7206030009

PROYEK AKHIR

“PEMBUATAN PROGRAM APLIKASI UNTUK MENAMPILKAN CIRI SINYAL WICARA DENGAN MATLAB ”.

Nia Maulidia NRP. 7206 030 009

Dosen Pembimbing : Tri Budi Santoso, ST, MT NIP. 19700105.199502.1.001

JURUSAN TEKNIK TELEKOMUNIKASI POLITEKNIK ELEKTRONIKA NEGERI SURABAYA INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2009

PROYEK AKHIR

“PEMBUATAN PROGRAM APLIKASI UNTUK MENAMPILKAN CIRI SINYAL WICARA DENGAN MATLAB ”.

Nia Maulidia NRP. 7206 030 009

Dosen Pembimbing : Tri Budi Santoso, ST, MT NIP. 19700105.199502.1.001

JURUSAN TEKNIK TELEKOMUNIKASI POLITEKNIK ELEKTRONIKA NEGERI SURABAYA INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2009

PROYEK AKHIR

“PEMBUATAN PROGRAM APLIKASI UNTUK MENAMPILKAN CIRI SINYAL WICARA DENGAN MATLAB ”.

Nia Maulidia NRP. 7206 030 009

Dosen Pembimbing : Tri Budi Santoso, ST, MT NIP. 19700105.199502.1.001

JURUSAN TEKNIK TELEKOMUNIKASI POLITEKNIK ELEKTRONIKA NEGERI SURABAYA INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2009

PEMBUATAM PROGRAM APLIKASI UNTUK MENAMPILKAN CIRI SINYAL SINY AL WICARA DENGAN MATLAB Oleh:

NIA MAULIDIA 7206.030.009

Proyek Akhir ini Diajukan Sebagai Salah Satu Syarat Untuk  Memperoleh Gelar Ahli Madya (A.Md.) di Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Surabaya Disetujui oleh Tim Penguji Proyek Proyek Akhir 1............. 1...... .............. ............... ............... ......... NIP.

Dosen Pembimbing 1. Tri Budi Santoso, ST. MT NIP. 19700105.199502.1.001

2………………………. NIP. 3………………………... NIP. Mengetahui: Ketua Jurusan Telekomunikasi

Arifin, ST, MT NIP. 19600503.198803.1.1004

KATA PENGANTAR Alhammdulillah atas Rahmat dan Hidayahnya serta Nikmat yang telah diberikan kepada kami sehingga kami bisa menyelesaikan buku proyek  akhir ini yang berjudul : PEMBUATAN PROGRAM APLIKASI UNTUK MENAMPILKAN CIRI SINYAL WICARA DENGAN MATLAB MATLAB .

Sholawat serta salam tak lupa kami ucapkan kepada junjungan nabi besar kita Muhammad SAW yang telah menunjukkan kepada kita mana  jalan yang haq dan yang batil. Kami ucapkan terima kasih pada dosen pembimbing yang bersedia memberikan pengarahan serta waktu kepada kami, teman-teman yang memberi semangat serta dukungan yang diberikan kepada kami dan pihak lain yang ikut membantu dalam menyelesaikan proyek akhir ini. Kami yakin dalam penyusunan buku ini masih banyak kekurangan sehingga kami harapkan kedepan bisa diperbaiki atau dikembangkan lagi. Semoga buku ini dapat bermanfaat bagi kita semua

Surabaya,Agustus 2009

Penulis

ABSTRAK Proses pengenalan suara ( Speech recognition) merupakan suatu teknik terapan dari proses pengolahan sinyal digital yang telah banyak  digunakan untuk berbagai macam aplikasi, misalnya saja teknologi di bidang telekomunikasi sudah tidak hanya mampu menyediakan layanan pengiriman data text saja tetapi juga sudah mampu melayani pengiriman data dengan menggunakan suara, Dari perkembangan teknologi pengolahan signal munculah ide untuk membuat program aplikasi yaitu dengan membuat software untuk menampilkan ciri sinyal wicara signal wicara.Yang berdasarkan Energy (power), pitch , dan formant Pada Proyek akhir ini memanfaatkan sinyal suara sebagai inputan, sinyal suara akan disimpan dengan file ekstensi * .wav, kemudian sinyal tersebut akan diekstrak oleh sistem sehingga diperoleh parameterparemeter standart dari masing-masing sinyal suara yang masuk. Proses ekstrak sendiri terdiri dari sampling, frame blocking, windowing, FFT, dan cepstrum. Dan dilakukan proses visualisasi fitur untuk analisis sinyal wicara. Software ini mempunyai fasilitas yang mendukung untuk analisis data suara, seperti membaca file ektensi yang berupa WAV, menampilkan 3 nilai formant (F1, F2, F3) dan nilai picth (F0) dan fasilitas lain.

Kata kunci   – Speech recognition, frame blocking, windowing, FFT, cepstrum, pitch countour 

ABSTRACT The process of the voice recognition (Speech recognition) is applied a technique of digital signal processing that has been widely used for various applications, such as technology in the field of  telecommunication is not only able to provide data transmission services only text but also able to serve with the use of data sound, from the development of signal processing technology have a ideas to make application program is to create software to display the characteristic voice signals with based on Energy (power), pitch, and formant. At the final project utilizing input as a voice signal, the voice signal will be save in file with extention *.wav, after that the signal will be extracted by the system so that the parameters obtained from the standard-paremeter each incoming voice signals. The process extracts the process itself consists of a sampling, frame blocking, windowing, FFT, and cepstrum. And made the process of visualization features for analysis sound signal. This software has the facility to support the analysis of voice data, such as reading the file ektensi the form of WAV,shows the formant values (F1, F2, F3) and the value picth (F0) and other facilities.

Keywords - Speech recognition, frame blocking, windowing, FFT, cepstrum, pitch countour

DAFTAR ISI HALAMAN JUDUL .................................................. LEMBAR PENGESAHAN........................................... ABSTRAK .................................................................. ABSTAC........................................................................ KATA PENGANTAR................................................... DAFTAR ISI ............................................................... DAFTAR GAMBAR .....................................................

i ii iii iv iv v vi

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG.............................. 1.2 RUMUSAN MASALAH.......................... 1.3 BATASAN MASALAH........................... 1.4 TUJUAN................................................... 1.5 METODOLOGI........................................ 1.6 SISTEMETIKA PENULISAN.................

1 2 2 2 2 3

BAB 2 PERENCANAAN SISTEM DAN TEORI PENUNJANG 2.1Perencanaanpembuatan sistem.................... 5 2.1.1 Perekaman Suara.................................. 5 2.2.Sistem Pengolahan Suara............................. 5 2.2.1 Sinyal Suara Manusia............................ 6 2.2.2 Proses Sampling..................................... 8 2.2.3 Frame Blocking...................................... 9 2.2.4 Cepstrum............................................... 9 2.2.5 Windowing…………………………….. 11 2.2.6 DFT (Discrete Fourier Transform)…… 13 2.2.7 FFT (Fast Fourier Transform)………….. 14 2.3. Bentuk Analisis Sinyal Wicara....................

15

2.3.1 Energi Pada Sinyal Wicara....................... 2.3.1 Pitch ( Frekuensi Fundamental................ 2.3.1.1 Estimasi Pitch di Domain Waktu ..... 2.3.2 2 Estimasi Pitch di Domain Frekuensi .. 2.3.3 Formant pada Sinyal Wicara .................... 2.4 Perencanaan Pembuatan Software................ 2.4.1 Rancangan Tampilan Program.................

15 18 18 20 24 25 26

BAB 3 PEMBUATAN DAN ANALISA SISTEM

3.1 Pendahuluan……………………………… 3.2 Pengolahan suara……………….……….. 3.2.1 Perekaman Suara………………….. 3.2.2 Proses Sampling…………………….. 3.2.3 Frame Bloking………………………. 3.2.4 Windowing……………………………

31 32 32 32 34 34

3.2.5 Fa st Fo urie r Tra nsfo rm.......................... 35

3.3 Perangkat Lunak Yang Digunakan………. 3.2.1Pembuatan Tampilan………………… 3.4 Pembuatan Sistem…………………………. 3.5 Pengujian Sistem…………………………… 3.5.1 Metode Pengujian Sistem……………. BAB4 PENUTUP 4.1 Kesimpulan ……………………………… 4.2 Saran………………………………………

36 37 43 57 57

Lampiran …………………………………………….. Daftar Pustaka…………………………………………. Daftar Riwayat Hidup………………………………….

65 75 77

63 63

DAFTAR GAMBAR Gambar 2.1 Blok diagram perencanaan sistem......................... 5 Gambar 2.2 Blok Diagram analisa sinyal wicara..................... 6 Gambar 2.3 Skema organ penghasil sinyal suara...................

7

Gambar 2.4 Sinyal suara kata “Diktat” ..................................

8

Gambar 2.5 Proses sampling suatu sinyal................................ 9 Gambar 2.6 Bentuk Sinyal yang di frame blocking ………..

10

Gambar 2.7 Contoh sinyal tercepstrum antara laki-laki dan perempuan …………………………………. 11 Gambar 2.8 Sinyal sinus murni …………….......................... 11 Gambar 2.9 Sinyal sinus yang telah di window……………..

13

Gambar 2.10 Sinyal sinus dalam domain waktu.....................

15

Gambar 2.11 Sinyal sinus dalam domain frekuensi...............

