DETEKSI NADA PADA ALAT MUSIK TRADISIONAL BALI MENGGUNAKAN METODE SPECTRAL CLUSTERING, PRINCIPAL COMPONENT ANALYSIS DAN TIMBRE IDENTIFICATION

DESAK PUTU IRMA DLVIASIH

Informasi Dasar

111071020
621.382 2
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAKSI: Alat musik tradisional merupakan warisan budaya nenek moyang bangsa Indonesia yang harus dilestarikan, salah satu contoh yaitu alat musik tradisional bali atau yang biasa disebut gamelan bali. Gamelan bali adalah jenis alat musik daerah yang dimiliki oleh masyarakat Bali. Telinga manusia juga cenderung memiliki keterbatasan jadi tidak semua jenis instrumen bisa didengar dengan jelas. Karena hal itu di perlukan adanya suatu sistem yang dapat digunakan untuk mendeteksi jenis alat musik serta nada yang dikeluarkan alat musik tersebut sehingga dapat menjadi metode pembelajaran gamelan bali.

Pada Tugas Akhir ini dibuat suatu sistem yang dapat mendeteksi nada dari empat jenis alat musik tradisional Bali dengan metode spectral clustering, Principal Component Analysis (PCA) dan timbre identifcation. Proses dimulai dengan input data suara, framing, STFT, spectral clustering, PCA, timbre model, timbre matching dengan metode k-nn dimana nilai k yang dipakai adalah k=3 dan k=5. Keluaran dari sistem ini berupa hasil klasifikasi nada dan jenis alat musik gamelan bali dimana empat jenis alat musik yang terdapat dalam kelas klasifikasi yaitu kempluk, ugal, gangsa dan kantil.

Dari hasil simulasi sistem yang sudah dirancang didapatkan akurasi data latih sebesar 100% dari total 122 data latih dan akurasi dari data uji sebesar 91,3% dari total 184 data uji. Dari hasil akurasi yang didapat menunjukkan bahwa sistem sudah mampu membedakan jenis nada dari tiap alat musik, sehingga sistem dapat membantu proses pembelajaran alat musik tradisional Bali.Kata Kunci : Deteksi nada, Spectral clustering, Principal Component Analysis (PCA), Timbre identificationABSTRACT: Traditional musical instruments is the cultural heritage of the ancestors of Indonesia which must be preserved, one example of a traditional musical instrument or commonly referred bali gamelan. Balinese gamelan is a kind of musical instruments owned by the local Balinese community. The human ear is also likely to have limitations so not all types of instruments can be heard clearly. Because it is in need of a system that can be used to detect the type of musical instruments and tones that issued the instrument so that it can be a method of learning Balinese gamelan.

In this Final Duty will be created a system that can detect the tone of the four types of Balinese traditional music instrument with a spectral clustering method, Principal Component Analysis (PCA) and timbre identifcation. The process begins with the input voice data, framing, STFT, spectral clustering, PCA, timbre models, timbre matching. The output of this system of classification results for the tone and type of Balinese gamelan instruments in which the four types of instruments contained in the class classification that is kempluk, ugal, gangsa and kantil.

From the simulation results that have been designed system obtained an accuracy of 100% training data of a total of 122 training data and the accuracy of test data for 91.3% of the total of 184 test data. Accuracy of the results obtained show that the system is able to distinguish types of tone from each musical instrument, so the system can help the learning process of traditional Balinese musical instruments.Keyword: Tone detection, Spectral clustering, Principal Component Analysis (PCA), Timbre identification

Subjek

Pengolahan Sinyal Informasi
 

Katalog

DETEKSI NADA PADA ALAT MUSIK TRADISIONAL BALI MENGGUNAKAN METODE SPECTRAL CLUSTERING, PRINCIPAL COMPONENT ANALYSIS DAN TIMBRE IDENTIFICATION
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

DESAK PUTU IRMA DLVIASIH
Perorangan
Bambang Hidayat, Inung Wijayanto
 

Penerbit

Universitas Telkom
Bandung
2011

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini