ABSTRAKSI: Beberapa orang memiliki insting yang dapat membantu mereka untuk mengenali dan memahami nada dasar suatu alat musik dengan tepat namun ada juga beberapa orang yang belum memahami nada-nada dasar, berkeinginan untuk belajar. Maka diperlukan suatu alat bantu untuk memudahkan mereka dalam mengenali dan mempelajari nada-nada dasar dari suatu alat musik tersebut. Alat musik yang dipilih sebagai pembangkit frekuensi nada dasar dalam Tugas Akhir ini adalah biola. Biola merupakan alat musik yang bunyinya berasal dari senar yang digesek oleh bow. Alasan biola digunakan pada penelitian kali ini karena belum banyak orang yang mengenal nada-nada dasar yang dihasilkan oleh alat musik ini.
Secara umum, prinsip kerja aplikasi ini adalah mendeteksi frekuensi nada dasar biola yang nada ujinya disesuaikan dengan nada latih pada database. Telah dibandingkan hasil pendeteksian frekuensi nada dasar menggunakan tiga metode ekstraksi ciri: SSC (Statistical Signal Characterization), ZCR (Zero Crossing Rate) dan metode gabungan. Sistem aplikasi ini berbasis klasifikasi K-Nearest Neighbor, klasifikasi ini berfungsi untuk mencocokkan kode percobaan yang ditangkap dengan instrument microphone, dengan nada latih yang sudah disimpan dalam database. Nada yang dideteksi berasal dari nada asli (tanpa noise) dan nada yang diberi noise.
Metode yang memiliki performansi terbaik dengan akurasi tertinggi dalam pendeteksian nada dasar pada tahap offline adalah metode ZCR (Zero Crossing Rate) dan metode gabungan, dengan setiap spesifikasi: threshold = 0.3, framing ZCR = 15 frame, dapat menghasilkan akurasi sebesar 100% pada level SNR = 30 dB dan 40 dB. Sedangkan untuk 10 kali percobaan deteksi tiap nada dasar pada tahap online dengan metode ZCR, diperoleh akurasi sistem tertinggi sebesar 100% dan akurasi terendah sebesar 0%.Kata Kunci : frekuensi nada dasar biola, database, instrument microphone, noise, SSC, ZCR, K-Nearest NeighborABSTRACT: Some people have an instinct that can help them to recognize and understand basic tone of a musical instrument accurately but the others who do not understand the basic tones, eager to learn. So we need a tool to facilitate them in identifying and studying basic tones of a musical instrument. Instrument that was chosen as basic tone frequency generator in this Final Project is a violin. Violin is an instrument which sounds coming from the strings that is swiped by a bow. The reason why violin used in this present study is because not many people are familiar with the basic tones which are generated by this instrument.
The working principle of this application is to detect a violin’s basic tone frequency which will be adapted to practice the test on the database. The result of basic tone frequency detection has been compared by using the three feature extraction methods: SSC (Statistical Signal Characterization), ZCR (Zero Crossing Rate) and the combined method. This application system based on K-Nearest Neighbor classification which serves to match the experimental code that was captured by instrument microphones, with the tone of practice that have been stored in the database. The tone is detected originating from the original basic tone (without noise) and with additional noise.
The working principle of this application is to detect a violin’s basic tone frequency which will be adapted to practice the test on the database. The result of basic tone frequency detection has been compared by using the three feature extraction methods: SSC (Statistical Signal Characterization), ZCR (Zero Crossing Rate) and the combined method. This application system based on K-Nearest Neighbor classification which serves to match the experimental code that was captured by instrument microphones, with the tone of practice that have been stored in the database. The tone is detected originating from the original basic tone (without noise) and with additional noise.Keyword: basic tone frequency of violin, database, instrument microphones, noise, SSC (Statistical Signal Characterization), ZCR (Zero Crossing Rate), K-Nearest Neighbor