simulasi komputer digital graphic equalizer tugas … · audio , video, sistem kontrol dan...

i

SIMULASI KOMPUTER DIGITAL GRAPHIC EQUALIZER

TUGAS AKHIR

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Elektro

Oleh :

T. TIRTA SARI

NIM: 065114010

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2010

ii

COMPUTER SIMULATION DIGITAL GRAPHIC EQUALIZER

FINAL PROJECT

Presented as Partial Fulfillment of the Requirements

To Obtain the Sarjana Teknik Degree

In Electrical Engineering Study Program

T.TIRTA SARI

NIM: 065114010

ELECTRICAL ENGINEERING STUDY PROGRAM

SCIENCE AND TECHNOLOGY FACULTY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2010

vi

HALAMAN PERSEMBAHAN DAN MOTTO

“Anda takkan tahu apa yang tak dapat Anda lakukan, sampai Anda

mencobanya”

“Hati yang penuh syukur, bukan saja merupakan kebajikan yang

terbesar, melainkan merupakan pula induk segala kebajikan yang lain.

GBU”

Kupersembahkan karya tulis ini kepada :Kupersembahkan karya tulis ini kepada :Kupersembahkan karya tulis ini kepada :Kupersembahkan karya tulis ini kepada :

Tuhan Yesus KristusTuhan Yesus KristusTuhan Yesus KristusTuhan Yesus Kristus terkasihterkasihterkasihterkasih,,,, BapakBapakBapakBapak dan Ibu Tercintadan Ibu Tercintadan Ibu Tercintadan Ibu Tercinta,,,,

AbangkuAbangkuAbangkuAbangku Leo SamodLeo SamodLeo SamodLeo Samodrararara, S.Farm., Apt., S.Farm., Apt., S.Farm., Apt., S.Farm., Apt. Keluarga besarku tercintaKeluarga besarku tercintaKeluarga besarku tercintaKeluarga besarku tercinta,,,,

Almamaterku Teknik ElektroAlmamaterku Teknik ElektroAlmamaterku Teknik ElektroAlmamaterku Teknik Elektro USDUSDUSDUSD

viii

INTISARI

Perkembangan teknologi telah memenuhi kegiatan dalam kehidupan, diantaranya audio, video, sistem kontrol dan sebagainya. Aplikasi software dan hardware dari perkembangan ini dapat dikembangkan untuk mempermudah dalam pemahaman mahasiswa mempelajari filter digital dengan membuat software audio digital graphic equalizer. Tugas akhir ini berisi program simulasi komputer digital graphic equalizer.

Program simulasi akan mensimulasikan tahap-tahap pembagian filter menjadi lima band, berdasarkan spesifikasi masing – masing filter. Kemudian program akan memproses sinyal suara yang diproses secara filtering. Program simulasi ini akan menampilkan lima buah band pass filter (BPF) dan program akan menghitung koefisien filter dari pemberian sinyal masukan. Perhitungan koefisien FIR filter pada program simulasi ini menggunakan metode Optimal. Koefisien filter antara masing-masing band dapat diubah-ubah sesuai keinginan pengguna.

Program simulasi komputer digital graphic equalizer memiliki kesalahan pemrograman pada proses filtering, sehingga keluarannya tidak sesuai dengan tujuan simulasi. Dengan demikian, tidak dapat dilakukan pengujian lebih lanjut untuk mengamati kinerja digital graphic equalizer. Kata kunci : filter digital, FIR filter, BPF

ix

ABSTRACT

The technology development is ready to fulfill in life activity, among other things are

audio, video, control system, etc. Software and hardware application can be developed to help student to have better understanding on digital filter field with digital graphic equalizer. This final project consists of computer simulation program of digital graphic equalizer.

Simulation program will be simulated step by step with five band filter based on each filter specification. Then, program will process audio signal with filtering process. Simulation program will show with five band pass filter (BPF) and calculate filter coefficient from the input signal. FIR filter coefficient will be calculated to simulate program using optimal method. Each filter coefficient band can be changed according to user setting

Simulation program for computer digital graphic equalizer has programming error at the filtering process, so that the output is not match with the simulation goals. Therefore, further testing can not be done to observe the digital graphic equalizer performance. Keyword: digital filter, FIR filter, BPF, transversal structure

x

KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan yang Maha Esa, karena atas

Anugerah-Nya penulis akhirnya dapat menyelesaikan tugas akhir ini dengan baik

dan lancar.

