PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK … · Namun masih banyak penduduk yang belum paham tentang alat-alat musik tersebut seperti nama, daerah asal, dan cara memainkannya

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 MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

i

TUGAS AKHIR




DAN JARAK JACCARD

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Elektro

Oleh :


NIM : 105114007

PROGRAM STUDI TEKNIK ELEKTRO

JURUSAN TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2015


ii

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 :


Student’s Number : 105114007

ELECTRICAL ENGINEERING STUDY PROGRAM

ELECTRICAL ENGINEERING DEPARTMENT

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

2015


iii

HALAMAN PERSETUJUAN

TUGAS AKHIR




DAN JARAK JACCARD

Disusun oleh:


NIM : 105114007

Telah disetujui oleh:

Pembimbing

Dr. Linggo Sumarno Tanggal: _____________


HALAMAN PENGESAHAN

TUGAS AKHIR




DAN JARAK JACCARD


v

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


vi

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


vii

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,



viii

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.


ix

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.


x

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


xi

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,



xii

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


xiii

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


xiv

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


xv

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


xvi

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


xvii

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




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


1

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


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.


4

1.4. 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.


5

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 :

Gambar 2.1. Beberapa gambar alat musik tradisional di Indonesia

Angklung ( Jawa Barat ) Bonang ( Jawa Timur ) Gong ( Jawa )


6

2.2. 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 C(m)C(n) ∑ ∑ f

N-1

y=0

M-1

x=0

(x, y) cos(2x+1)mπ

2M cos

(2y+1)nπ

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

2.4. 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 =∑ (𝑃𝑖 − 𝑄𝑖𝑛

𝑖=1 )2--

∑ 𝑃𝑖2 + ∑ 𝑄𝑖

2 + ∑ 𝑃𝑖 𝑄𝑖𝑛𝑖=1 𝑛

𝑖=1𝑛𝑖=1

(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








Lapis DCT

Gambar 2.6. Urutan zigzag scanning


12

2.7. 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.


13

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


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 blok-

blok 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

webcam

Untuk menampilan gambar yang telah di ambil dengan

menggunakan webcam

Axes 2 pada panel

Preprocessing

Untuk menampilkan citra hasil cropping

Axes 3 pada panel

Preprocessing

Untuk menampilkan citra hasil resizing

Axes 4 pada Panel

Ekstraksi ciri

Untuk menampilkan hasil DCT

Axes 5 pada Panel

Ekstraksi ciri

Untuk menampilkan hasil ekstraksi ciri dengan jumlah koefisien

zigzag scanning

Pop-up Menu pada

panel Preprocessing

Untuk memilih variasi piksel

Pop-up Menu pada

panel Ekstraksi ciri

Untuk memilih variasi koefisien DCT yaitu zigzag scanning

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


24

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.


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”.


29

3. 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.

Gambar 4.15. Program Tombol Proses untuk menampilkan hasil DCT dan

hasil ekstraksi ciri

%Tampilan DCT axes(handles.axes4); if jkoef==3 jkoef=[3];

elseif jkoef==10 jkoef=[10];







33


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.


34

Gambar 4.16. Program Tombol proses untuk mengeluarkan database

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 x64ciri36; elseif (ukuran==64) &(jkoef==55) load x64ciri55;


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.

Gambar 4.21. Perintah program Tombol Proses untuk menampilkan info

gambar alat musik

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)


38

Gambar 4.21. (Lanjutan) Perintah program Tombol Proses untuk

menampilkan info gambar alat musik

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)


39

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.