15

Gambar 2.12 Bentuk sinyal Wicara......................................... 17 Gambar 2.13 Segmen Sinyal Wicara aaa dan Window Hamming 20 ms per Frame.................................................. 18 Gambar 2.14 Sinyal wicara ‘a’................................................. 19 Gambar 2.15 Satu frame sinyal wicara ‘a’................................ 19 Gambar 2.16 Auto korelasi sinyal wicara ‘a’............................ 20 Gambar 2.17 Dua frame sinyal wicara ‘a’. .............................. 21 Gambar 2.18 Spectrum sinyal wicara ‘a’................................. 22 Gambar 2.19 Cepstrum sinyal wicara ‘a’. ................................ 22 Gambar

2.20 Blok Diagram pemodelan pencarian formant frekuensi.............................................................. 23

Gambar 2. 21 Satu frame sinyal wicara ‘a’ .............................. 24

Gambar 2.22 Spectrum sinyal wicara ‘a’ ................................ 24 Gambar 2. 23 Output Linear Prediction Filter  dari spectrum sinyal wicara ‘a’............................................................. 25 Gambar 2.24 tampilan software............................................

26

Gambar 2.25 cara untuk memulai gui……………………..

27

Gambar 2.26 option untuk memulai gui…………………..

28

Gambar 2.27 Layar untuk mendesain tampilan pada matlab..28 Gambar 2.28 Elemen- element yang ada pada GUI matlab…29 Gambar 3.1 pembuatan Sistem……………………………

31

Gambar 3.2 Blok diagram pengolahan suara……………

32

Gambat 3.3 Proses perekaman suara……………………..

32

Gambar 3.4 Sinyal suara yang telah disampling dengan frekuensi 8000Hz…………………………………….. 33 Gambar 3.5 Flowchart dari proses sampling………………

33

Gambar 3.6 sinyal yang telah dipotong perframe dengan frkuensi 8000Hz…………………………………….. 34 Gambar 3.7 Flowchart dari proses windowing……………..

35

Gambar 3.8 Flowchart dari proses FFT…………………….

36

Gambar 3.9 Bentuk Tampilan……………………………..

38

Gambar 3.10 layar kosong untuk mendesain tampilan……

38

Gambar 3.11 Toolbox yang digunakan untuk mendesain tampilan ……………………………………..

39

Gambar 3.12 Properti inspector pada static teks……………

40

Gambar 3.13 Properti inspector pada tombol pushbutton rekam ………………………………………..

41

Gambar 3.14 Properti inspector pada pop-up menu………

42

Gambar 3.15 sting pada pop-up menu …………………….

42

Gambar 3.16 Blok diagram perhitungan STE………………

47

Gambar 3.17 Bentuk power pada sinyal wicara yg telah Direkam...........................................................

48

Gambar 3.18 Sinyal suara yang dibagi perframe…………..

49

Gambar 3.19 Spectrum sinyal suara………………………..

50

Gambar 3.20 Bentuk pitch dengan metode cepstrum...........

51

Gambar 3.21 Blok diagram perhitungan Cepstrum………

51

Gambar 3.22 Spectrum sinyal wicara………………………

53

Gambar 3.23 Bentuk Formant dengan metode  LPC ............

54

Gambar 3.24 Blok diagram perhitungan Cepstrum……….

55

Gambar 3.25 perekaman suara dengan mana file iii.wav.....

57

Gambar 3.26 Bentuk power dari hasil perekaman file iii.wav

58

Gambar 3.27 Bentuk pitch dari hasil perekaman file iii.wav..

58

Gambar 3.28 Bentuk formant dari hasil perekaman file iii.wav 59 Gambar 3.29 perekaman suara dengan mana file aaa.wav..

60

Gambar 3.30 Bentuk power dari hasil perekaman file iii.wav.. 60 Gambar 3.31 Bentuk pitch dari hasil perekaman file aaa.wav..61 Gambar 3.32 Bentuk formant dari hasil perekaman file iii.wav.61

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Teknologi pengenalan wicara saat ini telah mengalami perkembangan yang cukup pesat. Banyak aplikasi - aplikasi yang telah di hasilkan seiring dengan metode dan proses dari pengenalan wicara tersebut. Dikarenakan pengiriman sinyal informasi yang tidak hanya berupa data teks tetapi juga suara manusia. Dalam aplikasinya suara pengucap digunakan untuk mengidentifikasi suatu kondisi serta control akses, seperti voice dial, phone banking, phone shopping, database accessservice, voice mail, security control, dan remote access terhadap komputer. Pada proyek akhir ini dibuat program untuk membantu aplikasi suara pengucap dengan menampilkan bentuk sinyal wicara. Yaitu yang berdasarkan energi (power), pitch, dan formant. Pada penelitian ini akan dibuat sebuah sistem atau software dalam hal ini menggunakan pemrograman matlab colea. Program Colea ini memiliki fasilitas yang mendukung untuk analisis data suara, seperti membaca file ektensi yang berupa WAV, ILS, ADF, dan ADC, menampilkan 3 nilai formant (F1, F2, F3) dan nilai pitch (F0), menampilkan sinyal suara dalam bentuk time waveform, spectrogram, spektrum LPC, FFT. Program ini akan membaca file suara dalam bentuk ekstensi *.wav dan menampilkanya berdasarkan energy (power), pitch, dan formant. 1.2 RUMUSAN MASALAH Permasalahan pada penelitian ini terletak pada : 1. bagaimana agar program ini dapat menampilkan bentuk sinyal wicara yang berdasarkan energi (power), pitch, dan formant. 2 bagaimana cara pengolahan sinyal wicara sesuai standart 1.3 BATASAN MASALAH Batasan masalah dari proyek akhir ini yaitu 1) Bahasa pemrograman yang digunanakan adalah Pemrograman Matlab 1.4 TUJUAN Untuk menampilkan ciri sinyal wicara yang di timbulkan oleh manusia yang berdasarkan energi (power), pitch, dan formant serta mempelajari lebih lanjut tentang digital signal processing .

1.5 METODOLOGI Untuk pembuatan program pendeteksi sinyal wicara ini, dibutuhkan langkah-langkah sebagai berikut: 1.5.1 Studi Pustaka Langkah pertama dalam pengerjaan proyek akhir ini adalah mencari referensi sebanyak – banyaknya untuk menunjang pengerjaan proyek akhir ini.Teori penunjang yang digunakan dalam proyek akhir ini yaitu teori tentang digital signal processing.. 1.5.2 Perancangan sistem Perancangan pembuatan program dilakukan berdasarkan pada teori tentang pengolahan sinyal. Program akan menerima sinyal wicara dari perekaman kemudian akan ditampilkan berdasarkan energi (power), pitch, dan formant. 1.5.4 Pembuatan prgram Perancangan dan pengenalan software meliputi software matlab. Dalam software ini kita menggunakan toolbox colea. (A Matlab software tool for speech analysis). dalam Colea ini memiliki fasilitas yang mendukung untuk  analisis data suara, seperti membaca file ektensi yang berupa WAV, ILS, ADF, dan ADC, menampilkan 3 nilai formant (F1, F2, F3) dan nilai picth (F0), menampilkan sinyal suara dalam bentuk time waveform, spektrogram, spektrum LPC, FFT, dan fasilitas lain dan juga software matlab GUI (graphical user interface) pada software ini kita dapat membuat tampilan secara grafis. 1.5.3. Perekaman Suara Untuk proses perekaman suara dilakukan dengan menggunakan hardware berupa mikrophone dan PC yang dilengkapi dengan soundcard dan perangkat lunak (software) Matlab. Sofware ini mampu untuk merekam secara langsung dan hasil dari perekaman suara ini akan disimpan dalam file yang berekstensi “.WAV”. 1.5.4 Pengolahan Data Setelah melakukan proses perekaman suara yang berupa file dengan ekstensi .*wav, file suara tersebut akan diolah dan ditampilkan berdasarkan : 1. Energy, dengan metode yang digunakan adalah Sort Term Energy (STE) 2. Pitch, dengan metode yang digunakan adalah Cepstrum

3.

Formant, dengan metode linear prediction (LPC).

1.5.5 Mengalisa sistem dan menberkan kesimpulan Tahapan akhir dari pelaksanaan proyek akhir ini adalah menganalisa kekurangan dan kelebihan metode yang digunakan dalam proses pengolahan sinyal wicara dan memberikan kesimpulan 1.6 Sistematika Penulisan Sistematika penulisan yang akan diuraikan dalam buku laporan proyek  akhir ini terbagi dalam bab-bab yang akan dibahas sebagai berikut: BAB1. Pendahuluan Pada bab ini diterangkan secara singkat mengenai latar belakang, tujuan, batasan masalah, metodologi dan sistematka, penulisan proyek akhir.

BAB2. Teori Penunjang Dan Perencanaan Pembuatan Program Pada teori penunjang dijelaskan mengenai –teori yang berkaitan dengan bahasan proyek akhir yang meliputi tentang penglohan sinyal suara, Matlab Colea, serta Matlab GUI Sedangkan pada perencanaan ,berisi pembahasan secara lengkap mengenai tahap-tahap perencanaan dan pengolahan sinyal wicara serta pembuatan program untuk menampilkan energy, pitch, dan formant.

BAB3. Pembuatan Sistem dan Analisa Sistem Pada bab ini dijelaskan detail proses pembuatan program pada proyek  akhir ini. Implemlementasi dari proyek akhir ini adalah untuk mendeeksi crri sinyal wicara manusia . Sedangkan pada hasil dan pembahasan akan dibahas tentang hasil yang telah diperoleh dan melakukan pembahasan proses dalam pembuatan sampai selesai. BAB4. Penutup Pada bab ini berisi tentang kesimpulan yang dapat diambil dari hasil analisa serta saran-saran yang diharapkan dapat mmberikan pengembangan dan penyempurnaan pada proyek akhir ini.

