PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK TRADISIONAL INDONESIA BERBASISKAN DISCRETE COSINE TRANSFORM DAN JARAK JACCARD

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI TUGAS AKHIR

PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK TRADISIONAL INDONESIA BERBASISKAN DISCRETE COSINE TRANSFORM DAN JARAK JACCARD Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro

Oleh : IGNATIUS ARDI PRASETYO LAIA NIM : 105114007

PROGRAM STUDI TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2015

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI TUGAS AKHIR

PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK TRADISIONAL INDONESIA BERBASISKAN DISCRETE COSINE TRANSFORM DAN JARAK JACCARD Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro

Oleh : IGNATIUS ARDI PRASETYO LAIA NIM : 105114007

PROGRAM STUDI TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2015 i

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI FINAL PROJECT

REAL TIME RECOGNITION OF TRADITIONAL INDONESIAN MUSICAL ISTRUMENT PICTURES USING DISCRETE COSINE TRANSFORM BASED AND JACCARD DISTANCE Presented as Partial Fullfillment of The Requirements To Optain Sarjana Teknik Degree In Electrical Engineering Study Program

By : IGNATIUS ARDI PRASETYO LAIA Student’s Number : 105114007

ELECTRICAL ENGINEERING STUDY PROGRAM ELECTRICAL ENGINEERING DEPARTMENT FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY 2015 ii

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI HALAMAN PERSETUJUAN

TUGAS AKHIR

PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK TRADISIONAL INDONESIA BERBASISKAN DISCRETE COSINE TRANSFORM DAN JARAK JACCARD

Disusun oleh:

IGNATIUS ARDI PRASETYO LAIA NIM : 105114007

Telah disetujui oleh:

Pembimbing

Dr. Linggo Sumarno

Tanggal: _____________

iii

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI HALAMAN PENGESAHAN

TUGAS AKHIR

PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK TRADISIONAL INDONESIA BERBASISKAN DISCRETE COSINE TRANSFORM DAN JARAK JACCARD

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

PERNYATAAN KEASLIAN KARYA Saya menyatakan dengan sesungguhnya bahwa tugas akhir ini tidak memuat karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka sebagaimana layaknya karya ilmiah.

Yogyakarta,

Ignatius Ardi Prasetyo Laia

v


HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

MOTTO: “Keterpurukan bukan menjadi alasan untuk gagal, jalanilah hidup ini seperti air yang terus mengalir”

Persembahan Skripsi ini kupersembahkan untuk …. Yesus Kristus, Bunda Maria, dan Santo Ignatius yang selalu menyertaiku dan sebagai pembimbing dan pelindungku yang setia Bapak dan Ibu di surga yang selalu mendoakanku dan menyertaiku Kedua adikku tercinta dan seluruh keluarga yang selalu memberikan semangat, motivasi, dan doa Serta teman-teman seperjuangan yang selalu ada dalam keadaan suka dan duka

vi

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Ignatius Ardi Prasetyo Laia Nomor Mahasiswa : 105114007 Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul:

PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK TRADISIONAL INDONESIA BERBASISKAN DISCRETE COSINE TRANSFORM DAN JARAK JACCARD beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas dan mempublikasikannya pada media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya selama masih mencatumkan nama saya sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Yogyakarta,


vii


INTISARI Indonesia memiliki alat musik tradisional yang beberapa diantaranya sudah diakui dunia. Namun masih banyak penduduk yang belum paham tentang alat-alat musik tersebut seperti nama, daerah asal, dan cara memainkannya. Seiring semakin berkembangnya teknologi, maka dibutuhkan sistem yang mampu mengenali gambar alat musik tradisional tersebut sehingga dapat membantu penduduk untuk bisa mendapatkan informasi dengan cepat. Teknologi computer vision dapat menjadi solusi yang cocok untuk sistem ini. Teknologi computer vision adalah teknologi yang dapat meniru kemampuan manusia untuk mengenali suatu objek. Sistem pengenalan gambar alat musik tradisional Indonesia ini akan dilakukan secara real time dengan menggunakan webcam dan laptop. Webcam berguna untuk mengambil potongan gambar alat musik tradisional yang ingin dikenali dan selanjutnya hasil dari semua proses akan ditampilkan di laptop. Proses pengenalan ini menggunakan tahap preprocessing, berbasiskan DCT 2-D (Discrete Cosine Transform), dan jarak jaccard. Sistem akan menggunakan software Matlab, baik dalam pemrogramannya maupun visualisasi pengambilan gambarnya. Sistem pengenalan gambar alat musik tradisional Indonesia secara real time, menggunakan webcam berbasiskan DCT 2-D (Discrete Cosine Transform) dapat bekerja dengan baik. Berdasarkan hasil percobaan, parameter terbaik adalah pada resizing 8 dan jumlah koefisien zigzag scanning 55. Hasil parameter terbaik ini dilakukan dalam pengujian skala dan rotasi. Pada pengujian rotasi, ukuran sudut gambar yang dapat menghasilkan pengenalan secara benar yaitu Gong (+12o dan -11o), Gambus (+6o dan -9o), dan Doli (+8o dan -5o). Sedangkan pada pengujian skala, didapatkan hasil pengenalan secara benar dengan ukuran skala gambar terkecil yaitu Gong (50%), Gambus (40%), dan Doli (40%).

Kata kunci: Webcam, DCT 2-D (Discrete Cosine Transform), jarak Jaccard, Pengenalan gambar alat musik tradisional Indonesia.

viii


ABSTRACT Indonesia having traditional musical instruments some of whom already recognized of the world. But still many people who have not informed about the musical instruments such as name, origin, and how to play it. As the development of technology , it is required a system which is able to recognize an image of a musical instrument the traditional in order to help the inhabitants to can get information quickly. Computer technology vision can be a solution that suitable for this system. Computer technology vision is a technology that could imitate the ability of humans to recognize an object. Recognition systems indonesian traditional picture a musical instrument will be done in real time by using the webcam and actually laptop. Webcam useful to take a traditional percussion instrument intermixed footage who want to recognizable and then the result of all the process to be seen on laptop. The process of the introduction of this stage using preprocessing, based on 2-D DCT (Discrete Cosine Transform), and the distance of jaccard. The system will use software matlab, both in programming and visualization of filming. Recognition systems pictures traditional musical instruments indonesia in real time, using webcam basing discrete cosine transform can work well. Based on the results of experiments conducted, the parameters of best is at resizing 8 and the number of the coefficients zigzag scanning 55. The result of the parameters of this best done in testing the scale and rotation. Rotation on testing, the size of the corner of a picture that can produce the introduction of in the right ways that is gong ( + 12o and -11o ) , harps ( + 6o and -9o ) , and doli ( + 8o and -5o ) . While in testing the scale, obtained the results of the introduction of is true with the size of the smallest scale drawing namely gong ( 50% ) , harps ( 40% ) , and doli ( 40% ) .

Key words: Webcam, DCT 2-D (Discrete Cosine Transform), Jaccard distance, the recognition of the indonesian traditional musical instruments.

ix


KATA PENGANTAR Puji dan syukur atas berkah dan pertolongan dari Tuhan Yesus Kristus kepada penulis sehingga tugas akhir ini dapat diselesaikan dengan baik serta dapat menyelesaikan studi pada tingkat strata satu di jurusan Teknik Elektro, Universitas Sanata Dharma Yogyakarta. Penulis menyadari bahwa semua proses penyelesaian tugas akhir ini banyak pihak yang telah memberikan dukungan, doa, dan motivasi. Pada kesempatan ini, penulis ingin mengucapkan terimakasih kepada : 1. Tuhan Yesus Kristus, atas berkah, pertolongan, dan penyertaannya sehingga penulis dapat menyelesaikan tugas akhir ini dengan baik. 2. Paulina Heruningsih Prima Rosa, S.Si, M.Sc. selaku Dekan Fakultas Sains dan Teknologi.

3. Petrus Setyo Prabowo, S.T., M.T. selaku Ketua Program Studi Teknik Elektro Universitas Sanata Dharma Yogyakarta. 4. Dr. Linggo Sumarno, selaku dosen pembimbing tugas akhir dan dosen pembimbing akademis yang telah membimbing penulis selama penulisan tugas akhir dan selama dalam perkuliahan serta banyak memberikan masukan, motivasi dan semangat sehingga proses perkuliahan dan tugas akhir ini dapat selesai dengan baik. 5. Ir. Th. Prima Ari Setiyani, M.T. dan Wiwien Widyastuti, S.T.,M,T. selaku dosen penguji yang telah memberikan bimbingan dan saran dalam memperbaiki tugas akhir ini. 6. Seluruh dosen dan laboran yang telah mengajarkan banyak ilmu yang bermanfaat selama menempuh pendidikan di Universitas Sanata Dharma Yogyakarta. 7. Seluruh Staff Program Studi Teknik Elektro Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta yang telah membantu dalam hal administrasi. 8. Kedua orang tua saya di surga yang selalu menyertai saya dan menjadi motivasi buat saya untuk tetap semangat. 9. Kedua Adikku tercinta, Maria Adisti Pratiwi Laia dan F.X Haryo Pamungkas Laia yang selalu menjadi penghibur dan teman disaaat keadaan sulit dan

x

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI sekaligus orang yang suka menyindir saya yang membuat saya lebih bersemangat untuk menyelesaikan tugas akhir ini. 10. Pakde Parjo dan Bude Umi serta Bapak Bambang dan Ibu Suharni, yang telah saya anggap sebagai orangtua saya sendiri yang telah banyak memberikan bantuan,semangat dan nasehat. 11. Seluruh keluarga yang telah memberikan dukungan. 12. Teman-teman seperjuangan angkatan 2010 yang menemani semua proses dalam keadaan suka dan duka dan telah menjadi keluarga kedua bagi saya. 13. Ibu kost dan teman-teman kost Harmoni. 14. Semua pihak yang tidak dapat disebutkan satu per satu yang telah membantu dan mendukung penyelesaian tugas akhir ini. Peneliti menyadari bahwa tugas akhir ini masih jauh dari sempurna dan masih banyak mengalami kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran agar tugas akhir ini dapat menjadi lebih baik. Sehingga tugas akhir ini dapat membantu serta bermanfaat bagi semua pihak.

Yogyakarta, Peneliti,


xi


DAFTAR ISI Halaman Sampul (Bahasa Indonesia) ........................................................................................ i Halaman Sampul (Bahasa Inggris) ........................................................................................... ii Halaman Persetujuan ............................................................................................................... iii Halaman Pengesahan ............................................................................................................... iv Pernyataan Keaslian Karya ....................................................................................................... v Halaman Persembahan ............................................................................................................. vi Lembar Persetujuan Publikasi Karya ...................................................................................... vii Intisari .................................................................................................................................... viii Abstract .................................................................................................................................... ix Kata Pengantar .......................................................................................................................... x Daftar Isi ................................................................................................................................. xii Daftar Gambar ........................................................................................................................ xv Daftar Tabel .......................................................................................................................... xvii

BAB I: PENDAHULUAN 1.1. Latar Belakang ....................................................................................................... 1 1.2. Tujuan dan Manfaat ............................................................................................... 2 1.3. Batasan Masalah .................................................................................................... 3 1.4. Metodologi Penelitian ............................................................................................ 4 BAB II: DASAR TEORI 2.1. Alat Musik Tradisional .......................................................................................... 5 2.2. Pengolahan Citra .................................................................................................... 6 2.2.1. Defenisi Citra ...................................................................................................... 6 2.2.2. Citra RGB ........................................................................................................... 7 2.2.3. Citra Grayscale ................................................................................................... 8 xii

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 2.2.4. Cropping ............................................................................................................. 8 2.2.5. Resizing ............................................................................................................... 8 2.3. Discrete Cosine Transform Dua Dimensi (DCT 2-D) ........................................... 8 2.4. Fungsi Jarak Jaccard ........................................................................................... 10 2.5. Template matching ............................................................................................... 10 2.6. Zigzag Scanning ................................................................................................... 10 2.7. Webcam ................................................................................................................ 12 2.8. Matlab .................................................................................................................. 12 BAB III:PERANCANGAN 3.1. Gambaran Sistem ................................................................................................. 13 3.1.1. Fixture ............................................................................................................... 14 3.1.2. WebCam ............................................................................................................ 14 3.1.3. Potongan Gambar.............................................................................................. 14 3.1.4. Lampu ............................................................................................................... 14 3.1.5. Laptop atau Komputer ...................................................................................... 15 3.2. Proses Pengenalan Potongan Citra alat Musik Tradisional .................................. 15 3.2.1. Pengambilan Citra ............................................................................................. 15 3.2.2. Preprocessing ................................................................................................... 16 3.2.3. Ekstraksi Ciri .................................................................................................... 19 3.2.4. Jarak .................................................................................................................. 19 3.2.5. Database Potongan Citra ................................................................................... 20 3.2.6. Penentuan Keluaran .......................................................................................... 21 3.3. Gambar Uji........................................................................................................... 21 3.4. Perancangan GUI ................................................................................................. 22 BAB IV:HASIL DAN PEMBAHASAN 4.1. Pengujian dan Tampilan Program Pengenalan Gambar alat Musik Tradisional di Indonesia secara Real Time.............................................................................. 24 xiii

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 4.2. Penentuan Nilai Parameter ................................................................................... 40 4.2.1. Pengujian Pengaturan Pengenalan gambar Alat Musik Tradisional Indonesia secara Real Time .............................................................................. 40 4.2.2. Pengujian Pengenalan Gambar dengan Rotasi ................................................ 48 4.2.3. Pengujian Pengenalan Gambar dengan Skala .................................................. 52 BAB V:KESIMPULAN 5.1. Kesimpulan .......................................................................................................... 55 5.2. Saran .................................................................................................................... 55 DAFTAR PUSTAKA ............................................................................................................. 57 LAMPIRAN

xiv


DAFTAR GAMBAR Halaman Gambar 2.1. Beberapa gambar alat musik tradisional di Indonesia ..................................... 5 Gambar 2.2. Koordinat citra digital ...................................................................................... 6 Gambar 2.3. Skema warna RGB dalam kubus ..................................................................... 7 Gambar 2.4. Kubus berwarna RGB 24 bit ............................................................................ 7 Gambar 2.5. Gambar 2.5. Contoh citra hasil DCT 2-D; (a)Citra berukuran 256 x 256 piksel; (b) Citra hasil DCT .............................................................................. 9 Gambar 3.1. Gambaran sistem ........................................................................................... 13 Gambar 3.2. Diagram Blok Proses Pengenalan .................................................................. 15 Gambar 3.3. Gambar 3.3. Contoh hasil citra RGB menjadi citra greyscale; (a) Citra RGB ; (b) Citra grayscale ............................................................... 16 Gambar 3.4. Diagram alir bounding box ............................................................................ 17 Gambar 3.5. Proses citra asli yang di resize dengan ukuran variasi piksel; (a) Citra hasil cropping ; (b) Citra yang telah di resize dengan ukuran 32 x 32 piksel ............................................................................................................. 18 Gambar 3.6. Diagram alir ekstraksi ciri ............................................................................. 19 Gambar 3.7. Diagram alir fungsi jarak ............................................................................... 20 Gambar 3.8. Sistem pembuatan database ........................................................................... 20 Gambar 3.9. Diagram alir penentuan keluaran ................................................................... 21 Gambar 3.10. Tampilan utama jendela pengenalan ........................................................... 22 Gambar 4.1. Icon Matlab ..................................................................................................... 24 Gambar 4.2. Tampilan awal matlab ................................................................................... 25 Gambar 4.3. Tampilan jendela Gui .................................................................................... 25 Gambar 4.4. Tampilan utama jendela program pengenalan gambar alat musik tradisional di Indonesia ....................................................................................................... 26 Gambar 4.5. Tampilan saat tombol On ditekan .................................................................. 26 Gambar 4.6. Program Tombol On ...................................................................................... 27 Gambar 4.7. Tampilan saat tombol Capture ditekan ......................................................... 27 Gambar 4.8. Program Tombol Capture .............................................................................. 28 Gambar 4.9. Tampilan pop-up menu variasi resizing ketika diklik .................................... 29 Gambar 4.10. Program untuk variasi resizing .................................................................... 29

xv

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Gambar 4.11. Tampilan pop-up menu variasi zigzag scanning ketika diklik ..................... 30 Gambar 4.12. Program untuk variasi zigzag scanning ....................................................... 30 Gambar 4.13. Program Tombol Proses untuk menampilkan hasil cropping ..................... 31 Gambar 4.14. Program Tombol Proses untuk menampilkan hasil resizing ....................... 32 Gambar 4.15. Program Tombol Proses untuk menampilkan hasil DCT dan hasil ekstraksi ciri .................................................................................................................. 32 Gambar 4.16. Program Tombol proses untuk mengeluarkan database ............................. 34 Gambar 4.17. Perintah program Tombol Proses untuk perhitungan jarak ......................... 36 Gambar 4.18. Perintah program mencari nilai minimum ................................................... 36 Gambar 4.19. Program untuk menampilkan hasil pengenalan ........................................... 36 Gambar 4.20. Tampilan ketika program telah diproses ...................................................... 37 Gambar 4.21. Perintah program Tombol Proses untuk menampilkan info gambar alat musik ............................................................................................................. 37 Gambar 4.22. Perintah Program Tombol Proses untuk me-reset ....................................... 40 Gambar 4.23. Perintah Program Tombol Proses untuk selesai .......................................... 40

xvi


DAFTAR TABEL Halaman Tabel 3.1. Spesifikasi Webcam Logitech c170h ................................................................. 14 Tabel 3.2. Keterangan Tampilan Utama Program .............................................................. 23 Tabel 4.1. Data hasil percobaan 1....................................................................................... 41 Tabel 4.2. Data hasil percobaan 2....................................................................................... 42 Tabel 4.3. Data hasil percobaan 3....................................................................................... 43 Tabel 4.4. Data hasil percobaan 4....................................................................................... 44 Talel 4.5. Data hasil percobaan 5 ...................................................................................... 45 Tabel 4.6. Hasil dari semua percobaan dengan grafik. ....................................................... 46 Tabel 4.7. Hasil pengujian rotasi untuk beberapa gambar ................................................ 48 Tabel 4.8. Hasil pengujian skala untuk beberapa gambar .................................................. 52

xvii


BAB I PENDAHULUAN 1.1.

