IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM UNTUK PENGOLAHAN SINYAL DIGITAL PADA TUNING GITAR DENGAN OPEN STRING Robby Dianputra1, Diyah Puspitaningrum2, Ernawati3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bengkulu. Jl. Raya Kandang Limun, Bengkulu. Telp. (0736) 21170 1 rdp10007 @gmail.com,
[email protected],
[email protected]
Abstrak Penelitian ini bertujuan untuk mengetahui tingkat akurasi dalam pengolahan sinyal digital pada tuning gitar dengan open string. Dalam penelitian ini, algoritma yang digunakan adalah algoritma Fast Fourier Transform (FFT). Algoritma Fast Fourier Transform adalah algoritma untuk mengihitung nilai Discreate Fourier Transform (DFT). DFT adalah metode untuk melakukan transformasi pada domain waktu menjadi domain frekuensi. Langkahlangkah penelitian meliputi analisis kebutuhan sistem, pengumpulan data, perancangan perangkat lunak dan pengujian sistem. Pada penelitian ini, sebagai masukan adalah suara gitar yang dipetik secara open string yaitu tanpa kunci, sedangkan sebagai keluaran adalah nilai frekuensi senar gitar dan pencocokan nada gitar. Perancangan perangkat lunak ini menggunakan bahasa pemrograman Matlab R2008b. Pengujian dilakukan untuk mengetahui nilai tingkat akurasi FFT pada tuning gitar listrik dan bukan listrik. Selain itu, pengujian dilakukan untuk mengetahui kemampuan sistem melakukan pencocokan nada gitar. Dari penelitian yang telah dilakukan FFT mampu mendapatkan tingkat akurasi tuning gitar terbaik yaitu sebesar 99.43% Kata kunci: Fast Fourier Transform, Tuning Gitar, Pengolahan sinyal digital. 1.
Pendahuluan
Alat musik merupakan suatu instrumen yang bertujuan untuk menghasilkan nada. Salah satu contoh alat musik yang terkenal yaitu gitar, Gitar merupakan alat musik berdawai yang dimainkan dengan cara dipetik, umumnya menggunakan jari. Alat musik ini apabila baru atau sering digunakan maka harus dilakukan proses kalibrasi atau dikenal dengan istilah tuning (penyetelan nada). Nada merupakan bunyi yang teratur dan mempunyai frekuensi yang tertentu (Wiflihani, 2013). Frekuensi yang dimiliki oleh senar gitar, berbeda dengan senar lainnya karena frekuensi dipengaruhi oleh panjang senar dan diameter senar. Dengan perbedaan frekuensi yang dihasilkan oleh
senar, kita dapat mengolah frekuensi tersebut. Pengolahan pada frekuensi sering dikatakan dengan istilah digital signal processing. Pengolahan sinyal digital (digital signal processing) sekarang diaplikasikan pada banyak bidang seperti pengolahan suara , musik, biomedical, navigasi dan telekomunikasi, serta pengolahan video dan gambar. Untuk melakukan pengolahan sinyal pada frekuensi, terdapat beberapa algoritma yang dapat digunakan, diantaranya Fast Fourier Transfrom, Gortzel , Hamming Window, transformasi wavelet packet dan lain – lain. Algoritma Fast Fourier Transform (FFT) adalah suatu algoritma untuk menghitung Discrete Fourier Transform