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


40

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

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


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

Resizing

256x256

piksel

Resizing

128x128

piksel

Resizing

64x64

piksel

Resizing

32x32

piksel

Resizing

16x16

piksel

Resizing

8x8 piksel

3 7,14 7,14 7,14 7,14 7,14 3,57

10 75 75 75 71,43 75 71,43

21 100 100 96,43 100 100 96,43

36 100 100 100 100 100 100

55 100 100 100 100 100 100

78 100 100 100 100 100 -

105 100 100 100 100 100 -

136 100 100 100 100 100 -

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



Jumlah

koefisien

zigzag

scanning

Resizing

256x256

piksel

Resizing

128x128

piksel

Resizing

64x64

piksel

Resizing

32x32

piksel

Resizing

16x16

piksel

Resizing

8x8 piksel

3 3,57 3,57 3,57 3,57 7,14 10,71

10 46,43 46,43 42,86 35,71 32,14 28,57

21 89,28 89,28 85,71 89,28 85,71 78,57

36 92,86 92,86 92,86 92,86 92,86 89,28

55 100 100 100 100 100 100

78 100 100 100 100 100 -

105 100 100 100 100 100 -

136 100 100 100 100 100 -


berada pada ukuran jumlah koefisien zigzag scanning 55, 78, 105, 136. Jumlah koefisien




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



Jumlah

koefisien

zigzag

scanning

Resizing

256x256

piksel

Resizing

128x128

piksel

Resizing

64x64

piksel

Resizing

32x32

piksel

Resizing

16x16

piksel

Resizing

8x8 piksel

3 3,57 3,57 3,57 3,57 7,14 7,14

10 50 50 50 42,86 39,28 32,14

21 92,86 92,86 92,86 92,86 92,86 82,14

36 96,43 96,43 96,43 96,43 96,43 92,86

55 100 100 100 100 100 100

78 100 100 100 100 100 -

105 100 100 100 100 100 -

136 100 100 100 100 100 -


berada pada ukuran jumlah koefisien zigzag scanning 55, 78, 105, 136. Jumlah koefisien




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



dan 16x16 piksel.


44



Jumlah

koefisien

zigzag

scanning

Resizing

256x256

piksel

Resizing

128x128

piksel

Resizing

64x64

piksel

Resizing

32x32

piksel

Resizing

16x16

piksel

Resizing

8x8 piksel

3 7,14 7,14 7,14 7,14 7,14 7,14

10 53,57 53,57 53,57 53,57 50 35,71

21 92,86 92,86 92,86 92,86 92,86 89,28

36 100 100 100 100 100 100

55 100 100 100 100 100 100

78 100 100 100 100 100 -

105 100 100 100 100 100 -

136 100 100 100 100 100 -


berada pada ukuran jumlah koefisien zigzag scanning 36, 55, 78, 105, 136. Jumlah


resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan



16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 78 dapat mengenali semua




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



Jumlah

koefisien

zigzag

scanning

Resizing

256x256

piksel

Resizing

128x128

piksel

Resizing

64x64

piksel

Resizing

32x32

piksel

Resizing

16x16

piksel

Resizing

8x8 piksel

3 7,14 7,14 7,14 7,14 3,57 3,57

10 50 50 46,43 53,57 57,14 50

21 92,86 92,86 92,86 92,86 92,86 92,86

36 100 100 100 100 100 100

55 100 100 100 100 100 100

78 100 100 100 100 100 -

105 100 100 100 100 100 -

136 100 100 100 100 100 -


berada pada ukuran jumlah koefisien zigzag scanning 36, 55, 78, 105, 136. Jumlah


resizing 256x256 piksel, 128x128 piksel, 64x64 piksel, 32x32 piksel, 16x16 piksel, dan



16x16 piksel, dan 8x8 piksel. Jumlah koefisien zigzag scanning 78 dapat mengenali semua




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

2

3

0

20

40

60

80

100

120

3 10 21 36 55 78 105 136

Jumlah koefisien zigzag scanning

Tin

gkat

pen

gen

alan

(%

)

Penelitian mencari nilai parameter terbaik

Resizing 256x256 piksel





Resizing 8x8 piksel

0

20

40

60

80

100

120

3 10 21 36 55 78 105 136

Jumlah Koefisien zigzag scanning

Tin

gkat

pen

gen

alan

(%

)







Resizing 8x8 piksel

0

20

40

60

80

100

120

3 10 21 36 55 78 105 136


Tin

gkat

pen

gen

alan

(%

)







