SEGMENTASI DAN PENGENALAN CITRA NOT BALOK

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

SEGMENTASI DAN PENGENALAN CITRA NOT BALOK

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Oleh : Audris Evan Utomo 095314052

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI TEKN UNIVERSITAS SANATA DHARMA YOGYAKARTA

2013

i


IMAGE SEGMENTATION AND RECOGNATION OF MUSICAL NOTES

A THESIS

Presented as Partial Fulfillment of The Requirements To Obtain The Sarjana Komputer Degree Informatics Engineering Study Program

By : Audris Evan Utomo 095314052

INFORMATICS ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA

2013

ii


iii


iv


v


vi


Abstrak

Penelitian ini memiliki fokus penelitian pada citra not balok. Cara kerja yang ditawarkan adalah melakukan segmentasi dengan proyeksi vertikal-horizontal pada citra partitur. Lalu kemudian dikenai operasi konvolusi untuk mendapatkan garis yang diidentifikasi sebagai tangkai. Setelah itu dilakukan pengenalan dengan menggunakan penyusuran pixel untuk menangkap bagianbagian lain dalam not balok tersebut. Penelitian ini menggunakan 50 partitur yang dibuat dengan menggunakan Encore. Hasil yang dihasilkan dari penelitian kali ini adalah sebesar 90.233% dalam proses pengenalan baik dengan menggunakan precision-recall. Hasil juga memiliki nilai max sebesar 100 % dan nilai presentase min adalah sebesar 56.53 %. Saran untuk penelitian berikutnya terutama untuk yang memiliki topik pemrosesan citra pada not balok adalah menemukan metode preprocessing yang tepat agar gambar partitur berupa digital maupun cetak dapat diproses. Selain itu metode yang dapat membaca nilai tanda diam, dan metode yang dapat membaca tanda-tanda baca seperti kres dan mol

vii


Abstract

This research have a focus on the image of musical notes. Manner of works that offered is performing segmentation with vertical-horizontal projection on the image of scores, then is operation convolution to get a line which was identified as a stalk. The recognition by using of pixel tracing to get other part of the musical notes. This research uses 50 scores created using Encore. The result of this research is 90.233% for recognition process using precision-recall. The result also have max value to 100% and min value to 56.53% Suggestion for next research especially for topic of image processing of musical notes is to found the right preprocessing method to make a image of scores in digital or printed can be processed. In additional the method that can read the signs reading, like sharps and mol.

viii


KATA PENGANTAR

Puji syukur dan terima kasih kepada Tuhan Yang Maha Esa atas berkat yang diberikan kepada saya dalam proses penyusunan sampai dengan penyelesaian skripsi ini. Skripsi ini disusun untuk memperoleh gelar sarjana komputer di Jurusan Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma, Yogyakarta. Skripsi ini juga disusun sebagai sumbangan sedikit pengetahuan, sehingga saya dapat memberikan sedikitnya kontribusi pada perkembangan ilmu pengetahuan untuk berikutnya. Ucapan terima kasih saya atas dukungan dan doa yang ditujukan kepada : 1. Paulina Heruningsih Prima Rosa, S.Si, M.Sc. selaku Dekan Fakultas Sains dan Teknologi, Universitas Sanata Dharma. 2.

Ridowati Gunawan, S.Kom, M.T., selaku Ketua Program Studi Teknik Informatika, Universitas Sanata Dharma.

3. Sri Hartati Wijono, S.Si, M.Kom, selaku pembimbing skripsi, dan Wakil Ketua Program Studi Teknik Informatika, Universitas Sanata Dharma. 4. Eko Hari Parmadi S.Si., M.Kom., selaku dosen penguji skripsi. 5. Alb. Agung Hadhiatma S.T., M.T., selaku dosen penguji skripsi. 6. Orang tua, dan kakak dan adik beserta keluarga tercinta

ix


x


DAFTAR ISI

Halaman Judul ..................................................................................................... i Halaman Judul ..................................................................................................... ii Halaman Persetujuan .......................................................................................... iii Halaman Pengesahan .......................................................................................... iv PERNYATAAN KEASLIAN HASIL KARYA ................................................... v PERNYATAAN PERSETUJUAN PUBLIKASI................................................. vi Abstrak .............................................................................................................. vii Abstract ............................................................................................................ viii KATA PENGANTAR ........................................................................................ ix DAFTAR ISI ...................................................................................................... xi DAFTAR GAMBAR ........................................................................................ xvi DAFTAR TABEL ............................................................................................ xix BAB I .................................................................................................................. 1 PENDAHULUAN ............................................................................................... 1 1.1.

Latar Belakang ...................................................................................... 1

1.2.

Rumusan Masalah ................................................................................. 4

1.3.

Manfaat ................................................................................................. 4

1.4.

Batasan Masalah.................................................................................... 5

1.5.

Sistematika Penulisan ............................................................................ 5

BAB II ................................................................................................................. 7 LANDASAN TEORI ........................................................................................... 7

xi


2.1.

Image Processing .................................................................................. 7

2.2.

Feature Extraction ................................................................................ 8

2.3.

Citra Biner............................................................................................. 8

2.4.

Proyeksi Citra........................................................................................ 9

2.5.

Konvolusi ............................................................................................ 12

2.6.

Not Balok ............................................................................................ 13

2.7.

Precision-Recall .................................................................................. 16

Bab III ............................................................................................................... 17 METODOLOGI PENELITIAN ......................................................................... 17 3.1.

Perancangan Data Input ....................................................................... 17

3.1.1.

Tahap pembuatan file ................................................................... 17

3.1.2.

Tahap penghapusan objek asing .................................................... 19

3.2.

Perancangan Sistem ............................................................................. 20

3.2.1. DFD level 0 / Diagram konteks : ....................................................... 20 3.2.2. DFD level 1: ..................................................................................... 21 3.2.3. DFD level 2: ..................................................................................... 21 3.3.

Desain Proses ...................................................................................... 23

3.3.1.

Proses 1. Tranformasi menjadi citra biner ..................................... 24

3.3.2.

Proses 2.1. Proyeksi horizontal ..................................................... 25

3.3.3.

Proses 2.2. Segmentasi horizontal ................................................. 26

xii


3.3.4.

Proses 3.2. Mencari index max ..................................................... 27

3.3.5.

Proses 4.1. Penghapusan garis....................................................... 28

3.3.6.

Proses 4.2. Proyeksi vertikal ......................................................... 29

3.3.7.

Proses 4.3. Segmentasi vertikal ..................................................... 30

3.3.8.

Proses 4.4. Hapus kunci, penutup dan jenis ketukan ...................... 32

3.3.9.

Proses 5.1. Deteksi garis lurus(tangkai not) ................................... 32

3.3.10.

Proses 5.2. Pengenalan jenis bagian........................................... 35

3.3.11.

Proses 5.3. Penentuan posisi garis ............................................. 37

3.3.12.

Proses 5.4. Pencarian nada ........................................................ 39

3.3.13.

Proses 5.5. Pencarian nilai ......................................................... 41

3.3.14.

Proses 6. Membunyikan nada .................................................... 45

3.4.

Perancangan Pengujian ........................................................................ 45

3.4.1.

Pembuatan jawaban ...................................................................... 45

3.4.2.

Tranformasi nada dan nilai menjadi jawaban ................................ 46

3.4.3.

Pengujian dengan precision-recall ................................................. 47

3.5.

Perancangan Interface ......................................................................... 48

BAB IV ............................................................................................................. 49 IMPLEMENTASI.............................................................................................. 49 4.1.

Implementasi Sistem ........................................................................... 49

4.1.1.

Proses 1. Transformasi menjadi citra biner.................................... 50

xiii


4.1.2.

Proses 2.1. Proyeksi horizontal ..................................................... 51

4.1.3.

Proses 2.2. Segmentasi horizontal ................................................. 51

4.1.4.

Proses 3.2. Mencari index max ..................................................... 52

4.1.5.

Proses 4.1. Penghapusan garis....................................................... 53

4.1.6.

Proses 4.2. proyeksi vertikal ......................................................... 53

4.1.7.

Proses 4.3. Segmentasi vertikal ..................................................... 54

4.1.8.

Proses 4.4. Hapus kunci, penutup dan jenis ketukan ...................... 54

4.1.9.

Proses 5.1. Deteksi garis lurus(tangkai not) ................................... 55

4.1.10.

Proses 5.2. Pengenalan jenis bagian........................................... 56

4.1.11.

Proses 5.3. Penentuan posisi garis ............................................. 57

4.1.12.

Proses 5.4. Pencarian nada ........................................................ 58

4.1.13.

Proses 5.5. Pencarian nilai ......................................................... 59

4.1.14

Proses 6. Membunyikan nada........................................................ 62

4.2.

Implementasi Interface ........................................................................ 63

Bab V ................................................................................................................ 64 Hasil dan Pengujian ........................................................................................... 64 5.1.

Data Input ........................................................................................... 64

5.2.

Code Pengujian Sistem ........................................................................ 67

5.3.

Hasil Pengujian Sistem ........................................................................ 68

5.3.1.

Hasil Segmentasi Horizontal ......................................................... 68

xiv


5.3.2.

Hasil Segmentasi Vertikal ............................................................. 70

5.3.3.

Hasil Pengenalan : ........................................................................ 71

5.3.4. Hasil Pengujian : ............................................................................... 71 5.4.

Analisis Hasil ...................................................................................... 82

Bab VI ............................................................................................................... 85 Kesimpulan dan Saran ....................................................................................... 85 6.1.

Kesimpulan ......................................................................................... 85

6.2.