(DFT) yang digunakan untuk menghitung spektrum frekuensi sinyal dan FFT merupakan prosedur penghitungan DFT yang efisien sehingga akan mempercepat proses penghitungan DFT yang secara substansial dapat lebih menghemat waktu dari pada metoda yang konvensional (Nandra Pradipta : 2011). Algoritma fast fourier transfrom membagi frekuensi per priodenya, karena itu algoritma ini dapat berkerja dengan baik sehingga menghasilkan akurasi dengan cepat dan efisien. Dalam Nandra (2011) algoritma Fast Fourier Transfrom (FFT) digunakan untuk menghitung spektrum frekuensi sinyal yang telah dicuplik komputer sehingga akan mempercepat proses penghitungan transformasi fourier diskrit. Algoritma ini dirasa cukup baik dalam melakukan pengolahan sinyal digital. Penelitian lain oleh Nyoman Putra Sastra (2008) yang melakukan penelitian pengolahan sinyal digital menggunakan Algoritma Gortzel. Algoritma Gortzel mendeteksi frekuensi dengan tingkat keberhasilan pendeteksian sangat tergantung pada jumlah cuplikan (N), semakin banyak jumlah cuplikan maka semakin akurat pendeteksian frekuensi tersebut. Akan tetapi semakin banyak jumlah N, maka proses iterasinya menjadi lebih kompleks, sehingga waktu yang diperlukan untuk melakukan pendeteksian semakin lama. Untuk itu kesalahan dalam menentukan jumlah N dapat mempengaruhi akurasi dalam pengolahan sinyal digital. Penelitian dengan studi kasus pengolahan sinyal digital terhadap gitar sebelumnya pernah dilakukan Tanda Selamat dan Kevin Angkasa (2013) menggunakan algoritma karplus strong dengan berbasis komputer. Algoritma karplus strong merupakan algoritma sintesis wavetable yang melakukan modifikasi sendiri. Algoritma Karplus Strong dikembangkan oleh Alexander Strong dan dianalisis oleh Kevin Karplus sebagai suatu model untuk instrument
musik pukul atau dipetik. Algoritma ini mensimulasikan impak dampak nada tajam melalui sinyal pita lebar seperti dalam bentuk kumpulan noise berfrekuensi tinggi. Sinyal tersebut diumpan balik melalui suatu delay line dimana panjangnya bergantung pada frekuensi dari not yang diinginkan. Sinyal tertunda tersebut dikirimkan melalui suatu filter lowpass untuk menghaluskan semua frekuensi lainnya kecuali frekuensi dari nada yang inginkan. Pada penelitian oleh Tanda Selamat dan Kevin Angkasa (2013) telah menghasilkan aplikasi yang dapat melakukan tuning gitar dengan cara menghasilkan suara yang menyerupai suara gitar. Berdasarkan latar belakang diatas, peneliti ingin mengimplementasikan algoritma fast fourier transfrom pada proses tuning gitar dengan judul “Implementasi algoritma Fast Fourier Transform Untuk Pengolahan Sinyal Digital Pada Tuning Gitar dengan Open String ”. 2.
Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah Mengetahui tingkat akurasi Algoritma Fast Fourier Transfrom pada Tuning Gitar dengan Open String. 3.
Landasan Teori
3.1
Pengolahan Sinyal
Pengolahan sinyal adalah suatu operasi matematik yang dilakukan terhadap suatu sinyal sehingga diperoleh suatu informasi yang berguna. Dalam hal ini terjadi transformasi (perubahan). Pengolahan sinyal dapat dilakukan secara analog atau digital. Pengolahan sinyal analog memanfaatkan komponenkomponen analog, misalnya dioda, transistor, Op-amp, dan lainnya. Pengolahan sinyal digital menggunakan komponen-komponen digital, register, counter, dekoder, summing, mikroprocessor, mikrokontroler, dan lainnya. Untuk kemudahan pada