Resizing 8x8 piksel


47

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

Percobaan Grafik hasil pengenalan

4

5

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

0

20

40

60

80

100

120

3 10 21 36 55 78 105 136


Tin

gkat

pen

gen

alan

(%

)







Resizing 8x8 piksel

0

20

40

60

80

100

120

3 10 21 36 55 78 105 136


Tin

gkat

pen

gen

alan

(%

)







Resizing 8x8 piksel


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

Gambar Sudut gambar

Percobaan

Percobaan

1

Percobaan

2

Percobaan

3

Percobaan

4

Percobaan

5

+ - + - + - + - + -

Gong 0o v v v v v v v v v v

1o v v v v v v v v v v



49

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

Gambar Sudut gambar

Percobaan

Percobaan

1

Percobaan

2

Percobaan

3

Percobaan

4

Percobaan

5

+ - + - + - + - + -

Gong 3o 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

Gambus 1o v v v v v v v v v v





50


Gambar Sudut gambar

Percobaan

Percobaan

1

Percobaan

2

Percobaan

3

Percobaan

4

Percobaan

5

+ - + - + - + - + v

Gambus 5o 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



13o x v x v x x x x x x








Doli 1o v v v v v v v v v v





6o v v v v v v v v v x


51


Gambar Sudut gambar

Percobaan

Percobaan

1

Percobaan

2

Percobaan

3

Percobaan

4

Percobaan

5

+ - + - + - + - + -

Doli 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



13o x x v x v x x x x x

14o x x v x x x x x x x







Ket: 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

Gambar Skala gambar

Percobaan

Percobaan

1

Percobaan

2

Percobaan

3

Percobaan

4

Percobaan

5

Gong 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.

Gambar Skala gambar

Percobaan

Percobaan

1

Percobaan

2

Percobaan

3

Percobaan

4

Percobaan

5

Gambus 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

Doli 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.

Gambar Skala gambar

Percobaan

Percobaan

1

Percobaan

2

Percobaan

3

Percobaan

4

Percobaan

5

Doli 40% v v v v v

30% x x v x x

20% x x x x x

Ket: 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.


55

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.


56

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

berputar.


57

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.


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


L2

Contoh gambar yang menggunakan variasi rotasi.

-100 -50

00 50

100


L3

-100 -50

00 50

100


L4

Contoh gambar yang menggunakan variasi skala.

90% 95%

100% 105%

110%


L5

90% 95%

100% 105%

110%


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


L9

% 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======================


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)


L10

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)


L11

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


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);


% ======================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'),


% ===============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'),


% ======================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)



double


called





double


called


get(0,'defaultUicontrolBackgroundColor'))


L18

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=[]; z=prosesxc(rz,10); save x256ciri10 z ; z=[]; z=prosesxc(rz,21); save x256ciri21 z ; z=[]; z=prosesxc(rz,36); save x256ciri36 z ; z=[]; z=prosesxc(rz,55); save x256ciri55 z ; z=[]; z=prosesxc(rz,78); save x256ciri78 z ; z=[]; z=prosesxc(rz,105); save x256ciri105 z ; z=[]; z=prosesxc(rz,136); save x256ciri136 z ;

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

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

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


L19

z=prosesxc(rz,136); save x32ciri136 z ;

% 4. Ukuran citra 16x16 piksel z=[]; rz=16; z=prosesxc(16,3); save x16ciri3 z ; z=[]; z=prosesxc(16,10); save x16ciri10 z ; z=[]; z=prosesxc(16,21); save x16ciri21 z ; z=[]; z=prosesxc(16,36); save x16ciri36 z ; z=[]; z=prosesxc(16,55); save x16ciri55 z ; z=[]; z=prosesxc(16,78); save x16ciri78 z ; z=[]; z=prosesxc(16,105); save x16ciri105 z ; z=[]; z=prosesxc(16,136); save x16ciri136 z ;