Saran ................................................................................................... 86

DAFTAR PUSTAKA ........................................................................................ 87 LAMPIRAN ...................................................................................................... 88

xv


DAFTAR GAMBAR

Gambar 2.1. Contoh citra biner .......................................................................... 9 Gambar 2.2 Contoh histogram horizontal-vertical ............................................. 9 Gambar 2.3. Contoh citra potongan partitur .................................................... 10 Gambar 2.4. Hasil proyeksi vertikal(bawah) dan horizontal (kanan) ................ 10 Gambar 2.5. Proses segmentasi ........................................................................ 11 Gambar 2.6. Hasil segmentasi didapatkan 2 objek gambar .............................. 11 Gambar 2.7. Contoh citra not balok.................................................................. 12 Gambar 2.8. Hasil operasi konvolusi Gambar 2.7. ........................................... 13 Gambar 2.9. (a) Kunci G, (b) Kunci F, (c) Kunci C ......................................... 14 Gambar 2.10. Posisi nada pada kunci G dan F ................................................ 14 Gambar 2.11. Nama bagian not ....................................................................... 15 Gambar 2.12 Nilai-nilai dari suatu not balok ................................................... 15 Gambar 2.13. Ilustrasi precision-recall ........................................................... 16 Gambar 3.1. Contoh pembuatan partitur dengan Encore ................................. 18 Gambar 3.2. Contoh hasil pembuatan partitur ................................................. 19 Gambar 3.3. Contoh hasil penghapusan .......................................................... 20 Gambar 3.4. DFD level 0 ................................................................................. 20 Gambar 3.5. DFD level 1 ................................................................................. 21 Gambar 3.6. DFD level 2 proses 2 ................................................................... 21 Gambar 3.7. DFD level 2 proses 3 ................................................................... 22 Gambar 3.8. DFD level 2 proses 4 ................................................................... 22

xvi


Gambar 3.9. DFD level 2 proses5 .................................................................... 23 Gambar 3.10. Ilustrasi tranformasi menjadi citra biner ................................... 24 Gambar 3.11. Potongan citra (kiri) dan hasil proyeksi horizontal (kanan) ....... 25 Gambar 3.12. Hasil segmentasi mendapatkan 2 objek (atas dan bawah) .......... 26 Gambar 3.13. Posisi-posisi max [0 – 4] ........................................................... 27 Gambar 3.14. Potongan citra baris................................................................... 28 Gambar 3.15. Hasil penghapusan garis ........................................................... 28 Gambar 3.16. Citra (atas) dan hasil proyeksi vertikal (bawah) ......................... 30 Gambar 3.17. Hasil segmentasi vertikal ........................................................... 31 Gambar 3.18. Penghapusan kunci,dan jenis ketukan ........................................ 32 Gambar 3.19. Contoh citra not balok ............................................................... 34 Gambar 3.20. Hasil operasi konvolusi Gambar 2.7. ......................................... 34 Gambar 3.21. Contoh gambar-gambar nada .................................................... 35 Gambar 3.22. Contoh gambar-gambar tanda diam .......................................... 36 Gambar 3.23. Contoh garis birama ................................................................. 36 Gambar 3.24. Garis di depan ........................................................................... 37 Gambar 3.25. Garis di belakang ...................................................................... 38 Gambar 3.26. Garis di tengah .......................................................................... 38 Gambar 3.27. Contoh gambar not .................................................................... 39 Gambar 3.28. Nada 1/4 ................................................................................... 41 Gambar 3.29. Nada 1/2 ................................................................................... 41 Gambar 3.30. Nada 1/8 ................................................................................... 41 Gambar 3.31. Contoh nada dan jawaban ......................................................... 46

xvii


Gambar 3.32. Rancangan interface .................................................................. 48 Gambar 4.1. Hasil implementasi interface ....................................................... 61 Gambar 4.2. JFileChooser ............................................................................... 61 Gambar 5.1. Partitur file 17.png ...................................................................... 68 Gambar 5.2. Hasil proyeksi horizontal file 17.png ........................................... 69 Gambar 5.3. Hasil segmentasi baris I .............................................................. 69 Gambar 5.4. Hasil segmentasi baris II ............................................................. 69 Gambar 5.5. Hasil proyeksi vertikal baris I file 17.png .................................... 70 Gambar 5.6. Beberapa contoh bagian pada baris II file 17.png ....................... 70 Gambar 5.7. Partitur 01.png ............................................................................ 83 Gambar 5.8. Partitur 44.png ............................................................................ 83 Gambar 5.9. Nada pertama pada nada pada partitur 44.png ........................... 84

xviii


DAFTAR TABEL

Tabel 5.1. Tabel file pengujian ......................................................................... 64 Tabel 5.2. Tabel hasil pengujian semua file pengujian ...................................... 71 Tabel 5.3. Rata-rata hasil pengujian ................................................................ 74 Tabel 5.4. Error hasil uji .................................................................................. 74

xix


BAB I PENDAHULUAN

Pada bab ini akan menjelaskan mengenai latar belakang penelitian beserta tujuan dan masalah yang akan diteliti. 1.1.

Latar Belakang Seiring dengan perkembangannya, akhir-akhir ini terdapat banyak sekali data dengan berbagai bentuk. Sesuai dengan pengertian data yang adalah keterangan atau bahan yang benar dan nyata yang dapat menjadi bahan analisis, data-data digital tersebut dapat menjadi bahan untuk dianalisa dan menciptakan suatu informasi. Jika data-data tersebut hanya diam dalam komputer dan tidak dianalisa untuk menjadi informasi hanya akan menjadi data mentah, atau sampah (junk) data yang tidak dapat berguna. Agar data-data tersebut dapat menghasilkan sesuatu, maka data itu harus dianalisis kemudian diolah untuk kemudian menghasilkan sebuah informasi. Begitu juga dengan sebuah gambar / citra akan menjadi kurang berarti jika hanya untuk dilihat atau dipajang. Agar sebuah gambar / citra menjadi lebih memiliki nilai, gambar / citra tersebut harus diolah agar dapat menghasilkan informasi yang dibutuhkan. Ilmu yang mempelajari mengenai hal tersebut adalah pengolahan citra. Dalam suatu objek citra juga memiliki ciri-ciri khusus, sebagai contoh adalah huruf A dalam bentuk citra, yang membedakan huruf A dengan huruf yang lain adalah

1

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 2

sudut-sudut yang terdapat dalam huruf A tersebut yang membentuk segitiga. Pada penelitian kali ini akan menggunakan Metode Proyeksi Vertikal-Horizontal. Proyeksi Vertikal-Horizontal akan memberikan gambaran pixel dari suatu citra dalam bentuk histogram. Proyeksi Vertikal-Horizontal memberikan gambaran pixel dengan menjumlahkan pixel-pixel tersebut secara horizontal maupun vertikal. Hasil penjumlahan tersebut akan digambarkan dengan menggunakan histogram sesuai dengan level dari jumlah pixel-pixel yang telah dihitung sebelumnya. Metode ini banyak

digunakan

untuk

citra

yang

berbentuk

tulisan.

Dalam

penggunaannya untuk memproses citra dokumen teks, metode ini digunakan untuk menentukan batasan-batasan antar huruf pada suatu tulisan. Setelah menemukan batasan-batasan antar huruf akan dilakukan segmentasi atau pemotongan, agar dapat mendapatkan huruf-huruf yang terdapat pada citra dokumen teks tersebut. Partitur musik sebagian besar menggunakan notasi not balok. Dimana notasi-notasi tersebut tersusun sedemikian rupa dalam posisiposisi tertentu didalam baris-baris dalam sebuah partitur yang menunjukan tinggi rendahnya suatu nada. Selain memiliki posisi-posisi tertentu not balok juga memiliki bentuk-bentuk khusus untuk menunjukan nilai ketukan dari not tersebut. Selain itu not balok juga memiliki batas-batas pemisahan yang cukup jelas, yaitu not balok selalu tegak, sehingga mudah dikenali batasan antar not-nya. Batasan-batasan tersebut biasanya memiliki


sedikit pixel maka dari itu untuk membagi not balok menjadi bagianbagian not dapat menggunakan Proyeksi Vertikal-Horizontal, setelah diproyeksikan citra partitur akan disegmentasi. Hasil proses segmentasi adalah objek-objek not dalam citra partitur tersebut. Pada penelitannya yang berjudul “I d e n t i fi c a t i o n o f M u s i c a l N o t e s i n S h e e t M u s i c I m a g e s U s i n g C o l o r s ” (Angela, Maria. 2006)

ingin

ditunjukkan

metode

identifikasi

not

balok

dengan

menggunakan pewarnaan pada staves, yang sebelumnya dilakukan segmentasi dengan menggunakan proyeksi profile (proyeksi horizontalvertikal). Hasil yang didapatkan dari penelitian tersebut adalah ketepatan identifikasi sebesar 96.3768% untuk salah satu contoh partitur yang digunakan. Pada sebuah artikel mengenai “Playing Notes by Image Processing” (Soriano, 2010) ide yang diberikan dalam mengidentifikasi not balok adalah dengan mencocokkan not dengan menggunakan template. Template yang digunakan adalah sebuah image kepala not, lalu template tersebut digabungkan dengan partitur yang diproses yang akan menunjukan titiktitik posisi kepala-kepala not yang terdapat dalam partitur tersebut. Penelitian ini diharapkan dapat memberikan gambaran cara kerja pengolahan citra untuk membaca dan mengidentifikasi partitur not balok, selain itu juga akan diberikan gambaran ketepatannya dalam membaca dan mengidentifikasi partitur not balok. Hasil pembacaan partitur not balok


kemudian akan dikonversikan menjadi suara, sehingga dapat mendengar nada-nada partitur not balok tersebut. Banyak orang yang lebih suka membaca not angka daripada not balok. Oleh karena itu penelitian ini cukup penting, karena hasil penelitian ini dapat digunakan untuk membuat alat yang dapat membaca not balok (OMR, Optical Music Recognition) dengan menggunakan metode diatas, sehingga

membantu

orang

dalam

mempelajari

not

balok

dan

mendengarkan musik yang ditulis dengan not balok.

1.2.

Rumusan Masalah Rumusan masalah yang digunakan dalam penelitian ini adalah : •

Bagaimana cara kerja Pemrosesan Citra dalam mengenali citra partitur not balok.

•

Mengukur tingkat ketepatan cara kerja Pemrosesan Citra dalam mengenali citra partitur not balok (nada dan nilai).

1.3.

Manfaat Manfaat dari penelitian ini adalah : 1. Membantu orang dalam mempelajari partitur not balok. 2. Memberikan gambaran segmentasi dan pengenalan citra not balok.


1.4.

Batasan Masalah Batasan-batasan yang digunakan untuk membatasi permasalahan yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Partitur-partitur yang digunakan ditulis dalam kunci G. 2. Partitur yang digunakan ditulis dengan tangga nada naturel (do=c). 3. Data partitur yang digunakan, ditulis dan dicetak kembali secara digital menggunakan Encore. 4. Partitur-partitur yang digunakan hanya memiliki satu nada dalam satu satuan ketukan. 5. Jumlah contoh partitur yang digunakan adalah tidak lebih dari 100 partitur dari lagu yang berbeda-beda. 6. Hanya dapat membaca nada yang ada, dan tidak dapat membaca tandatanda baca dalam partitur (tanda diam, hiasan, kres dan mol). 7. Dalam implementasinya menggunakan Java dan Matlab, dengan JMatLink sebagai library untuk menghubungkan keduanya. 8. Menggunakan operasi konvolusi dengan menggunakan kernel [-1 1 -1]

1.5.