pengolahan sinyal digital sebagai pemroses digunakan suatu komputer (mikrokontroler) untuk mempresentasikan algoritma atau model matematik. Selain sistem komputer diperlukan perangkat keras lainnya sebagai masukan/keluaran. 3.2
Algoritma Fast Fourier Transform
Fast Fourier Transform (FFT) adalah transformasi fourier yang dikembangkan dari algoritma Discrete Fourier Transfrom (DFT). Dengan metode FFT, laju komputasi dari perhitungan transformasi fourier dapat ditingkatkan. Komputasi DFT adalah komputasi yang memerlukan waktu untuk proses looping dan memerlukan banyak memori. Dengan menerapkan algoritma FFT, perhitungan DFT dapat dipersingkat, dalam hal ini proses looping dapat direduksi. Dilihat dari metode yang digunakan , FFT dibagi menjadi dua yaitu DIT (Decimation in Time) dan metode DIF (Decimation in Frequency), namun keduanya memiliki fungsi yang sama yaitu untuk mentransformasi sinyal menjadi frekuensi dasarnya. Decimation adalah proses pembagian sinyal menjadi beberapa bagian yang lebih kecil yang bertujuan untuk memperoleh waktu proses yang lebih cepat. Jika input sinyal pada time domain dari N-points adalah x(n), langkah awal yang dilakukan adalah dengan memisahkan menjadi 2 bagian yang sama (N/2 ponts) 3.3
Alat Musik Gitar
Gitar terbagi menjadi dua jenis yaitu gitar akustik dan gitar elektrik. Gitar akustik adalah jenis gitar dimana suara yang dihasilkan berasal dari getaran senar gitar yang dialirkan melalui sadel dan jembatan tempat pengikat senar ke dalam ruang suara. Suara di dalam ruang suara ini akan berresonansi terhadap kayu badan gitar. Jenis dan kualitas kayu serta jenis senar yang digunakan akan mempengaruhi suara yang dihasilkan oleh gitar akustik. Sedangkan gitar elektrik merupakan
sejenis gitar yang menggunakan beberapa pickup untuk mengubah bunyi atau getaran dari string gitar menjadi arus listrik yang akan dikuatkan kembali dengan menggunakan seperangkat amplifier dan loud speaker. Suara gitar listrik dihasilkan dari getaran senar gitar yang mengenai kumparan yang ada di badan gitar yang biasa disebut pick up. Terkadang sinyal yang keluar dari pickup diubah secara elektronik dengan gitar effect sebagai reverb ataupun distorsi. Disini penulis membatasi masalah dengan hanya menggunakan gitar akustik Gitar akustik sendiri menghasilkan gelombang yang sama dengan bunyi yaitu gelombang mekanik, dalam bentuk gelombang longitudinal. Gelombang mekanik ini adalah sebuah gelombang yang dalam perambatannya memerlukan medium, yang menyalurkan energi untuk keperluan proses penjalaran sebuah gelombang. Bentuk Gelombang longitudinal adalah gelombang yang memiliki arah getaran yang sama dengan arah rambatan. Artinya arah gerakan medium gelombang sama atau berlawanan arah dengan perambatan gelombang. Gelombang longitudinal mekanis juga disebut sebagai gelombang mampatan atau gelombang kompresi. Karena gitar menghasilkan gelombang, berarti gitar juga memiliki frekuensi tertentu, seperti terlihat pada tabel 1 berikut ini : Tabel-1 Frekuensi Nada Gitar (Miftahul Huda , 2011)