% 4. Ukuran citra 8x8 piksel z=[]; rz=8; z=prosesxc(rz,3); save x8ciri3 z ; z=[]; z=prosesxc(rz,10); save x8ciri10 z ; z=[]; z=prosesxc(rz,21); save x8ciri21 z ; z=[]; z=prosesxc(rz,36); save x8ciri36 z ; z=[]; z=prosesxc(rz,55); save x8ciri55 z ; z=[]; %z=prosesxc(8,78); save x8ciri78 z ; z=[]; %z=prosesxc(8,105); save x8ciri105 z ; z=[]; %z=prosesxc(8,136); save x8ciri136 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);


L21



% 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(:);


L22

% ===============================================

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);


L23

HASIL PENGUJIAN SECARA REAL TIME

PERCOBAAN 1

Variasi resizing 256x256 piksel

Nama gambar alat musik Jumlah koefisien zigzag scanning

3 10 21 36 55 78 105 136

Kolintang (Sulawesi Utara) x x v v v v v v

Kecapi (Jawa Barat) x x v v v v v v

Accordion (Sumatera Selatan) x v v v v v v v

Angklung (Jawa Barat) x v v v v v v v

Bende (Lampung) x x v v v v v v

Bonang (Jawa Timur) x x v v v v v v

Cengceng (Bali) v v v v v v v v

Fu (Maluku Utara) x x v v v v v v

Gendang (Jawa) x v v v v v v v

Gendang Dayak (Kalimantan) x v v v v v v v

Gendang Melayu (Bangka Belitung) x x v v v v v v

Gong (Jawa) x v v v v v v v

Kecapi (Sulawesi Selatan) x v v v v v v v

Kenong (Jawa) x v v v v v v v

Lado-lado (Sulawesi Tenggara) x v v v v v v v

Marwad (Kepulauan Riau) x v v v v v v v

Panting (Kalimantan Selatan) x v v v v v v v

Rebab (Jawa) x v v v v v v v

Rifai (Nanggroe Aceh Darussalam) x x v v v v v v

Sasando (Timor) x v v v v v v v

Serunai (Nusa Tenggara Barat) x v v v v v v v

Siter (Jawa) x v v v v v v v

Suling Saluang (Sumatera Barat) x v v v v v v v

Tifa (Maluku) x v v v v v v v

Tifa (Irian Jaya) x v v v v v v v

Tuma (Kalimantan Barat) x v v v v v v v

Doli (Bengkulu) v v v v v v v v

Gambus (Jambi) x v v v v v v v

Tingkat Pengenalan (%) 7,14 75 100 100 100 100 100 100


L24



3 10 21 36 55 78 105 136











Gendang Melayu (Bangka Belitung) x x v v v v v v




















L25



3 10 21 36 55 78 105 136








Fu (Maluku Utara) x x x v v v v v



Gendang Melayu (Bangka

Belitung)

x x v v v v v v








Rifai (Nanggroe Aceh

Darussalam)

x x v v v v v v










Tingkat Pengenalan (%) 7,14 75 96,43 100 100 100 100 100


L26



3 10 21 36 55 78 105 136












Belitung)

x x v v v v v v









Darussalam)

x x v v v v v v

Sasando (Timor) x x v v v v v v









Tingkat Pengenalan (%) 7,14 71,43 100 100 100 100 100 100


L27



3 10 21 36 55 78 105 136






Bonang (Jawa Timur) x v v v v v v v






Belitung)

x x v v v v v v




















L28



3 10 21 36 55

Kolintang (Sulawesi Utara) x x x v v

Kecapi (Jawa Barat) x x v v v

Accordion (Sumatera Selatan) x v v v v

Angklung (Jawa Barat) x v v v v

Bende (Lampung) x x v v v

Bonang (Jawa Timur) x x v v v

Cengceng (Bali) x v v v v

Fu (Maluku Utara) x x v v v

Gendang (Jawa) x v v v v

Gendang Dayak (Kalimantan) x v v v v


Belitung)

x x v v v

Gong (Jawa) x v v v v

Kecapi (Sulawesi Selatan) x v v v v

Kenong (Jawa) x v v v v

Lado-lado (Sulawesi Tenggara) x v v v v

Marwad (Kepulauan Riau) x v v v v

Panting (Kalimantan Selatan) x v v v v

Rebab (Jawa) x v v v v


Darussalam)