Sistematika Penulisan Secara umum isi dokument ini tersusun sesuai dengan sistematika yang dijelaskan sebagai berikut : 1. BAB 1 : Pendahuluan Pada bab ini berisi latar belakang dan masalah mengapa diadakan penelitian ini dengan batasan-batasan masalah pada penelitian ini.


2. BAB 2 : Landasan Teori Pada bab ini dijelaskan mengenai teori-teori apa saja yang digunakan untuk mendukung penelitian ini. 3. BAB 3 : Metodologi Penelitian Bab ini berisi langkah-langkah kerja dan metode-metode yang digunakan dalam penelitian. 4. BAB 4 : Implementasi Bab ini berisi mengenai implementasi dalam program, untuk langkah kerja dan metode yang telah disusun pada bab 3. 5. BAB 5 : Hasil dan Pengujian Bab ini berisi hasil pengujian yang dilakukan terhadap sistem, beserta analisis terhadap hasil tersebut. 6. BAB 6 : Kesimpulan dan Saran Bab ini berisi kesimpulan terhadap penelitian ini, dan saran untuk pengembangan penelitian berikutnya.


BAB II LANDASAN TEORI

Pada bab ini akan dijelaskan mengenai teori-teori yang dapat mendukung penelitian, diantaranya image processing, proyeksi, konvolusi, dan feature extraction. 2.1. Image Processing Secara umum image processing menunjuk pada pemrosesan gambar 2 dimensi menggunakan komputer. Citra digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun kompleks yang direpresentasikan dengan deret bit tertentu. Suatu citra dapat didefinisikan sebagai sebuah fungsi f(x,y) berukuran M garis dan N kolom yang dimana x dan y merupakan koordinat dan f merupakan amplitudo pada koordinat (x,y) yang dinamakan intensitas atau tingkat keabuan dari citra pada titik koordinat tersebut (Putra, 2010, Pengolahan Citra Digital, hal. 19). Citra dapat ditulis dengan matrix sebagai berikut :

7


2.2. Feature Extraction Ekstraksi fitur(Feature Extraction) merupakan bagian fundamental dari analisis citra. Fitur adalah karakteristik unik dari suatu objek citra. Karakteristik fitur yang baik memiliki syarat seperti berikut : 1. Dapat membedakan suatu objek dengan yang lainnya. 2. Memperhatikan kompleksitas komputasi dalam memperoleh fitur. Semakin rendah tingkat kompleksitas komputasi maka akan semakin baik. 3. Tidak terikat dalam arti bersifat invarian terhadap berbagai transformasi. 4. Jumlahnya sedikit, karena fitur yang jumlahnya sedikit akan menghemat waktu komputasi dan ruang penyimpanan untuk proses berikutnya. Ekstraksi Fitur yang digunakan dalam citra terdapat 3 ekstraksi fitur yaitu : -

Ekstraksi bentuk (shape)

-

Ekstraksi warna (color)

-

Ekstraksi tekstur (texture)

2.3. Citra Biner Citra biner merupakan citra yang hanya memiliki 2 kemungkinan nilai pixel, 1 dan 0. Nilai 1 merupakan warna putih sedangkan nilai 0 adalah warna hitam. Citra biner biasanya disebut citra B&W (Black and White) atau citra monokrom. Untuk menyimpan data 1 pixel hanya dibutuhkan memori sebesar 1 bit.


Citra biner sering muncul sebagai hasil segmentasi, pengambangan, morfologi atau dithering

Gambar 2.1. Contoh citra biner

2.4. Proyeksi Citra Proyeksi citra merupakan teknik pemrosesan citra dimana jumlah level pixel dari sebuah citra dihitung sepanjang baris (lebar) citra tersebut untuk mendapatkan proyeksi horizontal dan sepanjang kolom (tinggi) citra tersebut

untuk

mendapatkan

proyeksi

vertikal.

Proyeksi

tersebut

digambarkan dalam bentuk histogram. Tinggi histogram akan menunjukkan banyaknya pixel pada baris atau kolom tertentu.

Gambar 2.2 Contoh histogram horizontal-vertical (sumber : Burger. (2008). Digital Image Processing.)


Dengan rumus perhitungan sebagai berikut : M

Pv [i ] = ∑ S [i, j ] j =1

N

Ph [i ] = ∑ S [i, j ] j =1

Berikut merupakan penjelasan mengenai cara kerja proyeksi beserta segmentasi terhadap citra biner potongan partitur not balok.

Gambar 2.3. Contoh citra potongan partitur

Gambar 2.4. Hasil proyeksi vertikal(bawah) dan horizontal (kanan) Untuk membentuk matrix citra seperti diatas bukan hanya membuat citra biner, namun citra tersebut harus dinegasikan, agar objek diwakili


dengan angka 1 dan background diwakili angka 0 Hasil proyeksi vertikal digunakan untuk melakukan proses segmentasi, yang dimana akan melakukan pemotongan dengan nilai ambang adalah 5 (jumlah garis).

Gambar 2.5. Proses segmentasi

Gambar 2.6. Hasil segmentasi didapatkan 2 objek gambar


2.5. Konvolusi Konvolusi merupakan sebuah operasi sentral pada pengolahan citra. Proses konvolusi dapat dijelaskan sebagai berikut. Kernel atau matrix konvolusi dikenai operasi perkalian lalu kemudian dikenai operasi penjumlahan pada setiap pixel dan menghasilkan nilai pixel baru. Proses konvolusi dirumuskan sebagai berikut : ௠

௡

, = + − 1, + − 1 (, ) ௞ୀଵ ௟ୀଵ

Dimana O(i,j) merupakan nilai pixel baru, U merupakan citra input, dan K merupakan kernel yang digunakan. Kernel sangat penting untuk memiliki posisi central, atau dapat juga berupa matrix 2 x 2. Berikut merupakan contoh operasi konvolusi untuk mendeteksi sebuah garis lurus dari citra not balok seperti contoh gambar 2.7. dan matrix konvolusi yang digunakan adalah matrix 1 x 3.

−1

1

−1

Gambar 2.7. Contoh citra not balok


Perhitungan konvolusinya dijelaskan sebagai berikut : O(0,1) = 0 * -1 + 0 * 1 + 0 * -1 = 0 O(0,2) = 0 * -1 + 0 * 1 + 0 * -1 = 0 … … O(12,3) = 0 * -1 + 0 * 1 + 0 * -1 = 0 Sehingga dihasilkan citra baru yang hanya menyisakan sebuah garis lurus.

Gambar 2.8. Hasil operasi konvolusi Gambar 2.7.

2.6. Not Balok Dalam musik tinggi-rendah, dan panjang-pendeknya nada dapat ditunjukan dengan tanda yang disebut not. Not berfungsi sebagai huruf dalam musik, dimana jika dibunyikan akan terdengar sebagai kalimatkalimat musik, sama seperti halnya huruf alphabet jika dibunyikan akan


terdengar kata-kata dan kalimat-kalimat. Jenis-jenis penulisan not balok (titinada) dapat ditulis dalam beberapa kunci yaitu G, F, C.

(a)

(b)

(c)

Gambar 2.9. (a) Kunci G, (b) Kunci F, (c) Kunci C

Not balok ditulis dalam sebuah garis-garis paranada. Yang dimana nadanya ditentukan oleh kunci. Pada kunci G nada g’ diletakan pada garis ke-2 dari bawah. Pada kunci F, nada f diletakan pada garis ke-2 dari atas.

Nada g’

Nada f

Gambar 2.10. Posisi nada pada kunci G dan F

Sebuah not terdiri atas beberapa bagian yaitu kepala, tongkat dan bendera.


Gambar 2.11. Nama bagian not Sebuah not terdiri atas nilai sebagai berikut (untuk ketukan berbasis 4) :

Gambar 2.12 Nilai-nilai dari suatu not balok

Nilai sebuah not atau tanda istirahat menentukan berapa lama not berbunyi atau istirahat. Selain terpengaruh oleh nilai, lamanya not berbunyi juga dipengaruhi oleh metronome. Untuk metronome 60 yang dimana artinya terdapat 60 ketukan dalam 1 menit, not bernilai ¼ memiliki jumlah ketukan sebanyak 1 ketukan. Begitu juga not bernilai 1/8 memiliki jumlah ketukan sebanyak ½ ketukan dan seterusnya.


2.7. Precision-Recall Precision merupakan bagian yang dikenali sistem dari yang relevan, sedangkan recall merupakan sebagian dokumen yang relevan dari yang dikenali sistem. Keduanya merupakan ukuran kepemahaman dan relevansi. Biasanya pengukuran kesuksesan precision-recall digunakan pada pengenalan pola dan pemerolehan informasi.

dikenali

relevan

R P

Gambar 2.13. Ilustrasi precision-recall Jika dirumuskan maka cara untuk menghitung precision-recall adalah sebagai berikut.

=

=

∩

∩


Bab III METODOLOGI PENELITIAN

3.1. Perancangan Data Input Data input yang digunakan merupakan file image / citra partitur not balok yang berekstensi *.png. File yang akan digunakan adalah sebanyak 50 partitur. Partitur not balok tersebut didapatkan dari 2 buku yaitu “Menjadi Organis 1” dan “SPECIAL SONG for kids Sunday school”. Untuk membuat partitur tersebut menjadi bentuk file yang siap untuk dikenai pemrosesan citra, partitur tersebut melewati tahap pembuatan file, dan penghapusan objek yang tidak diperlukan. Tahap-tahap tersebut dijelaskan sebagai berikut :

3.1.1.

Tahap pembuatan file Untuk membuat file image partitur, diperlukan beberapa tools yaitu Encore 5 dan ImagePrinter. Encore merupakan tools yang digunakan untuk membuat partitur, dan ImagePrinter merupakan tools yang digunakan untuk mencetak partitur menjadi sebuah file image dengan ekstensi yang ditentukan. Buku “Menjadi Organis 1” merupakan buku yang berisi partitur lagu yang sudah ditulis dalam bentuk not balok. Jadi dalam pembuatannya hanya perlu memindahkan not balok yang ada dibuku ke dalam Encore, dengan menghilangkan atau tidak

17


mengikut sertakan tanda baca seperti kres, mol, garis lengkung (frasering), dll. Sedangkan untuk buku “SPECIAL SONG for kids Sunday school” yang berisi partitur lagu yang ditulis dengan not angka, untuk mendapatkan partitur not balok, harus terlebih dahulu merubah not angka menjadi not balok. Dimana semua not angka dibaca sebagai do = c atau dalam not balok sering disebut dengan tangga nada naturel (tanpa kres dan mol). Setelah dibuat dengan menggunakan Encore, lalu partitur dicetak dengan menggunakan tools ImagePrinter. Yang akan menyimpan file image partitur hasil cetakan Encore.