BAB II PERENCANAAN SISTEM DAN TEORI PENUNJANG 2.1 Perencanaan pembuatan sistem

Gambar 2.1 Blok diagram perencanaan sistem

Pada perencanaan dan pembuatan perangkat lunak ini akan dibahas tentang proses instalasi, pembuatan perangkat lunak, proses perekaman suara hingga pengolahan sinyal suara untuk mendapatkan ciri atau parameter dari suara yang masuk yang kemudian akan di tampilkan bentuk ciri sinyal suara yang berdasarkan domain frekuensi, domain waktu, power (energi) speech, pitch, dan formant. Bahasa pemrograman yang digunakan adalah Matlab yang dilengkapi dengan toolbox COLEA dan matlab GUI sebagai fasilitas dalam konfigurasi sistemnya. 2.1.1 Perekaman Suara Proses perekaman suara dilakukan untuk membaca file dengan ekstensi *.wav dan menampilkan bentuk suara manusia yang berdasarkan energi (power), pitch dan formant. 2.2 Sistem Pengolahan Suara Untuk melakukan analisis sinyal wicara kita perlu melalui serangkaian proses yang dapat digambarkan secara umum seperti pada diagram blok berikut ini:

Gambar 2.2 Blok Diagram analisa sinyal wicara

Proses pengolahan diawali dengan pengambilan sinyal wicara yang dalam hal ini bisa kita lakukan secara on-line dengan mengambil langsung dari microphone ke PC atau secara off line yaitu dengan mengambil file sinyal wicara dalam format *.wav. 2.2.1 Sinyal Suara Manusia Suara merupakan salah satu sumber informasi yang dipergunakan manusia untuk mengkomunikasikan ide, keinginan, dan perasaannya kepada orang lain. Organ tubuh yang berpengaruh dalam proses produksi wicara adalah paru-paru, tenggorokan (trachea), larinks, farinks, rongga hidung (nasal cavity), dan rongga mulut (oral cavity). Pembangkitan sinyal suara terletak pada bentuk lintasan vokalnya (vocal tract). Lintasan vocal tersebut terdiri atas: dibawah katub tenggorokan (laryngeal pharynx), antara langit-langit lunak katub tenggorokan (oral pharynk), di atas velum dan diujung depan rongga hidung (nasal pharynx), dan rongga hidung (nasal cavity), seperti ditunjukkan pada gambar di bawah ini .

Gambar 2.3 Skema organ penghasil sinyal suara

Sinyal suara merupakan hasil dari suara manusia, dimana sinyal suara mempunyai frekuensi kerja antara 300 sampai 3400Hz. Gelombang sinyal wicara mempunyai bentuk yang unik seperti gambar berikut:

Gambar 2.4 Sinyal suara kata “Diktat” (pengucap perempuan)

2.2.2 Proses Sampling Suara manusia akan menghasilkan sinyal analog yang terus kontinyu. Sinyal suara merupakan sinyal yang tidak terbatas dalam domain waktu (infinite time interval).Untuk keperluan pemrosesan dalam transformasi fourier maka sinyal wicara harus dibentuk dalam potongan - potongan waktu yang terbatas (finite time interval). Karena itu sinyal yang ada dipotong-potong dalam slot-slot interval waktu tertentu. Berdasarkan pada teori sampling Nyquist, maka syarat dari frekuensi sampling adalah minimal dua kali frekuensi sinyal. Fsampling ≥ 2 x Fsignal

........(2-1)

Teori Shannon menyatakan frekuensi sinyal ini paling sedikit adalah dua kali frekuensi sinyal yang akan disampling (sinyal analog). Ini adalah batas minimum dari frekuensi sample agar nantinya cuplikan yang diambil menunjukkan bentukan sinyal yang asli (analog). Lebih besar tentunya lebih baik, karena cuplikan akan lebih menggambarkan sinyal yang asli. Seperti terlihat pada Gambar 2.5 adalah bentukan proses pencuplikan. Setelah dilakukan proses ini maka terbentuklah suatu sinyal analog-diskrit yang bentuknya menyerupai aslinya namun hanya diambil diskrit-diskrit saja.

Gambar 2.5 Proses sampling suatu sinyal 2.2.3 Frame Blocking Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan satu frame terdiri dari beberapa sampel. Pengambilan sampel tersebut tergantung dari tiap detik suara akan disampel dan berapa besar frekuensi samplingnya. Dalam proyek akhir ini menggunakan frekuensi sampling 8000 Hz dan pengambilan sampel tiap 20 ms. Maka diperoleh tiap frame terdapat 160 sampel. Dimana perhitungannya adalah sebagai berikut:

Frekuensi sampling = 8000Hz Berarti tiap satu detik terdiri dari 8000 sampel Disampling tiap 20 ms = 0.002 detik  Jadi jumlah sampel tiap frame = (8000x0.002)/1 = 160 sampel

Gambar 2.6 Bentuk Sinyal yang di frame blocking

2.2.4 Cepstrum Cepstrum adalah fourier transform dari logaritma autospektrum. Berguna untuk membatasi periodiksitas pada autospektrum. Cepstrum   juga berfungsi untuk menggandakan domain frekuensi dan konvolusi pada domain waktu. Bentuk matematis dari proses cepstrum bisa dipisahkan menjadi dua variabel. Jika kita mengambil bentuk log dari magnitude kedua variabel tersebut, maka diperoleh rumus:  Log |X(ω)| = log |G(ω) | + log |H(ω) |………(2-2)

Menghitung invers dari Fourier Transform dengan rumus diatas, menghasilkan quefrency, yang mempunyai bentuk matematis sebagai berikut:    F  1 log X ( )  F  1 log G( )  F  1 log H ( )

……(2-3) Quefrency adalah x-axis dari cepstrum yang merupakan suatu unit dalam domain waktu. Cepstrum bisa didefinisikan dengan beberapa cara sebagai berikut:  Verbal : Cepstrum adalah Fourier Transform dari log dari Fourier Transform  Matematika : FT(log(Ft(sinyal))+j2   m), dimana m adalah bagian imaginer dari bilangan log komplex Algoritma : sin yal FT  log fase unwrapping FT  Cepstrum Berikut adalah contoh gambar dari sinyal hasil cepstrum dari laki-laki dan perempuan dengan kata yang sama. →

→

→

→

→

Gambar 2.7 Contoh sinyal tercepstrum antara laki-laki dan perempuan

2.2.5 Windowing Sinyal suara yang dipotong-potong menjadi beberapa frame akan menyebabkan kesalahan data pada proses fourier transform. Windowing diperlukan untuk mengurangi efek diskontinuitas dari potongan-potongan sinyal Jenis windowing ada beberapa macam yaitu Hamming, Hanning, Bartlet, Rectanguler dan Blackman. Dengan persamaan sebagai berikut:

♦ Window Hamming

W  ham(n)=

0.52−0.46cos[2πn /( N −1)] 0 ≤ n ≤ N −1 …(2-4)

0

elsewhere

♦ Window Hanning

W  han(n)=

{1−cos[2πn /( N −1)]}/ 2 0 ≤ n ≤ N −1 …...(2-5)

0

elsewhere

♦ Window Bartlett

W  B(n)=

2n /(N-1)

0≤n≤ (N-1)/2

2-2n /( N-1)

(N-1) / 2≤n≤  N-1 ...................(2-6)

0

elsewhere

♦ Window Blackman 0.42-0.5cos[2 π n / (N-1)]+0.08cos[4

π n/(N-1)].........(2-7)

W  Bl (n)=

0

elsewhere

Dimana: N = Jumlah data dalam satu window n = urutan data ke-n contoh:

Gambar 2.8 Sinyal sinus murni

Gambar 2.9 Sinyal sinus yang telah di window

2.2.6 DFT (Discrete Fourier Transform)

Salah satu cara mentransformasi sinyal dari domain waktu ke dalam domain frekuensi adalah dengan meggunakan discrete fourier transform (DFT).  N 1

2  /  N kn

 X [k ]   x[n]e j

……….(2-8)

n0

Dimana: X[n] = sinyal dalam domain waktu Dengan k = 0,1,2,..........,N-1. Persamaan diatas menyatakan bahwa sinyal akan periodic pada setiap nilai N.