Latar Belakang Indonesia sudah terkenal memiliki keragaman dalam berbagai hal, salah satunya

adalah alat musik tradisional. Bentuk dan bunyi yang dihasilkan dari alat musik tersebut berbeda-beda serta cara penggunaannya juga berbeda. Ada yang cara pemakaiannya dengan petikan,pukulan,tiupan, ataupun dengan cara lainnya. Sebagai contoh, alat musik yang berasal dari daerah Jawa yaitu gong dimainkan dengan cara dipukul dan alat musik yang berasal dari daerah Nusa Tenggara Barat yaitu serunai yang merupakan alat musik tiup. Alat musik tradisional dapat ditemui di berbagai museum daerah namun mungkin masih banyak orang yang tidak mengetahui jenis-jenis alat musik tradisional Indonesia. Untuk mengatasi hal ini, penulis akan membuat suatu sistem untuk mengenali beberapa gambar alat musik tradisional Indonesia secara real timemenggunakan webcam. Dalam penerapannya, aplikasi computer vision dinilai sangat cocok untuk pengaplikasian sistem ini. Computer Vision dapat meniru kemampuan manusia untuk mengenali suatu objek. Dalam penelitian sebelumnya, penulis menemukan beberapa penelitian tentang pengenalan suatu objek, yaitu diantaranya pernah diteliti oleh Ardy Pujiyanta [1] tentang pengenalan citra objek sederhana dengan jaringan saraf tiruan metode perceptron dengan objek-objek yang dapat dikenali meliputi kubus, kerucut, tabung, prisma dan limas. Selain itu, penulis juga menemukan penelitian oleh Deniel Cahyo Prasetyo [2] tentang pengenalan citra untuk perangkat elektronika secara real time menggunakan webcam berbasis ekstraksi ciri Discrete Cosine Transform. Pada pembuatan sistem, gambar yang telah dicapture oleh user dengan menggunakan webcam akan otomatis membandingkan dengan objek yang berupa gambar dari alat-alat musik tradisisonal Indonesia sehingga menghasilkan perbandingan jarak terkecil. Objek tersebut kemudian diproses melalui preprocessing. Kemudian diproses dengan berbasiskan Discrete Cosine Transform (DCT) yang akan dijadikan sebagai database. Karakter yang telah dicapture dibandingkan dengan database dengan menggunakan jarak Jaccard dan hasil perbandingan yang terkecil merupakan objek yang

1


2

telah dicapture. Semua proses tersebut menggunakan software Matlab R2010a, baik dalam pemrogramannya maupun visualisasi pengambilan gambarnya. Jika proses pengambilan gambar telah sesuai dengan database, maka sistem ini akan memberi peringatan kepada user bahwa proses pengenalan gambar sudah selesai dan user dapat melihat hasil dari karakter yang telah dicapture melalui tampilan layar monitor dalam bentuk teks.

1.2.

Tujuan dan manfaat Tujuan dari penulisan tugas akhir ini adalah untuk menghasilkan suatu sistem

dalam aplikasi computer vision yang dapat mengenali gambar alat musik tradisional Indonesia secara real time dengan menggunakan ekstraksi ciriberbasiskan Discrete Cosine Transform (DCT) dan jarak Jaccard. Manfaat penulisan tugas akhir ini adalah sebagai langkah awal untuk penelitian selanjutnya untuk membuat computer vision yang dapat mengenali suatu objek yang sesungguhnya.

1.3.

Batasan Masalah Sistem pengenalan gambar alat musik tradisional di Indonesia terdiri dari hardware

dan software (komputer). Hardware berfungsi untuk melakukan pengenalan awal terhadap gambar alat musik tradisional, sedangkan software pada komputer berfungsi untuk mengatur semua proses pengenalan gambar alat musik tradisonal. Pada perancangan sistem ini, penulis fokus pada pembuatan software komputer untuk memproses pengenalan gambar alat musik tradisional, sedangkan untuk hardware berupa webcam yang sudah tersedia di pasaran. Adapun beberapa batasan masalah yang dianggap perlu pada perancangan ini, yaitu sebagai berikut: a. Masukan berupa 28 citra alat musik tradisional Indonesia yaitu accordion (Sumatera Selatan), angklung (Jawa Barat), bende (Lampung), boning (Jawa), cengceng (Bali), doli (Bengkulu), fu (Maluku Utara), gambus (Jambi), gendang (Jawa), gendang dayak (Kalimantan), gendang melayu (Bangka Belitung), gong (Jawa), kecapi (Jawa Barat), kecapi (Sulawesi Selatan), kenong (Jawa), kolintang (Sulawesi Utara), lado-lado (Sulawesi Tenggara), marwad (Kepulauan Riau), panting (Kalimantan Selatan), rebab (Jawa), rifai (Nangroe Aceh Darussalam),


3

sasando (Timor), serunai (Nusa Tenggara Barat), siter (Jawa), suling saluang (Sumatera Barat), tifa (Irian Jaya), tifa (Maluku), dan tuma (Kalimantan Barat) yang memiliki template berbeda-beda dan gambar terbesar dari poster yaitu gong dengan ukuran 9cm x 12cm dengan ukuran template 14cmx14cm b. Citra berasal dari poster (lihat LampiranL1). c. Menggunakan perangkat lunak komputasi (Matlab R2010a) dalam pembuatan program. d. Menggunakan ekstraksi ciri berbasiskanDiscrete Cosine Transform (DCT). e. Menggunakan jarak Jaccard sebagai metode pembandingnya. f. Gambar citra alat musik tradisional dalam pengujiannya akan menggunakan variasi rotasi ∆ ± 10 untuk mensimulasikan webcam yang berputar dan variasi skala ∆ ± 10% untuk mensimulasikan webcam yang naik turun. Pengujian dilakukan sampai gambar tidak dapat dikenali lagi. g. Menggunakan webcam untuk pengenalan objek serta posisi webcam yang tepat berada di atas objek dengan jarak 33cm. h. Pengenalan secara real time. i. Selain 28 citra alat musik tradisional Indonesia di atas akan dikenali secara salah. j. Intensitas cahaya sesuai dengan kondisi di laboratorium Tugas Akhir dan akan ditambahkan 2 buah lampu philips 8 Watt dengan kuat cahaya masing-masing lampu 475lm. k. Output berupa teks nama alat musik, daerah asal alat musik, dan keterangan singkat tentang alat musik di layar monitor. l. Menggunakan variasi resizing yaitu 256x256, 128x128, 64x64, 32x32, 16x16, 8x8 piksel. m. Menggunakan variasi jumlah koefisien DCT yaitu dari 3, 10, 21, 36, 55, 78, 105, 136.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 1.4.

4

Metodologi Penelitian Langkah-langkah dalam pengerjaaan Tugas Akhir adalah sebagai berikut :

a. Pengumpulan bahan-bahan referensi berupa buku-buku dan jurnal-jurnal ilmiah

mengenai pengenalan suatu objek, pemrograman matlab, image processing, ciriDiscrete Cosine Transform (DCT), jarak Jaccard. b. Perancangan subsistem software dan hardware Tahap ini bertujuan untuk mencari bentuk model yang optimal dari sistem yang akan dibuat dengan mempertimbangkan berbagai faktor–faktor permasalahan dan kebutuhan yang ditentukan. c. Pembuatan subsistem software dan hardware Sistem akan bekerja apabila user menekan tombol push button yang ditampilkan dalam tampilan visual yang disediakan dalam software. Kemudian sistem akan mengolah data yang diterima dari webcam dan mulai menampilkan proses menampilkan video (record) sampai user memberikan perintah untuk pengambilan gambar (capture). Kemudian, user memberikan interupsi untuk memulai pengenalan perangkat elektronika. Setelah itu, matlab akan melakukan proses pengolahan gambar alat musik tradisional yang sudah dicapture oleh webcam dan ditampilkan berupa teks pada layar monitor. d. Analisa data yang pertama dilakukan dengan menyelidiki pengaruh variasi resizing (ukuran citra) dan jumlah koefisien DCT terhadap tingkat pengenalan. Penyimpulan hasil dilakukan untuk mencari ukuran resizing dan koefisien DCT yang terbaik yang menghasilkan tingkat pengenalan yang optimal. Kedua, menyelidiki pengaruh penskalaan dan rotasi terhadap tingkat pengenalan. Cara pengujian menggunakan uji rotasi ∆ ± 1o dan uji skala ∆ ± 10%.Penyimpulan hasil dilakukan untuk mengetahui kinerja sistem pengenalan terhadap pengaruh skala dan rotasi hingga gambar tidak dapat dikenali lagi.


BAB II DASAR TEORI 2.1.

Alat Musik Tradisional Alat Musik Tradisional Indonesia atau yang biasa juga disebut dengan alat musik

daerah Indonesia sangat banyak sekali karena biasanya masing-masing provinsi mempunyai alat musik tradisional masing-masing serta memiliki keunikan dan ciri khas tersendiri. Hampir setiap alat musik dari masing-masing daerah memiliki perbedaan dan dapat dilihat dari bentuk, bunyi, dan cara penggunaannya. Hingga kini, alat musik tradisional masih sering digunakan oleh setiap daerah jika ada upacara adat baik itu suka maupun suku. Bahkan, angklung yang merupakan alat musik dari Pulau Jawa telah dikukuhkan oleh United Nations Educational, Scientific and Cultural Organization (UNESCO) sebagai warisan budaya dunia asli Indonesia pada November 2010 [3]. Beberapa contoh alat musik tradisional di Indonesia adalah sebagai berikut :

Angklung ( Jawa Barat )

Bonang ( Jawa Timur )

Gong ( Jawa )

Gambar 2.1. Beberapa gambar alat musik tradisional di Indonesia

5


6

Pengolahan Citra

2.2.1. Defenisi Citra Citra merupakan salah satu komponen multimedia yang memegang peranan penting sebagai bentuk informasi visual, karena karakteristiknya yang kaya dengan informasi. Citra digital mengacu pada pemrosesan setiap data 2 dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun komplek yang direpresentasikan dengan deretan bit tertentu. Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitudo f di titik koordinat (x,y) dinamakan intensitas atau tingkat keabuan dari citra pada titik tersebut. Apabila nilai x,y, dan nilai amplitudo f secara keseluruhan berhingga (finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra digital. Gambar 2.2 menunjukkan posisi koordinat citra digital.

Gambar 2.2. Koordinat citra digital. Nilai pada suatu irisan antara baris dan kolom (pada posisi x,y) disebut dengan picture elements, image elements, pel, atau pixels [4].


7

2.2.2. Citra RGB[5] Dalam model RGB, setiap warna memperlihatkan komponen spectral primary red, green dan blue. Model ini didasarkan pada sistem koordinat kartesian. Sub space warna yang dicari adalah kubus yang ditunjukkan pada gambar 2.3. Nilai RGB pada tiga sudut adalah cyan, magenta dan yellow. Nilai RGB pada sudut lain adalah hitam dan putih paling jauh dari origin. Dalam model ini, grayscale (keabuan) diperluas dari hitam ke putih di sepanjang garis gabungan dua titik. Perbedaan warna dalam model ini adalah titik yang berada di dalam kubus dan didefinisikan oleh penyebarannya dari faktor origin.

Gambar 2.3. Skema warna RGB dalam kubus Citra yang dipresentasikan dalam model warna RGB terdiri dari tiga komponen, masing– masing untuk setiap warna primer (red, green and blue). Jumlah bit yang digunakan untuk mempresentasikan setiap piksel dalam space RGB disebut pixel dept. Jumlah bit dalam citra RGB dimana setiap citra red, green dan blue adalah citra 8 bit. Dalam kondisi setiap warna pixel RGB mempunyai kedalaman 24 bit seperti pada gambar 2.4. Citra full color sering digunakan untuk menyatakan citra berwarna RGB 24 bit. Total jumlah warna dalam citra 24 bit adalah (28 ) = 16,777,216.

Gambar 2.4. Kubus berwarna RGB 24 bit


8

2.2.3. Citra Grayscale Citra grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pixelnya, dengan kata lain nilai bagian RED = GREEN = BLUE. Nilai tersebut digunakan untuk menunjukkan tingkat intensitas. Warna yang dimiliki adalah warna dari hitam, keabuan, dan putih. Tingkatan keabuan disini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih [4]. Dalam citra ini tidak ada lagi warna, yang ada adalah derajat keabuan. Untuk mengubah citra berwarna yang mempunyai nilai matrik masing-masing r, g, b menjadi citra grayscale dengan nilai s, maka konversi dapat dilakukan dengan mengambil rata-rata nilai r, g, b sehingga dapat dituliskan menjadi [6]: 𝑆=

𝑅+𝐺+𝐵 3

(2.1)

2.2.4. Cropping Cropping pada pengolahan citra berarti memotong satu bagian dari citra sehingga diperoleh citra yang diharapkan. Ukuran pemotongan citra tersebut berubah sesuai dengan ukuran citra yang diambil. 2.2.5. Resizing Rezising citra adalah mengubah besarnya ukuran citra dalam piksel. Tampilan citra tidak ada yang berubah hanya ukuran piksel dan matriksnya yang dirubah.

2.3.

Discrete Cosine Transform Dua Dimensi (DCT 2-D) DCT satu dimensi untuk mengolah sinyal-sinyal dimensi satu seperti bentuk

gelombang suara. Sedangkan untuk citra sinyal dua dimensi, diperlukan versi dua dimensi dari DCT. Rumus DCT 2-D adalah:

F(m,n)=

2 √MN

M-1 N-1

C(m)C(n) ∑ ∑ f (x, y) cos x=0 y=0

(2x+1)mπ (2y+1)nπ cos 2M 2N

(2.2)


9

Dimana : 𝐶(𝑚), 𝐶(𝑛) = 1√2

(2.3)

Untuk : 𝑚, 𝑛 = 0

Dan : 𝐶(𝑚), 𝐶(𝑛) = 1

(2.4)

Untuk : m,n ≠ 0

Keterangan : 1.

F (m,n) adalah titik koordinat dari matriks yang telah mengalami transformasi DCT 2 dimensi.

2.

M dan N adalah banyak kolom dan baris.

3.

Cm dan Cn adalah himpunan hasil yang nilainya ditentukan dari nilai koefisien m dan n.

4. f(xy) adalah nilai pixel dari matriks pada titik (x,y). Contoh citra hasil dari Ekstraksi ciri DCT 2-D dapat dilihat pada gambar 2.5.

(a)

(b)

Gambar 2.5. Contoh citra hasil DCT 2-D (a) Citra berukuran 256 x 256 piksel ; (b) Citra hasil DCT


10

Fungsi Jarak Jaccard Fungsi jarak Jaccard menghitung besarnya perubahan dari dua variabel. Fungsi

jarak ini membagi dua variabel 1 dengan variabel lainnya yang saling berhubungan. Fungsi jarak Jaccard dirumuskan sebagai berikut [7]:

DJac =

∑𝑛𝑖=1(𝑃𝑖 − 𝑄𝑖 )2 -∑𝑛𝑖=1 𝑃𝑖 2 + ∑𝑛𝑖=1 𝑄𝑖2 + ∑𝑛𝑖=1 𝑃𝑖 𝑄𝑖

(2.5)

Dimana : DJac

= Jarak Jaccard

P,Q = Dua vektor yang akan dicari jaraknya n

= Ukuran vektor

Tekstur akan diklasifikasikan sebagai tekstur i apabila DJac merupakan jarak terkecil dibandingkan dengan jarak yang lainnya.

2.5.