Gambar 3.1. Contoh pembuatan partitur dengan Encore


Gambar 3.2. Contoh hasil pembuatan partitur

3.1.2.

Tahap penghapusan objek asing Pada penelitian kali ini yang digunakan adalah murni partitur not balok tanpa ada objek-objek asing diluar not balok. Karena hasil cetakan encore dan imageprinter masih mengandung objek-


objek asing seperti nama composer, judul (title), maka objek objek-objek tersebut akan dihapus secara manual dengan menggunakan tools MSPaint. Sehingga didapatkan file partitur yang tidak mengandung objek-objek objek asing.

Gambar 3.3. Contoh hasil penghapusan

3.2. Perancangan Sistem Rancangan sistem untuk membaca partitur dapat dijabarkan dalam diagram aliran data sebagai berikut :

3.2.1.. DFD level 0 / Diagram konteks :

User

Citra partitur not balok, satuan Sistem waktu (metronome) Pembaca partitur Suara

Gambar 3.4. DFD level 0


3.2.2. DFD level 1: 1. Tranformasi menjadi citra biner Citra biner partitur

Citra partitur User

2. Mendapatkan baris partitur

suara Citra baris

Metronome

3. Mencari posisi garis

Citra baris

Posisi garis 6. Membunyikan nada

4. Mendapatkan bagian not balok

Posisi garis

Jenis bagian, Nilai dan nada not

5. Mengenali bagian not balok

Bagian not balok

Gambar 3.5. DFD level 1

3.2.3. DFD level 2: 3.2.3.1. Proses 2. Mendapatkan baris partitur Citra biner partitur

2.1 Proyeksi horizontal Hasil proyeksi horizontal 2.2 Segmentasi horizontal Citra baris

Gambar 3.6. DFD level 2 proses 2


3.2.3.2. Proses 3. Mencari posisi garis

Citra baris

3.1 Proyeksi horizontal Hasil Proyeksi 3.2 Mencari index bernilai Posisi garis


3.2.3.3. Proses 4. Mendapat bagian not balok

Posisi garis

Citra baris

4.1 Penghapusan Garis Citra baris tanpa garis

4.2 Proyeksi vertikal

Hasil proyeksi vertical baris

4.3 Segmentasi vertikal

Hasil pemotongan vertikal 4.4 Hapus kunci, penutup dan jenis ketukan Bagian not balok



3.2.3.3. Proses 5. Mengenali bagian not balok

5.1 Deteksi Garis lurus (tangkai not)

Posisi garis

Bagian not balok Posisi garis lurus

Posisi garis lurus

5.2 Pengenalan jenis bagian

Jenis bagian

5.3 Penentuan posisi garis Perkiraan Posisi

5.5 Pencarian Nilai Jenis bagian

5.4 Pencarian nada

Posisi garis

nilai nada

Gambar 3.9. DFD level 2 proses5

3.3. Desain Proses Berdasarkan DFD yang telah dirancang pada sub bab sebelumnya, pada sub bab ini akan dijelaskan proses-proses yang ada pada DFD.


3.3.1. Proses 1. Tranformasi menjadi citra biner Proses ini adalah untuk membuat citra biner dari citra partitur yang dimasukan oleh user agar lebih mudah untuk dilakukan pemrosesan lebih lanjut. 3.3.1.1. Ilustrasi

Gambar 3.10. Ilustrasi tranformasi menjadi citra biner

3.3.1.2. Algoritma Cara kerja dari proses ini dijelaskan dengan psuedocode berikut: 1. Merubah citra warna menjadi citra keabuan 2. Mencari threshold citra keabuan 3. Untuk setiap pixel


a. jika nilai keabuan > threshold maka nilai biner pixel tersebut = 1 b. Jika tidak maka nilai biner pixel tersebut = 0 4. Semua nilai citra biner dibalik 0 => 1 dan 1 => 0

3.3.2. Proses 2.1. Proyeksi horizontal Proses ini adalah untuk membuat histogram proyeksi secara horizontal. Proses proyeksi horizontal juga dilakukan pada proses 3.1.

Secara

umum

proyeksi

horizontal

dikerjakan

dengan

menjumlahkan pixel secara horizontal.

3.3.2.1.Ilustrasi

Gambar 3.11. Potongan citra (kiri) dan hasil proyeksi horizontal (kanan)

3.3.2.2.Algoritma Cara kerja dari proses ini dijelaskan dengan psuedocode berikut : ௜௠௔௚௘ ௦ ௪௜ௗ௧௛ 1. ℎ [] = ∑௝ୀ଴ [] ′


3.3.3. Proses 2.2. Segmentasi horizontal Proses ini adalah untuk memotong citra sesuai dengan hasil proyeksi horizontal, dan dengan ambang batas. Pada kasus citra partitur not balok proses ini digunakan untuk mendapatkan baris-baris not balok.

3.3.3.1. Ilustrasi

Gambar 3.12. Hasil segmentasi mendapatkan 2 objek (atas dan bawah)

3.3.3.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. cari index pertama dari hasil proyeksi > thres masukan dalam variable indexAwal 2. cari index berikutnya dari hasil proyeksi < thres masukan dalam variable indexAkhir 3. lakukan copy array dari i = 0 sampai width image, j = indexAwal sampai indexAkhir – 1 :


citra baris baru[j-indexAwal][i] = citra biner partitur[j][i]; 4. citra baris baru ditambahkan dalam array citra baris. 5. lakukan proses 1-3, untuk index sampai height image.

3.3.4. Proses 3.2. Mencari index max Proses ini adalah untuk mencari posisi garis dengan mengacu pada nilai max pada hasil proyeksi horizontal, karena posisi-posisi garis memiliki intensitas pixel yang paling banyak secara proyeksi horizontal.

3.3.4.1. Ilustrasi [0 [1 [2 [3 [4 Gambar 3.13. Posisi-posisi max [0 – 4]

3.3.4.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. cari nilai max dari hasil proyeksi horizontal. 2. i 0; 3. Untuk setiap index hasil proyeksi : a. Jika nilai[index] == max b. Maka posisi garis[i] index; i++;


3.3.5. Proses 4.1. Penghapusan garis Proses ini untuk menghilangkan garis-garis paranada, karena akan mempermudah mengenali objek dan melakukan segmentasi secara vertikal pada proses berikutnya.

3.3.5.1. Ilustrasi

Gambar 3.14. Potongan citra baris

Untuk setiap titik sebagai titik tengah pada posisi garis (proses

0 3.2.), yang memiliki pola seperti matrix 1 akan diubah menjadi 0. 0 Sehingga semua garis akan dapat dihapus.

Gambar 3.15. Hasil penghapusan garis


3.3.5.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. currentPos posisiGaris[0] % nilaiAbsolut(posisiGaris[0] – posisiGaris[1]) 2. jarakAntarGaris

nilaiAbsolut(posisiGaris[0]

–

posisiGaris[1]) 3. untuk semua pixel baris currentPos pada citra baris (citra baris[currentPos][*]) lakukan : a. jika

pixel

citrabaris[currentPos+1][*]

citrabaris[currentPos-1][*]

==

0

maka

nilai

dan pixel

citrabaris[currentPos][*] = 0; 4. currentPos += jarakAntarGaris; 5. lakukan tahap no 3-4 selama currentPos < image’s height

3.3.6. Proses 4.2. Proyeksi vertikal Proses ini adalah untuk membuat histogram proyeksi secara vertikal.

Secara

umum

proyeksi

menjumlahkan pixel secara vertikal.

vertikal

dikerjakan

dengan


3.3.6.1. Ilustrasi

Gambar 3.16. Citra (atas) dan hasil proyeksi vertikal (bawah)

3.3.6.2. Algoritma Cara kerja dari proses ini dijelaskan dengan psuedocode berikut : ௜௠௔௚௘ ௦ ௛௘௜௚௛௧ [] 1. [] = ∑௝ୀ଴ ′

3.3.7. Proses 4.3. Segmentasi vertikal Proses ini adalah untuk memotong citra sesuai dengan hasil proyeksi vertikal, dan dengan ambang batas tertentu. Proses ini adalah untuk mendapatkan bagian-bagian not balok.


3.3.7.1. Ilustrasi

Gambar 3.17. Hasil segmentasi vertikal

3.3.7.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. cari index pertama dari hasil proyeksi > thres masukan dalam variable indexAwal 2. cari index berikutnya dari hasil proyeksi < thres masukan dalam variable indexAkhir 3. lakukan copy array dari i = 0 sampai height image, j = indexAwal sampai indexAkhir – 1 : citra bagian baru[i] [j-indexAwal] = citra biner partitur[i][j]; 4. citra bagian baru ditambahkan dalam array citra bagian.


5. lakukan proses 1-3, 1 untuk index sampai width image. image

3.3.8. Proses 4.4. Hapus kunci, penutup dan jenis ketukan Proses ini adalah menghilangkan kunci, penutup dan jenis ketukan, karena semua dianggap ketukan */4 dan bermain ppada kunci C. Sedangkan penutup merupakan sebuah garis diakhir, sebagai tanda penutup. 3.3.8.1. Ilustrasi

Gambar 3.18. Penghapusan kunci,dan jenis ketukan 3.3.8.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. hapus bagian pertama setiap baris 2. jika baris merupakan baris pertama maka hapus bagian pertama berikutnya 3. jika baris merupakan baris terakhir maka hapus 2 bagian terakhir dalam baris tersebut.

3.3.9. Proses 5.1. Deteksi garis lurus(tangkai not) Proses ini bertujuan mencari posisi sebuah sebuah garis lurus vertikal vertikal. Proses ini menggunakan operasi konvolusi dan juga menghilangkan noise setelah dikenai operasi konvolusi konvolusi.


3.3.9.1. Mendapatkan matrix konvolusi deteksi garis lurus. Pada penelitian ini untuk mendapatkan matrix konvolusi deteksi garis lurus, adalah sebagai berikut : 1. Tentukan dimensi matrix. Karena titik-titik penyusun garis lurus memiliki susunan matrix 0 1

0 maka dapat

ditentukan bahwa matrixnya akan berdimensi 1 x 3 2. Karena titik tersebut tidak memiliki pixel baik di kanan maupun disebelah kiri, maka jika terdapat pixel harus dapat merubah nilai tengah. Contoh perhitungan kemungkinan I :

0 1

1 ∗

!+ =0

!

= 0

! = −

Contoh perhitungan kemungkinan II :

1 1

0 ∗

!+ =0

!

= 0

! = −

Dari kedua persamaan diatas jika diambil suatu nilai konstanta untuk y adalah 1, maka z dan x adalah -1. Sehingga didapatkanlah matrix −1 1

−1.