x x v v v

Sasando (Timor) x v v v v

Serunai (Nusa Tenggara Barat) x v v v v

Siter (Jawa) x v v v v

Suling Saluang (Sumatera Barat) x v v v v

Tifa (Maluku) x v v v v

Tifa (Irian Jaya) x x v v v

Tuma (Kalimantan Barat) x v v v v

Doli (Bengkulu) v v v v v

Gambus (Jambi) x v v v v

Tingkat Pengenalan (%) 3,57 71,43 96,43 100 100


L29

PERCOBAAN 2



3 10 21 36 55 78 105 136


Kecapi (Jawa Barat) x x x v v v v v

Accordion (Sumatera

Selatan) x v v v v v v v

Angklung (Jawa Barat) x x v v v v v v

Bende (Lampung) x v v v v v v v


Cengceng (Bali) x v v v v v v v



Gendang Dayak (Kalimantan) x x v v v v v v


Belitung) x x v v v v v v

Gong (Jawa) x x v v v v v v


Kenong (Jawa) x x v v v v v v

Lado-lado (Sulawesi

Tenggara) v v v v v v v v


Panting (Kalimantan Selatan) x x v v v v v v



Darussalam) x v x x v v v v


Serunai (Nusa Tenggara

Barat) x v v v v v v v

Siter (Jawa) x x v v v v v v

Suling Saluang (Sumatera

Barat) x x x x v v v v

Tifa (Maluku) x x v v v v v v

Tifa (Irian Jaya) x x v v v v v v


Doli (Bengkulu) x v v v v v v v


Tingkat Pengenalan (%) 3,57 46,43 89,28 92,86 100 100 100 100


L30



3 10 21 36 55 78 105 136



Accordion (Sumatera














Lado-lado (Sulawesi




















L31



3 10 21 36 55 78 105 136



Accordion (Sumatera











Gong (Jawa) x x x v v v v v



Lado-lado (Sulawesi















Tuma (Kalimantan Barat) x x v v v v v v





L32



3 10 21 36 55 78 105 136



Accordion (Sumatera





Cengceng (Bali) x x v v v v v v









Lado-lado (Sulawesi




Rebab (Jawa) x x v v v v v v
















L33



3 10 21 36 55 78 105 136



Accordion (Sumatera



Bende (Lampung) v v v v v v v v





Gendang Dayak

(Kalimantan) x x v v v v v v




Kecapi (Sulawesi Selatan) x x v v v v v v


Lado-lado (Sulawesi



Panting (Kalimantan

Selatan) x x x v v v v v














Gambus (Jambi) x x v v v v v v



L34



3 10 21 36 55

Kolintang (Sulawesi Utara) x x v v v

Kecapi (Jawa Barat) x x x v v


Angklung (Jawa Barat) x x v v v

Bende (Lampung) v v v v v





Gendang Dayak (Kalimantan) x x v v v

Gendang Melayu (Bangka Belitung) x x v v v

Gong (Jawa) x x v v v

Kecapi (Sulawesi Selatan) x x x v v

Kenong (Jawa) x x v v v

Lado-lado (Sulawesi Tenggara) v v v v v


Panting (Kalimantan Selatan) x x x x v

Rebab (Jawa) x x v v v

Rifai (Nanggroe Aceh Darussalam) x x x x v

Sasando (Timor) x x v v v


Siter (Jawa) x x v v v

Suling Saluang (Sumatera Barat) x x x x v

Tifa (Maluku) x x v v v


Tuma (Kalimantan Barat) x x v v v


Gambus (Jambi) x x x v v

Tingkat Pengenalan (%) 10,71 28,57 78,57 89,28 100


L35

PERCOBAAN 3



3 10 21 36 55 78 105 136












Belitung) x v v v v v v v









Darussalam) x v v v v v v v











Tingkat Pengenalan (%) 3,57 50 92,86 96,43 100 100 100 100


L36



3 10 21 36 55 78 105 136


































L37



3 10 21 36 55 78 105 136

























Suling Saluang (Sumatera Barat) x x x x v v v v








L38



3 10 21 36 55 78 105 136



Accordion (Sumatera














Lado-lado (Sulawesi