Template Matching [8] Templete matching merupakan salah satu pendekatan yang paling sederhana dan

paling awal untuk pengenalan pola. Matching adalah operasi generik pada pengenalan pola yang digunakan untuk menentukan kemiripan antara entitas (titik, kurva, atau bentuk) dari jenis yang sama. Biasanya sampel (template) pada template matching berbentuk 2D, yang nantinya akan dicocokan dengan sampel yang telah disimpan dengan cara memperhatikan rotasi dan skalanya. Pengukuran kesamaan antara sampel masukkan dengan sampel disimpan dapat dicari korelasinya dengan optimal berdasarkan percobaan yang dilakukan.

2.6.

Zig Zag Scanning ZigZag scanning berfungsi untuk merepresentasikan Matriks 2-D dari koefisien

DCT terkuantisasi dalam bentuk vektor satu dimensi. Setelah kuantisasi, sebagian besar koefisien frekuensi tinggi (pojok kanan bawah) adalah nol. Dalam memanfaatkan jumlah


11

nol maka digunakan scan zigzag dari matriks. Zigzag scanning memungkinkan semua koefisien DC dan AC dengan nilai yang terendah akan diproses terlebih dahulu. Gambar 2.6 menunjukan urutan zigzag scanning. Keterangan : 1. Lapis 1 = 1 koefisien DCT

9. Lapis 9 = 45 koefisien DCT














16. Lapis 16 = 136 koefisien DCT Lapis DCT

Gambar 2.6. Urutan zigzag scanning


12

Webcam Webcam atau web camera adalah sebuah perangkat yang dapat menangkap video

serta gambar, kemudian langsung menyimpannya dalam hard drive komputer. Sebuah kamera video digital kecil yang dihubungkan ke komputer melalui (biasanya) port USB ataupun port COM. Pada penelitian ini, webcam yang digunakan yaitu webcam Logitec C170 seperti pada gambar 2.7 yang memiliki sensor type VGA dan image sensor resolution 5 megapixel.

Gambar 2.7. Webcam Logitech C170

2.8.

Matlab Matlab merupakan bahasa pemrograman yang dikhususkan untuk kebutuhan

komputasi teknis, visualisasi dan pemrograman seperti komputasi matematik, analisis data, pengembangan algoritma, simulasi dan pemodelan, dan grafik-grafik perhitungan [9]. Pada penelitian ini, matlab yang digunakan yaitu seri R2010a.


BAB III PERANCANGAN 3.1.

Gambaran Sistem Blok sistem untuk pengenalan gambar alat musik tradisional Indonesia dapat dilihat

pada gambar 3.1.

Gambar 3.1. Gambaran Sistem Sistem pengenalan gambar alat musik tradisional Indonesia terdiri dari software pada komputer yang berfungsi sebagai user interface dalam proses pengenalan. Software yang dibuat dalam bentuk user interface dengan program matlab yang berperan sebagai pusat pengaturan semua pengenalan gambar alat musik tradisional Indonesia seperti mengambil citra dan mengenali gambar yang sudah di capture. Pengambilan gambar dilakukan dengan menggunakan webcam dan dengan membutuhkan tambahan dua buah 13


14

lampu agar gambar yang dihasilkan dapat fokus tanpa adanya shadow serta interferensi dan setelah semua proses dilakukan maka output yang berupa teks akan muncul pada layar laptop atau komputer. 3.1.1. Fixture Fixture digunakan sebagai tempat dudukan webcam serta potongan gambar alat musik tradisional. Fixture terbuat dari kayu. Posisi potongan gambar dan webcam tegak lurus sehingga di dapatkan hasil yang simetris. Dalam perancangan ini, untuk mendapatkan hasil yang fokus maka jarak antara webcam dengan posisi objek gambar yaitu ± 33 cm. 3.1.2. Webcam Webcam yang digunakan adalah webcam merk Logitech seri c170h. Contoh webcam yang digunakan dapat dilihat pada Gambar 2.3. Spesifikasi webcam bisa dilihat pada tabel 3.1. Tabel 3.1. Spesifikasi Webcam Logitech c170h Photo Quality

5 Megapixel

Video Quality

VGA

Fokus Type

Always Fokused

3.1.3. Potongan Gambar Potongan gambar yang digunakan yaitu berupa potongan dari poster (lihat Lampiran 1) dan dalam satu potongan gambar hanya menampilkan satu macam gambar alat musik tradisional. Potongan gambar yang digunakan yaitu dengan ukuran template yang beraneka ragam dan ukuran gambar asli alat musik tradisional yang berasal dari poster. 3.1.4. Lampu Lampu berfungsi untuk memberikan brightness lebih pada gambar alat musik tradisional sehingga gambar yang ditangkap oleh kamera dapat terlihat lebih jelas atau fokus dan untuk menghindari shadow.


15

3.1.5. Laptop atau komputer Pada sistem pengenalan ini, laptop atau komputer berfungsi sebagai pengolah software yang termasuk di antaranya matlab ataupun pada preprocessing, serta penyimpanan database. Pengenalan yang ingin ditampilkan dapat dilihat melalui keluaran pada laptop ataupun komputer.

3.2.

Proses Pengenalan Potongan Citra Alat Musik Tradisional Proses pengenalan potongan citra alat musik tradisional adalah proses di mana

potongan citra yang di capture akan dikenali bentuknya. Proses ini terdiri pengambilan citra, preprocessing, pengenalan dan keluaran yanag berupa teks. Proses kerja sistem dapat dilihat pada gambar 3.2.

Gambar 3.2. Diagram Blok Proses Pengenalan 3.2.1. Pengambilan Citra Citra yang berbentuk potongan gambar diambil dengan menggunakan webcam yang sudah terhubung dengan komputer. Webcam terlebih dahulu sudah dikenali oleh laptop/komputer. Webcam yang berada tegak lurus dengan potongan citra dan harus mencari jarak terbaik atau fokus. Untuk mendapatkan gambar yang fokus diperlukan juga adanya tambahan lampu agar intensitas cahaya tidak mengganggu untuk pengambilan gambar. Resolusi 640 x 480 yang digunakan pada webcam ini akan membantu untuk mendapatkan tampilan gambar yang lebih baik. Perintah untuk mengambil gambar dengan menggunakan webcam adalah sebagai berikut : vidobj = videoinput('winvideo',1,'YUY2_640x480');


16

preview(vidobj); pause frame = getsnapshot(vidobj); stop(vidobj) delete(vidobj) gambar=yuy2torgb(frame); imshow(gambar)

3.2.2. Preprocessing Preprocessing merupakan tahap untuk mempersiapkan citra sebelum ke tahap ekstraksi ciri sehingga dapat diproses ke tahap selanjutnya. Preprocessing sendiri terdiri dari grayscale, cropping, dan resizing. 1. Grayscale Grayscale merupakan proses dimana citra asli akan diubah warnanya menjadi keabuan. Perintah yang digunakan untuk mengubah citra RGB menjadi grayscale adalah rgb2gray. Hal ini akan mempermudah proses pengolahan citra selanjutnya yaitu ekstraksi ciri. Contoh citra hasil grayscale dapat dilihat pada gambar 3.3.

(a)

(b)

Gambar 3.3. Contoh hasil citra RGB menjadi citra greyscale (a) Citra RGB ; (b) Citra grayscale

dengan program : I=imread('Gong (Jawa).jpg');


17

J=double(rgb2gray(I)); K=(J/255); imshow (K)

2. Cropping Cropping adalah suatu proses untuk memotong citra pada bagian tertentu atau yang tidak diperlukan sehingga didapatkan hasil yang diinginkan untuk mempermudah data yang akan diolah. Pada percobaan ini, cropping menggunakan bounding box dan bounding box ini akan melakukan automatic cropping. Diagram alir bounding box dapat dilihat pada gambar 3.4.

Gambar 3.4. Diagram alir bounding box Proses bounding box adalah proses dimana citra masukkan akan di cropping sesuai dengan bounding box-nya. Cropping dilakukan dengan cara memotong matrik citra masukkan yang nilainya kurang dari nilai parameter yang sudah ditentukan. Proses cropping dilakukan dengan cara memotong tiap sisi secara bergantian, pertama kali


18

yaitu sisi sebelah kiri di cropping setelah di-cropping citra diputar sejauh 90° dan kemudian citra sisi sebelah kiri di-cropping kembali. Proses ini dilakukan terus menerus hingga semua sisi citra di cropping semua. 3. Resizing Proses resizing dilakukan agar citra yang akan diekstrak dari webcam dengan resolusi 640x480 piksel mempunyai ukuran piksel yang sama dengan aturan ekstraksi ciri Discrete Cosine Transform Two Dimension (DCT 2-D), yaitu dengan ukuran variasi piksel 256 x 256, 128 x 128, 64 x 64, 32 x 32, 16x16, dan 8x8 piksel. Pada penelitian ini, adanya variasi piksel dimaksudkan untuk mencari ukuran yang terbaik dari citra tersebut. Hasil citra resizing dapat dilihat pada gambar 3.5.

Gambar 3.5. Proses citra asli yang di resize dengan ukuran variasi piksel (a) Citra hasil cropping ; (b) Citra yang telah di resize dengan ukuran 32 x 32

dengan program : I3=imresize(I2,[32 32]); imshow(I3); axis('on')


19

3.2.3. Ekstraksi Ciri Dalam perancangan, ekstraksi ciri yang digunakan yaitu berbasiskan Discrete Cosine Transform 2-D ( DCT 2-D) yang berfungsi untuk membagi citra ke dalam blokblok kecil dengan ukuran tetap yang kemudian dikonversikan dari domain spasial ke domain DCT dengan cara melakukan evaluasi dari variasi jumlah koefisien DCT dari nilai yang terendah dulu yaitu dari 3, 10, 21, 36, 55, 78, 105, 136. Nilai-nilai koefisien DCT didapatkan dari zigzag scanning dengan matriks 16x16 seperti pada gambar 2.6. Proses Ekstraksi ciri dapat dilihat pada gambar 3.6.

Gambar 3.6. Diagram Alir Ekstraksi Ciri

3.2.4. Jarak Proses pengukuran jarak bertujuan untuk membandingkan citra yang telah di capture dengan menggunakan webcam dengan database. Hasil jarak minimum yang diperoleh akan di gunakan ke dalam proses selanjutnya. Unutk perancangan ini, jarak yang


20

digunakan adalah jarak Jaccard seperti pada persamaan (2.5). Proses kerja jarak tersebut dapat dilihat pada gambar 3.7.

Gambar 3.7. Diagram Alir Jarak

3.2.5. Database Potongan Citra Database digunakan sebagai acuan dalam penentuan pengenalan citra. Untuk membuat database dapat dilakukan dalam beberapa proses yaitu adanya input citra, preprocessing dan Discrete Cosine Transform 2-D dapat dilihat pada gambar 3.8.

Gambar 3.8. Sistem Pembuatan Database Citra gambar yang akan dijadikan database yaitu 28 jenis gambar alat musik tradisional yang telah dicapture menggunakan webcam dan gambar yang telah dicapture akan dipotong dengan menggunakan aplikasi Photoshop. Pemotongan dilakukan pada bagian luar dari sisi hitam dan yang akan dijadikan sebagai database adalah gambar yang


21

berada pada bagian dalam dari sisi hitam serta menerapkan variasi resizing ( 256x256, 128x128, 64x64, 32x32, 16x16, 8x8 piksel ) dan jumlah koefisien DCT ( 3, 10, 21, 36, 55, 78, 105, 136 ). Citra akan diproses melalui preprocessing yang terdiri dari grayscale, cropping, dan resizing. Selanjutnya, citra hasil preprocessing akan dimasukkan ke dalam Disrete Cosine Transform 2-D untuk menghasilkan suatu data matriks. Perlu diketahui bahwa database sudah harus diketahui oleh sistem yang dikarenakan nantinya database akan digunakan sebagai media pembanding. 3.2.6. Penentuan Keluaran Proses penentuan keluaran adalah subproses terakhir dari proses pengenalan gambar alat musik tradisional. Pada proses ini hasil pengenalan gambar alat musik tradisional ditentukan dengan berdasakan jarak minimum yang diperoleh setelah proses penghitungan jarak. Proses penentuan keluaran direpresentasikan pada gambar 3.9.

Gambar 3.9. Diagram Alir Penentuan Keluaran

3.3.

Gambar Uji Gambar uji diambil setelah user menekan tombol “Capture”. Hasil capture atau

sampel diambil dari kepingan gambar yang sudah diatur secara fix dan cahaya yang sudah


22

diatur intensitasnya agar tidak terdapat shadow yang dapat mengganggu gambar yang ingin di capture. Proses yang berlangsung meliputi citra alat musik tradisional, preprocessing yang terdiri dari grayscale, cropping dan resizing dan Discrete Cosine Transform Two Dimension (DCT 2-D). Hasil proses tersebut kemudian disimpan dan diproses kembali untuk mendapatkan hasil pengenalan gambar alat musik tradisional.

3.4.

Perancangan GUI Grapichal User Interface akan memudahkan user dalam penggunaan software ini

sehingga dapat memahami sistem pengenalan gambar beserta cara kerjanya. Tampilan GUI dalam perancangan sistem ini dapat dilihat pada gambar 3.10.

Gambar 3.10. Tampilan Utama Jendela Pengenalan


23

Tabel 3.2. Keterangan Tampilan Utama Program Nama Bagian

Deskripsi

Tombol On

Tombol On digunakan untuk mengaktifkan webcam

Tombol Capture

Tombol Capture digunakan untuk pengambilan citra gambar alat musik tradisional Indonesia

Axes 1 pada panel Untuk webcam

menampilan

gambar

yang

telah

di

ambil

dengan

menggunakan webcam

Axes 2 pada panel Untuk menampilkan citra hasil cropping Preprocessing Axes 3 pada panel Untuk menampilkan citra hasil resizing Preprocessing Axes 4 pada Panel Untuk menampilkan hasil DCT Ekstraksi ciri Axes 5 pada Panel Untuk menampilkan hasil ekstraksi ciri dengan jumlah koefisien Ekstraksi ciri

zigzag scanning

Pop-up Menu pada Untuk memilih variasi piksel panel Preprocessing Pop-up Menu pada Untuk memilih variasi koefisien DCT yaitu zigzag scanning panel Ekstraksi ciri Tombol proses

Untuk proses cropping dan resizing

Panel Keluaran

Untuk menampilkan hasi pengenalan yang berupa teks

Panel Penjelasan

Untuk menampilkan penjelasan singkat tentang alat musik yang berupa teks

Tombol Info

Tombol info digunakan untuk melihat info tentang alat musik

Tombol Reset

Tombol reset digunakan untuk me-reset program untuk melakukan pengenalan yang baru

Tombol Selesai

Untuk mengakhiri seluruh proses


BAB IV HASIL DAN PEMBAHASAN Pada hasil dan pembahasan, akan dibahas tentang rancangan software dan hasil dari pengerjaan software serta sejauh mana program ini dapat berjalan dengan baik. Pengambilan data yang dilakukan dengan menggunakan citra 28 gambar alat musik tradisional di indonesia dengan berbagai variasi yang telah ditetapkan.

4.1.

Pengujian dan tampilan program pengenalan gambar alat musik

tradisonal di Indonesia secara Real Time Pengujian dan tampilan program menggunakan perangkat keras dan perangkat lunak sebagai berikut: 1. Processor INTEL(R) core(TM)i5 CPU M430 @2.27GHZ with Radeon™ HD Graphics 1,75 GHz 2. RAM 2.00 GB 3. Matlab7.10.0 (R2020a) Program pengenalan dapat dilakukan dengan langkah-langkah sebagai berikut : a.

Klik dua kali pada icon matlab seperti pada gambar 4.1.

Gambar 4.1. Icon matlab

b.

Setelah klip icon matlab, maka akan muncul tampilan awal matlab seperti pada gambar 4.2.

24


25

Gambar 4.2. Tampilan awal matlab

c.

Kemudian ganti Current Directory sesuai dengan directory dimana program yang akan dipakai disimpan, setelah itu ketik guide Gui pada Command Window maka akan muncul tampilan jendela utama program pengenalan seperti pada gambar 4.3, klik run untuk menjalankan program.

Gambar 4.3. Tampilan jendela Gui d.

Setelah klik run, maka akan menampilkan tampilan utama program seperti pada gambar 4.4.


26

Gambar 4.4. Tampilan utama jendela program pengenalan gambar alat musik tradisional di Indonesia

e.

Selanjutnya, memilih dan menekan tombol yang sudah tersedia beserta urutannya seperti gambar 4.4. Berikut merupakan fungsi dan penjelasan tentang tombol tersebut : 1.

Tombol On

Gambar 4.5. Tampilan saat tombol On ditekan Tombol On berfungsi untuk mengaktifkan webcam dan gambar yang akan dicapture akan tampil pada “axes 1”. Program untuk menjalankan tombol tersebut dapat dilihat pada Gambar 4.6.