3.3.9.2. Ilustrasi

Gambar 3.19. Contoh citra not balok Contoh diatas dikenai dengan operasi konvolusi [-1 1 1]. Maka akan menghasilkan garis-garis lurus.

Gambar 3.20. Hasil operasi konvolusi gambar 3.19.

3.3.9.3. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. kenai citra bagian not balok dengan operasi konvolusi menggunakan matrix konvolusi 1 x 3.

[−1

1

−1]


2. lakukan penghilangan noise untuk citra bagian not balok, jika terdapat matrix berikut dalam citra tersebut maka akan dianggap noise dan akan dihapus.

0 0 0

0 1 0

0 0 0

3. lakukan proyeksi vertical untuk mendapatkan posisi garis lurus. 4. Untuk setiap hasil proyeksi > 0, maka akan disimpan sebagai posisi garis lurus.

3.3.10. Proses 5.2. Pengenalan jenis bagian Proses ini adalah proses untuk mengenali bagian not balok tersebut merupakan nada, garis birama, atau tanda diam.

3.3.10.1. Ilustrasi

Gambar 3.21. Contoh gambar-gambar nada


Gambar 3.22. Contoh gambar-gambar tanda diam

Gambar 3.23. Contoh garis birama

3.3.10.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. Jika jumlah garis lurus == 1 maka : a. Jika lebar citra == maka jenis bagian = ”batas birama” end b. Jika tidak : jenis bagian = ”nada” end 2. Jika jumlah garis lurus > 1 maka : jenis bagian = ”nada” end 3. Jika jumlah garis lurus == 0 maka : a. Proyeksikan citra bagian not balok secara horizontal


b. hitung tinggi citra sesungguhnya. c. Jika bagian memiliki tinggi == ||posisi garis[0] – posisi garis[1]|| maka jenis bagian = “nada” end d. First posisi pertama hasil proyeksi bernilai > 0 e. Last posisi terakhir hasil proyeksi bernilai > 0 f. Jika tinggi < ||posisi garis[0] – posisi garis[1]|| dan first != posisi garis[1] dan last != posisi garis[2] maka jenis bagian = “titik” end g. jika tidak maka jenis bagian = “jeda” end 3.3.11. Proses 5.3. Penentuan posisi garis Proses ini adalah proses untuk menentukan posisi garis berada pada belakang, depan atau tengah dari citra. Proses ini akan membantu dalam penentuan posisi kepala. 3.3.11.1. Ilustrasi

Gambar 3.24. Garis di depan


Gambar 3.25. Garis di belakang

Gambar 3.26. Garis di tengah 3.3.11.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut: 1. Jika jumlah jenis bagian == “nada” maka : a. Jika garis lurus > 1 maka : -

Jika posisi garis pertama < (lebar citra – garis terakhir) maka Perkiraan posisi = “depan”

-

Jika tidak maka : Perkiraan posisi = “belakang”

b. Jika tidak maka jika garis lurus == 1 maka -

Jika posisi garis lebih dekat dengan 0, maka Perkiraan posisi = “depan”


-

Jika posisi garis lebih dekat dengan lebar citra, maka Perkiraan posisi = “belakang”

-

Jika posisi garis lebih dekat dengan lebar citra / 2 (posisi tengah), maka Perkiraan posisi = “tengah”

2. Jika tidak maka end

3.3.12. Proses 5.4. Pencarian nada Proses ini adalah proses untuk menentukan nada dari citra bagian not balok. Karena akan dibunyikan maka nada harus diubah menjadi angka yang dimana, nada g = 67, a = 69, b = 71, c’ = 72, d’ = 74, e’ = 76, f’ = 77, begitu seterusnya untuk masing-masing nada ditambah atau dikurangi 12 untuk setiap oktafnya.

3.3.12.1. Ilustrasi

Gambar 3.27. Contoh gambar not Pada Gambar 3.27. terdapat 4 buah nada, yang masingmasing merupakan nada c, G, A, dan B.


3.3.12.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. Jika jenis bagian == “nada” maka a. Jika jumlah garis lurus > 1 maka : -

jika perkiraan posisi == “tengah” atau “belakang” Untuk setiap posisi garis lurus telusuri sampai dapat posisi pixel paling bawah.

-

Jika perkiraan posisi == “depan” Untuk setiap posisi garis lurus telusuri sampai dapat posisi pixel paling atas.

b. Jika tidak maka : Untuk posisi pixel kolom ke-0 telusuri sampai dapat posisi pixel paling atas. c. Beda nada= pembulatan kebawah((posisi pixel – posisi garis[3]) / (||posisi garis[0] – posisi garis[1]||/2)) d. Nilai nada = {0, 2, 4, 5, 7, 9, 10} e. Nada = nilai nada[beda nada % 12] + pembulatan kebawah(beda nada / 12) * 12 f. Nada += 67. 2. Jika bukan nada maka : end


3.3.13. Proses 5.5. Pencarian nilai Proses ini adalah proses untuk menentukan nilai dari citra bagian not balok. Citra yang akan dikenai proses pencarian nilai hanya citra bagian yang dikenali sebagai not saja.

3.3.13.1. Ilustrasi

Gambar 3.28. Nada 1/4




3.3.13.2. Algoritma Cara kerja proses ini dijelaskan sebagai berikut : 1. Jika jenis bagian == “titik” maka : -

X Nilai bagian sebelumnya

-

XX*3/4

-

Nilai bagian sebelumnya X

-

end

2. Jika jenis bagian != “nada” maka end 3. Jika jumlah garis lurus == 0 maka : Nilai = 1 end 4. Jika jumlah garis lurus == 1 maka : a. Jika perkiraan posisi == “belakang” maka -

Cek pada citra bagian koordinat y = posisi kepala, x = tengah citra, apakah terdapat pixel (citra(x,y) == 1) jika iya maka : Nilai = ¼ end

-

Jika tidak maka : Nilai = ½ end

b. Jika perkiraan posisi == “tengah ” maka -

Posisi bendera posisi garis lurus + 1

-

Jumlah bendera jumlah kumpulan pixel posisi bendera

-

Nilai = ½

jumlah bendera + 2

end

pada


c. Jika perkiraan posisi == “depan” maka -

Cek pada citra bagian koordinat y = posisi kepala, x = tengah citra, apakah terdapat pixel (citra(x,y) == 1) jika iya maka : •

Posisi bendera posisi garis lurus – 1

•

Jumlah bendera jumlah kumpulan pixel pada posisi bendera

•

Jumlah bendera = Jumlah bendera – 1 // karena 1 kumpulan pixel merupakan kepala not

•

-

Nilai = ½

jumlah bendera + 2

end

Jika tidak maka : Nilai = ½ end

5. Jika jumlah garis lurus > 1 maka : a. Untuk i = 0 sampai jumlah garis lurus – 1 lakukan proses b sampai d b. Untuk garis lurus pertama : -


-

Jumlah bendera jumlah kumpulan pixel posisi bendera

-

Jika perkiraan posisi == “depan” maka : •

-

Jumlah bendera = Jumlah bendera – 1

Nilai[i] = ½

jumlah bendera + 2

pada


c. Untuk garis lurus terakhir : -


-

Jumlah bendera jumlah kumpulan pixel

pada

posisi bendera -

Jika perkiraan posisi == “belakang” maka : •

-

Jumlah bendera = Jumlah bendera – 1

Nilai[i] = ½

jumlah bendera + 2

d. Untuk garis lurus di tengah (i != 0 && i != jumlah garis lurus – 1) : -

Posisi bendera1 posisi garis lurus + 1

-

Posisi bendera2 posisi garis lurus – 1

-

Jumlah bendera1 jumlah kumpulan pixel

pada

posisi bendera1 -

Jumlah bendera2 jumlah kumpulan pixel posisi bendera2

-

Jika perkiraan posisi == “depan” maka : Jumlah bendera1 = Jumlah bendera1 – 1

-

Jika perkiraan posisi == “belakang” maka : Jumlah bendera2 = Jumlah bendera2 – 1

-

Jika Jumlah bendera1 > Jumlah bendera2 maka : Jumlah bendera = jumlah bendera1

-

Jika tidak maka :

pada


Jumlah bendera = jumlah bendera2 -

Nilai[i] = ½

jumlah bendera + 2

e. end

3.3.14. Proses 6. Membunyikan nada Proses ini merupakan proses untuk membunyikan nadanada yang telah dibaca. Algoritma untuk proses ini adalah sebagai berikut : 1. Jika jenis bagian == “jeda” maka a. Bunyikan sebuah nada dengan volume 0 selama (0.25 * 60 / metronome * 4) detik 2. Jika jenis bagian == “nada” maka a. Bunyikan nada dengan volume 60 selama (nilai * 60 / metronome * 4) detik

3.4. Perancangan Pengujian 3.4.1. Pembuatan jawaban Jawaban dibuat secara manual, dengan menggunakan notepad dan disimpan dalam ekstensi *.txt. Jawaban dibuat dengan format sebagai berikut :


1. Semua

nada

akan

ditulis

dengan

format

HurufNada/Oktaf/Nilai. Huruf nada merupakan huruf yang digunakan untuk melambangkan sebuah nada. Oktaf merupakan tinggi oktaf dari nada tersebut, yang dimana c’ 2. sampai b’ dianggap sebagai oktaf ke-0. Nilai merupakan nilai nada tersebut. Contoh penulisan untuk beberapa nada :

= d/0/0.5

= f/1/1

Gambar 3.31. Contoh nada dan jawaban 3. Untuk batas birama akan ditulis “\n” atau spasi(Enter) 4. Untuk jeda akan ditulis “jeda”

3.4.2. Tranformasi nada dan nilai menjadi jawaban Algortima untuk merubah nada dan nilai pada masingmasing bagian menjadi format seperti diatas dijelaskan sebagai berikut : 1. HurufNada = {c,d,e,f,g,a,b} 2. NilaiNada = {0,2,4,5,7,9,11} 3. Jika jenis bagian == “batas birama” maka : stringBagian = “\n” end 4. Jika jenis bagian == “jeda” maka :


stringBagian = “jeda” end 5. Jika jenis bagian == “nada” maka : -

index = search Index (nada%12) pada nilaiNada.