Senar Notasi Saintis Frekuensi 1 E5 659,26 Hz 2 B4 493,88 Hz 3 G4 392,00 Hz 4 D4 293,00 Hz 5 A3 220,00 Hz 6 E3 164,81 Hz Frekuensi inilah yang akan digunakan untuk tuning gitar dengan menggunakan algoritma Fast Fourier Transfrom dan metode Discreate Fourier Transform. 4. Analisis dan Perancangan Sistem Analisis dan perancangan sistem
adalah tahap penting yang menjadi proses awal untuk memahami sistem yang akan dibuat. Hasil akhir dari tahap ini nantinya adalah berupa sistem tuning gitar open string terkomputerisasi. 4.1
Perancangan Flow chart
Algoritma Mulai
Pilih senar
Identifikasi Masalah
Pada pengolahan sinyal digital (digital signal processing) terdapat beberapa jenis algoritma yang dapat digunakan, diantaranya FFT, Gortzel, Hamming Window, transformasi Wavelet Packet dan lain – lain. Algoritma FFT diklaim dapat bekerja dengan baik sehingga menghasilkan akurasi tuning gitar yang cepat dan efisien. Penelitian ini, ingin membuktikan dan menghasilkan aplikasi tuner gitar yang efisien. 4.2 Analisis Kebutuhan Analisis kebutuhan sistem merupakan bagian penelitian yang menganalisis sistem yang ada untuk merancang sistem baru atau memperbaharui sistem yang ada. Bagian ini merupakan bagian yang penting dikarenakan hasil dari sistem yang akan dibuat tergantung dari analisis yang dilakukan. 4.3
4.4
Input sound Transformasi suara ke frekuensi menggunakan FFT
Output pencocokan nada dan nilai frekuensi
Sesuaikan frekuensi input dengan frekuensi system
tidak
Ya
Output pencocokan nada dan nilai frekuensi Selesai
Gambar 2 diagram alir pada citra uji
4.5
Perancangan Antarmuka
Perancangan Antarmuka secara umum dibagi menjadi perancangan antarmuka halaman utama (gambar 3) dan halaman tuning gitar (gambar 4). File
Help
Diagram Konteks Sistem MyGuitarTuner ver 1.0 Welcome
Aplikasi Tuner Gitar
Nada Gitar
Gambar 3 Menu Utama Aplikasi Informasi proses tuning Informasi tentang gitar Informasi tentang aplikasi
File
Help
User
Pilih Nada :
Nada
Nilai Frekuensi
Coba
Mulai
Grafik Frekuensi :
Tampilan Pencocokan Nada
Gambar 1 Digram Konteks Aplikasi Tuner Gitar Frekuensi Senar :
Frekuensi
Eror
Eror
runtime
Waktu run
Gambar 4 Form Tuning Gitar
5.
cm adalah 99,366 %.
Hasil dan Pembahasan
Pada penelitian ini dilakukan pengujian sistem dengan dua cara yaitu cara pertama adalah pengujian menggunakan gitar akustik bersenar enam dengan jarak tertentu dan cara kedua adalah pengujian sistem dengan menggunakan garpu tala dengan jarak yang berbeda, berikut ini tabel pengujian sistem yang didapatkan :
2
Hasil Pengujian Penerapan algoritma FFT dengan jarak 20 cm Pengujian berikutnya adalah pengujian black box terhadap algoritma FFT dengan menggunakan jarak 20 cm menggunakan gitar non elektrik. Tabel-3 Frekuensi Uji FFT dengan jarak 20 cm dalam satuan Hz Gitar Non Elekrik Jarak 20 cm
1
Hasil Pengujian Penerapan algoritma FFT dengan jarak 10 cm Pengujian berikutnya adalah pengujian black box terhadap algoritma FFT dengan menggunakan jarak 10 cm menggunakan gitar non elektrik.