27

imaqhwinfo; info = imaqhwinfo('winvideo'); dev_info = imaqhwinfo('winvideo',2); vidobj=videoinput('winvideo',2,'YUY2_640X480'); vidobj.FramesPerTrigger = 2; triggerconfig(vidobj, 'manual'); vidRes = get(vidobj, 'VideoResolution'); imWidth = 640; imHeight = 480; nBands = get(vidobj, 'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands), 'parent',handles.axes1); preview(vidobj, hImage)

Gambar 4.6. Program Tombol On Pada gambar 4.6, perintah program imaqhwinfo adalah merupakan program mengetahui informasi dari webcam tentang nama device dan format warna hasil dari webcam misal RGB, YUY, dll. Perintah program preview untuk menampilkan video pada saat camera on yang akan ditampilkan pada axes1.

2.

Tombol Capture

Gambar 4.7. Tampilan saat tombol Capture ditekan

Tombol Capture berfungsi untuk mengambil/mencuplik gambar dari video yang akan digunakan untuk proses selanjutnya dan hasil dari gambar


28

yang telah dicuplik akan ditampilkan pada “axes 1”. Format gambar yang sudah dicuplik yaitu grayscale. Untuk menjalankan tombol tersebut, menggunakan program sebagai berikut : imaqhwinfo; info = imaqhwinfo('winvideo'); dev_info = imaqhwinfo('winvideo',2); vidobj=videoinput('winvideo',2,'YUY2_640X480'); vidobj.FramesPerTrigger = 2; vidobj.ReturnedColorspace = 'grayscale'; triggerconfig(vidobj, 'manual'); vidRes = get(vidobj, 'VideoResolution'); imWidth = 640; imHeight = 480; nBands = get(vidobj, 'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands), 'parent',handles.axes1); %preview(vidobj,hImage); start(vidobj); pause(2); gambar = getsnapshot(vidobj); trigger(vidobj); stop(vidobj) delete(vidobj) %imwrite(capture1); axes(handles.axes1); imshow(gambar) axis on handles.gambar=gambar; guidata(hObject,handles);

Gambar 4.8. Program Tombol Capture Gambar 4.8 hampir sama dengan program gambar 4.6 tetapi tetapi pada gambar 4.8 ditambah dengan perintah grayscale yang berfungsi mengubah warna citra menjadi keabu-abuan. Hasil dari capture webcam memiliki format gambar grayscale sehingga diubah terlebih dahulu ke format gambar YUY dengan cara menggunakan fungsi yuy2_640x480. Pada fungsi yuy2 digunakan angka 640x480 agar hasil gambar yang telah dicapture memiliki ukuran 640x480. Perintah program getsnapshot adalah perintah untuk meng-capture gambar saat camera telah on. Agar hasil capture bisa dipanggil dan digunakan diprogram lain maka diinisialisasikan menggunakan “handles”.


3.

29

Pop-up menu variasi resizing

Gambar 4.9. Tampilan pop-up menu variasi resizing ketika diklik Pop-up menu berfungsi untuk memilih berbagai ukuran resizing yang akan digunakan untuk mengenali gambar alat musik tradisional Indonesia. Perintah program yang digunakan adalah sebagai berikut : indeks=get(handles.popupmenu2,'Value'); switch indeks case 2 ukuran=8; case 3 ukuran=16; case 4 ukuran=32; case 5 ukuran=64; case 6 ukuran=128; case 7 ukuran=256; end handles.ukuran=ukuran; guidata(hObject,handles);

Gambar 4.10. Program untuk variasi resizing Pada gambar 4.10 tertulis ukuran=8 maksudnya yaitu ukuran resizing bernilai 8x8 piksel, untuk penjelasan resizing dapat dilihat pada bab III. Resizing diinisialisasikan dengan nama “ukuran”, agar nilai variasi


30

resizing ini dapat dipanggil diprogram lain maka diubah menjadi “handles.ukuran”. 4.

Pop-up menu variasi zigzag scanning

Gambar 4.11. Tampilan pop-up menu variasi zigzag scanning ketika diklik Pop-up menu selanjutnya berfungsi untuk memilih berbagai ukuran zigzag scanning yang akan digunakan untuk mengenali gambar alat musik tradisional Indonesia. Perintah program yang digunakan adalah sebagai berikut : indeks=get(handles.popupmenu3,'Value'); switch indeks case 2 jkoef=3; case 3 jkoef=10; case 4 jkoef=21; case 5 jkoef=36; case 6 jkoef=55; case 7 jkoef=78; case 8 jkoef=105; case 9 jkoef=136; end handles.jkoef=jkoef; guidata(hObject,handles);

Gambar 4.12. Program untuk variasi zigzag scanning


31

Pada gambar 4.12 tertulis jkoef=3 maksudnya yaitu jumlah koefisien dct dengan menggunakan zigzag scanning bernilai 3, untuk penjelasan ekstraksi ciri dengan zigzag scanning dapat dilihat pada bab III. Jumlah ukuran zigzag scannig diinisialisasikan dengan nama “jkoef”, agar nilai variasi resizing ini dapat dipanggil diprogram lain maka diubah menjadi “handles.jkoef”.

5.

Tombol Proses Tombol proses berfungsi untuk mengolah dan menjalankan proses pengenalan dari gambar yang telah di capture, preprocessing ( cropping dan resizing ), ekstraksi ciri dan fungsi jarak hingga nantinya menghasilkan jarak minimum dari gambar tersebut dan hasil keluaran yang berupa teks. Tombol proses dapat berjalan setelah memilih variasi resizing dan variasi zigzag scanning. Berikut merupakan program dari tombol proses : %Automatic cropping x1=handles.gambar; x1=(double(x1))/255; x10=1-x1; x11=bboxg(x10); axes(handles.axes2); imshow(x11) axis on

Gambar 4.13. Program Tombol Proses untuk menampilkan hasil cropping

Pada penelitian ini, cropping dilakukan secara otomatis tanpa menentukan nilai koordinat. Pada gambar 4.13, perintah double berfungsi untuk mengubah nilai pada gambar grayscale karena nilainya masih unsigninteger, sedangkan nilai hasil akhir dibagi 255 sebagai normalisasi agar nilai maksimalnya 1. Kemudian dilakukan pembalikan warna yaitu yang berwarna gelap (bernilai 0) diubah menjadi berwarna terang (bernilai >0) dengan cara seperti list program “x10”, hal ini dilakukan untuk mempermudah dalam tahap automatic cropping. Tahap selanjutnya adalah tahap automatic cropping dengan menggunakan perintah “bbox” atau bounding box seperti yang telah dijelaskan pada bab III.


32

%Proses Resizing axes(handles.axes3); if ukuran==8 ukuran=[8,8]; elseif ukuran==16 ukuran=[16,16]; elseif ukuran==32 ukuran=[32,32]; elseif ukuran==64 ukuran=[64,64]; elseif ukuran==128 ukuran=[128,128]; elseif ukuran==256 ukuran=[256,256]; end x3=imresize(x11,ukuran); imshow(x3) axis on

Gambar 4.14. Program Tombol Proses untuk menampilkan hasil resizing Gambar 4.14 merupakan proses untuk melakukan resizing setelah hasil cropping. Resizing dapat mengubah ukuran piksel gambar menjadi besar maupun kecil tanpa merubah ukuran gambar. Perintah diatas tertulis ukuran=[8,8] maksudnya adalah mengubah gambar hasil cropping menjadi ukuran 8x8 piksel. List program x3 menggunakan perintah imresize maksudnya adalah untuk mengubah ukuran citra setelah hasil cropping sesuai dengan keinginan user yaitu dengan memilih pop-up menu variasi resizing. %Tampilan DCT axes(handles.axes4); if jkoef==3 jkoef=[3]; elseif jkoef==10 jkoef=[10]; elseif jkoef==21 jkoef=[21]; elseif jkoef==36 jkoef=[36]; elseif jkoef==55 jkoef=[55]; elseif jkoef==78 jkoef=[78]; elseif jkoef==105 jkoef=[105];

Gambar 4.15. Program Tombol Proses untuk menampilkan hasil DCT dan hasil ekstraksi ciri


33

elseif jkoef==136 jkoef=[136]; end jkoef y=abs(dct2(x3)); L=('Hasil DCT'); set(handles.text6,'string',L); axes(handles.axes4); imshow(y); axis on % Ambil yang perlu secara zigzag if ukuran(1)==8 x4=zigzag8(y); elseif ukuran(1)==16 x4=zigzag16(y); else x4=zigzag32(y); end x4=x4(1:jkoef); M=('Hasil Ekstraksi Ciri'); set(handles.text7,'string',M); axes(handles.axes5); imshow(x4); axis on x4=x4(:); bar(x4); sx4=size(x4) sz=size(z)

Gambar 4.15. (Lanjutan) Program Tombol Proses untuk menampilkan hasil DCT dan hasil ekstraksi ciri

Gambar 4.15 merupakan proses untuk hasil DCT dan ekstraksi ciri. Ekstraksi ciri yang digunakan yaitu DCT dan penentuan nilai koefisien dilakukan dengan zigzag scanning. Hasil dari resizing harus menyesuaikan aturan nilai zigzag scanning yang digunakan sehingga tidak melebihi batas matriknya. Fungsi program “dct2” adalah untuk memanggil fungsi ekstraksi ciri DCT 2-D. Input dari program ekstraksi ciri berasal dari hasil proses hasil resizing. List program “x4” berfungsi untuk membuat data yang terdiri dari beberapa kolom menjadi hanya satu kolom.


ukuran=handles.ukuran; jkoef=handles.jkoef; if (ukuran==8) &(jkoef==3) load x8ciri3; elseif (ukuran==8) &(jkoef==10) load x8ciri10; elseif (ukuran==8) &(jkoef==21) load x8ciri21; elseif (ukuran==8) &(jkoef==36) load x8ciri36; elseif (ukuran==8) &(jkoef==55) load x8ciri55; elseif (ukuran==16) &(jkoef==3) load x16ciri3; elseif (ukuran==16) &(jkoef==10) load x16ciri10; elseif (ukuran==16) &(jkoef==21) load x16ciri21; elseif (ukuran==16) &(jkoef==36) load x16ciri36; elseif (ukuran==16) &(jkoef==55) load x16ciri55; elseif (ukuran==16) &(jkoef==78) load x16ciri78; elseif (ukuran==16) &(jkoef==105) load x16ciri105; elseif (ukuran==16) &(jkoef==136) load x16ciri136; elseif (ukuran==32) &(jkoef==3) load x32ciri3; elseif (ukuran==32) &(jkoef==10) load x32ciri10; elseif (ukuran==32) &(jkoef==21) load x32ciri21; elseif (ukuran==32) &(jkoef==36) load x32ciri36; elseif (ukuran==32) &(jkoef==55) load x32ciri55; elseif (ukuran==32) &(jkoef==78) load x32ciri78; elseif (ukuran==32) &(jkoef==105) load x32ciri105; elseif (ukuran==32) &(jkoef==136) load x32ciri136; elseif (ukuran==64) &(jkoef==3) load x64ciri3; elseif (ukuran==64) &(jkoef==10) load x64ciri10; elseif (ukuran==64) &(jkoef==21) load x64ciri21; elseif (ukuran==64) &(jkoef==36) load x64ciri36; elseif (ukuran==64) &(jkoef==55) load x64ciri55;

Gambar 4.16. Program Tombol proses untuk mengeluarkan database

34


35

elseif (ukuran==64) &(jkoef==78) load x64ciri78; elseif (ukuran==64) &(jkoef==105) load x64ciri105; elseif (ukuran==64) &(jkoef==136) load x64ciri136; elseif (ukuran==128) &(jkoef==3) load x128ciri3; elseif (ukuran==128) &(jkoef==10) load x128ciri10; elseif (ukuran==128) &(jkoef==21) load x128ciri21; elseif (ukuran==128) &(jkoef==36) load x128ciri36; elseif (ukuran==128) &(jkoef==55) load x128ciri55; elseif (ukuran==128) &(jkoef==78) load x128ciri78; elseif (ukuran==128) &(jkoef==105) load x128ciri105; elseif (ukuran==128) &(jkoef==136) load x128ciri136; elseif (ukuran==256) &(jkoef==3) load x256ciri3; elseif (ukuran==256) &(jkoef==10) load x256ciri10; elseif (ukuran==128) &(jkoef==21) load x256ciri21; elseif (ukuran==256) &(jkoef==36) load x256ciri36; elseif (ukuran==256) &(jkoef==55) load x256ciri55; elseif (ukuran==256) &(jkoef==78) load x256ciri78; elseif (ukuran==256) &(jkoef==105) load x256ciri105; elseif (ukuran==256) &(jkoef==136) load x256ciri136; end

Gambar 4.16. (Lanjutan) Program Tombol proses untuk mengeluarkan database

Gambar 4.16 merupakan program untuk mengeluarkan database yang akan dibandingkan dalam perhitungan jarak. Fungsi load adalah untuk memuat database dari mat-file dari simpanan database. Perintah program untuk menghitung jarak antara citra masukan dengan citra database dapat dilihat pada Gambar 4.17.


36

for n=1:28 x4(1)=0; z(1,n)=0; r(n)=jarak(x4,z(:,n)); end

Gambar 4.17 Perintah program Tombol Proses untuk perhitungan jarak Perintah program pada Gambar 4.17 adalah untuk memanggil fungsi jarak jaccard yang akan membandingkan antara hasil dari output ekstraksi ciri yaitu x4 dengan hasil dari database yaitu z. Perintah program untuk mencari nilai minimum dengan perhitungan fungsi jarak jaccard dapat dilihat pada gambar 4.18. r; a=find(min(r)==r); minr=min(r)

Gambar 4.18 Perintah program mencari nilai minimum a merupakan hasil pencarian nilai terkecil dari hasil perhitungan jarak. %Deskripsi string s={'Accordion (Sumatera Selatan)','Angklung (Jawa Barat)','Bende (Lampung)',... 'Bonang (Jawa Timur)','Cengceng (Bali)','Doli (Bengkulu)','Fu (Maluku Utara)',... 'Gambus (Jambi)','Gendang (Jawa)','Gendang Dayak (Kalimantan)','Gendang Melayu (Bangka Belitung)',... 'Gong (Jawa)','Kecapi (Jawa Barat)','Kecapi (Sulawesi Selatan)','Kenong (Jawa)',... 'Kolintang (Sulawesi Utara)','Lado-lado (Sulawesi Tenggara)','Marwad (Kepulauan Riau)',... 'Panting (Kalimantan Selatan)','Rebab (Jawa)','Rifai (NAD)','Sasando (Timor)',... 'Serunai (Nusa Tenggara Barat)','Siter (Jawa)','Suling Saluang (Sumatera Barat)',... 'Tifa (Irian Jaya)','Tifa (Maluku)','Tuma (Kalimantan Barat)'}; %Hasil keluaran minimum hasil=s{a}; set(handles.edit1,'string',hasil); handles.a=a; guidata(hObject,handles);

Gambar 4.19. Program untuk menampilkan hasil pengenalan Pada Gambar 4.19, variabel s adalah inisialisasi dari 28 gambar. Nilai yang paling minimum akan dipanggil sesuai nama inisialisasi dan


37

ditampilkan edit_text 1 dengan menggunakan perintah set. Gambar 4.20 menampilkan hasil pengenalan dari suatu gambar alat musik tradisional di Indonesia setelah menekan tombol proses. Dari Gambar 4.20 dapat dilihat bahwa semua program dapat berjalan dengan baik dan selanjutnya dilakukan percobaan untuk menentukan nilai parameter terbaik untuk pengenalan gambar alat musik tradisional di Indonesia.

Gambar 4.20. Tampilan ketika program telah diproses 6.

