1Jurusan Teknik Elektro, Universitas Diponegoro Semarang , Indonesia
2Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia, Indonesia
BibTex Citation Data :
@article{Transient8667, author = {Andi Pangerang and Achmad Hidayatno and Ajub Zahra}, title = {PERANCANGAN APLIKASI PENGENALAN CHORD INSTRUMEN TUNGGAL MENGGUNAKAN TRANSFORMASI WAVELET DAN KEY DETECTION}, journal = {Transient: Jurnal Ilmiah Teknik Elektro}, volume = {4}, number = {1}, year = {2015}, keywords = {}, abstract = { Abstrak Chord atau akor adalah susunan tiga nada atau lebih yang dibunyikan serempak sehingga menghasilkan suara yang harmonis. Kepekaan pendengaran manusia dan pengetahuan musik tidak dimiliki semua orang khususnya pemula, sehingga diperlukan sistem yang dapat mengenali chord. Pengenalan chord adalah bentuk transkripsi masukan file audio menjadi chord yang dapat mengiringi lagu. Tujuan penelitian ini adalah membuat perangkat lunak yang dapat mendeteksi chord instrument tunggal dengan keluaran berupa histogram Pitch Class Profile (PCP). Tahapan pertama adalah perekaman suara, kemudian prapengolahan: pengkonversian format stereo-to-mono, crop data dan normalisasi data. Selanjutnya file yang sudah dikonversi ke bentuk digital diekstraksi menggunakan transformasi Wavelet. Selanjutnya dilakukan key detection: mengubah spektrum dekomposisi paket wavelet menjadi spektrogram, chromagram dan histogram PCP. Apabila ada salah satu pitch yang sama dengan pitch suatu chord dari tiga pitch tertinggi yang terdeteksi, maka chord dikelompokkan sesuai dengan chord yang dibandingkan. Penelitian ini dibuat menggunakan bahasa pemrograman Matlab dengan masukan 120 sinyal chord mayor dan minor dari 12 pitch berbeda. Ukuran frame yang digunakan: 256, 512, 1024, 2048, dan 4096 sampel. Hasil pengujian menunjukkan dengan parameter: tingkat dekomposisi kesembilan, indukan wavelet Symlet, dan ukuran frame 1024 sampel, tingkat keberhasilan rata-rata sistem mengenali chord mayor dan minor berturut-turut adalah 92,67% dan 94,1%. Kata Kunci : Chord, Instrumen Tunggal, Wavelet, Key Detection Abstract Chord or Accord is arrangement of three or more notes played simultaneously, thus produce harmonic sound. Good human hearing sensitivity and musical knowledge is not common especially beginners. Therefore, it is necessary to create a system which is detecting chord well. Chord recognition is audio input transcription from audio file into chord used to accompany the song. The purpose of research is to make a software to recognize single instrument chord producing Pitch Class Profile (PCP) histogram. First step is sound recording, preprocessing i.e. stereo-to-mono conversion, data cropping and data normalization. Afterward, digital file would be extracted using Wavelet Transformation. Later, key detection process: change wavelet packet decomposition spectrum to spectrogram, chromagram and PCP histogram. If there is one of highest three pitches detected similiar with a pitch of chord, therefore chord is classified by comparing chord. research based on Matlab language programming and 120 major and minor chord signal from 12 various pitches as input. It uses five frame sizes i.e. 256, 512, 1024, and 4096 samples per frame. Test result showed, major and minor chord recognition success rate is 92,67% and 94,1% with parameters: ninth decomposition level, Motherwavelet Symlet and frame size 1024 samples. Keywords : Chord, Single Instrument, Wavelet, Key Detection }, issn = {2685-0206}, pages = {31--38} doi = {10.14710/transient.v4i1.31-38}, url = {https://ejournal3.undip.ac.id/index.php/transient/article/view/8667} }
Refworks Citation Data :
Abstrak