2.2.7 FFT (Fast Fourier Transform)

Transformasi fourier adalah suatu metode yang sangat efisien untuk menyelesaikan transformasi fourier diskrit yang banyak dipakai untuk keperluan analisa sinyal seperti pemfilteran, analisa korelasi, dan analisa spectrum. Fast fourier Transformation atau transformasi Fourier cepat, merupakan proses lanjutan dari DFT ( Diskrit Fourier Transformation ). Transformasi Fourier ini dilakukan untuk  mentransformaikan sinyal dari domain waktu ke domain frekuensi. Hal ini bertujuan agar sinyal dapat diproses dalam spectral substraksi. FFT adalah bentuk khusus dari persamaan integral fourier :  H = ∫ h(t) e dt ..........….....(2-9) Dengan mengubah variable-variabel, waktu (t), frekuensi (w) kedalam bentuk diskrit diperoleh transformasi fourier diskrit (DFT) yang persamaanya adalah : -jwt 

 N 1

 H(kwo) =

 h(nT ) e

-jkwonT 

………......(210)

n 0

Disederhanakan dengan T=1 sampel waktu N=sample waktu N=sample frekuensi k sehingga menjadi :

 H(k) = ∑ h(n)e Dengan k : 0,1,2,…,N-1

.......................(2-11)

FFT dilakukan dengan membagi N buah titik pada transformasi fourier diskrit menjadi 2, masing-masing (N/2) titik transformasi. Proses memecah menjadi 2 bagian ini diteruskan dengan membagi (N/2) titik menjadi (N/4) dan seterusnya hingga diperoleh titik  minimum. Penggunaan FFT  dikarenakan penghitungan komputasi yang lebih cepat dan mampu mereduksi jumlah perkalian dari N 2 menjadi NlogN perkalian. FFT yang digunakan memakai 256 point dan karena hasil FFT simetris, maka keluaran FFT tersebut hanya diambil sebanyak 128 data. Hasil dari proses FFT akan diperoleh titik-titik sinyal yang simetris sehingga data yang dimbil hanya setengah dari data keseluruhan yang selanjutnya akan diolah di  LPC.

Gambar 2.10 Sinyal sinus dalam domain waktu

Gambar 2.11 Sinyal sinus dalam domain frekuensi

2.3 Bentuk Analisis Sinyal Wicara 2.3.1 Energi Pada Sinyal Wicara Energy pada sinyal suara berasal dari udara yang ditimbulkan pada paru – paru dan diteruskan melewati kerongkongan. Aliran udara ini akan terdorong masuk ke suatu bagian dari vocal tract yang disebut vocal cord (pita suara). Kecepatan aliran udara dan perlakuan vocal cord akan menentukan  jenis suara yang dihasilkan, bila kecepatan aliran udara dari kerongkongan tidak terlalu besar dan tegangan pita suara diatur sedemikian rupa sehingga bergetar bebas, maka yang tercipta adalah suara yang voiced. Suara yang unvoiced terjadi bila kecepatan aliran udara terjadi dari kerongkongan cukup besar sehingga terjadi turbulensi aliran udara, pita suara tidak  bergetar secara periodik. Untuk pengkuran nilai energi pada sinyal wicara, terlebih dahulu harus melibatkan fungsi window. Hal ini dikarenakan dalam pengukuran energi sinyal wicara harus disusun dalam frame-frame tertentu. Ini merupakan standar dalam teknologi speech processing, karena secara umum dalam pengolahan sinyal wicara tekadang terdapat sinyal dengan durasi yang terlalu panjang bila dihitung dalam total waktu pengukuran. Fenomena ini juga dikenal sebagai short term speech signal energy. Untuk menghitung energi sinyal wicara kita gunakan formulasi dasar seperti berikut: T 

 E    V k wm  ........................................(2-12) 2

k  0

dimana: V(K) = menunjukan nilai simpangan sinyal atau magnitudonya pada suatu sampel ke-k. w(m) = merupakan fungsi window seperti hamming, hanning, bartlett, dan boxcar. Panjang window dalam hal ini adalah m, untuk durasi dari k = 0 sampai k  = T akan didapatkan window sebanyak n=T/m apabila tidak terdapat overlapping antara window satu dengan yang lain. Jika terjadi overlapping

antara window satu dengan yang lain, misalnya sebesar m/2, maka jumlah window dalam satu durasi T adalah sebanyak n = 1 + T/(m/2). Untuk suatu pengamatan energi pada frame ke-k bentuk persamaan (2.12) menjadi: T 

 E l   V k wl  k  .......(2-13) 2

k  0

dimana l akan menentukan posisi titik-titik window pada sinyal tersebut, ini juga dikenal sebagai model sliding window.

Gambar 2.12 Bentuk sinyal Wicara

Dengan menggunakan model short time measurement  atau sort term energy (STE) measurement  dapat digunakan untuk memilah bagian dari sinyal wicara yang merupakan voiced atau closed . Sebab pada umumnya unvoiced speech memiliki durasi yang lebih pendek. Untuk  pengukuran winyal wicara menggunakan window biasanya dipilih panjang window dengan durasi 10 s/d 20 mili detik. Apabila menggunakan frekuensi sampling sebesar 8 KHz, maka nilainya akan ekuivalen dengan sampel sebanyak 160 setiap frame.

Gambar 2.13 Segmen Sinyal Wicara aaa dan Window Hamming 20 ms per Frame 2.3.2 Pitch ( Frekuensi Fundamental) Picth(F0) merupakan periode pengulangan pulsa yang disebabkan oleh membuka dan menutupnya pita suara. proses sampling   fundamental frequency atau fundamental priodik, Dengan adanya perbedaan  pitch, dapat dibedakan antara warna suara laki-laki dan perempuan. 2.3.2.1 Estimasi Pitch di Domain Waktu Pada domain waktu Pitch (Frekuensi Fundamental) dapat dicari dengan metode autokorelasi. Fungsi auto korelasi untuk ukuran durasi tertentu sinyal wicara (satu atau beberapa frame) menunjukkan bagaimana bentuk sinyal itu berkorelasi dengan dirinya sendiri pada suatu rentang delay berbeda. dapat dilihat bahwa fungsi auto korelasi memiliki puncak pada delay nol dan pada sebuah delay yang berkaitan dengan ± 1 periode, ±2 periode, dst. Dapat dilakukan estimasi frekuensi fundamental dengan melihat interval (jarak) antara puncak  tertinggi dengan puncak tertinggi berikutnya. Tetapi satu hal yang

harus kita ingat bahwa nilai frekuensi fundamental yang wajar pada sinyal wicara (pitch) berkisar antara 50 Hz dan 500 Hz. Dan dapat kita ekuivalenkan dengan 2ms(=500Hz) dan 20ms (=50Hz).

Gambar 2.14 Sinyal wicara ‘a’.

Gambar 2.15 Satu frame sinyal wicara ‘a’.

Gambar 2.16 Auto korelasi sinyal wicara ‘a’.

Pendekatan auto korelasi merupakan langkah terbaik dalam pencarian frekuensi fundamental jika kondisi sinyal wicara adalah memiliki level noise tidak terlalu tinggi, nilai pitch yang teratur dan spectral penyusunnya tidak berubah terlalu cepat. Jika kita salah dalam pemilihan nilai delay, maka metode auto korelasi tidak akan memberikan hasil yang baik dan cenderung menimbulkan kesalahan. Satu kelemahan metode ini pada saat melakukan ekstraksi suara wanita, ada suatu kondisi dimana suaranya memiliki nilai formant ke-1 (F1) yang posisinya lebih rendah dibanding frekuensi fundamentalnya. 2.3.2 2 Estimasi Pitch di Domain Frekuensi Sebuah cara yang dapat dipakai dalam mengestimasi frekuensi fundamental untuk durasi yang panjang adalah metode cepstrum yang merupakan sebuah analisis Fourier pada nilai logarithmic amplitude spectrum dari sebuah sinyal. Jika log amplitude spectrum tersusun dari berbagai jarak frekuensi harmonisa-harmonisa sinyal, selanjutnya analisis Fourier pada spectrum akan menunjukkan sebuah puncak yang berkaitan dengan jarak diantara harmonisa tersebut, yang dalam hal ini adalah nilai frekuensi fundamental dari sinyal. Disebut cepstrum darena diperoleh dari kandungan nilai yang berada di dalam spectrum dengan proses lebih dalam lagi. Sumbu x pada cepstrum memiliki satuan quefrency, dan puncak yang muncul pada cepstrum (yang berkaitan dengan periodisitas di dalam spectrum) disebut harmonics.

Untuk dapat melakukan estimasi pada dnilai frekuensi fundamental dari cepstrum kita harus mencari nilai puncak yang muncul di dalam daerah quefrency berkaitan dengan tipe frekuensi fundamental pada sinyal wicara.

Gambar 2.17 Dua frame sinyal wicara ‘a’.

Gambar 2.18 Spectrum sinyal wicara ‘a’ .

Gambar 2.19 Cepstrum sinyal wicara ‘a’. 2.3.3 Formant pada Sinyal Wicara Pada saat aliran udara masuk pada vocal tract, aliran udara mengalami suatu penapisan. Dalam hal ini seolah – olah terjadi resonansi seperti pada pipa organa. Frekuensi resonansi yang terjadi ditentukan oleh bentuk dan panjang vocal tract. Frekuensi resonansi ini yang biasa disebut dengan frekuensi formant. Seperti resonansi pada pipa organa, dimana frekuensi resonansi yang terjadi merupakan kelipatan dari dari panjang pipa organa tersebut, maka formant – formant yang terjadi akibat penapisan pada vocal tract   juga mendekati kelipatan panjang vocal tract, selain dipengaruhi oleh bentuknya. Dengan kata lain frekuensi – frekuensi formant yang timbul merupakan fungsi dari bentuk dan panjang vocal tract formant pertama (F1) yang merupakan frekuensi resonansi dasar. F2 merupakan frekuensi resonansi kedua dan seterusnya. Estimasi pada nilai frekuensi formant secara umum lebih sulit dibanding estimasi pada frekuensi fundamental. Masalahnya adalah bahwa frekuensi formant merupakan sifat dari system vocal tract dan harus diperoleh dari extraksi sinyal wicara. Bentuk spectral pada vocal tract secara kuat berkaitan dengan pengamatan spectral envelope (selubung spektral), yang mana kita tidak akan mampu menjamin bahwa semua vocal tract yang beresonansi akan ditentukan oleh puncak-puncak  di dalam spectral envelope yang kita amati, tetapi bisa juga terjadi

sebaliknya dimana semua puncak-puncak yang muncul pada spectral envelope disebabkan oleh resonansi vocal tract resonances. Metode yang cukup banyak dipakai pada estiamsi formant frequency didasarkan pada pemodelan signal wicara yang dibangkitkan oleh sekumpulan sumber frekuensi dan filter seperti pada diagram blok  pada berikut ini

Gambar 2.20 Blok Diagram pemodelan pencarian formant frekuensi

Tipe analisis ini disebut source-filter separation, dan di dalam kasus estimasi formant frequencykit hanya berkonsentrasi pada pemodelan system dan frekuensi resonansi yang muncul. Untuk mendapatkan kecocokan yang terbaik pada sistem, akan digunakan sebuah metode analisis yang disebut   Linear Prediction. Metode ini memodelkan sinyal dengan kondisi seperti dibangkitkan dalam kondisi energi yang minimum dan selanjutnya dilewatkan pada sebuah filter IIR.