-

hurufNada = HurufNada[index]

-

Oktaf = bulatKeBawah((nada – 60)/12)

-

Nilai = nilai

-

stringBagian = hurufNada+“/”+Oktaf+“/”+Nilai

3.4.3. Pengujian dengan precision-recall Pengujian hasil dilakukan dengan metode precision-recall untuk masing-masing partitur, yang dimana terdapat 50 partitur untuk dilakukan pengujian. Pengujian akan menghasilkan 50 persentase precision-recall, kemudian akan dirata-rata dan akan menghasilkan average precision-recall. Proses / algoritma pengujian yang akan dilakukan adalah sebagai berikut : 1. jawaban = jawaban yang dibuat 2. hasilSistem = hasil jawaban pembacaan sistem 3. jawaban dan hasilSistem displit berdasarkan spasi(“ ”). 4. Benar = 0 5. Setiap splithasilSitem dicocokan dengan setiap splitJawaban. a. Jika cocok maka : Benar += 1


6. Precision = Benar / Jumlah splithasilSistem 7. Recall = Benar / jumlah splitJawaban

3.5.

Perancangan Interface Interface yang digunakan merupakan interface sederhana yang dapat memenuhi input user berupa metronome dan citra partitur. Diperlukan tombol browse untuk membuka pilihan file citra partitur. Selain itu, diperlukan tombol play yang dapat membunyikan nada-nada yang dibaca oleh sistem.

Gambar 3.32. Rancangan interface


BAB IV IMPLEMENTASI

Pada bab 4 berisi implementasi sistem, pengujian dan interface. Implementasi ini menggunakan bahasa pemrograman Java dan sedikit bagian menggunakan Matlab. Untuk menjalankan program Matlab di Java digunakan JMatLink. Implementasi sistem merupakan implementasi inti pembacaan citra partitur musik, implementasi pengujian berisi code-code sederhana untuk membantu pengujian agar menjadi lebih cepat, implementasi interface merupakan hasil implementasi antarmuka untuk sistem pembacaan partitur yang dibuat.

4.1.

Implementasi Sistem Pada beberapa proses menggunakan bantuan Matlab, dengan menggunakan JMatLink. Secara umum penggunaan JMatLink adalah sebagai berikut : 1. JMatLink jmat = new JMatLink(); 2. Long t = jmat.engOpenSingleUse();// untuk memulai koneksi dengan matlab 3. jmat.engEvalString(“// perintah matlab”); 4. jmat.engClose(t); // untuk mengakhiri koneksi dengan matlab Implementasi sistem berisi code-code dengan menggunakan java dan beberapa akan digabung dengan Matlab. Implementasi ini merupakan

49


implementasi perancangan sistem yang telah dibuat pada bab sebelumnya. Implementasi berikut merupakan implementasi sistem :

4.1.1. Proses 1. Transformasi menjadi citra biner Transformasi akan diimplementasikan dengan menggunakan java yang

dihubungkan

dengan

matlab.

Proses

transformasi

ini

menggunakan beberapa function yang disediakan matlab seperti im2bw() untuk merubah sebuah citra menjadi citra biner. Selain itu untuk membaca file menggunakan function imread(). Setelah mendapatkan citra biner, data dari matlab akan disalin kedalam bentuk array 2 dimensi pada java. Proses ini diimplementasikan pada method ImS.bacaFile(). Secara lengkap method bacaFile adalah sebagai berikut :


4.1.2. Proses 2.1. Proyeksi horizontal Proyeksi horizontal diimplementasikan dengan menggunakan java, dan diimplementasikan pada method

ImS.getHorizontal().

Berikut merupakan code implementasi :

4.1.3. Proses 2.2. Segmentasi horizontal Segmentasi

horizontal

diimplementasikan

pada

method

ImS.potongHorizontal(). Segmentasi horizontal akan menghasilkan citra baris-baris dari partitur yang dimasukan.

Berikut adalah code implementasinya :


4.1.4. Proses 3.2. Mencari index max Proses ini diimplementasikan pada method ImS.posisiGaris(). Berikut merupakan implementasi untuk proses mencari index max :


4.1.5. Proses 4.1. Penghapusan garis Proses ini diimplementasikan pada method ImS.hapusGaris(). Berikut merupakan code implementasi proses penghapusan garis :

4.1.6. Proses 4.2. proyeksi vertikal Proses ini diimplementasikan pada method ImS.getVertical(). Berikut merupakan code implementasi proyeksi vertikal :


4.1.7. Proses 4.3. Segmentasi vertikal Proses ini diimplementasikan pada method ImS.potongVertical(). Berikut merupakan code implementasi segmentasi vertikal :

4.1.8. Proses 4.4. Hapus kunci, penutup dan jenis ketukan Proses ini diimplementasikan pada method All.baris2Bagian(). Berikut merupakan code implementasi hapus kunci, penutup dan jenis ketukan :


4.1.9. Proses 5.1. Deteksi garis lurus(tangkai not) Proses ini diimplementasikan pada function detectGaris() yang diimplementasikan menggunakan Matlab. Berikut merupakan code implementasi deteksi garis lurus(tangkai not) :


4.1.10. Proses 5.2. Pengenalan jenis bagian Proses ini diimplementasikan dalam method kenaliBagian(), isNada(), dan isTitik() berikut merupakan implementasi code :

isNada() :

isTitik() :


4.1.11. Proses 5.3. Penentuan posisi garis Proses ini diimplementasikan dalam method posisiTangkai() untuk jumlah garis lurus(tangkai) == 1, sedangkan posisiTangkai() untuk jumlah garis lurus(tangkai) > 1 berikut merupakan implementasi code :


4.1.12. Proses 5.4. Pencarian nada Proses

pencarian

nada

diimplementasikan

pada

method

posisiKepala dan getNada(), berikut code implementasi proses pencarian nada :


4.1.13. Proses 5.5. Pencarian nilai Proses ini diimplementasikan secara terpisah-pisah pada method kenali(), kenaliBagian(), hitungBendera(), dan getNilai(). Cara kerja proses ini dijelaskan sebagai berikut : •

Untuk jenis bagian == “titik” :

•

Untuk jumlah garis lurus (tangkai) == 0 :


•

Untuk jumlah garis lurus == 1 :

Method hitungBendera(), method ini untuk jumlah tangkai = 1 :


•

Untuk jumlah garis lurus (tangkai) > 1 :

Method

getNilai()

digunakan

pada

kondisi

lurus(tangkai) == 1, dan jumlah garis lurus(tangkai) == 1.

jumlah

garis


4.1.14 Proses 6. Membunyikan nada Proses ini diimplementasikan dengan menggunakan MIDI, dan dalam method play(). Untuk tanda jeda tetap akan dibunyikan sebuah nada default tetapi dengan keras suara dibuat menjadi 0, sehingga tidak terdengar.

Berikut merupakan implementasi proses membunyikan nada :


4.2.

Implementasi Interface Implementasi interface adalah sebagai berikut

Gambar 4.1. Hasil implementasi interface Ketika tombol browse diklik maka akan muncul dialog pencarian file sebagai berikut :

Gambar 4.2. JFileChooser Setelah file dipilih kemudian user harus menekan tombol process untuk memproses citra, setelah selesai, maka tombol play akan dibuka. Metronome jika tidak diisi maka akan bernilai default 60. Jika user menekan tombol play maka akan terdengar suara nada sesuai hasil pembacaan file.


Bab V Hasil dan Pengujian

5.1.

Data Input Data input yang digunakan merupakan file image / citra partitur not balok yang berekstensi *.png. File yang akan digunakan adalah sebanyak 50 partitur. Partitur not balok tersebut didapatkan dari 2 buku yaitu “Menjadi Organis 1” dan “SPECIAL SONG for kids Sunday school”. Untuk membuat partitur tersebut menjadi bentuk file yang siap untuk dikenai pemrosesan citra, partitur tersebut melewati tahap pembuatan file, dan penghapusan objek yang tidak diperlukan. Citra partitur diberi nama 01.png sampai 50.png. Tabel 5.1. Tabel file pengujian Nama File

Ukuran dimensi citra

Ukuran file

01.png

2480 x 904

56.9 KB

02.png

2343 x 798

54.5 KB

03.png

2422 x 1023

66.4 KB

04.png

2373 x 887

54.9 KB

05.png

2314 x 827

49.8 KB

06.png

2302 x 678

45.7 KB

07.png

2480 x 1505

106 KB

08.png

2480 x 1410

86.4 KB

09.png

2306 x 1327

83.3 KB

64


10.png

2313 x 1410

89.8 KB

11.png

2480 x 1534

98 KB

12.png

2480 x 1434

91.3 KB

13.png

2480 x 1059

69.8 KB

14.png

2480 x 1558

85 KB

15.png

2480 x 1048

58 KB

16.png

2480 x 715

39.9 KB

17.png

2480 x 607

36.2 KB

18.png

2480 x 1416

79.6 KB

19.png

2480 x 623

37.1 KB

20.png

2480 x 576

34.6 KB

21.png

2480 x 685

38.6 KB

22.png

2352 x 573

32.1 KB

23.png

2321 x 576

33.1 KB

24.png

2480 x 617

37.4 KB

25.png

2480 x 307

18.2 KB

26.png

2480 x 1315

74.4 KB

27.png

2480 x 738

41.1 KB

28.png

2480 x 1362

78.1 KB

29.png

2480 x 1416

84 KB

30.png

2480 x 637

35.7 KB

31.png

2480 x 1701

96.8 KB


32.png

2480 x 1416

76.2 KB

33.png

2480 x 643

38.2 KB

34.png

2480 x 619

35.2 KB

35.png

2480 x 738

40.8 KB

36.png

2480 x 322

18.8 KB

37.png

2480 x 328

18.7 KB

38.png

2480 x 299

18.7 KB

39.png

2480 x 340

19.1 KB

40.png

2480 x 542

32.2 KB

41.png

2480 x 316

19.2 KB

42.png

2480 x 1035

63.6 KB

43.png

2480 x 340

18.4 KB

44.png

2480 x 578

32.3 KB

45.png

2480 x 1083

67 KB

46.png

2480 x 593

37.1 KB

47.png

2480 x 931

54.1 KB

48.png

2480 x 613

34 KB

49.png

2480 x 613

34.5 KB

50.png

2480 x 1297

69.5 KB


5.2.

Code Pengujian Sistem Untuk membantu dalam melakukan pengujian precision-recall, maka digunakan sebuah program sederhana sebagai berikut :


5.3.

Hasil Pengujian Sistem Hasil pengujian sistem dijelaskan dengan tahapan sebagai berikut : 5.3.1. Hasil Segmentasi Horizontal Pada proses pertama yaitu segmentasi horizontal didapatkan baris-baris baris (staves) ( partitur. Contoh pada file 17.png

Gambar 5.1. Partitur file 17.png


Hasil proyeksi horizontal gambar adalah sebagai berikut :

Gambar 5.2. Hasil proyeksi horizontal file 17.png

Setelah dilakukan proyeksi horizontal, akan dilakukan segmentasi berdasarkan hasil proyeksi horizontal. Sehingga didapatkan baris-baris baris (staves).

