cornelius david_s undergraduate theses

APLIKASI LOGIKA FUZZY UNTUK MENENTUKAN KELOMPOK SUARA DALAM AUDISI PADUAN SUARA

TUGAS AKHIR

Diajukan untuk memenuhi syarat

mendapatkan gelar Sarjana Teknik

Disusun Oleh: Cornelius David

2002-42-090

JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK

UNIVERSITAS KATOLIK INDONESIA ATMA JAYA JAKARTA

2007

LEMBAR PENGESAHAN

Yang bertanda tangan dibawah ini menyatakan bahwa :

Nama : Cornelius David

NIM : 2002-42-090

Judul Tugas Akhir : Aplikasi Logika Fuzzy untuk Menentukan

Kelompok Suara dalam Audisi Paduan Suara

Tanggal Ujian : 13 Desember 2007

Telah dinyatakan lulus ujian komprehensif dan Tugas Akhir dari mahasiswa tersebut

telah diperiksa, diperbaiki, dan disetujui oleh dosen pembimbing.

Jakarta, 17 Desember 2007

Mengetahui : Menyetujui :

Ketua Jurusan Teknik Elektro, Dosen Pembimbing Tugas Akhir

(Ir. Harlianto Tanudjaja, M.Komp) (Dr. Lukas, ST, MAI)

LEMBAR PERNYATAAN

Yang bertanda tangan dibawah ini :

Nama : Cornelius David

NIM : 2002-42-090

Menyatakan bahwa Tugas Akhir ini adalah hasil karya sendiri dan bukan merupakan

duplikasi sebagian atau seluruhnya dari karya orang lain yang sudah pernah

dipublikasikan atau yang sudah pernah dipakai untuk mendapat gelar di universitas

lain, kecuali pada bagian dimana sumber informasi dicantumkan dengan cara

referensi semestinya.

Pernyataan ini dibuat dengan sebenar-benarnya secara sadar dan bertanggung jawab

dan saya bersedia menerima sanksi berupa pembatalan Tugas Akhir saya apabila

terbukti melakukan duplikasi terhadap Tugas Akhir yang sudah ada.

Jakarta, 27 Oktober 2007

Cornelius David

ABSTRAK

Kemajuan teknologi yang berbasis sistem cerdas pada saat ini sangat membantu manusia dalam berbagai bidang. Selain mempermudah kerja manusia bahkan ada juga yang mampu menggantikan posisi manusia tersebut, sehingga penggunaan tenaga ahli dapat lebih efisien. Salah satu contohnya adalah dengan pembuatan aplikasi pembagian kelompok suara dalam suatu audisi paduan suara dengan menggunakan logika fuzzy. Sering kali proses audisi ini dilakukan secara manual dengan cara mendengarkan calon anggota menyanyikan sebuah lagu untuk menentukan kelompok suara dengan bantuan tenaga ahli dalam hal ini pelatih paduan suara. Pada Tugas Akhir ini akan dibahas mengenai suatu aplikasi yang dibuat untuk menggantikan posisi pelatih dalam menentukan kelompok suara seseorang. Pada perancangannya aplikasi ini menggunakan program Vocal Transformation Pro 1.0, Windows Sound Recorder, FuzzyTech 5.12 dan Borland Delphi 7.0. Dari hasil pengujian yang dilakukan, aplikasi ini dapat bekerja dengan baik yaitu mampu mengklasifikasikan suara ke dalam kelompok suara yang sesuai.

i

KATA PENGANTAR

Terima kasih dan puji syukur kepada Tuhan Yesus Kristus atas berkat,

rahmat dan anugerahNya, serta kepada Bunda Maria atas bimbingan dan

penyertaannya yang melimpah kepada penulis selama pembuatan hingga selesainya

tugas akhir ini.

Tugas Akhir dengan judul ‘Aplikasi Logika Fuzzy untuk Menentukan

Kelompok Suara dalam Audisi Paduan Suara’ ini dibuat untuk memenuhi salah satu

persyaratan akademik dalam menyelesaikan jenjang pendidikan Strata Satu (S1) pada

Fakultas Teknik, Universitas Katolik Indonesia Atma Jaya, Jakarta.

Dalam proses penyusunan dan penyelesaian tugas akhir ini penulis mendapat

banyak bimbingan, saran, serta dukungan dari berbagai pihak baik secara langsung

maupun tidak langsung. Pada kesempatan ini, penulis ingin menyampaikan rasa

terima kasih yang sebesar-besarnya kepada:

1. Bapak Dr. Lukas, ST, MAI, sebagai dosen pembimbing, atas segala

bimbingan, arahan, saran, dan kritik dalam menyelesaikan tugas akhir ini.

2. Bapak Raymond Bahana, ST, M.Sc, sebagai dosen co-pembimbing, atas

segala bantuannya dalam menyelesaikan tugas akhir ini.

3. Ibu Prof. Dr. Ir. Lanny W Pandjaitan, selaku Dekan Fakultas Teknik Unika

Atma Jaya dan selaku pribadi atas bantuan dan pengarahan dalam pembuatan

tugas akhir ini.

4. Bapak Ir. Harlianto Tanudjaja, M.Komp, selaku Ketua Jurusan Teknik

Elektro, Fakultas Teknik Universitas Katolik Indonesia Atma Jaya.

5. Bapak Ir. Tajuddin Nur, MT, selaku dosen pembimbing akademik.

6. Seluruh staf pengajar dan karyawan Fakultas Teknik Unika Atma Jaya.

ii

7. Bapak Ir. Tommy Prabowo, M.Art dan Fr. Bintang Prakarsa, O.S.B, selaku

pribadi atas bantuannya dalam menyelesaikan tugas akhir ini.

8. Adji Kasyono, sebagai pelatih dan conductor dari paduan suara Cantate

Domino Choir dan seluruh teman-teman di paduan suara Cantate Domino

Choir.

9. Papa, Mama, dan Daniel atas dukungan moril dan materil serta doanya

sehingga penulis dapat menyelesaikan tugas akhir ini.

10. Titi dan keluarga atas doa, bantuan, saran, dan dukungan yang diberikan

kepada penulis.

11. Rekan-rekan Fakultas Teknik angkatan 2002, Atma Jaya Computer Club dan

CERG yang selalu mendukung penulis dalam penyelesaian tugas akhir.

12. Pihak-pihak lain yang telah banyak membantu namun tidak dapat disebutkan

satu persatu.

Walaupun penulis telah berusaha sebaik mungkin dengan segala kemampuan

yang ada, namun penulis menyadari bahwa tugas akhir ini tidak terlepas dari

kekurangan dan kesalahan yang mungkin dapat terjadi. Oleh karena itu penulis

mengharapkan saran dan kritik yang membangun untuk menyempurnakan tugas

akhir ini.

Akhir kata, penulis mengharapkan tugas akhir ini ini dapat bermanfaat bagi

semua pihak serta membangun Fakultas Teknik Universitas Katolik Indonesia Atma

Jaya.