Senar 1
Senar 2
Senar 3
Senar 4
Senar 5
Senar 6
1
659,359
495,968
391,394
294,260
219,0319
164,017
2
658,729
495,738
391,3561
293,8364
219,548
164,0577
3
658,451
495,055
391,4594
294,4692
219,8036
164,6565
4
658,110
494,610
391,9342
293,0977
219,5979
165,5784
5
658,248
494,602
391,1485
295,030
219,7306
164,316
6
658,361
493,321
391,8992
294,363
220,3389
164,7335
7
658,980
495,037
391,1217
295,2254
220,3081
164,7307
8
660,982
494,838
391,6782
294,0536
219,727
164,1145
9
658,523
495,551
390,5139
294,4208
220,0864
164,0784
10 R. Frekuensi
658,603
494,783
391,850
294,460
219,0126
164,0381
658,835
494,950
391,435
294,322
219,719
164,432
F. Standar
659,260
493,880
392,000
293,660
220,000
164,81
0,425
1,070
0,565
0,662
0,281
0,378
Tabel-2 Frekuensi Uji FFT dengan jarak 10 cm dalam satuan Hz Gitar Non Elekrik Jarak 10 cm Frekuensi (Hz)
No
1
Senar 1
Senar 2
Senar 3
Senar 4
Senar 5
Senar 6
658,805
494,546
390,5278
294,0894
219,941
165,1306
2
658,602
495,584
390,7437
294,1494
219,451
165,0664
3
658,440
495,065
391,8146
294,7264
220,382
164,682 Error
4
658,449
495,421
391,4809
294,4967
219,686
164,7561
5
658,438
496,028
390,938
293,5111
219,089
164,8153
6
658,485
494,554
391,8459
293,6078
219,604
165,0353
7
659,551
495,132
391,090
294,6143
219,326
165,2334
8
657,790
495,310
391,8341
293,9242
219,180
165,0146
9
658,569
494,547
390,9631
294,2928
219,271
164,364
10
658,293
495,494
391,6927
294,7367
219,670
164,9862
658,542
495,168
391,293
294,215
219,560
164,908
659,260
493,880
392,000
293,660
220,000
164,81
0,718
1,288
0,707
0,555
0,440
0,098
R. Frekuensi F. Standar Error
Pada Tabel-2 terdapat R. Frekuensi, F. Standar dan Error. R. Frekuensi adalah nilai rata-rata frekuensi yang didapatkan dari 10 percobaan, sedangkan F. Standar adalah frekuensi standar yang dimiliki oleh tiap senar. Error adalah nilai selisih antara F.standar dan R. Frekuensi. Pada Tabel-2 terlihat bahwa error terbesar adalah 1,288 yaitu pada senar dua sedangkan error terkecil pada senar enam sebesar 0,098. Dari error tersebut dapat kita hitung nilai rata-rata error adalah 0,634 . Hal ini berarti tingkat akurasi tuning gitar pada jarak 10
Frekuensi (Hz)
No
Pada Tabel-3 terdapat R. Frekuensi, F. Standar dan Error. R. Frekuensi adalah nilai rata-rata frekuensi yang didapatkan dari 10 percobaan, sedangkan F. Standar adalah frekuensi standar yang dimiliki oleh tiap senar. Error adalah nilai selisih antara F.standar dan R. Frekuensi. Pada Tabel-3 terlihat bahwa error terbesar dimiliki oleh senar ke dua dengan error 1,070 sedangkan error terkecil pada senar ke lima yaitu 0,281. Dari error tersebut dapat kita hitung nilai rata-rata error adalah 0,564 dan tingkat akurasinya sebesar 99,436. Hal ini berarti, jarak 20 cm ternyata lebih baik dari pada jarak 10 cm, ini dipengaruhi oleh kuatnya intensitas suara senar gitar. 3
Hasil Pengujian Penerapan algoritma FFT dengan jarak 30 cm Pengujian berikutnya adalah pengujian black box terhadap algoritma FFT dengan menggunakan jarak 30 cm
menggunakan gitar non elektrik.
30 cm seperti Tabel-5.