Gambar 2. 21 Satu frame sinyal wicara ‘a’

Gambar 2.22 Spectrum sinyal wicara ‘a’

Gambar 2. 23 Output Linear Prediction Filter dari spectrum sinyal wicara ‘a’.

Untuk mendapatkan formant frequencies dari filter, kita perlu untuk  mendapatkan lokasi-lokasi terjadinya resonansi yang dihasilkan oleh

filter. Ini melibatkan perlakukan koefisien filter sebagai sebuah polynomial dan menyelesaikannya akar-akar polynomial tersebut.

2.4 Perencanaan Pembuatan Software Perencanaan pembuatan software untuk visualisasi ciri sinyal wicara ini menggunakan pemrograman matlab. Dengan Versi 7.3.0. Matlab adalah bahasa pemrograman level tinggi yang dikhususkan untuk  komputasi teknis. Bahasa ini mengintegrasikan kemampuan komputasi , visualisasi dan pemrograman dalam lingkungan yang tunggal dan mudah digunakan. Matlab memberikan sistem interaktif yang menggunakan konsep array/matrik sebagai standart variabel elemennya tanpa membutuhkan pendeklarasian array seperti pada bahasa lainya. Matlab dikembangkan oleh MathWorks, yang pada awalnya dibuat untuk  memberikan kemudahan untuk mengakses data matrik pada proyek  LINPACK dan EISPACK. Selanjutnya menjadi sebuah aplikasi untuk  masukan ribuan pemakai. Dalam lingkungan pendidikan ilmiah menjadi alat pemrograman standar bidang matematika, rekayasa dan keilmuan terkait. Dan dalam lingkungan industri dapat menjadi pilihan paling produktif untuk riset pengembangan dan analisa. Matlab menyediakan beberapa pilihan untuk dipelajari, mempelajari metode visualisasi saja atau kedua-duanya. Selain itu kita juga menggunakan toolbox colea. Toolbox COLEA (A Matlab software tool for speech analysis). Program Colea ini memiliki fasilitas yang mendukung untuk analisis data suara, seperti membaca file ektensi yang berupa WAV, ILS, ADF, dan ADC, menampilkan 3 nilai formant (F1, F2, F3) dan nilai picth (F0), menampilkan sinyal suara dalam bentuk time waveform, spektrogram, spektrum LPC, FFT, dan fasilitas lain

2.4.1 Rancangan Tampilan Program

Gambar 2.24 tampilan software

Tampilan program dibuat dengan menggunakan pemrograman Matlab pada aplikasi GUI (Graphical User Interface) dengan memakai GUI Builder dari Matlab 7.3.0. GUI merupakan Matlab script file yang dibuat untuk menunjukkan analisa dari suatu permasalahan yang khusus. Ada dua cara untuk merancang GUI . yaitu dengan metode sederhana yaitu dengan menggunakan tool khusus untuk merancang suatu yang diinginkan. Matlab menyediakan toolnya dan dapat dilihat dengan mengetikkan ' guide' pada MATLAB command window. Kemampuan maksimum dan kontrolnya adalah dengan pemrograman, namun demikian hasil yang diperoleh didapatkan dengan menggunakan perintah-perintah basic user interface commands. Penggunaan Graphic User Interfaces (GUI), menyediakan fasilitas seperti menus, pushbuttons, sliders, combobox, checkbox dan sebagainya, sesuai dengan program yang diinginkan atau digunakan tanpa knowledge dari Matlab. GUI juga memberikan cara untuk efisiennya manajemen data

Memulai Gui designer (GUIDE)

1.

Pertama, buka Matlab. lalu ke command window ketikan guide

Gambar 2.25 cara untuk memulai gui 2. Akan terdapat tampilan seprti dibawah ini dan pilih option Blank GUI (Default).

Gambar 2.26 option untuk memulai gui

3.

Layar untuk mendesain tampilan dengan GUI Designer (GUIDE).

Gambar 2.27 Layar untuk mendesain tampilan pada matlab

4.

pilih element yang akan ditampilkan

Gambar 2.28 Elemen- element yang ada pada GUI matlab

Dalam konteks pemrograman matlab, setiap object tersebut memiliki hirarki objek yang dijabarkan dalam konsep parent-children. Macam-macam objek yang terdapat pada Gui Matlab 1.Objek Figure Figure adalah objek tertinggi yang dapat kita gunakan dalam pemrograman window. 2.Objek Uicontrol Object Uicontrol adalah object yang sangat dibutuhkan untuk  berientasi dengan program. Ui control berisi kompnen-komponen yang dibutuhkan untuk mendesain form untuk media interaksi. 3 Objek Uimenu objek Uimenu pada dasarnya mirip dengan uicontrol khususnya pada komponen pushbutton.

4 Objek Axes Objek axes dalam pemrograman Matlab sangat penting untuk  melakukan visualisasi data. Tanpa menggunakan objek axes data tidak  dapat menampilkan hasil eksekusi fungsi plot, mesh, countour, dan lain-lain

BAB III PEMBUATAN DAN ANALISA SISTEM 3.1 Pendahuluan Pada bab ini akan menjelaskan tentang pembuatan dan pengujian serta analisa terhadap kinerja software yang telah dibuat. Dengan demikian akan diketahui tingkat keberhasilan dan tingkat kekurangan dari sistem atau software yang telah dibuat dalam Proyek Tugas Akhir kali ini. Dalam pembuatan sistem telah dilakukan beberapa tahap seperti yang akan dijelaskan berikut ini.

Gambar 3.1 pembuatan Sistem 3.2 Pengolahan Suara: Sistem pengolahan suara pada proyek akhir ini diawali pengambilan sinyal suara yang dapat dilakukan secara online dengan cara mengambil langsung dari microphone ke PC atau secara ofline dengan mengambil file suara dengan format *.wav. Setelah itu untuk mendapatkan bentuk energy (power), pitch dan formant dilakukan proses pengolahan suara yang ditunjukan seperti blok diagram berikut ini:

Gambar 3.2 Blok diagram pengolahan suara 3.2.1 Perekaman Suara

Gambat 3.3 Proses perekaman suara

Dalam pembuatan proyek akhir ini, Proses perekaman suara dilakukan dengan menggunakan software buatan sendiri yang berbasis pada Matlab. Pada perekaman suara ini, frekuensi sampling diset pada 8000 Hz. Selain itu juga diset pada MONO channel dan resolusi 16 bit PCM. 3.2.2 Proses Sampling Frekuensi sampling yang digunakan adalah sebesar 8000 Hz, dimana dalam 1 detik sinyal tersebut terdapat 8000 titik sampling. Sebagai contoh, pada gambar dibawah, mempunyai sinyal sepanjang 20 ms disampling dengan frekuensi sampling sebesar 8000 Hz, akan menghasilkan titik  sampling sebanyak 160 titik 

Gambar 3.4 Sinyal suara yang telah disampling dengan frekuensi 8000Hz

Gambar 3.5 Flowchart dari proses sampling 3.2.3 Frame Blocking

Hasil perekaman suara merupakan sinyal analog yang berada dalam domain waktu yang bersifat variant time, yaitu suatu fungsi yang bergantung waktu. Oleh karena itu sinyal tersebut harus dipotongpotong dalam slot-slot waktu tertentu agar dapat dianggap invariant. Sinyal suara dipotong sepanjang 20 milidetik disetiap pergeseran 10 milidetik. Setiap potongan tersebut disebut frame. Jadi dalam satu frame terdapat 160 sampel dari 8000 sampel yang ada.

Gambar 3.6 sinyal yang telah dipotong perframe dengan frkuensi 8000Hz 3.2.4 Windowing Windowing yang digunakan pada proyek akhir ini adalah window hamming, Setelah proses pengambilan sampel maka langkah selanjutnya adalah proses windowing yang berfungsi untuk mengurangi efek  diskontinyuitas pada ujung-ujung frame yang di hasilkan oleh potongan – potongan sinyal. Dan berikut ini adalah flowchat dari proses windowing.