Jakarta, Oktober 2007

Penulis

iii

DAFTAR ISI

ABSTRAK i

KATA PENGANTAR ii

DAFTAR ISI iv

DAFTAR GAMBAR vii

DAFTAR TABEL ix

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Tujuan 2

1.3 Pembatasan Masalah 2

1.4 Sistematika Penulisan 3

BAB 2 TEORI PENDUKUNG 5

2.1 Logika Fuzzy 5

2.1.1 Fuzzyfikasi 6

1. Representasi Kurva Segitiga 7

2. Representasi Kurva Bentuk Bahu 8

2.1.2 Inferensi Fuzzy 9

2.1.3 Defuzzyfikasi 10

2.2 Gelombang Suara dan Kelompok Suara 10

2.3 Borland Delphi 7.0 12

2.4 FuzzyTech 5.12 13

iv

2.5 Windows Sound Recorder 15

2.6 Vocal Transformation Pro 1.0 16

BAB 3 PERANCANGAN SISTEM 17

3.1 Proses Perekaman Suara 17

3.2 Pengukuran Nilai Frekuensi Pitch Suara 18

3.3 Perancangan Sistem Fuzzy 19

3.3.1 Proses Fuzzyfikasi 19

1. Masukan Frekuensi Pitch Suara 20

2. Masukan Usia 22

3. Masukan Jenis Kelamin 24

3.3.2 Menentukan Aturan Fuzzy dan Inferensi fuzzy 25

3.3.3 Proses Defuzzyfikasi 28

3.4 Perancangan Tampilan 29

BAB 4 PENGUJIAN SISTEM 34

BAB 5 KESIMPULAN & SARAN 50

DAFTAR PUSTAKA 51

LAMPIRAN A Listing program tampilan menggunakan program Borland

Delphi 7.0

LAMPIRAN B Partitur lagu “Locus iste”

v

LAMPIRAN C Laporan hasil audisi Cantate Domino Choir

vi

DAFTAR GAMBAR

Gambar 2.1 Proses kerja logika fuzzy 6

Gambar 2.2 Representasi kurva segitiga 7

Gambar 2.3 Representasi kurva bentuk bahu 8

Gambar 2.4 Metode Mean of Maximum 10

Gambar 2.5 Project editor dari program FuzzyTech 5.12 14

Gambar 2.6 Watch interactive debug mode pada program FuzzyTech 5.12 15

Gambar 2.7 Tampilan Windows Sound Recorder 15

Gambar 2.8 Tampilan program Vocal Transformation Pro 1.0 16

Gambar 3.1 Proses perekaman suara pada Windows Sound Recorder 18

Gambar 3.2 Tampilan Vocal Transformation Pro 1.0 saat membuka file

rekaman suara 19

Gambar 3.3 Proses fuzzyfikasi untuk masukan frekuensi pitch suara 20

Gambar 3.4 Proses fuzzyfikasi untuk masukan usia 23

Gambar 3.5 Proses fuzzyfikasi masukan jenis kelamin 24

Gambar 3.6 Aturan-aturan fuzzy yang digunakan dalam contoh 27

Gambar 3.7 Proses defuzzyfikasi untuk keluaran pengelompokan suara 29

Gambar 3.8 FuzzyTech runtime module info 29

Gambar 3.9 Halaman depan 30

Gambar 3.10 Halaman data masukan 31

Gambar 3.11 Halaman hasil pengelompokan suara 32

Gambar 3.12 Diagram alir aplikasi 33

vii

Gambar 4.1 Windows Sound Recorder saat merekam suara 35

Gambar 4.2 Vocal Transformation Pro 1.0 saat menganalisis file suara 36

Gambar 4.3 Pengujian kelompok suara Soprano 37

Gambar 4.4 Pengujian kelompok suara Mezzo soprano 38

Gambar 4.5 Pengujian kelompok suara Alto 39

Gambar 4.6 Pengujian kelompok suara Tenor 40

Gambar 4.7 Pengujian kelompok suara Baritone 41

Gambar 4.8 Pengujian kelompok suara Bass 42

Gambar 4.9 Pengujian kelompok suara Treble 43

Gambar 4.10 Grafik perbandingan hasil pengelompokan suara untuk

data acak 45

Gambar 4.11 Grafik perbandingan hasil pengelompokan suara untuk Cantate

Domino Choir 47

viii

DAFTAR TABEL

Tabel 3.1 Aturan-aturan Fuzzy 26

Tabel 4.1 Tabel perbandingan hasil pengelompokan suara untuk

data acak 44

Tabel 4.2 Tabel perbandingan hasil pengelompokan suara untuk Cantate

Domino Choir 46

ix

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Paduan suara adalah salah satu kegiatan yang cukup diminati belakangan ini,

selain untuk menikmati beragam jenis musik dari berbagai komposer terkenal,

paduan suara juga digunakan sebagai sarana untuk menyalurkan hobi menyanyi. Dari

sekian banyak kegiatan di paduan suara ada satu kegiatan yang sering kali dilakukan

yaitu audisi untuk pembagian kelompok suara bagi calon anggota yang baru saja

bergabung. Sering kali proses audisi ini dilakukan secara manual dengan cara

mendengarkan para calon anggota baru menyanyikan sebuah lagu untuk menentukan

kelompok suara dan memerlukan tenaga ahli dalam hal ini pelatih paduan suara

untuk menentukan pembagian kelompok suara.

Untuk membantu mempermudah audisi dalam suatu paduan suara maka

dengan tugas akhir ini hendak dibuat suatu aplikasi dengan menggunakan logika

fuzzy. Untuk membuat aplikasi ini digunakan program FuzzyTech 5.12 dan untuk

program tampilan digunakan Borland Delphi 7.0. Sedangkan untuk merekam suara

digunakan perangkat keras sebuah mikrofon. Pada mikrofon ini masukan analog

berupa suara dalam bentuk frekuensi mekanik diubah menjadi sinyal tegangan.

Kemudian sinyal tegangan listrik tersebut akan dikonversikan ke bentuk digital

menjadi suatu file suara dengan tipe Waveform (.WAV) menggunakan Windows

Sound Recorder. Kemudian dengan menggunakan Vocal Transformation Pro 1.0,

file tersebut dianalisis untuk mengetahui nilai pitch frekuensi suara. Aplikasi ini

1

2

diharapkan dapat membantu mempermudah dalam proses audisi paduan suara

sehingga menjadi lebih efisien dalam penggunaan tenaga ahli, dalam hal ini pelatih

paduan suara.

1.2 Tujuan

Tujuan yang hendak dicapai adalah merancang bangun aplikasi audisi untuk

paduan suara dengan berbasis logika fuzzy yang memudahkan seseorang yang ingin

bergabung dengan suatu paduan suara, sehingga orang tersebut dapat mengetahui

kelompok suaranya sendiri tanpa bantuan tenaga ahli dalam hal ini pelatih paduan

suara.

1.3 Pembatasan Masalah

Dalam tugas akhir ini ruang lingkup masalah dibatasi sebagai berikut:

a. Perangkat lunak yang digunakan:

1. FuzzyTech 5.12

2. Borland Delphi 7.0

3. Windows Sound Recorder

4. Vocal Tranformation Pro 1.0

5. Microsot Windows ME

b. Perangkat keras yang digunakan adalah Microphone Phillips SBC MD 150

c. Konsep kerja proses konversi suara pada mikrofon tidak dibahas.

d. Noise filtering dilakukan pada mikrofon dan proses noise filtering tidak dibahas.

e. Orang yang diaudisi menyanyikan lagu dengan benar, tidak fals, dan tidak buta

not.

3

f. Orang yang diaudisi menyanyikan dalam jangkauan suara asli, tidak suara kepala

(Falcetto).

g. Pembagian kelompok suara terdiri dari 7 macam, yaitu: soprano, mezzosoprano,

alto, tenor, baritone , bass , treble (baca: suara anak-anak).

1.4 Sistematika Penulisan

Buku tugas akhir ini dibagi menjadi lima bab, dengan penjelasan sebagai

berikut.

Bab 1 Pendahuluan, berisi latar belakang, tujuan penulisan, pembatasan

masalah dan sistematika pembahasan dalam Tugas Akhir ini.

Bab 2 Teori Pendukung, berisi teori mengenai Logika fuzzy, Gelombang

suara dan kelompok suara, FuzzyTech 5.12, Borland Delphi 7.0, Windows Sound

Recorder dan Vocal Tranformation Pro 1.0 yang akan menunjang dalam

perancangan dan pembuatan Tugas Akhir ini.

Bab 3 Perancangan Sistem, meliputi perancangan tampilan pada progam

Borland Delphi 7.0 dan FuzzyTech 5.12, Windows Sound Recorder serta penggunaan

Vocal Transformation Pro 1.0, dan tampilan aplikasi pengelompokan suara ini..

Bab 4 Pengujian Sistem, menjelaskan tentang pengujian sistem dan hasil-

hasil yang didapat.