Dalam proses penulisan tugas akhir ini penulis menyadari bahwa ada begitu

banyak pihak yang telah memberikan perhatian dan bantuan dengan caranya

masing-masing sehingga tugas akhir ini dapat terselesaikan. Oleh karena itu

penulis ingin mengucapkan terima kasih antara lain kepada :

1. Tuhan Yesus atas penyertaan dan bimbingannya.

2. Bapak Yosef Agung Cahyanta, S.T., M.T., selaku Dekan Fakultas Teknik.

3. Bapak Damar Wijaya, S.T., M.T., selaku pembimbing atas bimbingan,

dukungan, saran dan kesabaran bagi penulis dari awal sampai tugas akhir ini

bisa selesai.

4. Bapak A. Bayu Primawan, S.T., M.Eng., dan Dr. Linggo Sumarno., selaku

penguji yang telah bersedia memberikan kritik dan saran.

5. Seluruh dosen teknik elektro atas ilmu yang telah diberikan selama penulis

menimba ilmu di Universitas Sanata Dharma.

6. Bapak dan Mama tercinta atas semangat, doa serta dukungan secara moril

maupun materiil.

7. Abangku, Leo Samodra, S.Farm., Apt. atas dukungan dan doa yang sangat

berguna.

8. Dan seluruh pihak yang telah ambil bagian dalam proses penulisan tugas akhir

ini yang terlalu banyak jika disebutkan satu-persatu.

xii

DAFTAR ISI

Halaman

JUDUL .........................................................................................................................i

HALAMAN PERSETUJUAN ...........................................................................................iii

HALAMAN PENGESAHAN ...................................................................................iv

HALAMAN PERNYATAAN KEASLIAN KARYA ................................................v

HALAMAN PERSEMBAHAN DAN MOTTO ...............................................vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS ..............................................vii

INTISARI .....................................................................................................................viii

ABSTRACT .......................................................................................................................ix

KATA PENGANTAR ................................................................................................x

DAFTAR ISI ..............................................................................................xii

DAFTAR GAMBAR ..............................................................................................xv

DAFTAR TABEL ............................................................................................xvii

DAFTAR CONTOH ...........................................................................................xviii

BAB I. PENDAHULUAN ....................................................................................1

1.1. Latar Belakang Masalah ........................................................................1

1.2. Tujuan dan Manfaat Penelitian …………………………………….2

1.3. Batasan Masalah …………………………………………………….2

1.4. Metodologi Penelitian …………………………………………….3

1.5. Sistematika Penulisan …………………………………………….4

BAB II. DASAR TEORI ……………………………………… …………….5

2.1. Filter …………………………………………………….5

2.1.1. Filter Analog …………………………………………….5

2.1.2. Filter Digital …………………………………………….5

2.2. Finite Impulse Response ........................................................................7

2.2.1. Spesifikasi FIR Filter ............................................................7

2.3. Metode Optimal ....................................................................................9

2.3.1. Konsep Dasar ..........................................................10

xiii

2.3.2. Parameter Wajib yang Digunakan dalam Program

Optimal.................................................................................11

2.3.3. Hubungan Panjang Filter, N ..................................12

2.4. Transformasi Fourier................................................................................15

2.4.1. Fourier Transform ..........................................................15

2.4.2. Discrete Fourier Transform (DFT) ..................................16

2.4.3. Fast Fourier Transform (FFT) ..................................17

BAB III. PERANCANGAN PROGRAM SIMULASI UNTUK DIGITAL GRAPHIC

EQUALIZER ..............................................................................................19

3.1. Layout Program ..................................................................................19

3.2. Algoritma Program Utama ......................................................................23

3.3. Diagram Alir Utama Program Simulasi untuk Digital Graphic

Equalizer...................................................................................................24