Gambar 5.3. Hasil segmentasi baris I

Gambar 5.4. Hasil segmentasi baris II

Setelah dilakukan proyeksi horizontal, akan dilakukan segmentasi berdasarkan hasil proyeksi horizontal. Sehingga didapatkan baris-baris baris (staves) pada partitur tersebut.


5.3.2. Hasil Segmentasi Vertikal Pada proses kedua yaitu segmentasi vertikal didapatkan bagian-bagian (staves) partitur. Sebagai contoh pada baris II file 17.png pada Gambar 5.4. baris tersebut diproyeksikan secara vertikal setelah sebelumnya dihilangkan garis-garisnya terlebih dahulu, sehingga didapatkan histogram proyeksi vertikal.

Gambar 5.5. Hasil proyeksi vertikal baris I file 17.png Setelah

dilakukan

proyeksi

vertikal,

akan

dilakukan

segmentasi berdasarkan hasil proyeksi vertikal. Sehingga didapatkan bagian-bagian not balok. Karena baris ini merupakan baris terakhir maka akan dikenai proses penghapusan bagian pertama dan 2 bagian terakhir sehingga didapatkan bagian-bagian not balok yang telah dihilangkan beberapa bagian.

…

Gambar 5.6. Beberapa contoh bagian pada baris II file 17.png


5.3.3. Hasil Pengenalan : Proses berikut setelah segmentasi vertikal, adalah proses pengenalan untuk menjadi nada, nilai, dan jenis. Nada, nilai dan jenis akan dikonversikan sesuai dengan format (dijelaskan pada subbab 3.4). Sebagai contoh hasil pengenalan yang dikenali sistem pada file 17.png adalah sebagai berikut : jeda e/0/0.0625 g/0/0.25 g/0/0.25 g/0/0.375 e/0/0.0625 f/0/0.125 g/0/0.0625 f/0/0.0625 e/0/0.125 d/0/0.5 d/0/0.125 d/0/0.0625 d/0/0.0625 e/0/0.125 f/0/0.375 f/0/0.0625 a/0/0.125 a/0/0.0625 g/0/0.0625 f/0/0.125 e/0/0.25 jeda g/0/0.0625 c/1/0.25 g/0/0.25 c/1/0.375 g/0/0.0625 b/0/0.125 b/0/0.0625 a/0/0.0625 b/0/0.125 c/1/0.25 5.3.4. Hasil Pengujian : Hasil pengujian hasil pengenalan sistem dengan jawaban yang dibuat, disajikan dalam tabel dibawah ini untuk masingmasing file. Tabel 5.2. Tabel hasil pengujian semua file pengujian Nama

Jumlah split

Jumlah split

Total jawaban

File

hasil sistem

hasil manual

yang benar

Precision

Recall

01.png

25

25

25

100

100

02.png

42

42

42

100

100


03.png

41

41

41

100

100

04.png

26

26

26

100

100

05.png

26

26

26

100

100

06.png

28

28

28

100

100

07.png

78

78

78

100

100

08.png

28

28

28

100

100

09.png

49

50

50

98

98

10.png

52

52

52

100

100

11.png

50

50

50

100

100

12.png

42

43

43

13.png

35

35

35

14.png

47

53

53

88.67925 88.67925

15.png

31

45

45

68.88889 68.88889

16.png

28

28

28

17.png

20

33

33

18.png

59

59

59

19.png

29

38

38

76.31579 76.31579

20.png

33

35

35

94.28571 94.28571

21.png

23

24

24

95.83333 95.83333

22.png

18

21

21

85.71429 85.71429

23.png

23

29

29

79.31035 79.31035

24.png

19

33

33

57.57576 57.57576

97.67442 97.67442 100

100

100

100

60.60606 60.60606 100

100


25.png

14

16

16

87.5

87.5

26.png

51

55

55

27.png

24

25

25

96

96

28.png

44

50

50

88

88

29.png

42

63

63

30.png

24

25

25

31.png

70

74

74

94.59459 94.59459

32.png

29

33

33

87.87878 87.87878

33.png

29

34

34

85.29411 85.29411

34.png

23

24

24

95.83333 95.83333

35.png

27

27

27

36.png

13

15

15

37.png

14

14

14

38.png

13

18

18

72.22222 72.22222

39.png

12

14

14

85.71429 85.71429

40.png

27

27

27

41.png

13

18

18

72.22222 72.22222

42.png

40

48

48

83.33333 83.33333

43.png

11

11

11

44.png

13

23

23

56.52174 56.52174

45.png

50

59

59

84.74577 84.74577

46.png

28

32

32

92.72727 92.72727

66.66667 66.66667 96

100

96

100

86.66666 86.66666 100

100

100

87.5

100

100

100

87.5


47.png

31

33

33

93.93939 93.93939

48.png

21

22

22

95.45454 95.45454

49.png

23

23

23

100

100

50.png

46

46

46

100

100

Hasil pengujian semua file citra partitur dicari rata-ratanya. Hasil pengujian rata-rata disajikan sebagai berikut.

Tabel 5.3. Rata-rata hasil pengujian

Rata-rata

Precision

Recall

90.233 %

90.233 %

Pada pengujian terdapat beberapa error dalam pengenalan. Error yang terjadi adalah sebagai berikut. Tabel 5.4. Error hasil uji Dikenali File