Bab 5 Kesimpulan dan Saran, menjelaskan tentang hasil kesimpulan yang

diperoleh dari pembuatan Tugas Akhir dan saran yang dapat diberikan untuk Tugas

Akhir ini dan sebagai penutup dari semua pembahasan.

4

Buku Tugas Akhir ini juga dilengkapi dengan Daftar Pustaka, serta lampiran

berisi listing program, partitur lagu ”Locus iste”, dan laporan hasil audisi Cantate

Domino Choir.

BAB 2

TEORI PENDUKUNG

Untuk membuat aplikasi pengelompokan suara ini harus dipahami beberapa

prinsip dasar yang berhubungan dengan logika fuzzy, gelombang suara dan kelompok

suara, Borland Delphi 7.0, FuzzyTech 5.12, Windows Sound Recorder dan Vocal

Transformation Pro 1.0

2.1 Logika Fuzzy

Logika fuzzy dikembangkan oleh Lotfi A. Zadeh seorang profesor dari

University of California di Berkeley pada tahun 1964. Sejak saat itu logika fuzzy

terus berkembang mengikuti kemajuan teknologi dan prosesnya berpindah-pindah

dari negara satu ke negara lain. Logika fuzzy diciptakan di Amerika, dikembangkan

di Eropa, dan mulai diterapkan dalam teknologi untuk konsumsi masyarakat di

Jepang [1]. Lotfi A. Zadeh memiliki dasar pemikiran bahwa tidak ada keadaan yang

selalu benar atau salah seperti yang dikenal sebagai logika konvensional, tetapi ada

keadaan di antara dua nilai tersebut sehingga ia mengusulkan suatu bentuk

matematika untuk melihat bagaimana keadaan yang tidak tentu nilainya itu dapat

dinyatakan dalam bahasa manusia [1, 3, 6]. Teori himpunan konvensional didasarkan

pada logika yang menetapkan sebagai anggota atau bukannya suatu objek dari suatu

himpunan, sedangkan pada logika fuzzy suatu objek dapat menjadi anggota dari

banyak himpunan dengan derajat keanggotaan yang berbeda pada masing–masing

himpunan. Derajat keanggotaan dalam suatu himpunan didasarkan pada skala dari 0

5

6

sampai dengan 1, dengan menetapkan 1 sebagai keanggotaan lengkap dan 0 tidak ada

keanggotaan. Pernyataan bahwa suatu objek hanya memiliki 2 nilai keanggotaan

yaitu benar atau salah lebih dikenal dengan sebutan himpunan crisp [3, 6].

Proses kerja logika fuzzy bermula dari masukan yang diberikan berupa

himpunan crisp lalu diubah menjadi himpunan fuzzy melalui proses fuzzyfication,

lalu pemecahan masalah yang disebut fuzzy inference, dengan menggunakan rule

base yang ada. Setelah hasil didapat, himpunan fuzzy diubah menjadi himpunan crisp

lagi melalui proses defuzzyfication [6]. Gambar 2.1 mengilustrasikan proses kerja

logika fuzzy.

Gambar 2.1 Proses kerja logika fuzzy

Proses pengambilan keputusan menggunakan logika fuzzy yang diilustrasikan

pada Gambar 2.1 dapat dijelaskan di bawah ini.

2.1.1 Fuzzyfikasi (fuzzyfication)

Fuzzyfikasi adalah proses konversi dari himpunan crisp menjadi himpunan

fuzzy agar diperoleh derajat keanggotaan. Pada perancangan aplikasi ini digunakan 2

macam reperesentasi untuk menentukan nilai derajat keanggotaan yaitu representasi

kurva segitiga dan representasi kurva bentuk bahu.

7

1. Representasi kurva segitiga

Representasi kurva segitiga pada dasarnya merupakan gabungan antara dua

representasi linear, yaitu linear naik dan linear turun [3]. Gambar 2.2

mengilustrasikan representasi kurva segitiga.

1 Derajat Keanggotaan μ[x] 0 a b c x

Gambar 2.2 Representasi kurva segitiga

Representasi kurva segitiga memiliki perhitungan untuk mencari nilai derajat

keanggotaan yang dapat dilihat pada persamaan berikut :

μ [x] = 0 ; x ≤ a atau x ≥ c (2.1)

μ [x] = (x – a)/(b – a) ; a ≤ x ≤ b (2.2)

μ [x] = (c – x)/(c- b) ; b ≤ x ≤ c (2.3)

Keterangan :

a = nilai batas awal suatu himpunan

b = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi

c = nilai batas akhir suatu himpunan

x = nilai masukan

μ = derajat keanggotaan

8

2. Representasi kurva bentuk bahu

Representasi ini digunakan untuk mengawali atau mengakhiri variabel suatu

daerah fuzzy. Bahu kiri bergerak dari daerah yang bernilai benar ke salah, sedangkan

pada bahu kanan bergerak dari daerah yang bernilai salah ke benar [3]. Representasi

ini dapat dilihat pada Gambar 2.3.

1 Derajat Keanggotaan μ[x] 0 a b c d x

Bahu Kiri

Bahu Kanan

Gambar 2.3 Representasi kurva bentuk bahu

Representasi kurva bentuk bahu memiliki perhitungan untuk mencari nilai

derajat keangotaaan yang dapat dilihat pada persamaan berikut:

μ [x] = 1 ; 0 ≤ x ≤ a dan x ≥ d (2.4)

μ [x] = 0 ; x = b dan x = c (2.5)

μ [x] = (b – x)/(b – a) ; a ≤ x ≤ b (2.6)

μ [x] = (x – c)/(d- c) ; c ≤ x ≤ d (2.7)

9

Keterangan:

a,d = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi

atau derajat keanggotaan lengkap (1)

c,d = nilai pada suatu himpunan yang memilki derajat keanggotaan terendah

atau tidak ada keanggotaan (0)

x = nilai masukan


2.1.2 Inferensi fuzzy (fuzzy inference)

Inferensi fuzzy adalah proses penggabungan antara aturan-aturan pada fuzzy

rule base (IF ’antecedent’ THEN ’consequent’) dengan masing-masing himpunan

fuzzy[1]. Dalam tugas akhir ini pada proses penggabungan digunakan teori min-max

yang mempunyai tahapan-tahapan sebagai berikut:

1. Menentukan aturan-aturan (rules) yang digunakan untuk mendefinisikan

hubungan antara derajat keanggotaannya.

2. Pada setiap aturan yang dipakai, ditentukan besarnya nilai fuzzy pada setiap

antecedent, yaitu nilai minimum di antara antecedent yang dipakai sebagai

nilai fuzzy pada consequent.

3. Pada setiap nilai consequent dari aturan yang dipakai digabungkan sehingga

dibentuk daerah maksimum dari gabungan daerah-daerah consequent yang

dibentuk.

10

2.1.3 Defuzzyfikasi (defuzzyfication)

Defuzzyfikasi adalah proses pengkonversian kembali dari himpunan fuzzy

menjadi himpunan crisp. Pada perancangan ini, proses pengkonversian

menggunakan metode Mean of Maximum (MoM). Metode ini akan menghasilkan

keluaran dari titik yang memiliki derajat keanggotaan yang tertinggi [1], seperti

ditunjukkan pada Gambar 2.4 dan dituliskan dalam rumus matematika pada

Persamaan (2.8).

μ ( z*) ≥ μ (z) (2.8)

Keterangan:

z* = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi

z = nilai pada suatu himpunan


Derajat Keanggotaan 1 μ[x] 0 z* x

Gambar 2.4 Metode Mean of Maximum

2.2 Gelombang Suara dan Kelompok Suara

Suara adalah sebuah sensasi yang diproduksi di dalam organ pendengaran

pada saat vibrasi gelombang suara yang dihasilkan oleh benda yang bergetar

11

mengalir melalui udara atau perantara lainnya ke dalam organ pendengaran [13].