Gambar 3.7 Flowchart dari proses windowing 3.2.5 Fast Fourier Transform FFT dilakukan dengan membagi N buah titik pada transformasi fourier diskrit menjadi 2, masing-masing (N/2) titik transformasi. Proses memecah menjadi 2 bagian ini diteruskan dengan membagi (N/2) titik  menjadi (N/4) dan seterusnya hingga diperoleh titik minimum. Pada FFT pertama-tama harus mentransform data pada dimensi t1, t2 dst. Proses FFT sinyal masukan dapat dilihat dari flowchart berikut ini :

Gambar 3.8 Flowchart dari proses FFT 3.3 Perangkat Lunak yang Digunakan Dalam pembuatan Tugas Akhir ini penulis menggunakan bahasa pemrograman Matlab, karena matlab merupakan bahasa pemrograman level tinggi yang dikhususkan untuk komputasi teknis. Bahasa pemrograman ini mengintegrasikan kemampuan komputasi, visualisasi dan pemrograman dalam lingkungan yang tunggal dan mudah digunakan. Pada Proyek Akhir ini digunakan pemrograman Matlab dengan Matlab versi 7.3.0 yang digunakan sebagai Visualisasi dan merupakan program dasar dari keseluruhan Proyek Akhir. Untuk  menjalankan hasil progam ini dibutuhkan Matlab dengan versi yang sama dan sudah terinstal di dalam computer dan siap untuk digunakan.

3.3.1

Pembuatan Tampilan Pada proses pembuatan tampilan ini digunakan perangkat lunak  berupa pemrograman Matlab dengan Toolbox GUI. Untuk mendesain tampilan program dengan GUI Matlab pada dasarnya dapat dilakukan dengan dua cara, antara lain yaitu dengan : 1. Menggunakan skrip matlab saja (pure script) 2. Menggunakan GUI Designer (GUIDE) Pada keduanya mempunyai masing-masing kelebihan dan kekurangan, Dengan menggunakan skrip murni Kelebihanya adalah compabilitas program, Program dapat dijalankan pada semua versi dan kekuranganya adalah dalam membangun window dengan pure script harus benar-benar memahami konsep pemrograman berorientasi objek  (PBO), terutama pada pemanfaatan property dan event. Property objek  adalah seluruh parameter yang dimiliki oleh objek misalkan warna, posisi, teks, dan lain-lain. Sedangkan Event objek adalah pemicu (trigger) pada objek untuk menjalankan perintah-perintah program. Sedangkan dengan GUI Designer (GUIDE) lebih efisien dan praktis, karena formnya tidak perlu diseting melalui program. Tetapi kelemahanya adalah terjadi ketidak cocokan media. Program yang didesain akan terganggu, karena GUIDE menyimpan hasil desain pada file figure yang pada dasarnya adalah file binary matlab. Maka figure hanya bisa dibaca oleh matlab versi yang sama dengan yang digunakan ketika membuatnya. Dengan mempertimbangkan kekurangan dan kelemahan dari masing – masing metode, disini Penulis Menggunakan GUI Designer (GUIDE)

Gambar 3.9 Bentuk Tampilan

1.Untuk mendesign tampilan seperti diatas, pertama kita buka layar kosong pada guide.

Gambar 3.10 layar kosong untuk mendesain tampilan

2. Tombol – tombol yang digunakan untuk mendesain tampilan

Gambar 3.11 Toolbox yang digunakan untuk mendesain tampilan

Desainuntuk GUI, kita akan membutuhkan komponen berikut Statis Teks satu komponen PushButton enam komponen Pop-up Menu satu komponen 3. Selanjutnya untuk mengedit property dari semua komponen, adalah dengan cara melakukan Double klik salah satu komponen. Atau yang dinamakan property inspector.

Gambar 3.12 Properti inspector pada static teks

Pada static teks parameter yang harus dirubah adalah seting dan foreground colour, dan fontsize

Gambar 3.13 Properti inspector pada tombol pushbutton rekam

Pada poperti inspector button rekam yang perlu diubah propertinya adalahString, diubah menjadi Rekam dan tag disesuaikan dengan menu callback dan pada progmam ini dinamakan btnrekam.

Gambar 3.14 Properti inspector pada pop-up menu

Gambar 3.15 sting pada pop-up menu

Dikarenakan pada tombol pup – up terdapat beberapa option maka pada string harus diubah sesuai dengan pilihan yang diinginkan.

3.4 Pembuatan Sistem Button Rekam: Fungsi dari tombol rekam adalah merekam suara dan mendisplay bentuk envelope sinyal suara pada current Axes. Berikut adalah listing programya: % --- Executes on button press in btnrekam. function btnrekam_Callback(hObject, eventdata, handles) % hObject handle to btnrekam (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) fs = 8000; y = wavrecord(0.8*fs, fs, 'double'); wavplay(y,fs); wavwrite(y,fs,'simpan.wav'); t=1:length(y); axes(handles.axes1); plot(t/fs,y) grid on title('Hasil Perekaman Suara') ylabel('Nilai') xlabel('waktu (detik)')

Callback akan dieksekusi sebagai program Matlab ketika tombol pushbutton diklik. Pada property callback ini dituliskan nama file yang dijalankan. Program ini dijalankan dengan membaca file*.wav. Karena sinyal suara manusia berada pada frekuensi 300Hz – 3400Hz. Dan berdasarkan teori syarat Nyquist frekuensi sampling adalah Fsampling ≥ 2 x Fsignal. Dan menurut teori Shannon yang menyatakan frekuensi sinyal paling sedikit adalah dua kali frekuensi sinyal yang akan disampling (sinyal analog). Ini adalah batas minimum dari frekuensi sample agar nantinya cuplikan yang diambil menunjukkan bentukan sinyal yang asli (analog). Lebih besar tentunya lebih baik, karena cuplikan akan lebih menggambarkan sinyal yang asli. Standart sample rates pada pc yang mempunyai dasar perangkat keras audio adalah 8000Hz, 11025Hz, 22050Hz, dan 44100Hz. Dan pada proyek akhir ini kita menggunakan frekuensi sampling sebesar 8000Hz.

Button Play: Fungsi dari button play adalah membunyikan hasil rekaman suara. Dan property yang digunakan sama dengan tombol rekam berikut adalah listing programya dari tombol play: % --- Executes on button press in btnplay. Function btnplay_Callback(hObject, eventdata, handles) % hObject handle to btnplay (see GCBO) % eventdata reserved – to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) [y, fs, nbits] = wavread(‘simpan.wav’); %read in the wav file sound(y,fs) %play back the wav file tt=length(y); t=1:tt;

callback akan dieksekusi sebagai program Matlab ketika tombol pushbutton diklik. Pada property callback ini dituliskan nama file yang dijalankan. Program ini dijalankan dengan membaca file*.wav. yang telah direkam dengan perintah wavread(‘nama file.wav’); dan perintah sound(y,fs) adalah untuk membunyikan file yang telah dibaca. Button Save: Fungsi dari tombol save adalah menyimpan hasil rekaman suara dengan nama file simpan.wav. Dan properti yang digunakan adalah pushbutton, berikut adalah listing programya : function btnsave_Callback(hObject, eventdata, handles) % hObject handle to btnsave (see GCBO) %eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) fs = 8000; y = wavrecord(0.8*fs, fs, 'double');

wavplay(y,fs); wavwrite(y,fs,'simpan.wav');

Pup-up menu: Fungsi dari menu ini adalah untuk visualisasi ciri sinyal wicara antara lain adalah Energy, pitch dan formant. % --- Executes on selection change in popupmenu1. function popupmenu1_Callback(hObject, eventdata, handles) % hObject handle to popupmenu1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: contents = get(hObject,'String') returns popupmenu1 contents as cell array % contents{get(hObject,'Value')} returns selected item from popupmenu1 pilihan = get(hObject,'value'); switch pilihan

Berdasarkan nilai property yang dimiliki pada popupmenu, kita memperoleh masukan dari switch dan masing-masing masukan adalah untuk power, pitch dan formant. output akan bernilai satu jika inputan yang dipilih adalah energy (power).

case 1 %untuk mencari energy fs=8000; [y,fs]=wavread('simpan.wav'); figure; subplot(211) plot(y)

Program ini digunakan untuk membaca file *.wav dan frekuensi sampling yang digunakan adalah sebesar 8000Hz. axis([0 length(y) -1.2 1.2]) title('Sinyal Wicara & Energi Rata-2 setiap Frame') ylabel('Magnitudo Sinyal Wicara')

Program ini digunakan untuk menampilkan magnitude sinyal wicara y_l=length(y); jj=floor(length(y)/200); n1=1; n2=200; for j=1:jj for i=n1:n2 x(i)=y(i); xx =sum(abs(x(i))); end xx=xx/200; for i=n1:n2 x(i)=xx; end n1=n1+200; n2=n2+200; end subplot(212) plot(x); ylabel('Energi Setiap Frame')

Program ini digunakan untuk menampilkan energi pada sinyal wicara dengan membaginya dalam tiap frame. pada proyek akhir ini pengolahan sinyal suara untuk visualisasi energi digunakan metode Sort Term Energy (STE) Dan berikut ini adalah gambar blok diagram dari metode tersebut.

Gambar 3.16 Blok diagram perhitungan STE

Untuk menampilkan bentuk energy (power) pada sinyal wicara pertama yang harus dilakukan adalah membaca file hasil rekaman suara Kemudian sinyal wicara tersebut dibagi dalam setiap frame. panjang satu frame adalah 20ms, untuk frekuensi sampling fs = 8000, maka panjang satu grama adalah sebesar (20s/1000) x 8000 sample/s = 160 sample. Kelebihan dari metode Sort Term Energy adalah proses komputasinya lebih cepat dan efisien, karena tidak perlu mencari satupersatu sinyal output pada masing-masing filter dan mencari rata - rata dari masing–masing output filter. Dan berikut ini adalah tampilan bentuk  power dari hasil perekaman sinyal wicara yang disimpan pada file simpan iii.wav.