Tombol info Tombol info berfungsi untuk menampilkan keterangan singkat dari gambar alat musik tradisional yang berhasil dikenali secara benar ataupun salah. Perintah program pada tombol info dapat dilihat pada Gambar 4.21. function pushbutton8_Callback(hObject, eventdata, handles) u=handles.a; if (u==1) set(handles.edit2,'string','Accordion adalah alat musik sejenis organ dan dimainkan dengan cara ditekan.'); elseif (u==2) set(handles.edit2,'string','Angklung adalah alat musik bernada ganda. Alat musik ini dibuat dari bambu, dibunyikan dengan cara digoyangkan.'); elseif (u==3)

Gambar 4.21. Perintah program Tombol Proses untuk menampilkan info gambar alat musik


38

set(handles.edit2,'string','Bende adalah sejenis gong kecil dan merupakan alat musik pukul.'); elseif (u==4) set(handles.edit2,'string','Bonang adalah salah satu alat musik dalam instrumen gamelan Jawa dan cara memainkannya dengan dipukul.'); elseif (u==5) set(handles.edit2,'string','Cengceng adalah bagian dari seperangkat gamelan Bali dan cara memainkannya dengan cara dipukul.'); elseif (u==6) set(handles.edit2,'string','Doli adalah alat musik yang dimainkan dengan cara dipukul.'); elseif (u==7) set(handles.edit2,'string','Fu terbuat dari kerang, cara memainkannya dengan ditiup.'); elseif (u==8) set(handles.edit2,'string','Gambus adalah alat musik berdawai yang dimainkan dengan cara dipetik.'); elseif (u==9) set(handles.edit2,'string','Gendang dayak merupakan alat musik pukul.'); elseif (u==10) set(handles.edit2,'string','Gendang jawa merupakan suatu alat musik pukul dan sering digunakan untuk instrumen gamelan jawa.'); elseif (u==11) set(handles.edit2,'string','Gendang Melayu memiliki sumber bunyi melalui membraofon dan dimainkan dengan dua telapak tangan.'); elseif (u==12) set(handles.edit2,'string','Gong merupakan suatu alat musik pukul yang sering digunakan dalam gamelan jawa.'); elseif (u==13) set(handles.edit2,'string','Kecapi merupakan alat musik yang dimainkan dengan cara dipetik.'); elseif (u==14) set(handles.edit2,'string','Kecapi Sulawesi merupakan merupakan alat musik petik dan sering digunakan sebagai pengiring tarian.'); elseif (u==15) set(handles.edit2,'string','Kenong merupakan alat musik pukul dan salah satu alat musik yang menyusun gamelan Jawa.'); elseif (u==16) set(handles.edit2,'string','Kolintang merupakan suatu alat musik pukul dan terdiri dari barisan gong kecil.'); elseif (u==17) set(handles.edit2,'string','Lado-lado merupakan alat musik pukul dan digunakan pada saat acara-acara tertentu.'); elseif (u==18)

Gambar 4.21. (Lanjutan) Perintah program Tombol Proses untuk menampilkan info gambar alat musik


39

set(handles.edit2,'string','Marwad merupakan sejenis gendang panjang dan merupakan alat musik pukul.'); elseif (u==19) set(handles.edit2,'string','Panting merupakan alat musik petik dan cara memainkannya yaitu dipetik pada senarnya.'); elseif (u==20) set(handles.edit2,'string','Rebab adalah alat musik gesek menyerupai alat musik biola yang memiliki dua sampai tiga senar.'); elseif (u==21) set(handles.edit2,'string','Rifai merupakan instrumen musik pukul (percussi) yang berfungsi pengiring kesenian tradisional.'); elseif (u==22) set(handles.edit2,'string','Sasando merupakan alat musik berdawai dimainkancara memetik dengan jari-jemari tangan.'); elseif (u==23) set(handles.edit2,'string','Serunai adalah sejenis alat musik suling bambu dan merupakan alat musik tiup.'); elseif (u==24) set(handles.edit2,'string','Siter merupakan bagian ricikan gamelan yang teknik menabuhnya dengan cara di petik.'); elseif (u==25) set(handles.edit2,'string','Suling Saluang adalah alat musik tiup dan terbuat dari bambu tipis.'); elseif (u==26) set(handles.edit2,'string','Tifa Irian mirip dengan alat musik gendang yang dimainkan dengan cara dipukul.'); elseif (u==27) set(handles.edit2,'string','Tifa maluku mirip dengan alat musik gendang yang dimainkan dengan cara dipukul.'); elseif (u==28) set(handles.edit2,'string','Tuma dimainkan dengan ditepuk menggunakan telapak tangan.'); end

Gambar 4.21. (Lanjutan) Perintah program Tombol Proses untuk menampilkan info gambar alat musik Gambar 4.21 adalah untuk menampilkan info singkat tentang alat musik tradisional. Selanjutnya info alat musik tradisional akan ditampilkan pada edit_text 2. 7.

Tombol reset Tombol reset berfungsi untuk me-reset ulang jika user ingin melakukan pengenalan baru. Perintah program untuk tombol reset dapat dilihat pada gambar 4.22.


40

delete(figure(Gui)); figure(Gui);

Gambar 4.22. Perintah Program Tombol Proses untuk me-reset

8.

Tombol selesai Tombol selesai berfungsi untuk keluar dari proses pengenalan gambar alat musik tradisional di Indonesia. Perintah program untuk tombol selesai dapat dilihat pada Gambar 4.23. delete(figure(Gui));

Gambar 4.23. Perintah Program Tombol Proses untuk selesai

4.2.

Penentuan Nilai Parameter Penentuan nilai parameter dilakukan ketika semua program dapat berjalan dengan

baik. Pada penelitian ini, ada 3 tahapan pengujian yang akan dilakukan. Tahapan pertama adalah pengujian pengaturan pengenalan gambar dengan berbagai variasi yang telah ditentukan. Tahapan ini bertujuan untuk mencari nilai dari parameter yang digunakan untuk menghasilkan tingkat pengenalan terbaik. Tahapan kedua adalah pengujian pengenalan gambar dengan rotasi dan menggunakan nilai parameter terbaik yang telah di dapatkan pada tahapan pertama. Tahapan ketiga adalah pengujian pengenalan gambar dengan skala dan menggunakan nilai parameter terbaik yang telah didapatkan apada tahapan pertama sama halnya dengan pengujian rotasi.

4.2.1. Pengujian

Pengaturan

Pengenalan

Gambar

Alat

Musik

Tradisional

Indonsesia Secara Real Time Pengujian nilai parameter dengan melakukan percobaan dengan variasi resizing 8x8 piksel, 16x16 piksel, 32x32 piksel, 64x64 piksel, 128x128 piksel, 256x256 piksel dan variasi zigzag scanning dengan koefisien 3,10,21,36,55,78,105,136 terhadap 28 gambar alat musik tradisional Indonesia. Dari setiap koefisien DCT dan resizing tersebut akan dilakukan 5 kali percobaan untuk masing-masing gambar alat musik tradisional. Hal ini


41

dilakukan untuk mencari nilai parameter dengan tingkat pengenalan terbaik yaitu sejauh mana sistem dapat mengenali gambar 100% secara benar dengan koefisien zigzag scanning terkecil dan pada suatu variasi resizing. Tabel 4.1. Data hasil percobaan 1 Tingkat Pengenalan (%) Jumlah koefisien zigzag scanning 3 10 21 36 55 78 105 136

Resizing 256x256 piksel





Resizing 8x8 piksel

7,14 75 100 100 100 100 100 100

7,14 75 100 100 100 100 100 100

7,14 75 96,43 100 100 100 100 100

7,14 71,43 100 100 100 100 100 100

7,14 75 100 100 100 100 100 100

3,57 71,43 96,43 100 100 -

Pada tabel 4.1, dapat dilihat bahwa tingkat pengenalan dengan benar sebesar 100% berada pada ukuran jumlah koefisien zigzag scanning 21, 36, 55, 78, 105, 136. Jumlah koefisien zigzag scanning 21 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 36 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 55 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 78 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 105 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 136 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel.


42

Tabel 4.2. Data hasil percobaan 2 Tingkat Pengenalan (%) Jumlah koefisien zigzag scanning 3 10 21 36 55 78 105 136






Resizing 8x8 piksel

3,57 46,43 89,28 92,86 100 100 100 100

3,57 46,43 89,28 92,86 100 100 100 100

3,57 42,86 85,71 92,86 100 100 100 100

3,57 35,71 89,28 92,86 100 100 100 100

7,14 32,14 85,71 92,86 100 100 100 100

10,71 28,57 78,57 89,28 100 -

Pada tabel 4.2, dapat dilihat bahwa tingkat pengenalan dengan benar sebesar 100% berada pada ukuran jumlah koefisien zigzag scanning 55, 78, 105, 136. Jumlah koefisien zigzag scanning 55 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 78 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 105 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 136 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel.


43







Resizing 8x8 piksel

3,57 50 92,86 96,43 100 100 100 100

3,57 50 92,86 96,43 100 100 100 100

3,57 50 92,86 96,43 100 100 100 100

3,57 42,86 92,86 96,43 100 100 100 100

7,14 39,28 92,86 96,43 100 100 100 100

7,14 32,14 82,14 92,86 100 -

Pada tabel 4.3, dapat dilihat bahwa tingkat pengenalan dengan benar sebesar 100% berada pada ukuran jumlah koefisien zigzag scanning 55, 78, 105, 136. Jumlah koefisien zigzag scanning 55 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 78 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 105 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 136 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel.


44







Resizing 8x8 piksel

7,14 53,57 92,86 100 100 100 100 100

7,14 53,57 92,86 100 100 100 100 100

7,14 53,57 92,86 100 100 100 100 100

7,14 53,57 92,86 100 100 100 100 100

7,14 50 92,86 100 100 100 100 100

7,14 35,71 89,28 100 100 -

Pada tabel 4.4, dapat dilihat bahwa tingkat pengenalan dengan benar sebesar 100% berada pada ukuran jumlah koefisien zigzag scanning 36, 55, 78, 105, 136. Jumlah koefisien zigzag scanning 36 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 55 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 78 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 105 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 136 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel.


45







Resizing 8x8 piksel

7,14 50 92,86 100 100 100 100 100

7,14 50 92,86 100 100 100 100 100

7,14 46,43 92,86 100 100 100 100 100

7,14 53,57 92,86 100 100 100 100 100

3,57 57,14 92,86 100 100 100 100 100

3,57 50 92,86 100 100 -

Pada tabel 4.5, dapat dilihat bahwa tingkat pengenalan dengan benar sebesar 100% berada pada ukuran jumlah koefisien zigzag scanning 36, 55, 78, 105, 136. Jumlah koefisien zigzag scanning 36 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 55 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 78 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 105 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel. Jumlah koefisien zigzag scanning 136 dapat mengenali semua gambar secara benar dengan ukuran resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, dan 16x16 piksel.


46

Tabel 4.6. Hasil dari semua percobaan dengan grafik Percobaan

Grafik hasil pengenalan

1 Tingkat pengenalan (%)

Penelitian mencari nilai parameter terbaik 120 100


80


60


40


20


0 3

10

21

36

55

78

105

136

Resizing 8x8 piksel

Jumlah koefisien zigzag scanning




80


60


40


20


0 3

10

21

36

55

78

105

136

Resizing 8x8 piksel

Jumlah Koefisien zigzag scanning




80


60


40


20


0 3

10

21

36

55

78

105


136

Resizing 8x8 piksel


47

Tabel 4.6. (Lanjutan) Hasil dari semua percobaan dengan grafik Percobaan 4

Grafik hasil pengenalan

Penelitian mencari nilai parameter terbaik Tingkat pengenalan (%)

120 100


80


60


40


20


0 3

10

21

36

55

78

105

136

Resizing 8x8 piksel





80


60


40


20


0 3

10

21

36

55

78

105

136

Resizing 8x8 piksel


Dari tabel 4.6. dapat dilihat bahwa semua percobaan telah dilakukan dengan menggunakan variasi resizing dan koefisien zigzag scanning. Hasil parameter terbaik ditunjukkan pada pengambilan data dengan variasi resizing 8x8 piksel, 16x16 piksel, 32x32 piksel, 64x64 piksel, 128x128 piksel, dan 256x256 piksel dengan jumlah koefisien zigzag scanning 55. Pada penelitian menyelidiki pengaruh jumlah koefisien zigzag scanning terhadap resizing, ukuran resizing yang semakin kecil akan membuat gambar pecah dan kabur,hampir berbeda dengan gambar awal karena matriksnya yang mengecil sehingga akan sulit diproses untuk pengenalannya dengan menggunakan nilai koefisien zigzag scanning yang semakin kecil. Sebaliknya, jika ukuran resizing semakin besar maka gambar akan terlihat lebih jelas dengan ukuran matriks yang semakin besar sehingga akan mudah diproses untuk pengenalannya dengan menggunakan nilai koefisien yang lebih


48

besar. Jumlah koefisien zigzag scanning yang semakin kecil membuat bagian gambar yang akan diambil setelah hasil DCT akan semakin sedikit sehingga gambar akan sulit dikenali secara benar. Semakin besar variasi zigzag scanning, maka bagian gambar yang akan diambil dari hasil DCT akan semakin banyak dan tingkat pengenalan gambar dengan benar akan meningkat.Untuk diketahui, proses zigzag scanning akan mengambil bagian gambar dari bagian sisi kiri atas dari hasil DCT. Pada resizing 8, variasi zigzag scanning tertinggi yang digunakan hanya bisa mencapai 55. Hal ini disebabkan karena keterbasan jumlah matriks yang digunakan pada variasi zigzag8 yang hanya bisa mencapai 64.

4.2.2 Pengujian Pengenalan Gambar Dengan Rotasi Pada pengujian gambar dengan rotasi, gambar original (0o) akan diputar manual ± 1o dengan menggunakan busur. Hal ini dilakukan untuk mensimulasikan webcam yang berputar. Gambar yang diuji berjumlah 3 gambar yang terdiri dari gambar terbesar yaitu Gong (Jawa), gambar berukuran sedang yaitu gambus (Jambi), dan gambar berukuran kecil yaiu doli (Bengkulu) dan gambar yang lain belum dilakukan pengujian. Pengujian rotasi dilakukan sebanyak 5 kali dari masing-masing gambar dengan menggunakan parameter terbaik dari pengujian gambar original yaitu untuk ukuran resizing dipilih salah satu dari berbagai variasi resizing yang ada dan dengan jumlah koefisien zigzag scanning 55. Pada percobaan ini, penulis menggunakan ukuran resizing 8x8 piksel.

Tabel 4.7. Hasil pengujian rotasi untuk beberapa gambar Percobaan Gambar

Gong

Sudut gambar

Percobaan

Percobaan

Percobaan

Percobaan

Percobaan

1

2

3

4

5

+

-

+

-

+

-

+

-

+

-

0o

v

v

v

v

v

v

v

v

v

v

1o

v

v

v

v

v

v

v

v

v

v

2o

v

v

v

v

v

v

v

v

v

v


49

Tabel 4.7. (Lanjutan) Hasil pengujian rotasi untuk beberapa gambar. Percobaan Gambar

Gong

Gambus

Sudut gambar

Percobaan

Percobaan

Percobaan

Percobaan

Percobaan

1

2

3

4

5

+

-

+

-

+

-

+

-

+

-

3o

v

v

v

v

v

v

v

v

v

v

4o

v

v

v

v

v

v

v

v

v

v

5o

v

v

v

v

v

v

v

v

v

v

6o

v

v

v

v

v

v

v

v

v

v

7o

v

v

v

v

v

v

v

v

v

v

8o

v

v

v

v

v

v

v

v

v

v

9o

v

v

v

v

v

v

v

v

v

v

10o

v

v

v

v

v

v

v

v

v

v

11o

v

v

v

v

v

v

v

v

v

v

12o

v

v

v

v

v

x

v

v

v

v

13o

v

v

v

v

x

x

v

v

v

v

14o

x

v

v

v

x

x

v

x

v

v

15o

x

v

v

v

x

x

x

x

v

v

16o

x

v

v

x

x

x

x

x

v

v

17o

x

v

v

x

x

x

x

x

v

x

18o

x

v

x

x

x

x

x

x

v

x

19o

x

v

x

x

x

x

x

x

x

x

20o

x

x

x

x

x

x

x

x

x

x

1o

v

v

v

v

v

v

v

v

v

v

2o

v

v

v

v

v

v

v

v

v

v

3o

v

v

v

v

v

v

v

v

v

v

4o

v

v

v

v

v

v

v

v

v

v


50


Gambus

Doli

Sudut gambar

Percobaan

Percobaan

Percobaan

Percobaan

Percobaan

1

2

3

4

5

+

-

+

-

+

-

+

-

+

v

5o

v

v

v

v

v

v

v

v

v

v

6o

v

v

v

v

v

v

v

v

v

v

7o

v

v

v

v

v

v

v

v

x

v

8o

v

v

v

v

v

v

v

v

x

v

9o

x

v

v

v

v

v

x

v

x

v

10o

x

v

x

v

x

x

x

v

x

v

11o

x

v

x

v

x

x

x

v

x

v

12o

x

v

x

v

x

x

x

v

x

v

13o

x

v

x

v

x

x

x

x

x

x

14o

x

v

x

x

x

x

x

x

x

x

15o

x

v

x

x

x

x

x

x

x

x

16o

x

v

x

x

x

x

x

x

x

x

17o

x

v

x

x

x

x

x

x

x

x

18o

x

v

x

x

x

x

x

x

x

x

19o

x

v

x

x

x

x

x

x

x

x

20o

x

x

x

x

x

x

x

x

x

x

1o

v

v

v

v

v

v

v

v

v

v

2o

v

v

v

v

v

v

v

v

v

v

3o

v

v

v

v

v

v

v

v

v

v

4o

v

v

v

v

v

v

v

v

v

v

5o

v

v

v

v

v

v

v

v

v

v

6o

v

v

v

v

v

v

v

v

v

x


51


Sudut gambar

Doli

Ket:

Percobaan

Percobaan

Percobaan

Percobaan

Percobaan

1

2

3

4

5

+

-

+

-

+

-

+

-

+

-

7o

v

x

v

x

v

x

v

x

v

x

8o

v

x

v

x

v

x

v

x

v

x

9o

v

x

v

x

v

x

v

x

x

x

10o

v

x

v

x

v

x

x

x

x

x

11o

v

x

v

x

v

x

x

x

x

x

12o

v

x

v

x

v

x

x

x

x

x

13o

x

x

v

x

v

x

x

x

x

x

14o

x

x

v

x

x

x

x

x

x

x

15o

x

x

v

x

x

x

x

x

x

x

16o

x

x

v

x

x

x

x

x

x

x

17o

x

x

v

x

x

x

x

x

x

x

18o

x

x

v

x

x

x

x

x

x

x

19o

x

x

v

x

x

x

x

x

x

x

20o

x

x

x

x

x

x

x

x

x

x

x : Dikenali salah v : Dikenali benar

Pada tabel 4.7. dapat dilihat bahwa batas gambar dikenali secara benar antara + dan – berbeda. Untuk pengujian ini, batas sudut gambar yang dikenali secara benar tidak sinkron. Pada pengujian rotasi, ukuran sudut gambar yang dapat menghasilkan pengenalan secara benar yaitu Gong (+12o dan -11o), Gambus (+6o dan -9o), dan Doli (+8o dan -5o). Ketika gambar diputar sekian derajat lagi dari batas derajat yang tertera pada tabel diatas, gambar bisa saja dikenali lagi secara benar dan selanjutnya gambar diputar lagi akan dikenali secara salah. Pengujian rotasi ini menghasilkan data yang tidak releable (tidak dapat dipercaya). Ini disebabkan oleh proses cropping yang tidak beraturan lagi dan tidak sama seperti di database. Pada pengujian dengan gambar berukuran 0o, gambar berukuran persegi dan hasil dari automatic cropping juga persegi. Pengujian rotasi akan membuat


52

gambar berbeda ukuran menjadi lebih besar dan tidak persegi lagi serta gambar hasil cropping akan lebih banyak terpotong.