Telinga manusia memiliki kemampuan untuk mendengar suara antara 20 Hz – 20000

Hz. Manusia memiliki kemampuan untuk menghasilkan suara dengan menggunakan

pita suara. Saat pita suara ini bergetar manusia pada umumnya mampu menghasilkan

suara dalam rentang frekuensi 30 Hz – 2500 Hz [15].

Secara biologis bentuk pita suara pria dan wanita tidak berbeda, tetapi wanita

mampu menghasilkan suara dengan frekuensi lebih tinggi walaupun usia mereka

beranjak dewasa. Hal ini disebabkan karena pada bagian laring (kotak suara) wanita

tidak terjadi pembesaran pada tenggorokan. Sedangkan pada pria dengan

bertambahnya usia maka laring (kotak suara) akan membesar dan menonjol pada

bagian tenggorokan, atau yang lebih sering dikenal dengan sebutan jakun, sehingga

membuat getaran untuk menghasilkan suara pada pita suara menjadi berkurang yang

mengakibatkan suara pria dewasa terdengar lebih berat jika dibandingkan ketika

masih kanak-kanak [12]. Dengan adanya perbedaan ukuran frekuensi pitch suara

pada masing-masing jenis kelamin dibuatlah pembagian kelompok suara.

Berdasarkan sejarah seni musik pada awalnya tidak ada pengelompokkan

suara manusia. Namun seiring dengan berjalannya waktu maka bentuk seni suarapun

berubah, para seniman dalam hal ini komposer mulai menambahkan suara-suara baru

dalam setiap karya mereka, yakni dengan menambah jenis suara dengan cara

mengelompokkan suara tidak hanya berdasarkan jenis kelamin saja tetapi

berdasarkan jangkauan masing-masing suara. Jangkauan yang dimaksudkan di sini

adalah frekuensi pitch suara manusia. Pitch diartikan sebagai frekuensi dari nada

musik yang dinyatakan dalam jumlah getaran per detik [16]. Perubahan yang paling

signifikan adalah pada saat peralihan gaya musik dari gaya Renaissance (1400-

12

1600) ke Baroque (1600-1670), yaitu dengan menambahkan kelompok suara wanita.

Tommy Prabowo, seorang ahli vocal, mengatakan bahwa pada umumnya suara dasar

dari setiap orang adalah pada tangga nada C dan semakin tinggi tangga nada yang

digunakan maka suara seseorang dapat berubah dari suara asli menjadi suara kepala

(falcetto). Maka pada uji coba aplikasi ini digunakan lagu ”Locus iste” dengan

tangga nada dasar do = C.

Masing-masing kelompok memiliki rentang frekuensi sebagai berikut soprano

(220-2100 Hz), mezzosoprano (220-1500 Hz), alto (175-1750 Hz), tenor (130-1300

Hz), baritone (110-1100 Hz), bass (40-350 Hz) dan treble (500-2500 Hz) [11,14].

Pada umumnya suatu paduan suara hanya membagi kelompok suaranya menjadi

empat saja, hal ini dikarenakan penggunaan kelompok suara selain empat kelompok

suara utama (Bass, Tenor, Alto, dan Soprano) jarang sekali ditemukan kecuali pada

karya-karya komposer besar yang menggunakan banyak kelompok suara dan

memerlukan kuantitas suara yang besar.

2.3 Borland Delphi 7.0

Borland Delphi 7.0 adalah suatu bahasa pemrograman tingkat tinggi berbasis

Microsoft Windows yang merupakan pengembangan dari bahasa Pascal yang

berorientasi objek. Program ini merupakan perluasan dari pemrograman terstruktur

dan mengutamakan pemakaian ulang program serta enkapsulasi data berdasarkan

fungsinya [2, 4]. Borland Delphi 7.0 merupakan bahasa pemrograman yang dapat

digunakan untuk mengolah teks, grafik, angka, basisdata dan aplikasi web.

Keunggulan lainnya dari Borland Delphi 7.0 adalah program ini dapat dihubungkan

13

dengan program aplikasi lainnya seperti pada tugas akhir ini dihubungkan dengan

FuzzyTech 5.12.

Untuk mempermudah pemrograman, Borland Delphi 7.0 menyediakan fasilitas

pemrograman yang terbagi dalam dua kelompok, yaitu objek dan bahasa

pemrograman. Secara ringkas, objek adalah suatu komponen yang mempunyai

bentuk fisik dan biasanya dapat dilihat. Objek biasanya dipakai untuk melakukan

tugas tertentu dan mempunyai batasan-batasan tertentu. Sedangkan bahasa

pemrograman secara singkat dapat disebut sebagai sekumpulan teks yang

mempunyai arti tertentu dan disusun dengan aturan tertentu serta untuk menjalankan

tugas tertentu

2.4 FuzzyTech 5.12

FuzzyTech 5.12 adalah suatu program aplikasi yang dapat digunakan untuk

menerapkan logika fuzzy pada suatu permasalahan [1]. Sama halnya seperti program

aplikasi yang lain, program ini juga memiliki masukan, metode penyelesaian, proses,

dan keluaran. Program ini kerap kali digunakan untuk menyelesaikan suatu masalah

sehingga dapat dihasilkan pemecahan yang optimal dari data masukan yang tidak

tepat karena FuzzyTech 5.12 memiliki toleransi yang tinggi terhadap data masukan

yang kurang jelas. Tahapan pengambilan keputusan menggunakan FuzzyTech 5.12

tersebut adalah sebagai berikut:

1. Menentukan struktur dari sistem yang akan dibuat. Sistem tersebut berisi

masukan, fuzzy rulebase, dan keluaran, serta hubungan antara ketiganya. Pada

Gambar 2.5 dapat dilihat tmapilan Project Editor dari program FuzzyTech

5.12.

14

Gambar 2.5 Project Editor dari Program FuzzyTech 5.12

2. Merancang fungsi keanggotaan pada masukan maupun keluaran. Pada

masukan dilakukan proses fuzzyfikasi sedangkan pada keluaran dilakukan

proses defuzzyfikasi.

3. Merancang aturan-aturan fuzzy (fuzzy rulebase) yang menghubungkan

masukan dengan keluaran. Fuzzy rulebase berisi aturan-aturan yang

dituliskan dengan IF ‘masukan’ THEN ‘keluaran’ yang kemudian akan

digabungkan dengan proses fuzzyfikasi untuk melakukan proses inferensi

fuzzy.

4. Proses debugging dari rancangan dapat dijalankan dengan menggunakan

menu interactive (pada menu ini dapat diketahui jalannya proses fuzzyfikasi,

inferensi fuzzy, dan defuzzyfikasi) atau dapat juga dihubungkan dengan

15

program-program lain seperti Delphi, Visual C, dan lain-lain. Gambar 2.6

mengilustrasikan proses debugging pada program FuzzyTech 5.12.

Gambar 2.6 Watch Interactive Debug Mode pada Program FuzzyTech 5.12

2.5 Windows Sound Recorder

Windows Sound Recorder adalah salah satu fitur yang disediakan oleh

Microsoft bagi para pengguna Windows untuk merekam suara. Format file dari

aplikasi ini adalah .WAV. Dalam pembuatan tugas akhir ini digunakan aplikasi

Windows Sound Recorder untuk merekam suara orang yang diaudisi. Tampilannya

ditunjukkan pada Gambar 2.7

Gambar 2.7 Tampilan Windows Sound Recorder

16

2.6 Vocal Tranformation Pro 1.0

Vocal Tranformation Pro 1.0 adalah sebuah modul software yang

memungkinkan untuk dilakukan transformasi vokal secara manual, dalam hal ini

mengubah nilai frekuensi pitch vokal [9]. Program ini hanya dapat membuka file

yang bertipe .WAV. Gambar 2.8 mengilustrasikan tampilan program Vocal

Transformation Pro 1.0.

Gambar 2.8 Tampilan program Vocal Transformation Pro 1.0

Demikianlah pada bab ini telah dijelaskan mengenai teori-teori pendukung

aplikasi pengelompokan suara. Pada bab selanjutnya akan diuraikan mengenai

perancangan sistem Tugas Akhir ini.