Tabel-4 Frekuensi Uji FFT dengan jarak 30 cm dalam satuan Hz
Tabel-5 Perbandingan Uji FFT dengan jarak 10, 20 dan 30 cm
Gitar Non Elekrik Jarak 30 cm
Gitar Non Elekrik Jarak 30 cm Frekuensi (Hz)
Frekuensi (Hz)
No
Senar 1
Senar 2
Senar 3
Senar 4
Senar 5
Senar 6
R. Error
658,324
495,746
391,121
294,470
219,259
164,841
F. Standar
659,260
493,880
392,000
293,660
220,000
164,810
0,936
1,866
0,879
0,810
0,741
0,031
Senar 1
Senar 2
Senar 3
Senar 4
Senar 5
Senar 6
1
658,580
496,196
391,8879
294,7272
220,379
165,243
2
658,236
495,565
391,760
294,0739
218,9068
164,6475
Error
3
658,668
496,280
391,3211
295,260
218,9739
165,0161
R. Error
4
657,632
495,357
391,1494
293,9162
218,9828
165,0127
5
658,803
495,676
390,3337
294,6714
219,3267
164,978
6
659,069
495,271
391,0091
294,839
219,0837
164,4667
7
658,202
496,003
390,9025
294,393
219,3453
163,9743
Error
8
658,451
495,956
390,8223
294,3868
219,0073
165,4987
R. Error
9
657,210
495,076
390,770
294,8459
218,860
164,6648
10
658,392
496,081
391,2563
293,590
219,7243
164,9037
R. Frekuensi
658,324
495,746
391,121
294,470
219,259
164,841
F. Standar
659,260
493,880
392,000
293,660
220,000
164,81
Error
0,936
1,866
0,879
0,810
0,741
0,031
R. Error
0,877 Gitar Non Elekrik Jarak 20 cm Frekuensi (Hz)
R. Error
658,835
494,950
391,435
294,322
219,719
164,432
F. Standar
659,260
493,880
392,000
293,660
220,000
164,810
0,425
1,070
0,565
0,662
0,281
0,378
0,564 Gitar Non Elekrik Jarak 10 cm Frekuensi (Hz)
Error
Pada Tabel-4 terdapat R. Frekuensi, F. Standar dan Error. R. Frekuensi adalah nilai rata-rata frekuensi yang didapatkan dari 10 percobaan, sedangkan F. Standar adalah frekuensi standar yang dimiliki oleh tiap senar. Error adalah nilai selisih antara F.standar dan R. Frekuensi. Pada Tabel-4 terlihat bahwa error terbesar dimiliki oleh senar dua dengan error 1,866 sedangkan error terkecil adalah senar enam sebesar 0,031. Dari error tersebut dapat kita hitung nilai rata-rata error adalah 0,877 dan tingkat akurasinya sebesar 99,123. Hal ini berarti, jika dibandingkan dengan hasil sebelumnya pada Tabel-2 dan Tabel-3 didapatkan hasil bahwa ternyata jarak 30 cm tidak lebih baik dibanding dengan jarak 20 cm dan jarak 10 cm, ini dapat dibuktikan dengan Tabel-5. 5
Hasil Perbandingan Pengujian Algoritma FFT dengan jarak 10, 20, dan 30 cm Dari pengujian sebelumnya, didapatkan tabel pembanding antara pengujian dengan jarak 10 cm, 20 cm dan
R. Error
658,542
495,168
391,293
294,215
219,560
164,908
F. Standar
659,260
493,880
392,000
293,660
220,000
164,810
0,718
1,288
0,707
0,555
0,440
0,098
0,634
Dari Tabel-5, jarak terbaik untuk melakukan tuning gitar dengan software ini adalah 20 cm. Ini dipengaruhi oleh kuat intensitas suara senar gitar, karena pada jarak yang terlalu jauh suara akan sulit ditangkap oleh mikrofon. Sebaliknya jika jarak terlalu dekat, Suara yang dihasilkan senar akan menghasilkan noise. 6 Hasil Pengujian Algoritma FFT dengan garpu tala Pengujian berikutnya adalah pengujian black box terhadap algoritma FFT dengan menggunakan garpu tala pada jarak yang berbeda. Tabel-6 Frekuensi Uji FFT dengan garpu tala dalam satuan Hz Nada A (220 Hz) Garpu Tala Frekuensi (Hz) No
Jarak 30 cm
Jarak 20 cm
Jarak 10 cm
1
219,518
219,907
219,917
2
219,268
220,289
221,169
3
220,019
219,226
219,241
4
218,957
220,600
219,441
5
219,020
220,481
221,130
6
221,091
219,879
219,609
7
219,611
219,563
219,430
8
220,236
220,772
219,606
9
220,488
219,660
220,336
10
220,319
220,100
221,210
219,853
220,048
220,109
0,147
0,048
0,109
R. Error Error
Secara umum dapat dilihat bahwa dari Tabel-6, jarak terbaik untuk melakukan tuning gitar dengan software ini adalah 20 cm. Hal ini sama dengan pengujian sebelumnya pada Tabel-5, Ini dipengaruhi oleh kuat intensitas suara senar gitar, karena pada jarak yang terlalu jauh suara akan sulit ditangkap oleh mikrofon. Sebaliknya jika jarak terlalu dekat, suara yang dihasilkan senar akan menghasilkan noise. 6.
