Sistem Pengenalan Tipe Vokal Menggunakan Hamming Windowing Pada Koefisien Frekuensi Mel

Fadhillah, Muhammad Galih and Barlian Henryranu Prasetio, S.T., M.T., Ph.D. (2024) Sistem Pengenalan Tipe Vokal Menggunakan Hamming Windowing Pada Koefisien Frekuensi Mel. Sarjana thesis, Universitas Brawijaya.

Abstract

Paduan suara adalah sekelompok vokal yang menggabungan suara manusia dengan kelompok vokal dari tingkatan suara paling tidak terdiri dari sopran, alto, tenor, dan bass. Pengelompokkan vokal ini bertujuan untuk menghasilkan perpaduan suara yang indah. Dalam menentukan kelompok vokal dari setiap anggota kelompok paduan suara perlu menentukan tipe vokal yang dimiliki oleh setiap anggota. Penelitian ini bertujuan untuk mengembangkan alat untuk klasifikasi tipe vokal dengan menerapkan hamming windowing pada ekstraksi fitur MelFrequency Cepstral Coefficients dan metode klasifikasi Convolutional Neural Network (CNN) menggunakan Raspberry Pi 4 model B. Penelitian ini dilakukan untuk membantu kelompok paduan suara yang masih menentukan tipe vokal dengan bantuan piano, sehingga tidak praktis untuk digunakan dimana saja. Untuk mengatasi hal tersebut, Raspberry Pi 4 Model B digunakan karena memiliki ukuran kecil sehingga mudah untuk dibawa dan dapat digunakan dimana saja dengan powerbank sebagai sumber daya. Sebelumnya juga terdapat penelitian terdahulu untuk mengenali tipe vokal dengan menggunakan metode KNearest Neighbour (KNN) namun masih belum memberikan akurasi yang optimal. Penelitian ini menggunakan ekstraksi fitur MFCC karena telah terbukti memberikan akurasi tinggi. Pada proses ekstraksi juga melibatkan tahapan windowing dengan metode hamming untuk mendapatkan mencapai akurasi yang lebih tinggi. Setelah ekstraksi fitur, proses klasifikasi akan dilakukan dengan metode CNN berdasarkan dataset yang dimiliki untuk mencapai akurasi tinggi. Dengan menggunakan metode tersebut, sistem klasifikasi tipe vokal ini mencapai akurasi sebesar 93%. Dengan demikian, sistem ini dapat membantu menentuka tipe vokal dengan lebih efektif karena mudah digunakan dimana saja.

English Abstract

A choir is a vocal group that combines the human voice with a vocal group of at least soprano, alto, tenor and bass levels. This vocal grouping aims to produce a beautiful blend of sounds. In determining the vocal group of each member of the choir group, it is necessary to determine the vocal type possessed by each member. This research aims to develop a tool for vocal type classification by applying hamming windowing to MelFrequency Cepstral Coefficients feature extraction and the Convolutional Neural Network (CNN) classification method using Raspberry Pi 4 model B. This research was conducted to help choir groups who are still determining type vocals with the help of a piano, so it is not practical to use anywhere. To overcome this, this research uses a Raspberry Pi 4 Model B which has a small size so it is easy to carry and can be used anywhere with a power bank as a resource. Previously there was also previous research to recognize vowel types using the KNearest Neighbor method but it still did not provide optimal accuracy. This research uses MFCC feature extraction because it has been proven to provide high accuracy. The extraction process also involves a windowing stage using the Hamming method to achieve higher accuracy. After feature extraction, the classification process will be carried out using the CNN method based on the existing dataset to achieve high accuracy. By using this method, this vocal type classification system achieved an accuracy of 93%. Thus, this system can help determine vocal types more effectively because it is easy to use anywhere.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150153
Uncontrolled Keywords:	paduan suara, tipe vokal, MFCC, hamming windowing, CNN, raspberry pi 4-choir, vocal type, MFCC, hamming windowing, CNN, raspberry pi 4
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	26 Feb 2024 07:53
Last Modified:	26 Feb 2024 07:53
URI:	http://repository.ub.ac.id/id/eprint/215970

Text (DALAM MASA EMBARGO) Muhammad Galih Fadhillah.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item