Gambar 3.17 Bentuk power pada sinyal wicara yang telah direkam

outputan akan bernilai dua jika inputan yang dipilih adalah pitch (frekuensi fundamental). case 2 [x,fs]=wavread('simpan.wav') fs=8000; % get a section of vowel % plot waveform plot(x) figure; legend('Waveform'); ylabel('Magnitude') xlabel('sample')

Program ini digunakan untuk membaca file *.wav dan frekuensi sampling yang digunakan adalah sebesar 8000Hz.

% plot waveform 1 frame frame_1=0.02*fs; xframe=x(5*frame_1:6*frame_1);

kemudian sinyal suara tersebut dibagi tiap frame

Gambar 3.18 Sinyal suara yang dibagi perframe

% do fourier transform of windowed signal Y=fft(xframe.*hamming(length(xframe))); %plot cepstrum of bottom 8000Hz hz8000=8000*length(Y)/fs; f=(0:hz8000)*fs/length(Y); plot(f,20*log10(abs(Y(1:length(f)+eps)); legend('spectrum'); xlabel('Frequency (Hz)'); ylabel('Magnitude (dB)');

Setelah itu sinyal diwindowing, dengan menggunakan window hamming, dan dilakukan proses forier transform dengan fft.

Gambar 3.19 spectrum sinyal suara

% cepstrum is DFT of log spectrum C=fft(log(abs(Y)+eps)); ms2=fs/1000; % maximum speech Fx at 500Hz ms20=fs/50; % minimum speech Fx at 50Hz d=(ms2:ms20)/fs; % times of delays plot(d,abs(C(ms2:ms20))); legend('Cepstrum'); xlabel('Quefrency (s)'); ylabel('Amplitude');

kemudian dilakukan perhitungan cepstrum. Dan berikut adalah gambar cepstrum dari sinyal suara dengan nama file simpan.wav.

Gambar 3.20 Bentuk pitch dengan metode cepstrum

pada proyek akhir ini pengolahan sinyal suara untuk visualisasi pitch yaitu dengan menggunakan metode Cepstrum. Dan berikut ini adalah gambar blok diagram dari metode tersebut.

Gambar 3.21 Blok diagram perhitungan Cepstrum

Metode cepstrum merupakan sebuah analisis Fourier pada nilai logarithmic amplitude spectrum dari sebuah sinyal. Jika log amplitude spectrum tersusun dari berbagai jarak frekuensi harmonisa-harmonisa sinyal, selanjutnya analisis Fourier pada spectrum akan menunjukkan sebuah puncak yang berkaitan dengan jarak diantara harmonisa

tersebut, yang dalam hal ini adalah nilai frekuensi fundamental dari sinyal. Untuk dapat melakukan estimasi pada nilai frekuensi fundamental dari cepstrum kita harus mencari sebuah puncak yang muncul di dalam daerah quefrency berkaitan dengan tipe frekuensi fundamental pada sinyal wicara. Pada tugas akhir ini, untuk  menampilkan bentuk pitch penulis mengunakan metode cepstrum. Dikarenakan beberapa kondisi antara lain adalah: - bahwa tidak semua sinyal adalah periodik  - periodisasi sinyal bisa berubah dari waktu ke waktu, kadang melebihi batas waktu pengamatan yang kita gunakan - Sinyal-sinyal ini bercampur dengan noise yang levelnya relative tinggi - Sinyal yang periodik pada interval T juga periodik pada interval waktu 2T, 3T, dst. - Ketika sinyal-sinyal ini memiliki frekuensi fundamental yang konstan, tiba-tiba mengalami perubahan secara mendadak dan masih di dalam batas waktu pengamatan ( frame). Dan cara yang tepat dalam mengestimasi frekuensi fundamental untuk durasi yang panjang adalah metode cepstrum  yang merupakan sebuah analisis Fourier pada nilai logarithmic amplitude spectrum dari sebuah sinyal. Dan berikut adalah hasil perekaman sinyal wicara dan bentuk pitch pada sinyal wicara. outputan akan bernilai tiga jika inputan yang dipilih adalah formant. case 3 %untuk mencari nilai formant [x,fs]=wavread('simpan.wav'); fs=8000; figure;

Program ini digunakan untuk membaca file *.wav dan frekuensi sampling yang digunakan adalah sebesar 8000Hz. % plot waveform frame_1=0.02*fs; xframe=x(5*frame_1:6*frame_1); t=(0:length(xframe)-1)/fs;% times of sampling instants

kemudian sinyal suara tersebut dibagi tiap frame

do fourier transform of windowed signal Y=fft(xframe.*hamming(length(xframe))); %plot spectrum of bottom 8000Hz hz5000=5000*length(Y)/fs; f=(0:hz5000)*fs/length(Y); plot(f,20*log10(abs(Y(1:length(f)))+eps)); legend('Spectrum'); xlabel('Frequency (Hz)'); ylabel('Magnitude (dB)');

disini dilakukan transformasi ke forier transform dan dilakukan proses windowing.

Gambar 3.22 Spectrum sinyal wicara

% get Linear prediction filter ncoeff=2+fs/1000; % rule of thumb for formant estimation a=lpc(x,ncoeff); % plot frequency response [h,f]=freqz(1,a,512,fs); plot(f,20*log10(abs(h)+eps)); legend('LP Filter'); xlabel('Frequency (Hz)'); ylabel('Gain (dB)');

setelah dilakukan proses windowing, kemudian spectrum sinyal tersebut dihaluskan dengan metode LPC.

Gambar 3.23 Bentuk Formant dengan metode  LPC 

% find frequencies by root-solving r=roots(a); % find roots of polynomial a r=r(imag(r)>0.01); % only look for roots >0 up to fs/2 ffreq=sort(atan2(imag(r),real(r))*fs/(2*pi); % convert to Hz and sort for i=1:length(ffreq) fprintf('Formant %d Frequency %.1f\n',i,ffreq(i)); end;

Untuk mendapatkan nilai formant 1, formant 2, dan selanjutnya langkah pertama yang harus dilakukan adalah pencarian akar – polynomial kemudian dilanjutkan dengan proses pencarian nilai – nilai puncak pada envelope yang telah dihasilkan. pada proyek akhir ini akan diketahui nilai formant terletak pada frekuensi resonansi berapa. Dan metode yang digunakan adalah LPC. Dan berikut ini adalah gambar blok diagram dari metode tersebut.

Gambar 3.24 Blok diagram perhitungan Cepstrum

Metode ini memodelkan sinyal dengan kondisi seperti dibangkitkan dalam kondisi energi yang minimum dan selanjutnya dilewatkan pada sebuah filter IIR.

Button Load Data Fungsi dari tombol load data adalah untuk menambahkan file yang telah ada (tersimpan dalam memori pc anda)ntetapi dengan catatan file yang ditambahkan harus berekstensi .wav, dan properti yang digunakan adalah pushbutton, berikut ini adalah listing programya : % --- Executes on button press in btnloaddata. function btnloaddata_Callback(hObject, eventdata, handles) % hObject handle to btnloaddata (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) form = guidata(gcbo); [namafile,direktori] = uigetfile('*.wav','load data file');

Button Keluar Fungsi dari tombol keluar adalah untuk mengeksekusi perintah keluar Dan properti yang digunakan adalah pushbutton, berikut ini adalah listing programya : % --- Executes on button press in btnkeluar. function btnkeluar_Callback(hObject, eventdata, handles) % hObject handle to btnkeluar (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close;

3.5 Pengujian sistem Pengujian merupakan salah satu langkah yang harus dilakukan untuk mengetahui apakah sistem yang telah berjalan sesuai dengan

yang direncanakan. Kesesuaian sistem dengan perencanaan dapat dilihat dari hasil-hasil yang dicapai selama pengujian sistem. Pengujian juga bertujuan untuk mengetahui kelebihan dan kekurangan dari sistem yang telah dibuat. Hasil pengujian tersebut akan dianalisa untuk mengetahui penyebab terjadi kekurangan dalam sistem. 3.5.1 Metode Pengujian Pengujian pada sistem ini meliputi proses perekaman suara yang dapat dilakukan secara langsung, dan tombol fungsi Play suara, yang dapat membunyikan sinyal suara yang telah direkam, dan mengamati bentuk Energi, pitch dan formant pada sinyal suara serta dapat diketahui rfekuensi resonansi terletak pada frekuensi berapa saja, Dan membandingkan bentuknya pada file suara yang berbeda. Dan berikut ini adalah hasil perekaman dengan nama file iii.wav.