BAB 3

PERANCANGAN SISTEM

Perancangan aplikasi pembagian kelompok suara ini dibagi menjadi empat

tahapan proses, yaitu :

1. Proses perekaman dan penyimpanan menggunakan mikrofon dan program

Windows Sound Recorder.

2. Pengukuran nilai frekuensi pitch suara menggunakan program Vocal

Transformation Pro 1.0.

3. Perancangan sistem fuzzy menggunakan program FuzzyTech 5.12.

4. Perancangan tampilan aplikasi pembagian kelompok suara menggunakan

program Borland Delphi 7.0.

3.1 Proses Perekaman Suara

Pada proses perekaman digunakan sebuah mikrofon dan aplikasi Windows

Sound Recorder untuk merekam suara. Pada proses perekaman suara ini digunakan

mikrofon Philips SBC MD150 yang memiliki rentang frekuensi 85-11000 Hz,

sensitivitas -74 dB, dan resistansi mikrofon sebesar 600 Ω. Digunakannya mikrofon

ini dikarenakan mikrofon ini memiliki spesifikasi yang cukup baik untuk meredam

derau (noise) yang masuk pada saat perekaman suara. Mikrofon ini dilengkapi

dengan fitur Uni-directional sensor with windshield, yaitu sensor untuk merekam

suara tetap terjaga walaupun dalam posisi mikrofon yang jauh dari sumber suara.

17

18

Pertama, peserta yang diaudisi menyanyikan sebuah lagu dengan durasi

kurang lebih 30 detik, lalu hasil rekaman tersebut disimpan. Sebaiknya peserta yang

melakukan audisi menyanyikan lagu yang memiliki tangga nada dasar do = C,

namun jika peserta tersebut tidak menyanyi di tangga nada C pun tidak masalah

asalkan tidak menggunakan suara kepala (falcetto). Gambar 3.1 merupakan tampilan

saat Windows Sound Recorder sedang melakukan proses perekaman suara.

Gambar 3.1 Proses perekaman suara pada Windows Sound Recorder

3.2 Pengukuran Nilai Frekuensi Pitch Suara

Untuk mengukur frekuensi pitch suara digunakan program aplikasi Vocal

Transformation Pro 1.0. proses ini dilakukan dengan cara membuka dan

menganalisis file yang sebelumnya sudah direkam dan disimpan menggunakan

Microsoft Sound Recorder. Program ini akan menganalisis file dan akan

menghasilkan nilai frekuensi pitch suara dan nilai vocal track [9]. Hasil analisis

frekuensi pitch inilah yang nantinya akan menjadi nilai masukan pada aplikasi

Borland Delphi 7.0 yang sudah dihubungkan dengan aplikasi FuzzyTech 5.12.

Gambar 3.2 merupakan tampilan dari program Vocal Transformation Pro 1.0 yang

digunakan untuk membuka hasil file rekaman suara.

19

Gambar 3.2 Vocal Transformation Pro 1.0 saat membuka file rekaman suara

3.3 Perancangan Sistem Fuzzy

Dalam perancangan sistem fuzzy terdiri dari tiga bagian, yaitu fuzzyfikasi,

inferensi fuzzy, dan defuzzyfikasi. Pada bagian fuzzyfikasi dilakukan proses konversi

sinyal masukan dari bentuk himpunan crisp menjadi fuzzy. Masukan yang digunakan

terdiri dari frekuensi pitch suara, usia dan jenis kelamin. Pada proses inferensi fuzzy

akan dibuat aturan-aturan fuzzy (fuzzy rule) untuk digunakan dalam aplikasi ini.

Proses defuzzyfikasi menggunakan satu buah variabel yaitu kelompok suara.

3.3.1 Proses Fuzzyfikasi

Pada proses fuzzyfikasi dilakukan konversi nilai masukan, karena masukan

yang diberikan masih berupa himpunan crisp. Tujuan dari konversi ini adalah

20

mengubah himpunan crisp menjadi himpunan fuzzy agar dapat dicari derajat

keanggotaannya sesuai dengan fungsi keanggotaan masing-masing. Proses

fuzzyfikasi ini terdiri dari konversi tiga buah masukan.

1. Masukan Frekuensi Pitch Suara

Masukan frekuensi pitch suara memiliki tujuh buah himpunan fuzzy dengan

penamaan variabel sebagai berikut soprano, mezzosoprano, alto, tenor, baritone,

bass, dan treble. Masing-masing variabel tersebut memiliki nilai batas keanggotaan

sebagai berikut soprano (220-2100 Hz), mezzosoprano (220-1500 Hz), alto (175-

1750 Hz), tenor (130-1300 Hz), baritone (110-1100 Hz), bass (40-350 Hz) dan

treble (500-2500 Hz) [11, 14].

Sebagai contoh, apabila nilai masukan frekuensi pitch suara = 449.2 Hz,

maka pada Gambar 3.3 ditampilkan ilustrasi cara untuk mencari derajat keanggotaan.

Tanda panah merah menunjukan nilai masukan sebesar 449.2 Hz.

Gambar 3.3 Proses fuzzyfikasi untuk masukan frekuensi pitch suara

Pada proses fuzzyfikasi masukan frekuensi pitch suara dapat dilihat masukan

sebesar 449.2 Hz memotong grafik fungsi pada 5 titik yaitu pada y1 = 0.71,

21

(baritone), y2 = 0.79 (tenor), y3 = 0.90 (alto), y4 = 0.92 (mezzosoprano), dan y5 =

0.98 (soprano). Kelima besaran fuzzy inilah yang disebut dengan derajat keanggotaan

untuk masukan frekuensi pitch suara. Nilai ini dapat dilihat dari Gambar 3.3 secara

langsung, atau dengan menggunakan Persamaan (2.3). Berikut akan dijelaskan cara

mendapatkan nilai derajat keanggotaan menggunakan Persamaan (2.3).

Untuk baritone :

μBr [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 181.45, c = 1100

μBr [x] = (1100 – 449.2) / (1100 – 181.45) = 0.708 ≈ 0.71

Untuk tenor :

μT [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 226.65, c = 1300

μT [x] = ( 1300 – 449.2 ) / (1300 – 226.65 ) = 0.792 ≈ 0.79

Untuk alto :

μA [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 300, c = 1750

μA [x] = (1750 – 449.2) / (1750 – 300 ) = 0.897 ≈ 0.90

Untuk mezzosoprano :

μM [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 352.85, c = 1505.70

μM [x] = ( 1505.70 – 449.2 ) / (1505.70 – 352.85 ) = 0.916 ≈ 0.92

Untuk soprano :

μS [x] = (c – x)/(c- b) ; a ≤ x ≤ c dengan nilai b = 408.55, c = 2100

μS [x] = (2100 – 449.2) / (2100 – 408.55) = 0.975 ≈ 0.98

22

keterangan :



x = nilai masukan


μBr [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara

baritone

μT [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara

tenor

μA [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara

alto

μM [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara

mezzosoprano

μS [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok suara

soprano

2. Masukan Usia

Masukan usia memiliki 3 himpunan fuzzy dengan penamaan dan penilaian

batas keanggotaan variabel sebagai berikut anak-anak (6-16 tahun), remaja (12-23

tahun), dewasa (20-60 tahun).

Sebagai contoh, masukan usia = 14 tahun, maka pada Gambar 3.4 akan

mengilustrasikan cara untuk mencari derajat keanggotaan.

23

Gambar 3.4 Proses fuzzyfikasi untuk masukan usia

Proses fuzzyfikasi masukan usia dapat dilihat pada Gambar 3.4 diperoleh

derajat keanggotaan sebesar y1 = 0.39 (anak-anak) y2 = 0.30 (remaja) untuk

masukan usia = 14 masukan. Nilai derajat keanggotaan ini dapat dibuktikan dengan

menggunakan Persamaan (2.3) dan Persamaan (2.6). Berikut akan dijelaskan cara

mendapatkan nilai derajat keanggotaan menggunakan Persamaan (2.3) dan

Persamaan (2.6).