4.2.3 Pengujian Pengenalan Gambar Dengan Skala Pada pengujian gambar dengan skala, setiap citra input memiliki ukuran gambar yang berbeda-beda. Hal ini dikarenakan untuk mensimulasikan webcam yang naik dan turun. Pengujian skala dilakukan dengan tingkat pengujian ±10% dari nilai 20% hingga batas print terbesar yaitu dengan ukuran gambar 140% dari gambar asli yang sebesar 100% dan menggunakan 3 gambar uji seperti pada pengujian rotasi dan selain 3 gambar tersebut belum dilakukan pengujian. Pengujian skala dilakukan sebanyak 5 kali dari masing-masing gambar dengan menggunakan parameter terbaik dari pengujian gambar original yaitu untuk ukuran resizing dipilih salah satu dari berbagai variasi resizing yang ada dan dengan jumlah koefisien zigzag scanning 55. Pada percobaan ini, penulis menggunakan ukuran resizing 8x8 piksel. Tabel 4.8. Hasil pengujian skala untuk beberapa gambar Percobaan Gambar

Gong

Skala gambar

Percobaan

Percobaan

Percobaan

Percobaan

Percobaan

1

2

3

4

5

140%

v

v

v

v

v

130%

v

v

v

v

v

120%

v

v

v

v

v

110%

v

v

v

v

v

100%

v

v

v

v

v

90%

v

v

v

v

v

80%

v

v

v

v

v

70%

v

v

v

v

v

60%

v

v

v

v

v

50%

v

v

v

v

v

40%

x

x

x

x

x

30%

x

x

x

x

x

20%

x

x

x

x

x


53

Tabel 4.8. (Lanjutan) Hasil pengujian skala untuk beberapa gambar. Percobaan Gambar

Gambus

Doli

Skala gambar

Percobaan

Percobaan

Percobaan

Percobaan

Percobaan

1

2

3

4

5

140%

v

v

v

v

v

130%

v

v

v

v

v

120%

v

v

v

v

v

110%

v

v

v

v

v

100%

v

v

v

v

v

90%

v

v

v

v

v

80%

v

v

v

v

v

70%

v

v

v

v

v

60%

v

v

v

v

v

50%

v

v

v

v

v

40%

v

v

v

v

v

30%

x

x

x

v

x

20%

x

x

x

x

x

140%

v

v

v

v

v

130%

v

v

v

v

v

120%

v

v

v

v

v

110%

v

v

v

v

v

100%

v

v

v

v

v

90%

v

v

v

v

v

80%

v

v

v

v

v

70%

v

v

v

v

v

60%

v

v

v

v

v

50%

v

v

v

v

v


54

Tabel 4.8. (Lanjutan) Hasil pengujian skala untuk beberapa gambar. Percobaan Gambar

Skala gambar

Doli

Ket:

Percobaan

Percobaan

Percobaan

Percobaan

Percobaan

1

2

3

4

5

40%

v

v

v

v

v

30%

x

x

v

x

x

20%

x

x

x

x

x

x : Dikenali secara salah v : Dikenali secara benar

Pada tabel 4.8 dapat dilihat bahwa terjadinya error yaitu gambar tidak dikenali secara benar terjadi pada ukuran gambar yang mengecil dari citra original (100%). Hal ini disebabkan karena gambar yang ukurannya menjadi kecil dan garis hitam pada sisi templete ukurannya juga ikut mengecil sehingga webcam akan kesulitan menangkap gambar secara fokusdan automatic cropping akan sulit memotong bagian citra input. Sedangkan skala dengan ukuran yang lebih besar akan memudahkan pemotongan gambar yang dilakukan oleh automatic cropping. Gambar yang semakin membesar akan terlihat lebih jelas dan templetenya juga ikut membesar yang membuat webcam akan dapat mengcapture gambar dengan baik dan memudahkan proses automatic cropping untuk memotong gambar sehingga hasil dari proses pengenalan ini hampir sama seperti gambar pada database. Pada ukuran skala gambar, setiap perubahan skala akan menunjukkan jumlah perubahan pada matriks gambar yang ingin dikenali.


BAB V KESIMPULAN DAN SARAN 5.1.

Kesimpulan Berdasarkan hasil penelitian dan hasil pengujian sistem pengenalan gambar alat

musik tradisional di Indonesia secara real time dapat disimpulkan bahwa : 1. Sistem pengenalan gambar alat musik tradisional di Indonesia secara real time sudah dapat bekerja seperti yang direncanakan. 2. Nilai parameter dengan tingkat pengenalan terbaik adalah resizing 8x8 piksel, 16x16 piksel, 32x32 piksel, 64x64 piksel, 128x128 piksel, dan 256x256 piksel dengan jumlah koefisen zigzag scanning 55. 3. Nilai resizing dan jumlah koefisien DCT yaitu dengan menggunakan zigzag scanning sangat mempengaruhi tingkat pengenalan. Nilai resizing yang semakin tinggi akan membuat gambar akan semakin jelas dan tidak pecah dan nilai koefisien DCT yang semakin besar dapat mengambil lebih banyak bagian gambar yang dimulai dari sisi kiri atas pada gambar hasil ekstraksi ciri. 4. Pada pengujian rotasi, ukuran sudut gambar yang dapat menghasilkan pengenalan secara benar yaitu Gong (+12o dan -11o), Gambus (+6o dan -9o), dan Doli (+8o dan 5o). Hal ini menunjukkan bahwa pada sistem ini belum dapat mengatasi gambar yang berotasi. 5. Pada pengujian skala, ukuran skala gambar yang lebih kecil daripada ukuran skala gambar original (100%) sangat berpengaruh terhadap tingkat pengenalan yang benar. Untuk percobaan 3 gambar, didapatkan hasil pengenalan secara benar dengan ukuran skala gambar terkecil yaitu Gong (50%), Gambus (40%), dan Doli (40%).

5.2.

Saran Saran yang dapat diberikan untuk mengembangkan sistem ini adalah :

1. Mencoba menggunakan alat musik tradisional Indonesia yang seusungguhnya sebagai objek utama.

55


56

2. Pengembangan metode untuk normalisasi rotasi agar dapat mengatasi webcam yang berputar.


DAFTAR PUSTAKA [1]

Pujiyanta, Ardi, 2009, Pengenalan Citra Objek Sederhana Dengan Jaringan Saraf Tiruan Metode Perceptron, Informatika, Vol.3, no. 1, hal 268-277.

[2]

Prasetyo, Cahyo, D., 2014, Pengenalan Perangkat Elektronika Secara Real Time Menggunakan Webcam Berbasis Ekstraksi Ciri Discrete Cosine Transform, Skripsi, Universitas Sanata Dharma Yogyakarta.

[3]

Natalia, D., 2014, Galeri dan Sanggar Angklung di Surabaya, eDimensi Arsitektur Petra, Vol.2, no. 1, hal 73-81.

[4]

Putra, Dharma, 2010, Pengolahan Citra Digital, Yogyakarta, Andi Offset.

[5]

Prasetyo, E., 2011, Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab, Andi Offset, Yogyakarta.

[6]

Santi, Noor, Candra, 2011, Mengubah Citra Berwarna Menjadi Gray-scale dan Citra Biner, Teknologi Informasi Dinamik, Vol.16, no. 1, hal 14-19.

[7]

Cha, Sung-Hyuk, 2007, Comprehensive Survey on Distance/Similarity Measures between Probability Density Functions, International Journal of Mathematical Models and Methods in Applied Sciences, Vol.1, no. 22, hal 300-307.

[8]

Anil K. Jain, Robert P.W. Duin, dan Jianchang Mao, 2000, Statistical Pattern Recognition: A Review, IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol.22, no. 1, hal 4-37.

[9]

Wijaya, Ch., Marvin, dan Prijono, Agus, 2007, Pengolahan Citra Digital Menggunakan Matlab, Informatika, Bandung.

57


LAMPIRAN


L1

LAMPIRAN GAMBAR POSTER ALAT MUSIK TRADISIONAL Gambar alat musik yang akan digunakan untuk proses pengenalan yang berasal dari poster. 33 cm

43.5 cm

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Contoh gambar yang menggunakan variasi rotasi. -100

00

100

-50

50

L2

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI -100

00

100

-50

50

L3

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI Contoh gambar yang menggunakan variasi skala. 90%

95%

100%

105%

110%

L4

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 90%

95%

100%

105%

110%

L5


L6

LAMPIRAN LISTING PROGRAM UTAMA

LISTING PROGRAM SECARA REAL TIME function varargout = Gui(varargin) % GUI M-file for Gui.fig % GUI, by itself, creates a new GUI or raises the existing % singleton*. % % H = GUI returns the handle to a new GUI or the handle to % the existing singleton*. % % GUI('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GUI.M with the given input arguments. % % GUI('Property','Value',...) creates a new GUI or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before Gui_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to Gui_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 Gui % Last Modified by GUIDE v2.5 17-Nov-2014 22:40:20 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @Gui_OpeningFcn, ... 'gui_OutputFcn', @Gui_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT


L7

% --- Executes just before Gui is made visible. function Gui_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 Gui (see VARARGIN) % Choose default command line output for Gui handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes Gui wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = Gui_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;

% ======================Tombol Webcam On====================== % --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) imaqhwinfo; info = imaqhwinfo('winvideo'); dev_info = imaqhwinfo('winvideo',2); vidobj=videoinput('winvideo',2,'YUY2_640X480'); vidobj.FramesPerTrigger = 2; triggerconfig(vidobj, 'manual'); vidRes = get(vidobj, 'VideoResolution'); imWidth = 640; imHeight = 480; nBands = get(vidobj, 'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands), 'parent',handles.axes1); preview(vidobj, hImage) % % % % % %

================================= Internal function ================================= Konversi YUY2 ke RGB http://www.mathworks.com/matlabcentral/newsreader/view_thread/263490 Access date: 11 June 2014

%Y = single(data(:,:,1)); %U = single(data(:,:,2));


L8

%V = single(data(:,:,3)); %C = Y-16; %D = U-128; %E = V-128; %R = uint8((298*C+409*E+128)/256); %G = uint8((298*C-100*D-208*E+128)/256); %B = uint8((298*C+516*D+128)/256); %newdata = uint8(zeros(size(data))); %newdata(:,:,1)=R; %newdata(:,:,2)=G; %newdata(:,:,3)=B; % ================================= % ======================Tombol Capture Gambar====================== % --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) imaqhwinfo; info = imaqhwinfo('winvideo'); dev_info = imaqhwinfo('winvideo',2); vidobj=videoinput('winvideo',2,'YUY2_640X480'); vidobj.FramesPerTrigger = 2; vidobj.ReturnedColorspace = 'grayscale'; triggerconfig(vidobj, 'manual'); vidRes = get(vidobj, 'VideoResolution'); imWidth = 640; imHeight = 480; nBands = get(vidobj, 'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands), 'parent',handles.axes1); %preview(vidobj,hImage); start(vidobj); pause(2); gambar = getsnapshot(vidobj); trigger(vidobj); stop(vidobj) delete(vidobj) %imwrite(capture1); axes(handles.axes1); imshow(gambar) axis on handles.gambar=gambar; guidata(hObject,handles); %handles.a=gambar; %guidata(hObject,handles) %axes(handles.axes1); %imshow(capt1) % % % % %

================================= Internal function ================================= Konversi YUY2 ke RGB http://www.mathworks.com/matlabcentral/newsreader/view_thread/263490

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % Access date: 11 June 2014 %Y = single(data(:,:,1)); %U = single(data(:,:,2)); %V = single(data(:,:,3)); %C = Y-16; %D = U-128; %E = V-128; %R = uint8((298*C+409*E+128)/256); %G = uint8((298*C-100*D-208*E+128)/256); %B = uint8((298*C+516*D+128)/256); %newdata = uint8(zeros(size(data))); %newdata(:,:,1)=R; %newdata(:,:,2)=G; %newdata(:,:,3)=B; % ================================= % --- Executes on button press in pushbutton5. function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % ======================Tombol Proses====================== % --- Executes on button press in pushbutton3. function pushbutton3_Callback(hObject, eventdata, handles) % hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) ukuran=handles.ukuran; jkoef=handles.jkoef; if (ukuran==8) &(jkoef==3) load x8ciri3; elseif (ukuran==8) &(jkoef==10) load x8ciri10; elseif (ukuran==8) &(jkoef==21) load x8ciri21; elseif (ukuran==8) &(jkoef==36) load x8ciri36; elseif (ukuran==8) &(jkoef==55) load x8ciri55; elseif (ukuran==16) &(jkoef==3) load x16ciri3; elseif (ukuran==16) &(jkoef==10) load x16ciri10; elseif (ukuran==16) &(jkoef==21) load x16ciri21; elseif (ukuran==16) &(jkoef==36) load x16ciri36; elseif (ukuran==16) &(jkoef==55) load x16ciri55; elseif (ukuran==16) &(jkoef==78)

L9

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI load x16ciri78; elseif (ukuran==16) &(jkoef==105) load x16ciri105; elseif (ukuran==16) &(jkoef==136) load x16ciri136; elseif (ukuran==32) &(jkoef==3) load x32ciri3; elseif (ukuran==32) &(jkoef==10) load x32ciri10; elseif (ukuran==32) &(jkoef==21) load x32ciri21; elseif (ukuran==32) &(jkoef==36) load x32ciri36; elseif (ukuran==32) &(jkoef==55) load x32ciri55; elseif (ukuran==32) &(jkoef==78) load x32ciri78; elseif (ukuran==32) &(jkoef==105) load x32ciri105; elseif (ukuran==32) &(jkoef==136) load x32ciri136; elseif (ukuran==64) &(jkoef==3) load x64ciri3; elseif (ukuran==64) &(jkoef==10) load x64ciri10; elseif (ukuran==64) &(jkoef==21) load x64ciri21; elseif (ukuran==64) &(jkoef==36) load x64ciri36; elseif (ukuran==64) &(jkoef==55) load x64ciri55; elseif (ukuran==64) &(jkoef==78) load x64ciri78; elseif (ukuran==64) &(jkoef==105) load x64ciri105; elseif (ukuran==64) &(jkoef==136) load x64ciri136; elseif (ukuran==128) &(jkoef==3) load x128ciri3; elseif (ukuran==128) &(jkoef==10) load x128ciri10; elseif (ukuran==128) &(jkoef==21) load x128ciri21; elseif (ukuran==128) &(jkoef==36) load x128ciri36; elseif (ukuran==128) &(jkoef==55) load x128ciri55; elseif (ukuran==128) &(jkoef==78) load x128ciri78; elseif (ukuran==128) &(jkoef==105) load x128ciri105; elseif (ukuran==128) &(jkoef==136) load x128ciri136; elseif (ukuran==256) &(jkoef==3) load x256ciri3; elseif (ukuran==256) &(jkoef==10) load x256ciri10; elseif (ukuran==256) &(jkoef==21) load x256ciri21; elseif (ukuran==256) &(jkoef==36)

L10

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI load x256ciri36; elseif (ukuran==256) &(jkoef==55) load x256ciri55; elseif (ukuran==256) &(jkoef==78) load x256ciri78; elseif (ukuran==256) &(jkoef==105) load x256ciri105; elseif (ukuran==256) &(jkoef==136) load x256ciri136; end %Automatic cropping x1=handles.gambar; x1=(double(x1))/255; x10=1-x1; x11=bboxg(x10); axes(handles.axes2); imshow(x11) axis on %Proses Resizing axes(handles.axes3); if ukuran==8 ukuran=[8,8]; elseif ukuran==16 ukuran=[16,16]; elseif ukuran==32 ukuran=[32,32]; elseif ukuran==64 ukuran=[64,64]; elseif ukuran==128 ukuran=[128,128]; elseif ukuran==256 ukuran=[256,256]; end x3=imresize(x11,ukuran); imshow(x3) axis on %Tampilan DCT axes(handles.axes4); if jkoef==3 jkoef=[3]; elseif jkoef==10 jkoef=[10]; elseif jkoef==21 jkoef=[21]; elseif jkoef==36 jkoef=[36]; elseif jkoef==55 jkoef=[55]; elseif jkoef==78 jkoef=[78]; elseif jkoef==105 jkoef=[105]; elseif jkoef==136 jkoef=[136]; end