Tenggara) x v v v v v v v



















L39



3 10 21 36 55 78 105 136



Accordion (Sumatera














Lado-lado (Sulawesi

















Gambus (Jambi) x x v v v v v v



L40



3 10 21 36 55

Kolintang (Sulawesi Utara) x x v v v




Bende (Lampung) v v v v v


Cengceng (Bali) x x v v v



Gendang Dayak (Kalimantan) x x x v v

Gendang Melayu (Bangka Belitung) x v v v v


Kecapi (Sulawesi Selatan) x x v v v




Panting (Kalimantan Selatan) x x x x v


Rifai (Nanggroe Aceh Darussalam) x v v v v




Suling Saluang (Sumatera Barat) x x x x v





Gambus (Jambi) x x x v v

Tingkat Pengenalan (%) 7,14 32,14 82,14 92,86 100


L41

PERCOBAAN 4



3 10 21 36 55 78 105 136

Kolintang (Sulawesi Utara) v v v v v v v v





Bonang (Jawa Timur) v x v v v v v v




















Barat) x x x v v v v v






Tingkat Pengenalan (%) 7,14 53,57 92,86 100 100 100 100 100


L42



3 10 21 36 55 78 105 136


































L43



3 10 21 36 55 78 105 136



Accordion (Sumatera








Gendang Dayak

(Kalimantan) x v v v v v v v






Lado-lado (Sulawesi



Panting (Kalimantan


















L44



3 10 21 36 55 78 105 136


































L45



3 10 21 36 55 78 105 136

























Suling Saluang (Sumatera Barat) x x x v v v v v








L46



3 10 21 36 55

Kolintang (Sulawesi Utara) x v v v v


Accordion (Sumatera Selatan) x x v v v


Bende (Lampung) x v v v v

Bonang (Jawa Timur) v x v v v


Fu (Maluku Utara) x x x v v









Panting (Kalimantan Selatan) x x v x v






Suling Saluang (Sumatera Barat) x x x v v





Gambus (Jambi) x x v v v

Tingkat Pengenalan (%) 7,14 35,71 89,28 100 100


L47

PERCOBAAN 5



3 10 21 36 55 78 105 136








Fu (Maluku Utara) x v v v v v v v

























L48



3 10 21 36 55 78 105 136

































L49



3 10 21 36 55 78 105 136


































L50



3 10 21 36 55 78 105 136


































L51



3 10 21 36 55 78 105 136

Kolintang (Sulawesi

Utara) v v v v v v v v


Accordion (Sumatera








Gendang Dayak

(Kalimantan) x v v v v v v v






Lado-lado (Sulawesi



Panting (Kalimantan

Selatan) x x v v v v v v

















L52



3 10 21 36 55

Kolintang (Sulawesi Utara) x v v v v




Bende (Lampung) x v v v v












Panting (Kalimantan Selatan) x x v v v

Rebab (Jawa) x v v v v




Siter (Jawa) x v v v v

Suling Saluang (Sumatera Barat) x x x v v


Tifa (Irian Jaya) x v v v v



Gambus (Jambi) x x v v v

Tingkat Pengenalan (%) 3,57 50 92,86 100 100 Ket: x : Dikenali secara salah

v : Dikenali secara benar


L53

Tahap preprocessing, ekstraksi ciri, dan koefisien zigzag scanning

(a) Input citra potongan (b) Citra diubah menjadi grayscale

(d) Citra hasil resizing 8x8 piksel (c) Citra hasil cropping dan pembalikan

(e) Hasil DCT (f) Hasil ekstraksi ciri


Documents

PENGENALAN SECARA REAL TIME GAMBAR ALAT MUSIK … · Namun masih banyak penduduk yang belum paham tentang alat-alat musik tersebut seperti nama, daerah asal, dan cara memainkannya