Untuk anak-anak:

μ [x] = (b – x)/(b – a) ; a ≤ x ≤ b dengan nilai a = 10.12, b = 16.48

μAn [x] = (16.48 – 14 ) / 16.48 – 10.12 ) = 0.389 ≈ 0.39

Untuk remaja:

μ [x] = (x – a)/(b – a) ; a ≤ x ≤ b dengan nilai a = 12.56, b = 17.32

μR [x] = (14 – 12.56 ) / (17.32 – 12.56 ) = 0.302 ≈ 0.30

24

dengan:

a = nilai batas awal suatu himpunan



x = nilai masukan


μAn [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok usia

anak-anak

μR [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok usia

remaja

3. Masukan Jenis Kelamin

Masukan jenis kelamin tidak memiliki himpunan fuzzy karena sudah

mempunyai nilai yang pasti, logika yang digunakan dalam menentukan derajat

keanggotaan adalah true or false. Dalam kasus ini, masukan akan berupa nilai 1 atau

0, jika bernilai 1 maka jenis kelaminnya adalah wanita, sedangkan jika bernilai 0

maka jenis kelaminnya adalah pria. Sebagai contoh, masukan jenis kelamin = 1,

maka pada Gambar 3.5 akan mengilustrasikan cara untuk mencari derajat

keanggotaan.

Gambar 3.5 Proses fuzzyfikasi input jenis kelamin

25

Pada Gambar 3.5 terlihat bahwa untuk jenis kelamin wanita memiliki derajat

keanggotaan y = 1 (wanita). Dengan menggunakan Persamaan (2.4) dapat

dibuktikan derajat keanggotaan yang didapat pada Gambar 3.5.

μW [x] = 1 ; 0 ≤ x ≤ a dan x ≥ d dengan nilai a dan d = 1

karena nilai masukan adalah 1 maka derajat keanggotaannya menjadi 1.

dengan:

a,d = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi

atau derajat keanggotaan lengkap [1]

b.c = nilai pada suatu himpunan yang memiliki derajat keanggotaan tertinggi

atau derajat keanggotaan tidak lengkap [0]

x = nilai masukan


μW [x] = nilai derajat keanggotaan suatu masukan terhadap kelompok jenis

kelamin wanita

3.3.2 Menentukan Aturan Fuzzy dan Inferensi Fuzzy

Inferensi fuzzy adalah tahap penggabungan antara derajat keanggotaan yang

didapat dari proses fuzzyfikasi dengan aturan-aturan fuzzy (fuzzy rule) dimana dalam

proses ini menggunakan aturan min-max. Aturan-aturan fuzzy untuk aplikasi ini dapat

dilihat pada Tabel 3.1. Referensi dari dibuatnya aturan-aturan fuzzy ini adalah

berdasarkan survei sample yang tersedia.

26

Tabel 3.1 Aturan-aturan Fuzzy

IF

THEN

No. Frekuensi Suara

Jenis Kelamin

Usia

Kelompok Suara

1 Bass Pria remaja Bass 2 Bass Pria dewasa Bass 3 Bass wanita remaja Alto 4 Bass wanita dewasa Alto 5 baritone pria anak-anak Treble 6 baritone pria remaja Baritone 7 baritone pria dewasa Baritone 8 baritone wanita anak-anak Treble 9 baritone wanita remaja Alto 10 baritone wanita dewasa Alto 11 tenor pria anak-anak Treble 12 tenor pria remaja tenor 13 tenor pria dewasa Tenor 14 tenor wanita anak-anak Treble 15 tenor wanita remaja Alto 16 tenor wanita dewasa Alto 17 Alto pria anak-anak Treble 18 Alto pria remaja Treble 19 Alto pria dewasa Tenor 20 Alto wanita anak-anak Treble 21 Alto wanita remaja Alto 22 Alto wanita dewasa Alto 23 mezzosoprano pria anak-anak Treble 24 mezzosoprano pria remaja Treble 25 mezzosoprano pria dewasa Tenor 26 mezzosoprano wanita anak-anak Treble 27 mezzosoprano wanita remaja Treble 28 mezzosoprano wanita dewasa Mezzosoprano29 soprano pria anak-anak Treble 30 soprano pria remaja Treble 31 soprano pria dewasa Tenor 32 soprano wanita anak-anak Treble 33 soprano wanita remaja Treble 34 soprano wanita dewasa Soprano 35 treble pria anak-anak Treble 36 treble pria remaja Treble 37 treble wanita anak-anak Treble 38 treble wanita remaja Treble

27

Cara kerja aturan ini adalah setiap variabel masukan akan dibandingkan

menggunakan operator AND untuk mengambil nilai terkecil, kemudian dari

kumpulan nilai terkecil tersebut digunakan operator OR untuk menentukan nilai

terbesar. Aturan yang menghasilkan nilai terbesar ini yang akan dijadikan sebagai

hasil. Hasil inferensi fuzzy ini akan digunakan dalam proses defuzzyfikasi.

Berdasarkan contoh sebelumnya maka dapat diketahui aturan-aturan fuzzy

yang digunakan pada program FuzzyTech 5.12. Tampilan tersebut dapat dilihat pada

Gambar 3.6.

Gambar 3.6 Aturan-aturan fuzzy yang digunakan dalam contoh.

28

Dengan menggunakan aturan min-max maka dapat ditunjukkan dengan cara

sebagai berikut:

1. Diambil nilai terkecil dari masing-masing aturan yang digunakan dengan

menggunakan perintah AND.

1. Berdasarkan aturan nomor 15, maka 0.71 AND 1.00 AND 0.30 = 0.30










2. Diambil nilai tertinggi dari hasil perhitungan yang pertama dengan menggunakan

perintah OR,

0.30 OR 0.30 OR 0.30 OR 0.30 OR 0.30 OR 0.39 OR 0.39 OR 0.39

OR 0.39 OR 0.39 = 0.39

Berdasarkan hasil perhitungan tersebut maka dapat ditentukan bahwa aturan yang

diambil adalah aturan nomor 34, maka kelompok suaranya adalah Treble.

3.3.1 Proses Defuzzyfikasi

Metode defuzzyfikasi yang digunakan dalam perancangan sistem adalah

metode Mean of Maximum (MoM). Gambar 3.7 akan menunjukkan titik maksimum

29

pada grafik, titik perpotongan antara nilai tersebut dengan sumbu x inilah yang

merupakan nilai keluaran dari hasil pembagian kelompok suara ini.

Gambar 3.7 Proses defuzzyfikasi untuk keluaran pengelompokan suara

3.4 Perancangan Tampilan

Perancangan tampilan aplikasi pembagian kelompok suara ini menggunakan

program Borland Delphi 7.0, di mana pada saat program ini dijalankan dapat dilihat

FuzzyTech Runtime Module Info yang menunjukkan hubungan antara program

FuzzyTech 5.12 dengan Borland Delphi 7.0 seperti ditampilkan pada Gambar 3.8

Gambar 3.8 FuzzyTech Runtime Module Info

30

Tampilan akan dibagi menjadi 3 bagian, yaitu :

1. Halaman depan, sebagai halaman pembuka yang dapat dilihat pada Gambar

3.9 yang terdiri dari 2 pilihan tombol, yaitu ENTER untuk masuk ke aplikasi

pembagian kelompok suara dan EXIT untuk keluar dari program.

Gambar 3.9 Halaman depan

2. Halaman data masukan, berfungsi untuk memasukkan data yang diperlukan

berupa pitch frekuensi suara, usia, dan jenis kelamin. Form data masukan

dapat dilihat pada Gambar 3.10.

31

Gambar 3.10 Halaman data masukan

3. Halaman hasil pengelompokkan suara, berfungsi untuk menampilkan hasil

dari pengelompokan suara. Dalam tampilan ini terdapat program untuk

menghubungkan antara Borland Delphi 7 dengan FuzzyTech 5.12. Tampilan

dapat dilihat pada Gambar 3.11.