L11


L12

jkoef y=abs(dct2(x3)); L=('Hasil DCT'); set(handles.text6,'string',L); axes(handles.axes4); imshow(y); axis on % Ambil yang perlu secara zigzag if ukuran(1)==8 x4=zigzag8(y); elseif ukuran(1)==16 x4=zigzag16(y); else x4=zigzag32(y); end x4=x4(1:jkoef); M=('Hasil Ekstraksi Ciri'); set(handles.text7,'string',M); axes(handles.axes5); imshow(x4); axis on x4=x4(:); bar(x4); sx4=size(x4) sz=size(z) %Kenal karakter for n=1:28 x4(1)=0; z(1,n)=0; r(n)=jarak(x4,z(:,n)); end %Cari nilai minumum r; a=find(min(r)==r); minr=min(r) %a=ceil(a/5) %Deskripsi string s={'Accordion (Sumatera Selatan)','Angklung (Jawa Barat)','Bende (Lampung)',... 'Bonang (Jawa Timur)','Cengceng (Bali)','Doli (Bengkulu)','Fu (Maluku Utara)',... 'Gambus (Jambi)','Gendang (Jawa)','Gendang Dayak (Kalimantan)','Gendang Melayu (Bangka Belitung)',... 'Gong (Jawa)','Kecapi (Jawa Barat)','Kecapi (Sulawesi Selatan)','Kenong (Jawa)',... 'Kolintang (Sulawesi Utara)','Lado-lado (Sulawesi Tenggara)','Marwad (Kepulauan Riau)',... 'Panting (Kalimantan Selatan)','Rebab (Jawa)','Rifai (NAD)','Sasando (Timor)',... 'Serunai (Nusa Tenggara Barat)','Siter (Jawa)','Suling Saluang (Sumatera Barat)',... 'Tifa (Irian Jaya)','Tifa (Maluku)','Tuma (Kalimantan Barat)'};


L13

%Hasil keluaran minimum hasil=s{a}; set(handles.edit1,'string',hasil); handles.a=a; guidata(hObject,handles); % --- Executes on button press in pushbutton4. function pushbutton4_Callback(hObject, eventdata, handles) % hObject handle to pushbutton4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % ======================Tombol Reset====================== % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) delete(figure(Gui)); figure(Gui); % ======================Tombol Selesai====================== % --- Executes on button press in pushbutton7. function pushbutton7_Callback(hObject, eventdata, handles) % hObject handle to pushbutton7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) delete(figure(Gui));

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit 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 % ======================Indeks Variasi Resizing======================


L14

% --- Executes on selection change in popupmenu2. function popupmenu2_Callback(hObject, eventdata, handles) % hObject handle to popupmenu2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) indeks=get(handles.popupmenu2,'Value'); switch indeks case 2 ukuran=8; case 3 ukuran=16; case 4 ukuran=32; case 5 ukuran=64; case 6 ukuran=128; case 7 ukuran=256; end handles.ukuran=ukuran; guidata(hObject,handles); % Hints: contents = cellstr(get(hObject,'String')) returns popupmenu2 contents as cell array % contents{get(hObject,'Value')} returns selected item from popupmenu2

% --- Executes during object creation, after setting all properties. function popupmenu2_CreateFcn(hObject, eventdata, handles) % hObject handle to popupmenu2 (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 % ===============Indeks jumlah koefisien zigzag scanning=============== % --- Executes on selection change in popupmenu3. function popupmenu3_Callback(hObject, eventdata, handles) % hObject handle to popupmenu3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) indeks=get(handles.popupmenu3,'Value'); switch indeks case 2 jkoef=3; case 3 jkoef=10; case 4 jkoef=21; case 5


L15

jkoef=36; case 6 jkoef=55; case 7 jkoef=78; case 8 jkoef=105; case 9 jkoef=136; end handles.jkoef=jkoef; guidata(hObject,handles); % Hints: contents = cellstr(get(hObject,'String')) returns popupmenu3 contents as cell array % contents{get(hObject,'Value')} returns selected item from popupmenu3

% --- Executes during object creation, after setting all properties. function popupmenu3_CreateFcn(hObject, eventdata, handles) % hObject handle to popupmenu3 (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 % ======================Tombol Info====================== % --- Executes on button press in pushbutton8. function pushbutton8_Callback(hObject, eventdata, handles) u=handles.a; if (u==1) set(handles.edit2,'string','Accordion adalah alat musik sejenis organ dan dimainkan dengan cara ditekan.'); elseif (u==2) set(handles.edit2,'string','Angklung adalah alat musik bernada ganda. Alat musik ini dibuat dari bambu, dibunyikan dengan cara digoyangkan.'); elseif (u==3) set(handles.edit2,'string','Bende adalah sejenis gong kecil dan merupakan alat musik pukul.'); elseif (u==4) set(handles.edit2,'string','Bonang adalah salah satu alat musik dalam instrumen gamelan Jawa dan cara memainkannya dengan dipukul.'); elseif (u==5) set(handles.edit2,'string','Cengceng adalah bagian dari seperangkat gamelan Bali dan cara memainkannya dengan cara dipukul.'); elseif (u==6) set(handles.edit2,'string','Doli adalah alat musik yang dimainkan dengan cara dipukul.'); elseif (u==7) set(handles.edit2,'string','Fu terbuat dari kerang, cara memainkannya dengan ditiup.');


L16

elseif (u==8) set(handles.edit2,'string','Gambus adalah alat musik berdawai yang dimainkan dengan cara dipetik.'); elseif (u==9) set(handles.edit2,'string','Gendang dayak merupakan alat musik pukul.'); elseif (u==10) set(handles.edit2,'string','Gendang jawa merupakan suatu alat musik pukul dan sering digunakan untuk instrumen gamelan jawa.'); elseif (u==11) set(handles.edit2,'string','Gendang Melayu memiliki sumber bunyi melalui membraofon dan dimainkan dengan dua telapak tangan.'); elseif (u==12) set(handles.edit2,'string','Gong merupakan suatu alat musik pukul yang sering digunakan dalam gamelan jawa.'); elseif (u==13) set(handles.edit2,'string','Kecapi merupakan alat musik yang dimainkan dengan cara dipetik.'); elseif (u==14) set(handles.edit2,'string','Kecapi Sulawesi merupakan merupakan alat musik petik dan sering digunakan sebagai pengiring tarian.'); elseif (u==15) set(handles.edit2,'string','Kenong merupakan alat musik pukul dan salah satu alat musik yang menyusun gamelan Jawa.'); elseif (u==16) set(handles.edit2,'string','Kolintang merupakan suatu alat musik pukul dan terdiri dari barisan gong kecil.'); elseif (u==17) set(handles.edit2,'string','Lado-lado merupakan alat musik pukul dan digunakan pada saat acara-acara tertentu.'); elseif (u==18) set(handles.edit2,'string','Marwad merupakan sejenis gendang panjang dan merupakan alat musik pukul.'); elseif (u==19) set(handles.edit2,'string','Panting merupakan alat musik petik dan cara memainkannya yaitu dipetik pada senarnya.'); elseif (u==20) set(handles.edit2,'string','Rebab adalah alat musik gesek menyerupai alat musik biola yang memiliki dua sampai tiga senar.'); elseif (u==21) set(handles.edit2,'string','Rifai merupakan instrumen musik pukul (percussi) yang berfungsi pengiring kesenian tradisional.'); elseif (u==22) set(handles.edit2,'string','Sasando merupakan alat musik berdawai dimainkancara memetik dengan jari-jemari tangan.'); elseif (u==23) set(handles.edit2,'string','Serunai adalah sejenis alat musik suling bambu dan merupakan alat musik tiup.'); elseif (u==24) set(handles.edit2,'string','Siter merupakan bagian ricikan gamelan yang teknik menabuhnya dengan cara di petik.'); elseif (u==25) set(handles.edit2,'string','Suling Saluang adalah alat musik tiup dan terbuat dari bambu tipis.'); elseif (u==26) set(handles.edit2,'string','Tifa Irian mirip dengan alat musik gendang yang dimainkan dengan cara dipukul.'); elseif (u==27) set(handles.edit2,'string','Tifa maluku mirip dengan alat musik gendang yang dimainkan dengan cara dipukul.');


L17

elseif (u==28) set(handles.edit2,'string','Tuma dimainkan dengan ditepuk menggunakan telapak tangan.'); end % hObject handle to pushbutton8 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)


% --- Executes during object creation, after setting all properties. function edit2_CreateFcn(hObject, eventdata, handles) % hObject handle to edit2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit 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 during object creation, after setting all properties. function edit3_CreateFcn(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI set(hObject,'BackgroundColor','white'); end

List Program dbxciri (database) function dbxciri % Pembuatan database ekstraksi ciri % Variasi database % 1. Ukuran citra 256x256 piksel z=[]; rz=256; z=prosesxc(rz,3); save x256ciri3 z ; z=prosesxc(rz,10); save x256ciri10 z z=prosesxc(rz,21); save x256ciri21 z z=prosesxc(rz,36); save x256ciri36 z z=prosesxc(rz,55); save x256ciri55 z z=prosesxc(rz,78); save x256ciri78 z z=prosesxc(rz,105); save x256ciri105 z=prosesxc(rz,136); save x256ciri136

z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; z ; z=[]; z ;

% 2. Ukuran citra 128x128 piksel z=[]; rz=128; z=prosesxc(rz,3); save x128ciri3 z ; z=prosesxc(rz,10); save x128ciri10 z z=prosesxc(rz,21); save x128ciri21 z z=prosesxc(rz,36); save x128ciri36 z z=prosesxc(rz,55); save x128ciri55 z z=prosesxc(rz,78); save x128ciri78 z z=prosesxc(rz,105); save x128ciri105 z=prosesxc(rz,136); save x128ciri136

z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; z ; z=[]; z ;

% 3. Ukuran citra 64x64 piksel z=[]; rz=64; z=prosesxc(rz,3); save x64ciri3 z ; z=prosesxc(rz,10); save x64ciri10 z z=prosesxc(rz,21); save x64ciri21 z z=prosesxc(rz,36); save x64ciri36 z z=prosesxc(rz,55); save x64ciri55 z z=prosesxc(rz,78); save x64ciri78 z z=prosesxc(rz,105); save x64ciri105 z=prosesxc(rz,136); save x64ciri136

z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; z ; z=[]; z ;

% 4. Ukuran citra 32x32 piksel z=[]; rz=32; z=prosesxc(rz,3); save x32ciri3 z ; z=prosesxc(rz,10); save x32ciri10 z z=prosesxc(rz,21); save x32ciri21 z z=prosesxc(rz,36); save x32ciri36 z z=prosesxc(rz,55); save x32ciri55 z z=prosesxc(rz,78); save x32ciri78 z z=prosesxc(rz,105); save x32ciri105

z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; z ; z=[];

L18


L19

z=prosesxc(rz,136); save x32ciri136 z ; % 4. Ukuran citra 16x16 piksel z=[]; rz=16; z=prosesxc(16,3); save x16ciri3 z ; z=prosesxc(16,10); save x16ciri10 z z=prosesxc(16,21); save x16ciri21 z z=prosesxc(16,36); save x16ciri36 z z=prosesxc(16,55); save x16ciri55 z z=prosesxc(16,78); save x16ciri78 z z=prosesxc(16,105); save x16ciri105 z=prosesxc(16,136); save x16ciri136 % 4. Ukuran citra 8x8 piksel z=[]; rz=8; z=prosesxc(rz,3); save x8ciri3 z ; z=prosesxc(rz,10); save x8ciri10 z z=prosesxc(rz,21); save x8ciri21 z z=prosesxc(rz,36); save x8ciri36 z z=prosesxc(rz,55); save x8ciri55 z %z=prosesxc(8,78); save x8ciri78 z %z=prosesxc(8,105); save x8ciri105 %z=prosesxc(8,136); save x8ciri136

z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; z ; z=[]; z ;

z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; ; z=[]; z ; z=[]; z ;

% =============================================== % Internal Function % =============================================== function z=prosesxc(sizec,jkoef) z=[]; x=imread('Accordion (Sumatera Selatan).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Angklung (Jawa Barat).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Bende (Lampung).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Bonang (Jawa Timur).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Cengceng (Bali).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Doli (Bengkulu).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Fu (Maluku Utara).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Gambus (Jambi).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Gendang (Jawa).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Gendang Dayak (Kalimantan).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Gendang Melayu (Bangka Belitung).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Gong (Jawa).jpg'); y=xciri(x,sizec,jkoef); z=[z y];


L20

x=imread('Kecapi (Jawa Barat).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Kecapi (Sulawesi Selatan).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Kenong (Jawa).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Kolintang (Sulawesi Utara).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Lado-lado (Sulawesi Tenggara).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Marwad (Kepulauan Riau).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Panting (Kalimantan Selatan).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Rebab (Jawa).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Rifai (NAD).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Sasando (Timor).jpg'); y=xciri(x,sizec,jkoef); z=[z y];

x=imread('Serunai (Nusa Tenggara Barat).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Siter (Jawa).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Suling Saluang (Sumatera Barat).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Tifa (Irian Jaya).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Tifa (Maluku).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; x=imread('Tuma (Kalimantan Barat).jpg'); y=xciri(x,sizec,jkoef); z=[z y]; % ===============================================

List Program BBOXG function img6=bboxg(img1) % Pemotongan sesuai bounding box, % untuk citra grayscale dengan range data 0-1 % Potong kiri img2=cutleft(img1); % Putar 90 cw dan potong kiri img3=fliplr(img2'); img3=cutleft(img3);

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % Putar 90 cw dan potong kiri img4=fliplr(img3'); img4=cutleft(img4); % Putar 90 cw dan potong kiri img5=fliplr(img4'); img5=cutleft(img5); % Putar 90 cw img6=fliplr(img5'); % ========================================================= % FUNGSI INTERNAL % ========================================================= function img2=cutleft(img0) % Subrutin untuk memotong kolom kiri yang kosong % Berlaku untuk citra grayscale % Konversi ke biner thr=0.7; img1=ceil(img0-thr); img2=img0; % Potong kiri JKolom=sum(img1); KolomTakNol=find(JKolom > 10); if sum(KolomTakNol)>=1 img2(:,1:KolomTakNol(1)-1)=[]; end % =========================================================

List Program xciri (Ekstraksi Ciri) function z=xciri(x0,sizec,jkoef) % Preprocessing % ------------% Konversi rgb ke gray x1=rgb2gray(x0); % Normalisasi x1=double(x1)/255; x3=imresize(x1,[sizec sizec]); % Ekstraksi ciri % -------------% DCT y=abs(dct2(x3)); % Ambil yang perlu secara zigzag if sizec==8 z=zigzag8(y); elseif sizec==16 z=zigzag16(y); else z=zigzag32(y); end z=z(1:jkoef); z=z(:);

L21

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI % ===============================================

List Program jarak function y=jarak(P,Q) r1=sum((P-Q).^2); r2=sum(P.^2); r3=sum(Q.^2); r4=sum(P.*Q); y=r1/(r2+r3+r4);

L22


L23

HASIL PENGUJIAN SECARA REAL TIME PERCOBAAN 1 Variasi resizing 256x256 piksel Nama gambar alat musik Kolintang (Sulawesi Utara) Kecapi (Jawa Barat) Accordion (Sumatera Selatan) Angklung (Jawa Barat) Bende (Lampung) Bonang (Jawa Timur) Cengceng (Bali) Fu (Maluku Utara) Gendang (Jawa) Gendang Dayak (Kalimantan) Gendang Melayu (Bangka Belitung) Gong (Jawa) Kecapi (Sulawesi Selatan) Kenong (Jawa) Lado-lado (Sulawesi Tenggara) Marwad (Kepulauan Riau) Panting (Kalimantan Selatan) Rebab (Jawa) Rifai (Nanggroe Aceh Darussalam) Sasando (Timor) Serunai (Nusa Tenggara Barat) Siter (Jawa) Suling Saluang (Sumatera Barat) Tifa (Maluku) Tifa (Irian Jaya) Tuma (Kalimantan Barat) Doli (Bengkulu) Gambus (Jambi) Tingkat Pengenalan (%)

3 x x x x x x v x x x x x x x x x x x x x x x x x x x v x 7,14

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 x v v v v v x v v v v v v v v v v v v v v v v v x v v v v v x v v v v v v v v v v v x v v v v v v v v v v v v v v v v v x v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v x v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v 75 100 100 100 100 100

