awal masih dalam domain frekuensi. Untuk pencuplikan sinyal tersebut, STFT menggunakan fungsi window yang diletakkan pada sinyal pertama untuk tiap frekuensi yang berbeda.
Konsep SVM dapat dijelaskan secara sederhana sebagai usaha mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah class pada input space. Masalah klasifikasinya sendiri dapat diterjemahkan sebagai usaha menemukan garis (hyperplane) yang memisahkan antara kedua kelompok tersebut. Dalam hal ini hyperplane merupakan pemisah terbaik antara kedua class dapat ditemukan dengan mengukur margin hyperplane tersebut dan mencari titik maksimalnya. Margin adalah jarak antara hyperplane tersebut dengan pattern terdekat dari masing-masing class. Pattern yang paling dekat ini disebut sebagai support vector.
Pada Tugas Akhir ini telah dianalisis sehingga didapatkan sistem dengan tingkat akurasi sebesar 75,21 %.Kata Kunci : window, STFT, SVM, frekuensi nada, dan nadaABSTRACT: Tone is an irregular sound produced by an object or instrument or human voice, the result of resonance on the certain sound frequency. Tone has a certain scale frequency in Hertz (which can be heard by human ears is about 50-20,000 Hz). If the frequency is higher so the tone was higher too.
Short Time Fourier Transform (STFT) is a developed algorithm from the Fast Fourier Transform (FFT). Commonly, STFT is used to analize a non stationer signal. STFT algorithm will acquire the input signal within a certain range of time t. Initial input signal is still in the frequency domain. For sampled signals, STFT uses window function which is placed at the first signal for each different frequency.
The concept of SVM can be described simply as an attempt to find the best hyperplane that has function to separate two classes in the input space. Classification problem can be interpreted as an attempt to find a line (hyperplane) that separates between the two groups. In this case the hyperplane is the best separator between the two classes that can be found by measuring the margin hyperplane and looking for maximum points. Margin is the closest distance between the hyperplane to the pattern of each class. The closest pattern is called a support vector.
In this Final Project has been analyzed, so that this system testing has 75.21 % level accuracy.Keyword: window, STFT, SVM, tones frequency, and tone