32

Gambar 3.11 Halaman hasil pengelompokan suara

Cara kerja sistem pengelompokan suara dapat dilihat melalui diagram alir yang

ditunjukkan pada Gambar 3.12.

33

START

INISIALISASIfrek_sua, usia, jns_klm

BACA INPUTfrek_sua, usia,

jns_klm

40 ≤ frek_sua ≤ 25006 ≤ usia ≤ 60

KIRIM NILAI frek_sua, usia ,

jns_klm KE PROGRAM FuzzyTech 51.2

FUZZYFIKASI

INFERENSI FUZZY

DEFUZZYFIKASI

KIRIM kel_sua KE PROGRAM Borland Delphi 7

END

T

Y

Gambar 3.12. Diagram alir aplikasi

BAB 4

PENGUJIAN SISTEM

Pengujian sistem aplikasi pengelompokan suara ini dilakukan dengan

melakukan audisi pada anggota Cantate Domino Choir. Cantate Domino Choir

merupakan salah satu paduan suara dari Gereja St. Stefanus, Cilandak. Paduan suara

ini beranggotakan kurang lebih 30 orang dan memiliki empat kelompok suara

(soprano, alto, tenor, dan bass) Dengan ini akan terlihat perbandingan hasil antara

menggunakan aplikasi dengan sistem fuzzy dan hasil menggunakan tenaga pelatih

untuk menentukan kelompok suara.

Pengujian sistem ini dilakukan dengan memberikan masukan frekuensi pitch

suara, usia dan jenis kelamin dengan batasan-batasan berdasarkan kriteria yang

diberikan oleh pelatih paduan suara dalam menenetukan kelompok suara seseorang,

antara lain:

1. Pembagian kelompok suara terdiri dari tujuh kelompok, yaitu: soprano,

mezzo soprano, alto, tenor, barritone, bass, treble.

2. Pengelompokan usia peserta audisi dibagi menjadi tiga kategori, yaitu: anak-

anak, remaja, dewasa.

3. Pengelompokan berdasarkan jenis kelamin.

Tahap pertama yang dilakukan untuk uji coba aplikasi ini adalah dengan

mengaudisi anggota Cantate Domino Choir, dengan cara setiap anggota

menyanyikan sepenggal bait (8 bar) dari lagu “Locus iste” karangan Anton

34

35

Bruckner (1824-1896), dengan nada dasar Do =C. Paduan suara ini memiliki emapt

kelompok suara. Mereka menyanyikan lagu ini kurang lebih 30 detik, lalu hasil

rekaman suara mereka disimpan menggunakan Windows Sound Recorder. Gambar

4.1 menampilkan keadaan Windows Sound Recorder saat sedang merekam suara.

Gambar 4.1 Windows Sound Recorder saat merekam suara

Tahap kedua adalah membaca file hasil rekaman suara tersebut menggunakan

program Vocal Transformation Pro 1.0 untuk mengetahui berapa nilai frekuensi

pitch suara mereka. Setelah diketahui maka nilai tersebut dapat menjadi masukan

untuk aplikasi ini dengan menggunakan penggabungan dari program Borland Delphi

7.0 dengan program FuzzyTech 5.12. Gambar 4.1 mengilustrasikan saat program ini

menganalisa frekuensi pitch suara.

36

Gambar 4.2 Vocal Transformation Pro 1.0 saat menganalisis file suara

Agar perbedaan hasil pengelompokan suara dapat terlihat, maka berikut ini

dilakukan pengujian pada 8 kelompok suara yang berbeda.

1. Kelompok suara soprano, menggunakan masukan

Frekuensi pitch suara : 477.7 Hz

Usia : 27 tahun

Jenis kelamin : wanita

37

Gambar 4.3 Pengujian kelompok suara Soprano

2. Kelompok suara mezzosoprano, menggunakan masukan


Usia : 29 tahun


38

Gambar 4.4 Pengujian kelompok suara Mezzosoprano

3. Kelompok suara alto, menggunakan masukan


Usia : 27 tahun


39

Gambar 4.5 Pengujian kelompok suara Alto

4. Kelompok suara tenor, menggunakan masukan


Usia : 38 tahun

Jenis kelamin : pria

40

Gambar 4.6 Pengujian kelompok suara Tenor

5. Kelompok suara baritone, menggunakan masukan


Usia : 20 tahun


41

Gambar 4.7 Pengujian kelompok suara Baritone

6. Kelompok suara bass, menggunakan masukan


Usia : 19 tahun


42

Gambar 4.8 Pengujian kelompok suara Bass

7. Kelompok suara treble, menggunakan masukan


Usia : 14 tahun


43

Gambar 4.9 Pengujian kelompok suara Treble

Untuk melihat perbedaan hasil antara audisi dengan menggunakan tenaga

pelatih dengan aplikasi yang dibuat maka berikut diambil beberapa contoh secara

acak untuk perbandingan hasil keluaran kelompok suara yang dapat dilihat pada

Tabel 4.1.

44

Tabel 4.1 Tabel perbandingan hasil pengelompokan suara untuk data acak

Audisi dengan cara No.

Nama

Usia (thn)

Jenis Kelamin

(P/W)

Manual Logika Fuzzy

1 Rosalina Reiny 27 Wanita Alto Soprano 2 Monic A 14 Wanita Soprano Treble 3 Adjie K 38 Pria Tenor Tenor 4 Francisca R 29 Wanita Alto Mezzosoprano 5 Fernando L 27 Pria Tenor Tenor 6 Gibraldi H 20 Pria Tenor Baritone 7 Yohanes W 23 Pria Bass Bass 8 Adrian I 25 Pria Bass Tenor 9 C David 23 Pria Tenor Baritone 10 Tammy F 27 Wanita Alto Alto

Grafik perbandingan untuk pengelompokan suara berdasarkan data acak

dapat dilihat pada Gambar 4.8. Pada grafik tersebut nilai frekuensi kelompok suara

adalah nilai hasil defuzzyfikasi dengan menggunakan metode Mean of Maximum

(MoM). Nilai yang tertera pada grafik adalah anggota yang memiliki nilai derajat

keanggotaan yang tertingi. Berikut nilai frekuensi masing-masing kelompok suara,

bass (206 Hz), baritone (560 Hz), tenor (915 Hz), alto (1270 Hz), mezzosoprano

(1624 Hz), soprano (1979 Hz), dan treble (2333 Hz).

45

Grafik Perbandingan Hasil Pengelompokan Suara Untuk Data Acak

1270

1979

915

1270

915 915

206 206

915

1270

1979

2333

915

1624

915

560

206

915

206

1270

0

500

1000

1500

2000

2500

1 2 3 4 5 6 7 8 9 10

Nomor Data

Frek

uens

i Kel

ompo

k Su

ara

(Hz)

Manual

LogikaFuzzy

Gambar 4.10 Grafik perbandingan hasil pengelompokkan suara untuk data acak

Perbandingan antara hasil pengelompokan suara untuk Cantate Domino

Choir menggunakan aplikasi ini dan secara manual dapat dilihat pada Tabel 4.2, dan

grafiknya pada Gambar 4.9.

46

Tabel 4.2 Tabel perbandingan hasil pengelompokkan suara Cantate Domino Choir

Audisi dengan cara

No.