Bagian ke-

Jawaban sebagai

09.png

29 jeda

c/1/1.0

12.png

22 jeda

e/1/1.0

14.png

1 f/0/0.0625

f/0/0.125

14.png

3 a/0/0.0625

a/0/0.125

14.png

28 d/0/0.0625

d/0/0.125


14.png

30 f/0/0.0625

f/0/0.125

14.png

45 d/0/0.0625

d/0/0.125

14.png

47 f/0/0.0625

f/0/0.125

15.png

3 g/0/0.0625

g/0/0.125

15.png

4 g/0/0.0625

g/0/0.125

15.png

7 e/0/0.0625

e/0/0.125

15.png

9 g/0/0.0625

g/0/0.125

15.png

10 g/0/0.0625

g/0/0.125

15.png

14 g/0/0.0625

g/0/0.125

15.png

20 g/0/0.0625

g/0/0.125

15.png

21 g/0/0.0625

g/0/0.125

15.png

24 d/0/0.0625

d/0/0.125

15.png

27 f/0/0.0625

f/0/0.125

15.png

28 f/0/0.0625

f/0/0.125

15.png

34 f/0/0.0625

f/0/0.125

15.png

35 f/0/0.0625

f/0/0.125

15.png

42 a/0/0.0625

a/0/0.125

17.png

2 e/0/0.0625

e/0/0.125

17.png

6 e/0/0.0625

e/0/0.125

17.png

8 g/0/0.0625

g/0/0.125

17.png

9 f/0/0.0625

f/0/0.125

17.png

13 d/0/0.0625

d/0/0.125


17.png

14 d/0/0.0625

d/0/0.125

17.png

17 f/0/0.0625

f/0/0.125

17.png

19 a/0/0.0625

a/0/0.125

17.png

20 g/0/0.0625

g/0/0.125

17.png

24 g/0/0.0625

g/0/0.125

17.png

28 g/0/0.0625

g/0/0.125

17.png

30 b/0/0.0625

b/0/0.125

17.png

31 a/0/0.0625

a/0/0.125

19.png

2 c/0/0.03125

c/0/0.0625

19.png

4 c/0/0.0625

c/0/0.125

19.png

10 f/0/0.0625

f/0/0.125

19.png

13 e/0/0.0625

e/0/0.125

19.png

16 e/0/0.0625

e/0/0.125

19.png

20 c/0/0.0625

c/0/0.125

19.png

23 c/0/0.0625

c/0/0.125

19.png

29 f/0/0.0625

f/0/0.125

19.png

35 e/0/0.0625

e/0/0.125

20.png

1 g/0/0.0625

g/0/0.125

20.png

11 e/0/0.0625

e/0/0.125

21.png

21 c/0/0.0625

c/0/0.125

22.png

5 g/0/0.0625

g/0/0.125

22.png

16 g/0/0.0625

g/0/0.125


22.png

19 d/0/0.0625

d/0/0.125

23.png

1 g/0/0.0625

g/0/0.125

23.png

12 g/0/0.0625

g/0/0.125

23.png

17 c/0/0.0625

c/0/0.125

23.png

21 d/0/0.0625

d/0/0.125

23.png

26 c/0/0.0625

c/0/0.125

23.png

27 d/0/0.0625

d/0/0.125

24.png

1 c/0/0.0625

c/0/0.125

24.png

3 e/0/0.0625

e/0/0.125

24.png

4 d/0/0.0625

d/0/0.125

24.png

5 c/0/0.0625

c/0/0.125

24.png

6 a/-1/0.0625

a/-1/0.125

24.png

9 g/0/0.0625

g/0/0.125

24.png

13 g/0/0.0625

g/0/0.125

24.png

14 e/0/0.0625

e/0/0.125

24.png

21 e/0/0.0625

e/0/0.125

24.png

23 d/0/0.0625

d/0/0.125

24.png

26 c/0/0.0625

c/0/0.125

24.png

28 e/0/0.0625

e/0/0.125

24.png

30 c/0/0.0625

c/0/0.125

24.png

31 a/-1/0.0625

a/-1/0.125

25.png

5 f/0/0.0625

f/0/0.125


25.png

6 e/0/0.0625

e/0/0.125

26.png

35 g/0/0.0625

g/0/0.125

26.png

41 c/0/0.0625

c/0/0.125

26.png

46 g/0/0.0625

g/0/0.125

26.png

54 d/0/0.0625

d/0/0.125

27.png

1 e/0/0.0625

e/0/0.125

28.png

3 f/0/0.0625

f/0/0.125

28.png

4 g/0/0.0625

g/0/0.125

28.png

15 g/0/0.0625

g/0/0.125

28.png

16 a/0/0.0625

a/0/0.125

28.png

28 f/0/0.0625

f/0/0.125

28.png

29 g/0/0.0625

g/0/0.125

29.png

2 d/0/0.0625

d/0/0.125

29.png

4 c/0/0.0625

c/0/0.125

29.png

10 e/0/0.0625

e/0/0.125

29.png

12 f/0/0.0625

f/0/0.125

29.png

13 e/0/0.0625

e/0/0.125

29.png

18 f/0/0.0625

f/0/0.125

29.png

20 e/0/0.0625

e/0/0.125

29.png

26 g/0/0.0625

g/0/0.125

29.png

28 a/0/0.0625

a/0/0.125

29.png

29 g/0/0.0625

g/0/0.125


29.png

34 c/0/0.0625

c/0/0.125

29.png

35 d/0/0.0625

d/0/0.125

29.png

36 e/0/0.0625

e/0/0.125

29.png

37 f/0/0.0625

f/0/0.125

29.png

42 d/0/0.0625

d/0/0.125

29.png

44 f/0/0.0625

f/0/0.125

29.png

45 g/0/0.0625

g/0/0.125

29.png

50 e/0/0.0625

e/0/0.125

29.png

51 f/0/0.0625

f/0/0.125

29.png

52 g/0/0.0625

g/0/0.125

29.png

53 a/0/0.0625

a/0/0.125

30.png

25 Jeda

c/1/1.0

31.png

5 c/0/0.0625

c/0/0.125

31.png

20 g/0/0.0625

g/0/0.125

31.png

24 a/0/0.0625

a/0/0.125

31.png

35 c/0/0.0625

c/0/0.125

32.png

2 c/0/0.0625

c/0/0.125

32.png

12 g/0/0.0625

g/0/0.125

32.png

15 g/0/0.0625

g/0/0.125

32.png

16 f/0/0.0625

f/0/0.125

33.png

4 e/0/0.0625

e/0/0.125

33.png

6 a/-1/0.0625

a/-1/0.125


33.png

21 f/0/0.0625

f/0/0.125

33.png

31 g/-1/0.0625

g/-1/0.125

33.png

32 a/-1/0.0625

a/-1/0.125

34.png

24 jeda

c/1/1.0

36.png

5 a/0/0.0625

a/0/0.125

36.png

7 a/0/0.0625

a/0/0.125

38.png

8 b/0/0.0625

b/0/0.125

38.png

11 g/0/0.0625

g/0/0.125

38.png

12 g/0/0.0625

g/0/0.125

38.png

15 f/0/0.0625

f/0/0.125

38.png

16 e/0/0.0625

e/0/0.125

39.png

5 e/0/0.0625

e/0/0.125

39.png

7 e/0/0.0625

e/0/0.125

41.png

4 e/0/0.0625

e/0/0.125

41.png

13 a/0/0.0625

a/0/0.125

41.png

14 g/0/0.0625

g/0/0.125

41.png

15 f/0/0.0625

f/0/0.125

41.png

16 e/0/0.0625

e/0/0.125

42.png

2 d/0/0.0625

d/0/0.125

42.png

8 a/0/0.0625

a/0/0.125

42.png

14 g/0/0.0625

g/0/0.125

42.png

20 d/0/0.0625

d/0/0.125


42.png

26 d/0/0.0625

d/0/0.125

42.png

32 a/0/0.0625

a/0/0.125

42.png

38 g/0/0.0625

g/0/0.125

42.png

44 d/0/0.0625

d/0/0.125

44.png

1 c/0/0.0625

c/0/0.125

44.png

2 c/0/0.0625

c/0/0.125

44.png

3 c/0/0.0625

c/0/0.125

44.png

9 c/0/0.0625

c/0/0.125

44.png

10 d/0/0.0625

d/0/0.125

44.png

14 e/0/0.0625

e/0/0.125

44.png

15 e/0/0.0625

e/0/0.125

44.png

19 d/0/0.0625

d/0/0.125

44.png

20 d/0/0.0625

d/0/0.125

44.png

21 e/0/0.0625

e/0/0.125

45.png

6 g/0/0.0625

g/0/0.125

45.png

10 f/0/0.0625

f/0/0.125

45.png

14 g/0/0.0625

g/0/0.125

45.png

22 g/0/0.0625

g/0/0.125

45.png

33 g/0/0.0625

g/0/0.125

45.png

37 f/0/0.0625

f/0/0.125

45.png

41 d/0/0.0625

d/0/0.125

45.png

45 f/0/0.0625

f/0/0.125


5.4.

45.png

49 g/0/0.0625

g/0/0.125

46.png

16 a/0/0.0625

a/0/0.125

46.png

17 g/0/0.0625

g/0/0.125

46.png

22 a/0/0.0625

a/0/0.125

46.png

23 g/0/0.0625

g/0/0.125

47.png

6 c/0/0.0625

c/0/0.125

47.png

16 d/0/0.0625

d/0/0.125

48.png

17 f/0/0.0625

f/0/0.125

Analisis Hasil Kalau dilihat dari hasil rata-rata persentase precision dan recall masing-masing adalah 90.233 % dan 90.233 %. Persentase yang dihasilkan cukup besar dikarenakan data yang digunakan merupakan data yang dibuat dengan menggunakan Encore, sehingga data input masih dalam kondisi yang baik, jumlah pixel sebuah garis tetap 1 pixel hitam. Data pixel yang kondisinya baik membantu dalam proses pemotongan sehingga dapat memotong sesuai dengan bagian not, dan juga membantu dalam proses pencarian sebuah garis lurus yang akan dikenali sebagai tangkai not. Hasil pada tabel 5.2. dapat dilihat bahwa nilai presentase max adalah 100% dan nilai presentase min adalah 56.53174%. Jarak antara 100 sampai 56.53 bukan jarak yang kecil, dan ini menunjukan bahwa ada


faktor-faktor faktor yang membuat jarak yang cukup besar. Salah 1 file yang menghasilkan 100% adalah 01.png, sedangkan file yang menghasilkan hasil 56.53% adalah 44.png.

Gambar 5.7. Partitur 01.png

Gambar 5.8. Partitur 44.png Sebagian besar nada not balok pada partitur 01.png adalah not balok tidak berbendera, sedangkan pada partitur 44.png sebagian besar adalah not balok berbendera, ini merupakan penyebab besarnya jarak antar persentase max dan min. Hal ini juga dapat dapat dilihat pada tabel 5.4. bahwa error banyak disebabkan oleh yang seharusnya bernilai 0.125 atau memiliki 1 bendera, dibaca bernilai 0.0625 atau memiliki 2 bendera. Banyaknya nada yang bernilai 0.125 dibaca sebagai 0.0625 dapat dilihat pada gambar berikut. berik


Gambar 5.9. Nada ada pertama pada nada pada partitur 44.png Pada tanda merah yang ditunjuk oleh anak panah ternyata terdapat kumpulan pixel selain bendera pada bagian deretan pixel yang dicek untuk mencari bendera. Sehingga pada penelusuran pixel pada kolom kolom yang diidentifikasi sebagai tempat bendera ditemukan 2 kumpulan pixel. Sehingga sistem membaca sebagai 2 bendera. Dari hasil pengenalan dapat dikatakan jumlah nada dan tanda istirahat yang ditemukan oleh sistem dengan jawaban adalah sama. Hal ini dapatt dilihat pada tabel 5.2. total hasil sistem dengan jawaban untuk semua partitur semua sama. Hal ini disebabkan data yang cukup baik dihasilkan dengan menggunakan Encore, sehingga hasil segmentasi dan pengenalan objek bagian not balok menjadi sangat baik.


Bab VI Kesimpulan dan Saran

6.1.

Kesimpulan Dari hasil penelitian ini, dengan menggunakan metode proyeksi untuk melakukan segmentasi, dan operasi konvolusi dan penelusuran pixel, maka dapat ditarik kesimpulan sebagai berikut : 1. Penelitian ini menghasilkan presentase keberhasilan dalam membaca partitur not balok adalah sebesar 90.23 %. Dengan presentase maximum sebesar 100% dan presentase minimum adalah 56.53%. Rata-rata prosentase cukup besar, sehingga cara kerja yang dirancang dapat dinyatakan cukup baik. 2. Penelitian ini memberikan gambaran cara kerja dalam membaca paritur not balok untuk dikonversi menjadi suara, cara kerja yang ditawarkan adalah sebagai berikut. a. Pertama lakukan segmentasi dengan proyeksi vertikalhorizontal untuk mendapatkan bagian-bagian (nada, garis birama, dll). b. Untuk mengenali bagian-bagian tersebut dilakukan proses pendeteksian garis lurus dengan menggunakan operasi konvolusi. c. Untuk menentukan nada dilakukan penelusuran titik pada garis lurus yang berhasil dideteksi

85


d. Penentuan nilai yang juga melakukan penelusuran titik pada +1 maupun -1 dari posisi garis lurus tersebut untuk mendapatkan

kelompok-kelompok

pixel

yang

akan

dihitung berapa nilainya. Untuk keterangan secara menyeluruh dapat dilihat pada bab 3.

6.2.

Saran Saran yang diberikan untuk penelitian lebih lanjut atau penelitian berikutnya dalam mengenali not balok adalah sebagai berikut : 1. Metode preprocessing yang digunakan untuk membuat data scan partitur menjadi sesuai dengan yang dikeluarkan oleh Encore. Hal ini agar siapa pun yang memiliki gambar partitur berupa digital maupun cetak. 2. Karena

dalam menghitung bendera kurang tepat dengan

menggunakan penyusuran pixel, diperlukan metode lain untuk menghitung jumlah bendera. 3. Menentukan acord dengan menggunakan pengenalan pola, sesuai dengan nada yang dihasilkan. 4. Metode yang dapat membaca nilai tanda diam, metode yang dapat menentukan tanda-tanda baca seperti kres dan mol 5. Metode yang dapat membedakan kunci yang digunakan pada not balok tersebut.


DAFTAR PUSTAKA

Angela, Maria. 2006. Identification of Musical Notes in Sheet Music Images Using Colors. ICS 2006 University of the Philippines Los Ba nos.

Burger, Wilhelm & Burge, Mark J.. 2008. Digital Image Processing an Algorithmic Introduction Using Java. New-York : Springer-Verlag.

Guyon, Isabelle, Gunn, Steve & Nikravesh, Massoud & Zadeh, Lotfi A.. 2006. Feature Extraction Foundation and Application. Heidelberg : SpringerVerlag.

Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta : ANDI.

Soriano. 2010. Playing Notes by Image Processing.

Sukohardi, Al.. 2009. TEORI MUSIK UMUM. Yogyakarta : PUSAT MUSIK LITURGI.

Theodoridis, Sergios & Koutroumbas, Konstantinos. (2009). Pattern Recognition 4th Edition. Oxford : Elsevier Inc.


LAMPIRAN

Dengan inii saya lampirkan contoh gambar partitur yang digunakan dalam penelitian kali ini yaitu gambar dengan nama file “01.png”. “01.png”. Untuk partitur yang lainnya disertakan dalam CD pada folder “Partitur”, demikian pula dengan jawabannya pada folder “Jawaban Partitur”.

SEGMENTASI DAN PENGENALAN CITRA NOT BALOK

Recommend Documents