Gambar 3.25 perekaman suara dengan mana file iii.wav

Gambar 3.26 Bentuk power dari hasil perekaman file iii.wav

Gambar 3.27 Bentuk pitch dari hasil perekaman file iii.wav

Gambar 3.28 Bentuk formant dari hasil perekaman file iii.wav

Formant terlelak pada frekuensi: Formant 1 Frequency 900.2 Formant 2 Frequency 1675.8 Formant 3 Frequency 2483.8 Formant 4 Frequency 3234.6

Gambar 3.29 perekaman suara dengan mana file aaa.wav

Gambar 3.30 Bentuk power dari hasil perekaman file iii.wav

Gambar 3.31 Bentuk pitch dari hasil perekaman file aaa.wav

Gambar 3.32 Bentuk formant dari hasil perekaman file iii.wav

Formant terlelak pada frekuensi: Formant 1 Frequency 900.2 Formant 2 Frequency 1675.8 Formant 3 Frequency 2483.8 Formant 4 Frequency 3234.6 Formant 1 Frequency 1316.6 Formant 2 Frequency 2127.4 Formant 3 Frequency 2461.7 Formant 4 Frequency 3360.1 Formant 1 Frequency 256.3 Formant 2 Frequency 828.2 Formant 3 Frequency 1840.1 Formant 4 Frequency 2716.4 Formant 5 Frequency 3439.4

BAB IV PENUTUP 4.1 Kesimpulan Berdasarkan pada analisa terhadap hasil yang didapatkan, maka dapat diambil suatu kesimpulan yaitu :

1. Pemrograman yang digunakan adalah GUI Designer (GUIDE) sebagai visual designer hanya meletakkan komponen – komponenya secara pick and drop dengan klik mouse. 2. Keberhasilan sistem dapa t ditunjukkan dengan dapat tampilnya bentuk power (energy), pitch (frekuensi fundamental), dan formant 3. pada proyek akhir ini untuk mencari nilai power digunakan metode sort term energy, sedangkan untuk mencari nilai pitch menggunakan metode cepstrum dan pada formant digunakan metode LPC. 4.2 Saran Karena masih banyaknya hal-hal yang belum dapat diimplementasikan pada proyek akhir ini, maka kami mempertimbangkan beberapa saran untuk perbaikan-perbaikan proyek  akhir ini dalam hal : 1. Tingkat pengurangan noise pada waktu perekaman suara yang semakin baik. 2. Perhatikan penulisan source kode, besar kecilnya huruf harus diperhatikan karena merupakan case sensitive. 3. Otomatis system, pada pemrograman sangat diperlukan karena pada saat mencari tampilan power, pitch dan formant seharusnya tidak perlu merubah program file yang akan dibaca.

-Halaman ini sengaja dikosongkan-

Lampiran function varargout = anyar(varargin) % ANYAR M-file for anyar.fig % ANYAR, by itself, creates a new ANYAR or raises the existing % singleton*. % % H = ANYAR returns the handle to a new ANYAR or the handle to % the existing singleton*. % % ANYAR('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in ANYAR.M with the given input arguments. % % ANYAR('Property','Value',...) creates a new ANYAR or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before anyar_OpeningFunction gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to anyar_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help anyar

% Last Modified by GUIDE v2.5 10-Jun-2009 20:52:33 % Begin initialization code - DO NOT gui_Singleton = 1; gui_State = struct('gui_Name', ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @anyar_OpeningFcn, ... 'gui_OutputFcn', @anyar_OutputFcn, ... 'gui_LayoutFcn', 'gui_Callback', if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end

EDIT mfilename,

[] , ... []);

if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before anyar is made visible. function anyar_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% varargin command line arguments to anyar (see VARARGIN) % Choose default command line output for anyar handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes anyar wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = anyar_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in btnrekam. function btnrekam_Callback(hObject, eventdata, handles) % hObject handle to btnrekam (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

fs = 8000; y = wavrecord(0.8*fs, fs, 'double'); wavplay(y,fs); wavwrite(y,fs,'iii.wav'); t=1:length(y); axes(handles.axes1); plot(t/fs,y) grid on title('Hasil Perekaman Suara') ylabel('Nilai') xlabel('waktu (detik)')

% --- Executes on button press in btnplay. function btnplay_Callback(hObject, eventdata, handles) % hObject handle to btnplay (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) [y, fs, nbits] = wavread('iii.wav'); %read in the wav file sound(y,fs) %play back the wav file tt=length(y); t=1:tt; plot(t,y) %plot the original waveform

% --- Executes on button press in btnsave. function btnsave_Callback(hObject, eventdata, handles) % hObject handle to btnsave (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) fs = 8000; y = wavrecord(0.8*fs, fs, 'double'); wavplay(y,fs);

wavwrite(y,fs,'iii.wav');

% --- Executes on selection change in popupmenu1. function popupmenu1_Callback(hObject, eventdata, handles) % hObject handle to popupmenu1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: contents = get(hObject,'String') returns popupmenu1 contents as cell array % contents{get(hObject,'Value')} returns selected item from popupmenu1 pilihan = get(hObject,'value'); switch pilihan case 1 %untuk mencari energy fs=8000; [y,fs]=wavread('iii.wav'); figure; subplot(211) plot(y) axis([0 length(y) -1.2 1.2]) title('Sinyal Wicara & Energi Rata-2 setiap Frame') ylabel('Magnitudo Sinyal Wicara') y_l=length(y); jj=floor(length(y)/200); n1=1; n2=200; for j=1:jj for i=n1:n2

x(i)=y(i); xx =sum(abs(x(i))); end xx=xx/200; for i=n1:n2 x(i)=xx; end n1=n1+200; n2=n2+200; end subplot(212) plot(x); ylabel('Energi Setiap Frame') case 2 %untuk mencari pitch [x,fs]=wavread('iii.wav'); fs=8000; % plot waveform 1 frame frame_1=0.02*fs; xframe=x(5*frame_1:6*frame_1); % do fourier transform of windowed signal Y=fft(xframe.*hamming(length(xframe))); %plot spectrum of bottom 8000Hz hz8000=8000*length(Y)/fs; f=(0:hz8000)*fs/length(Y); plot(f,20*log10(abs(Y(1:length(f)))+eps)); legend('Spectrum'); xlabel('Frequency (Hz)'); ylabel('Magnitude (dB)'); case 3 %untuk mencari nilai formant [x,fs]=wavread('iii.wav'); % resample to 10,000Hz (optional) x=resample(x,10000,fs); fs=8000; figure; % plot waveform frame_1=0.02*fs;

xframe=x(5*frame_1:6*frame_1); t=(0:length(xframe)-1)/fs; % times of sampling instants plot(t,xframe); legend('1 Frame Waveform'); ylabel('Magnitude') xlabel('Time') % do fourier transform of windowed signal Y=fft(xframe.*hamming(length(xframe))); %plot spectrum of bottom 8000Hz hz5000=5000*length(Y)/fs; f=(0:hz5000)*fs/length(Y); plot(f,20*log10(abs(Y(1:length(f)))+eps)); legend('Spectrum'); xlabel('Frequency (Hz)'); ylabel('Magnitude (dB)'); % get Linear prediction filter ncoeff=2+fs/1000; % rule of thumb for formant estimation a=lpc(x,ncoeff); % plot frequency response [h,f]=freqz(1,a,512,fs); plot(f,20*log10(abs(h)+eps)); legend('LP Filter'); xlabel('Frequency (Hz)'); ylabel('Gain (dB)'); % find frequencies by root-solving r=roots(a); % find roots of polynomial a r=r(imag(r)>0.01); % only look for roots >0 up to fs/2 ffreq=sort(atan2(imag(r),real(r))*fs/(2*pi)); % convert to Hz and sort for i=1:length(ffreq) fprintf('Formant %d Frequency %.1f\n',i,ffreq(i)); end; end;

% --- Executes during object creation, after setting all properties. function popupmenu1_CreateFcn(hObject, eventdata, handles) % hObject handle to popupmenu1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: popupmenu controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end % --- Executes on button press in btnloaddata. function btnloaddata_Callback(hObject, eventdata, handles) % hObject handle to btnloaddata (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) form = guidata(gcbo); [namafile,direktori] = uigetfile('*.wav','load data file'); % --- Executes on button press in btnkeluar. function btnkeluar_Callback(hObject, eventdata, handles) % hObject handle to btnkeluar (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close;

Daftar Pustaka [ 1 ] Philip Loizou ” http://www.mathworks.com/matlabcentral/fx_files/108/1/colea.zip)” [ 2 ] Tri Budi Sontoso, Hary Oktafianto, Titon Dutono  , ”Protoipe   Modul Pengamatan Sinyal Domain Waktu dan Frekuensi Secara   Real Time Untuk Praktikum Pengolahan Sinyal Digital”,EEPISITS, Surabaya 2005 [ 3 ] Kurnia .S. Indah, “ Aplikasi Pengenalan Penutur untuk Sistem  Absensi dengan   Metode Penutur Dependent (Fase Pembelajaran)”, PENS-ITS, Surabaya, 2006. [ 4 ] Yesika Eka Kartikasari, “Pembuatan Software Pembuka Program aplikasi Komputer Berbasis Pengenalan Sinyal Suara”, PENS-ITS, Surabaya,2006 [ 5 ] Gaway Adia Gunaidi ”Matlab Programing”,Informatika, Bandung, juni 2006

-Halaman Ini sengaja Dikosongkan-

Daftar Riwayat Hidup

Nama Lengkap : Nia Maulidia TTL : Surabaya, 12 Oktober 1988 Alamat : Jl Manukan Adi I blok 12/I no 4, Surabaya Telepon : Handphone : +628813143317 Email : [email protected] Riwayat pendidikan formal yang pernah ditempuh:  SD Negeri Sambikerep II,Surabaya lulus tahun 2000.  SMP Negeri 26, Surabaya lulus tahun 2003.  SMA Negeri 11, Surabaya lulus tahun 2006.  Polteknik Elektronika Negeri Surabaya - Jurusan Telekomunikasi, Politeknik Elektronika Negeri Surabaya, Institut Teknologi Sepuluh Nopember Surabaya (ITS). Pada bulan Juli 2009 mengikuti Seminar Proyek Akhir sebagai salah satu persyaratan untuk mendapatkan gelar Ahli Madya (A.Md.) di Politeknik Elektronika Negeri Surabaya, Institut Teknologi Sepuluh Nopember Surabaya (ITS).