Nama

Usia (thn)

Jenis

Kelamin (P/W)

Manual

Logika Fuzzy

1 Anastasia Ria 27 Wanita Soprano Soprano 2 Rosalina Reiny 27 Wanita Alto Soprano 3 Tammy F 27 Wanita Alto Alto 4 Edward John 23 Pria Tenor Tenor 5 Alexander L 29 Pria Tenor Tenor 6 Theresia Nona 28 wanita Soprano Soprano 7 Monic A 14 wanita Soprano Treble 8 Rosalia Rossy 30 wanita Soprano Soprano 9 Bintang P 41 pria Tenor Tenor 10 Francisca R 29 wanita Alto Mezzosoprano11 Adjie Kasyono 38 pria Tenor Tenor 12 Hieronimus 19 pria Bass Bass 13 Asteria Sita 19 wanita Soprano Alto 14 Franciscus I 30 pria Bass Bass 15 Juani Siram 23 wanita Soprano Alto 16 Anastasia 25 wanita Alto Alto 17 Novita 29 wanita Alto Alto 18 Yohanes W 22 pria Bass Bass 19 Andreas 29 pria Bass Bass 20 Adrian I 25 pria Bass Tenor 21 Victor E 25 pria Bass Bass 22 Angelisa 41 wanita Soprano Soprano 23 Amaliko 20 pria Bass Bass 24 Gibraldi H 20 pria Tenor Baritone 25 Fernando L 27 pria Tenor Tenor 26 Michael E Bimo 20 pria Bass Baritone 27 Cornelius David 23 pria Tenor Baritone

47

Grafik Perbandingan Hasil Pengelompokan Suara Untuk Cantate Domino Choir

0

500

1000

1500

2000

2500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27Nomor Data

Frek

uens

i Kel

ompo

k Su

ara

(Hz)

ManualLogika Fuzzy

Gambar 4.11 Grafik perbandingan hasil pengelompokkan suara untuk Cantate

Domino Choir

Berdasarkan Tabel 4.2 dan grafik perbandingan pada Gambar 4.8 ternyata

didapat perbedaan untuk 10 data keluaran. Perbedaan tersebut terjadi karena pada

umumnya suatu paduan suara hanya membagi kelompok suara menjadi empat

kelompok saja yaitu, bass, tenor, alto, dan soprano.

Tingkat keberhasilan aplikasi ini dapat dihitung presentasi keakuratannya

dengan menggunakan rumus:

)1.4(%100×=masukandatabanyaknya

sesuaiyangsuarakelompokjumlahAkurasi

48

Jika dihitung akurasi ketepatan pengelompokkan suara dengan menggunakan

empat kelompok suara saja dan mengasumsikan bahwa jawaban selain empat

kelompok suara yang ditentukan adalah salah dan jumlah kelompok suara yang

sesuai adalah 17 serta banyaknya data masukan adalah 27, maka aplikasi ini

memiliki akurasi sebesar:

Akurasi = (jumlah kelompok suara yang sesuai / banyaknya data masukan) x 100%

Akurasi = %10027

)1027(×

−

Akurasi = 62.9 %

Dapat dilihat hasil akurasi yg didapat sangat rendah, hal ini disebabkan

karena perhitungan didasarkan pada tujuh kelompok suara. Tetapi kemungkinan

akurasi ini dapat berubah nilainya menjadi lebih tinggi jika dengan menggunakan

pembagian hanya berdasarkan empat kelompok suara saja.

Jika dihitung nilai akurasi ketepatan pengelompokan suara dengan

menggunakan 7 kelompok suara dan jumlah kelompok suara yang sesuai adalah 27

serta banyaknya data masukan adalah 27 kelompok suara maka aplikasi ini memiliki

akurasi sebesar :

Akurasi = (jumlah kelompok suara yang sesuai / banyaknya data masukan) x 100%

Akurasi = %10027

)027(×

−

Akurasi = 100 %

Dari hasil perbandingan di atas dapat dilihat bahwa aplikasi ini memiliki

tingkat keberhasilan yang tinggi jika menggunakan pengelompokan suara

49

berdasarkan tujuh jenis kelompok suara dan paduan suara yang menerima anggota

baru tersebut menggunakan pengelomppokkan suara sebanyak tujuh kelompok.

BAB 5

KESIMPULAN & SARAN

Berdasarkan hasil pengujian aplikasi pembagian suara berbasis logika fuzzy,

dapat disimpulkan bahwa:

1. Sistem logika fuzzy dapat digunakan untuk melakukan proses pembagian suara

dalam suatu audisi paduan suara.

2. Terdapat sedikit perbedaan pada pengujian aplikasi karena pada umumnya paduan

suara hanya membagi kelompok suara menjadi empat kelompok saja.

3. Dengan logika fuzzy dapat mempermudah seorang pelatih paduan suara untuk

membagi kelompok suara seseorang.

Saran yang dapat diberikan untuk aplikasi pembagian suara berbasis logika

fuzzy ini adalah mengurangi proses bertahap yang ada pada aplikasi ini, antara lain

proses perekaman dan analisis file suara untuk mengukur frekuensi pitch suara

sebaiknya dijadikan satu, atau jika memungkinkan menggunakan program audio

yang dapat melakukan proses perekaman dan analisis frekuensi pitch secara

bersamaan.

50

DAFTAR PUSTAKA

[1] Inform, GmbH. 1999. Fuzzy Tech 5.3 User’s Manual. USA: Inform Software

Corporation.

[2] Komputer, Wahana. 2005. Membuat Program Kreatif dan Profesional dengan

DELPHI. Jakarta: PT Elex Media Komputindo.

[3]

Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya).

Yogyakarta: Penerbit Graha Ilmu.

[4]

Mangkulo, Henky Alexander. 2005. Membuat Aplikasi DATABASE dengan

DELPHI 8.0 . Jakarta: PT Elex Media Komputindo.

[5]

Nathania. 2004. Sistem Peramalan Cuaca Berbasis Logika Fuzzy. Tugas

akhir. Jakarta: Fakultas Teknik Universitas Katolik Atma Jaya.

[6] Pandjaitan, Lanny W. 2006. Dasar-dasar Komputasi Cerdas. Yogyakarta:

Penerbit Andi.

[7] Ross, Timothy J. 1997. Fuzzy Logic with Engineering Applications. New

York: McGraw-Hill.

[8] Yager, Ronald R ; Zadeh, Lotfi A. 1992. An Introduction to Fuzzy Logic

Applications in Intelligent Systems. Nederland: Kluwer

[9] http://www.download-by.net/audio-and-multimedia/multimedia-creation-

tools/10914,vocal-transformation-pro,dl.html diakses pada tanggal 18 Juni

2007.

[10] http://www.fuzzytech.com diakses pada tanggal 10 Juli 2007.

[11] http://www.geocities.com/dtmcbride/tech/sound.html diakses pada tanggal 20

51

http://lib.atmajaya.ac.id/default.aspx?tabID=61&src=k&id=14996

http://lib.atmajaya.ac.id/default.aspx?tabID=61&src=k&id=14996

http://www.download-by.net/audio-and-multimedia/multimedia-creation-tools/10914,vocal-transformation-pro,dl.html

http://www.download-by.net/audio-and-multimedia/multimedia-creation-tools/10914,vocal-transformation-pro,dl.html

http://www.fuzzytech.com/

http://www.geocities.com/dtmcbride/tech/sound.html

52

Mei 2007.

[12] http://www.republika.co.id/koran_detail.asp?id=249877&kat_id=41 diakses

pada tanggal 9 juli 2007

[13] http://www.rudidolphin.com/artikel/suara diakses pada tanggal 9 Juli 2007.

[14] http://www.stanford.edu/~feinstei/pitchcorrection.doc diakses pada tanggal 20

Mei 2007.

[15] http://www.stttelkom.ac.id/staf/UKU/Materi%2520Kuliah%2520Dasar%2520

Telekomunikasi/DASTEL

[16] http://www.susvara.com/Articles.html diakses pada tanggal 9 Juli 2007.

http://www.republika.co.id/koran_detail.asp?id=249877&kat_id=41

http://www.rudidolphin.com/artikel/suara

http://www.stanford.edu/%7Efeinstei/pitchcorrection.doc

http://www.stttelkom.ac.id/staf/UKU/Materi%2520Kuliah%2520Dasar%2520Telekomunikasi/DASTEL

http://www.stttelkom.ac.id/staf/UKU/Materi%2520Kuliah%2520Dasar%2520Telekomunikasi/DASTEL

http://www.susvara.com/Articles.html

cornelius david_s undergraduate theses

Documents