Kesimpulan dan Saran
6.1
Kesimpulan
Berdasarkan analisa perancangan sistem, implementasi dan pengujian sistem, maka dapat disimpulkan bahwa : 1. Algoritma Fast Fourier Transform yang diimplementasikan pada aplikasi ini memberikan hasil yang optimal untuk tuning gitar non elektrik. Berdasarkan pengujian tingkat akurasi tuning gitar mencapai 99.436%. 2. Jarak terbaik untuk melakukan tuning adalah 20 cm dengan error mencapai 0.564. Hal ini dipengaruhi oleh kuat intensitas suara senar gitar, karena pada jarak yang terlalu jauh suara akan sulit ditangkap oleh mikrofon. Sebaliknya jika jarak terlalu dekat maka suara yang dihasilkan oleh senar akan menghasilkan noise. 3. Aplikasi ini berhasil mengimplementasikan algoritma Fast Fourier Transform dalam melakukan tuning gitar. 6.2
Saran
Sara-saran pengembangan sistem sebagai berikut: 1. Dapat dikembangkan aplikasi tuning gitar ini dengan
menambahkan fitur filter dalam mengidentifikasi frekuensi. 2. Aplikasi ini masih menggunakan tuning gitar dengan open string (tanpa kunci) sehingga diharapkan ke depannya dapat melakukan tuning gitar dengan menggunakan kunci. 7.
Daftar Pustaka
[1] Artikel non-personal. 8 Juli 2013 . “Gitar”, Wikipedia Bahasa Indonesia, http://id.wikipedia.org/wiki/Gitar, diakses 08 Januari 2014. [2] Fadlisyah. 2008. “Pengolahan Citra Digital”. Yogyakarta: Pt Elex Media Komputindo. [3] Hanggarsari, Prativi Nugraheni, Helmy Fitriawan dan Yetti Yuniati. 2012. “Simulasi Sistem Pengacakan Sinyal Suara Secara Realtime Berbasis Fast Fourier Transform (FFT)”. ELECTRICAL Jurnal Rekayasa dan Teknologi Elektro. Volume 6, No.3. [4] Huda, Miftahul. 2011. “Konversi Nada-Nada Akustik Menjadi Chord Menggunakan Pitch Class Profile”. Institut Teknologi Sepuluh Nopember Surabaya. [5] Pradipta, Nandra. 2011. “Implementasi Algoritma Fft (Fast Fourier Transform) Pada Digital Signal Processor (Dsp) Tms320c542”. Program Sarjana. Universitas Diponegoro. [6] Salahudin 2011. Modul Pembelajaran Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek). Bandung: Modula. [7] Sastra, Nyoman Putra. 2008. “Penggunaan Algoritma Gortzel Untuk Deteksi Frekuensi Dtmf Berbasis Processor Dsp Tms320c31”.
Teknologi Elektro .Vol.3 No.2 [8] Selamat, Tanda dan Kevin Angkasa. 2013 . “Perangkat Lunak Tuning Gitar dengan Menggunakan Karplus Strong Algorithm”. Program Sarjana .Universitas STMIK IBBI Medan. [9] Sugiyono. 2002. Perosesan Sinyal Digital. Yogyakarta: Andi. [10]Tanudjaja, harlianto. 2007. Pengolahan Sinyal Digital & Sistem Pemrosesan Sinyal. Yogyakarta: Andi. [11]Wiflihani. 2013. “Pengetahuan Dasar Teori Musik”. Universitas Negeri Medan.