Chord atau akor adalah susunan tiga nada atau lebih yang dibunyikan serempak sehingga menghasilkan suara yang harmonis. Kepekaan pendengaran manusia dan pengetahuan musik tidak dimiliki semua orang khususnya pemula, sehingga diperlukan sistem yang dapat mengenali chord. Pengenalan chord adalah bentuk transkripsi masukan file audio menjadi chord yang dapat mengiringi lagu. Tujuan penelitian ini adalah membuat perangkat lunak yang dapat mendeteksi chord instrument tunggal dengan keluaran berupa histogram Pitch Class Profile (PCP). Tahapan pertama adalah perekaman suara, kemudian prapengolahan: pengkonversian format stereo-to-mono, crop data dan normalisasi data. Selanjutnya file yang sudah dikonversi ke bentuk digital diekstraksi menggunakan transformasi Wavelet. Selanjutnya dilakukan key detection: mengubah spektrum dekomposisi paket wavelet menjadi spektrogram, chromagram dan histogram PCP. Apabila ada salah satu pitch yang sama dengan pitch suatu chord dari tiga pitch tertinggi yang terdeteksi, maka chord dikelompokkan sesuai dengan chord yang dibandingkan. Penelitian ini dibuat menggunakan bahasa pemrograman Matlab dengan masukan 120 sinyal chord mayor dan minor dari 12 pitch berbeda. Ukuran frame yang digunakan: 256, 512, 1024, 2048, dan 4096 sampel. Hasil pengujian menunjukkan dengan parameter: tingkat dekomposisi kesembilan, indukan wavelet Symlet, dan ukuran frame 1024 sampel, tingkat keberhasilan rata-rata sistem mengenali chord mayor dan minor berturut-turut adalah 92,67% dan 94,1%.
Kata Kunci : Chord, Instrumen Tunggal, Wavelet, Key Detection
Abstract
Chord or Accord is arrangement of three or more notes played simultaneously, thus produce harmonic sound. Good human hearing sensitivity and musical knowledge is not common especially beginners. Therefore, it is necessary to create a system which is detecting chord well. Chord recognition is audio input transcription from audio file into chord used to accompany the song. The purpose of research is to make a software to recognize single instrument chord producing Pitch Class Profile (PCP) histogram. First step is sound recording, preprocessing i.e. stereo-to-mono conversion, data cropping and data normalization. Afterward, digital file would be extracted using Wavelet Transformation. Later, key detection process: change wavelet packet decomposition spectrum to spectrogram, chromagram and PCP histogram. If there is one of highest three pitches detected similiar with a pitch of chord, therefore chord is classified by comparing chord. research based on Matlab language programming and 120 major and minor chord signal from 12 various pitches as input. It uses five frame sizes i.e. 256, 512, 1024, and 4096 samples per frame. Test result showed, major and minor chord recognition success rate is 92,67% and 94,1% with parameters: ninth decomposition level, Motherwavelet Symlet and frame size 1024 samples.
Article Metrics:
Last update:
Penulis yang menyerahkan naskah perlu menyetujui bahwa hak cipta dari artikel tersebut akan diserahkan ke TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro sebagai penerbit jurnal. Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.
TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro dan Editor berusaha keras untuk memastikan bahwa tidak ada data, pendapat, atau pernyataan yang salah atau menyesatkan dipublikasikan di jurnal. Dengan cara apa pun, isi artikel dan iklan yang diterbitkan dalam TRANSIENT: Jurnal Ilmiah Teknik Elektro adalah tanggung jawab tunggal dan eksklusif masing-masing penulis dan pengiklan.
Formulir Transfer Hak Cipta dapat diunduh di sini: [Formulir Transfer Hak Cipta Transient]. Formulir hak cipta harus ditandatangani dan dikirim ke Editor dalam bentuk surat asli, dokumen pindaian atau faks:
Dr. Wahyudi (Ketua Editor)Departemen Teknik Elektro, Universitas Diponegoro, IndonesiaJl. Prof. Sudharto, Tembalang, Semarang 50275 IndonesiaTelepon/Facs: 62-24-7460057Email: transient@elektro.undip.ac.id