136 v v v v v v v v v v v v v v v v v v v v v v v v v v v v 100


L24

Variasi resizing 128x128 piksel Nama gambar alat musik Kolintang (Sulawesi Utara) Kecapi (Jawa Barat) Accordion (Sumatera Selatan) Angklung (Jawa Barat) Bende (Lampung) Bonang (Jawa Timur) Cengceng (Bali) Fu (Maluku Utara) Gendang (Jawa) Gendang Dayak (Kalimantan) Gendang Melayu (Bangka Belitung) Gong (Jawa) Kecapi (Sulawesi Selatan) Kenong (Jawa) Lado-lado (Sulawesi Tenggara) Marwad (Kepulauan Riau) Panting (Kalimantan Selatan) Rebab (Jawa) Rifai (Nanggroe Aceh Darussalam) Sasando (Timor) Serunai (Nusa Tenggara Barat) Siter (Jawa) Suling Saluang (Sumatera Barat) Tifa (Maluku) Tifa (Irian Jaya) Tuma (Kalimantan Barat) Doli (Bengkulu) Gambus (Jambi) Tingkat Pengenalan (%)


Jumlah koefisien zigzag scanning 10 21 36 55 78 105 x v v v v v x v v v v v v v v v v v v v v v v v x v v v v v x v v v v v v v v v v v x v v v v v v v v v v v v v v v v v x v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v x v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v 75 100 100 100 100 100



L25


3 x x x x x x v x x x x

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 x v v v v v x v v v v v v v v v v v v v v v v v x v v v v v x v v v v v v v v v v v x x v v v v v v v v v v v v v v v v x v v v v v

x x x x x x x x

v v v v v v v x

v v v v v v v v

v v v v v v v v

v v v v v v v v

v v v v v v v v

v v v v v v v v

v v v v v v v v

x x x x x x x v x 7,14

v v v v v v v v v 75

v v v v v v v v v 96,43






136 v v v v v v v v v v v


L26


3 x x x x x x v x x x x

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 x v v v v v x v v v v v v v v v v v v v v v v v x v v v v v x v v v v v v v v v v v x v v v v v v v v v v v v v v v v v x v v v v v

x x x x x x x x

v v v v v v v x

v v v v v v v v

v v v v v v v v

v v v v v v v v

v v v v v v v v

v v v v v v v v

v v v v v v v v


x v v v v v v v v 71,43









L27



Jumlah koefisien zigzag scanning 10 21 36 55 78 105 x v v v v v x v v v v v v v v v v v v v v v v v x v v v v v v v v v v v v v v v v v x v v v v v v v v v v v v v v v v v x v v v v v


v v v v v v v x x v v v v v v v v 75

v v v v v v v v v v v v v v v v v 100







L28


3 x x x x x x x x x x x

Jumlah koefisien zigzag scanning 10 21 36 x x v x v v v v v v v v x v v x v v v v v x v v v v v v v v x v v


x x x x x x x x

v v v v v v v x

v v v v v v v v

v v v v v v v v

v v v v v v v v


v v v v v x v v v 71,43

v v v v v v v v v 96,43




L29

PERCOBAAN 2 Variasi resizing 256x256 piksel Nama gambar alat musik Kolintang (Sulawesi Utara) Kecapi (Jawa Barat) Accordion (Sumatera Selatan) Angklung (Jawa Barat) Bende (Lampung) Bonang (Jawa Timur) Cengceng (Bali) Fu (Maluku Utara) Gendang (Jawa) Gendang Dayak (Kalimantan) Gendang Melayu (Bangka Belitung) Gong (Jawa) Kecapi (Sulawesi Selatan) Kenong (Jawa) Lado-lado (Sulawesi Tenggara) Marwad (Kepulauan Riau) Panting (Kalimantan Selatan) Rebab (Jawa) Rifai (Nanggroe Aceh Darussalam) Sasando (Timor) Serunai (Nusa Tenggara Barat) Siter (Jawa) Suling Saluang (Sumatera Barat) Tifa (Maluku) Tifa (Irian Jaya) Tuma (Kalimantan Barat) Doli (Bengkulu) Gambus (Jambi) Tingkat Pengenalan (%)

3 x x

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 x v v v v v x x v v v v

x

v

v

v

v

v

v

v

x x x x x x x

x v x v x v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

x

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

v

v

v

v

v

v

v

v

x x x

v x v

v v v

v v v

v v v

v v v

v v v

v v v

x

v

x

x

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

x

x

x

v

v

v

v

x x x x x 3,57

x x v v v 46,43

v v v v v 89,28

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

136 v v


L30


3 x x


x

v

v

v

v

v

v

v

x x x x x x x

x v x v x v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

x

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

v

v

v

v

v

v

v

v

x x x

v x v

v v v

v v v

v v v

v v v

v v v

v v v

x

v

x

x

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

x

x

x

v

v

v

v

x x x x x 3,57

x x v v v 46,43

v v v v v 89,28

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

136 v v


L31


3 x x


x

v

v

v

v

v

v

v

x x x x x x x

x v x v x v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

x

v

v

v

v

v

v

x x x

x v x

x v v

v v v

v v v

v v v

v v v

v v v

v

v

v

v

v

v

v

v

x x x

v x v

v v v

v v v

v v v

v v v

v v v

v v v

x

v

x

x

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

x

x

x

v

v

v

v

x x x x x 3,57

x x x v v 42,86

v v v v v 85,71

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

136 v v


L32

Variasi resizing 32x32 piksel Nama gambar alat musik

3 x x

Kolintang (Sulawesi Utara) Kecapi (Jawa Barat) Accordion (Sumatera x Selatan) Angklung (Jawa Barat) x Bende (Lampung) x Bonang (Jawa Timur) x Cengceng (Bali) x Fu (Maluku Utara) x Gendang (Jawa) x Gendang Dayak (Kalimantan) x Gendang Melayu (Bangka x Belitung) Gong (Jawa) x Kecapi (Sulawesi Selatan) x Kenong (Jawa) x Lado-lado (Sulawesi v Tenggara) Marwad (Kepulauan Riau) x Panting (Kalimantan Selatan) x Rebab (Jawa) x Rifai (Nanggroe Aceh x Darussalam) Sasando (Timor) x Serunai (Nusa Tenggara x Barat) Siter (Jawa) x Suling Saluang (Sumatera x Barat) Tifa (Maluku) x Tifa (Irian Jaya) x Tuma (Kalimantan Barat) x Doli (Bengkulu) x Gambus (Jambi) x Tingkat Pengenalan (%) 3,57


136 v v

v

v

v

v

v

v

v

x v x x x v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

x v x

v v v

v v v

v v v

v v v

v v v

v v v

v

v

v

v

v

v

v

v x x

v v v

v v v

v v v

v v v

v v v

v v v

v

x

x

v

v

v

v

x

v

v

v

v

v

v

v

v

v

v

v

v

v

x

v

v

v

v

v

v

x

x

x

v

v

v

v

x x x v v 35,71

v v v v v 89,28

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v v v v v v 92,86 100


L33


3 x x


x

v

v

v

v

v

v

v

x v x x x x

x v x v x v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

x

x

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x x x

x x x

v v v

v v v

v v v

v v v

v v v

v v v

v

v

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

x

v

v

v

v

v

x

x

v

v

v

v

v

v

x

v

x

x

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

x

x

x

v

v

v

v

x x x x x 7,14

x x x v x 32,14

v v v v v 85,71

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

136 v v


L34


3 x x x x v x x x x x x x x x v x x x x x x x x x x x v x 10,71

Jumlah koefisien zigzag scanning 10 21 36 x v v x x v v v v x v v v v v x v v v v v x v v v v v x v v x v v x v v x x v x v v v v v v v v x x x x v v x x x x v v v v v x v v x x x x v v x v v x v v v v v x x v 28,57 78,57 89,28



L35


3 x x x x v x x x x x

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 x v v v v v x x v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v x v v v v v

x

v

v

v

v

v

v

v

x x x x x x x

x v x v v v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

x

x

x

v

v

v

v

x x x x x 3,57

x x v v v 50

v v v v v 92,86

v v v v v 96,43

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

136 v v v v v v v v v v


L36



Kolintang (Sulawesi Utara) Kecapi (Jawa Barat) Accordion (Sumatera Selatan) Angklung (Jawa Barat) Bende (Lampung) Bonang (Jawa Timur) Cengceng (Bali) Fu (Maluku Utara) Gendang (Jawa) Gendang Dayak (Kalimantan) Gendang Melayu (Bangka x Belitung) Gong (Jawa) x Kecapi (Sulawesi Selatan) x Kenong (Jawa) x Lado-lado (Sulawesi Tenggara) x Marwad (Kepulauan Riau) x Panting (Kalimantan Selatan) x Rebab (Jawa) x Rifai (Nanggroe Aceh x Darussalam) Sasando (Timor) x Serunai (Nusa Tenggara Barat) x Siter (Jawa) x Suling Saluang (Sumatera x Barat) Tifa (Maluku) x Tifa (Irian Jaya) x Tuma (Kalimantan Barat) x Doli (Bengkulu) x Gambus (Jambi) x Tingkat Pengenalan (%) 3,57

10 x x v x v x v x v x

Jumlah koefisien zigzag scanning 21 36 55 78 105 v v v v v x v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v


v

v

v

v

v

v

v

x v x v v v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v

v

v

v

v

v

v

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

x

x

v

v

v

v

v v v v v 100

v v v v v 100

v v v v v 100

x x v v v 50

v v v v v 92,86

v v v v v v v v v v 96,43 100


L37



Kolintang (Sulawesi Utara) Kecapi (Jawa Barat) Accordion (Sumatera Selatan) Angklung (Jawa Barat) Bende (Lampung) Bonang (Jawa Timur) Cengceng (Bali) Fu (Maluku Utara) Gendang (Jawa) Gendang Dayak (Kalimantan) Gendang Melayu (Bangka x Belitung) Gong (Jawa) x Kecapi (Sulawesi Selatan) x Kenong (Jawa) x Lado-lado (Sulawesi Tenggara) x Marwad (Kepulauan Riau) x Panting (Kalimantan Selatan) x Rebab (Jawa) x Rifai (Nanggroe Aceh x Darussalam) Sasando (Timor) x Serunai (Nusa Tenggara Barat) x Siter (Jawa) x Suling Saluang (Sumatera Barat) x Tifa (Maluku) x Tifa (Irian Jaya) x Tuma (Kalimantan Barat) x Doli (Bengkulu) x Gambus (Jambi) x Tingkat Pengenalan (%) 3,57

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 x v v v v v x x v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v x v v v v v


v

v

v

v

v

v

v

x v x v v v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v

v

v

v

v

v

v

x v x x x x v v v 50

v v v x v v v v v 92,86




v v v v v v x v v v v v v v v v v v 96,43 100


L38


3 x x


x

v

v

v

v

v

v

v

x v x x x x x

x v x v x v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

v

v

v

v

v

v

v

x x x

v x x

v v v

v v v

v v v

v v v

v v v

v v v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

x

x

x

v

v

v

v

x x x x x 3,57

x x x v v 42,86

v v v v v 92,86

v v v v v 96,43

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

136 v v


L39


3 x x


x

v

v

v

v

v

v

v

x v x x x x x

x v x v x v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

v

v

v

v

v

v

v

x x x

v x x

v v v

v v v

v v v

v v v

v v v

v v v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

x

x

x

v

v

v

v

x x x v x 7,14

x x x v x 39,28

v v v v v 92,86

v v v v v 96,43

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

136 v v


L40


3 x x x x v x x x x x x x x x x x x x x x x x x x x x v x 7,14

Jumlah koefisien zigzag scanning 10 21 36 55 x v v v x x v v v v v v x v v v v v v v x v v v x v v v x v v v v v v v x x v v v v v v x v v v x v v v x v v v v v v v v v v v x x x v x v v v v v v v x v v v v v v v x v v v x x x v x v v v x v v v x v v v v v v v x x v v 32,14 82,14 92,86 100


L41


3 v x x x x v x x x x

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 v v v v v v x x v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v v v v v v v

x

x

v

v

v

v

v

v

x x x x x x x

x v x v v v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

x

x

v

v

v

v

v

x x x x x 7,14

x x v v v 53,57

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100



L42




x

x

v

v

v

v

v

v

x x x x x x x

x v x v v v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

x

x

x

v

v

v

v

x x x x x 7,14

x x v v v 53,57

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100



L43


3 v x

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 v v v v v v x x v v v v

136 v v

x

v

v

v

v

v

v

v

x x v x x x

x v x v x v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

v

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

x

x

v

v

v

v

v

x x x x x 7,14

x x v v v 53,57

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100


L44



Jumlah koefisien zigzag scanning 10 21 36 55 78 105 v v v v v v x x v v v v v v v v v v x v v v v v x v v v v v x v v v v v v v v v v v x v v v v v v v v v v v v v v v v v

x

x

v

v

v

v

v

v

x x x x x x x

x v v v v v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

x

x

v

v

v

v

v

x x x x x 7,14

x x v v v 53,57

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100



L45




x

x

v

v

v

v

v

v

x x x x x x x

x v x v v x x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x x x x x x x 7,14


v v v x v v v v v 92,86








L46


3 x x x x x v x x x x x x x x x x x x x x x x x x x x v x 7,14

Jumlah koefisien zigzag scanning 10 21 36 55 v v v v x x v v x v v v x v v v v v v v x v v v v v v v x x v v v v v v x v v v x v v v x v v v v v v v x v v v v v v v v v v v x v x v x v v v v v v v x v v v v v v v x v v v x x v v x v v v x v v v x v v v v v v v x v v v 35,71 89,28 100 100


L47


3 v x x x x x v x x x

Jumlah koefisien zigzag scanning 10 21 36 55 78 105 v v v v v v x x v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v v v v v v v v v v v v v v v v v v v

x

x

v

v

v

v

v

v

x x x x x x x

x x x v v x x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v



v v v x v v v v v 92,86








L48




x

x

v

v

v

v

v

v

x x x x x x x

x x x v v x x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v



v v v x v v v v v 92,86








L49



Jumlah koefisien zigzag scanning 10 21 36 55 78 105 v v v v v v x x v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v v v v v v v v v v v v v x v v v v v

x

x

v

v

v

v

v

v

x x x x x x x

x x x v v x x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

x

x

v

v

v

v

v

x x x x x 7,14

x x v v v 46,43

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100



L50




x

x

v

v

v

v

v

v

x x x x x x x

x x x v v v x

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

v v v v v v v

x

v

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

x

x

v

v

v

v

v

x x x x x 7,14

x x v v v 53,57

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100



L51


Jumlah koefisien zigzag scanning 21 36 55 78 105

3

10

136

v

v

v

v

v

v

v

v

x

x

x

v

v

v

v

v

x

v

v

v

v

v

v

v

x x x x x x

x v x v v v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

v v v v v v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x x x

x v x

v v v

v v v

v v v

v v v

v v v

v v v

x

v

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

v

v

v

v

v

v

v

x

x

x

v

v

v

v

v

x x x x x 3,57

x x v v v 57,14

v v v v v 92,86

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100

v v v v v 100


L52

Variasi resizing 8x8 piksel Nama gambar alat musik Kolintang (Sulawesi Utara) Kecapi (Jawa Barat) Accordion (Sumatera Selatan) Angklung (Jawa Barat) Bende (Lampung) Bonang (Jawa Timur) Cengceng (Bali) Fu (Maluku Utara) Gendang (Jawa) Gendang Dayak (Kalimantan) Gendang Melayu (Bangka Belitung) Gong (Jawa) Kecapi (Sulawesi Selatan) Kenong (Jawa) Lado-lado (Sulawesi Tenggara) Marwad (Kepulauan Riau) Panting (Kalimantan Selatan) Rebab (Jawa) Rifai (Nanggroe Aceh Darussalam) Sasando (Timor) Serunai (Nusa Tenggara Barat) Siter (Jawa) Suling Saluang (Sumatera Barat) Tifa (Maluku) Tifa (Irian Jaya) Tuma (Kalimantan Barat) Doli (Bengkulu) Gambus (Jambi) Tingkat Pengenalan (%) Ket:

x : Dikenali secara salah v : Dikenali secara benar

3 x x x x x x x x x x x x x x x x x x x x x x x x x x v x 3,57

Jumlah koefisien zigzag scanning 10 21 36 55 v v v v x x v v v v v v x v v v v v v v x v v v v v v v x v v v v v v v x v v v x v v v x v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v x v v v v v v v v v v v x x v v x v v v v v v v x v v v v v v v x v v v 50 92,86 100 100


L53

Tahap preprocessing, ekstraksi ciri, dan koefisien zigzag scanning

(a) Input citra potongan

(d) Citra hasil resizing 8x8 piksel

(e) Hasil DCT

(b) Citra diubah menjadi grayscale

(c) Citra hasil cropping dan pembalikan

(f) Hasil ekstraksi ciri

PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK TRADISIONAL INDONESIA BERBASISKAN DISCRETE COSINE TRANSFORM DAN JARAK JACCARD

Recommend Documents