3.4. Proses Pemberian Input ......................................................................24

3.4.1. Subrutin Proses Pemberian Input dari Dalam dan

Pengambilan Sample Sinyal Audio ..................................25

3.4.2. Subrutin Proses Pemberian Input dari Luar dan Pengambilan

Sample Sinyal Audio ......................................................... 28

3.5. Proses Pembagian Filter menjadi Lima band dan Menghitung Koefisien

Masing-masing Filter ......................................................................28

3.5.1. Proses Menghitung Koefisien dari Lima Filter ..........32

3.6. Proses Verifikasi Hasil ......................................................................34

BAB IV. HASIL DAN PEMBAHASAN ..........................................................36

4.1 Tampilan Program …………………………………...………………...36

4.2.Kinerja Digital Graphic Equalizer ……………………………………..42

4.2.1.Proses Pemberian Sinyal Masukan dari Dalam …………......42

4.2.1.1.Proses Filtering dan Filter Output Sinyal Suara

dengan Band Sama …………………...42


dengan Band yang Berbeda ……..48

4.2.2. Proses Pemberian Sinyal Masukan dari Luar

(Direkam)………………………………………………….53

xiv


dengan Band Sama ………………...…...53


dengan Band yang Berbeda ………...…...59

4.3.Karakteristik Band Pass Filter …………………………………......63

BAB V. PENUTUP ..............................................................................................65

5.1.Kesimpulan ..............................................................................................65

5.2.Saran ..............................................................................................65

DAFTAR PUSTAKA

LAMPIRAN

xv

DAFTAR GAMBAR

Halaman

Gambar 1.1. Algoritma Perancangan....................................................................4

Gambar 2.1. Filter digital dengan sinyal input dan output [2].............................6

Gambar 2.2. Spesifikasi tanggapan frekuensi untuk Low Pass Filter dengan

ripple yang seragam pada passband dan stopband [1]....................8

Gambar 2.3. Spesifikasi tanggapan frekuensi untuk Low Pass Filter (LPF)

dengan ripple yang tidak seragam pada passband dan stopband

[7]....…….........................................................................................9

Gambar 2.4. Filter window [1]…………….....…………………………….......10

Gambar 2.5. Filter optimal [1] ………………….…………………….......…...11

Gambar 2.6. Tanggapan Frekuensi Filter [1].....................……..………..........14

Gambar 2.7. Diagram Alir Sederhana dari Metode Optimal [1] ..........….........15

Gambar 3.1. Layout Program..............................................................................22

Gambar 3.2. Algoritma Diagram Alir Utama Program Simulasi Digital Graphic

Equalizer.....................................................................................…26

Gambar 3.3. Diagram Alir Proses Pemberian Input dari Dalam dan dari

Luar................................................................................................27

Gambar 3.4. Diagram Alir Proses Pemberian Input dari Dalam........................27

Gambar 3.5. Diagram Alir Proses Pemberian Input dari Luar............................29

Gambar 3.6. Diagram Alir Menampilkan Filter menjadi Lima Band.…….......30

Gambar 3.7. Diagram Alir Proses Pembagian Filter menjadi Lima Band.........31

Gambar 3.8. Diagram Alir Proses Perhitungan Koefisien Filter dengan

Menggunakan Metode Optimal untuk Band PassFilter ...............33

Gambar 3.9. Diagram Alir Proses Verifikasi Hasil Output.................................35

Gambar 4.1. Tampilan Halaman Pembuka Program..........………………........36

Gambar 4.2. Tampilan Program Utama..............................................................37

Gambar 4.3. Tampilan Submenu Optimal Methode...........................................38

Gambar 4.4. Tampilan Submenu Digital Graphic Equalizer Program..............39

Gambar 4.5. Tampilan Submenu Credit.............................................................40

xvi

Gambar 4.6. Pesan Kesalahan Data Masukan Belum Diberikan........................40

Gambar 4.7. Tampilan File.................................................................................40

Gambar 4.8. Pesan Kesalahan Jumlah Data Masukan Lebih Besar dari Nilai

Sesungguhnya.................................................................................41

Gambar 4.9. Messaga Box Close Aplication.......................................................41

Gambar 4.10. Tampilan Digital Graphic Equalizer dengan Band yang Sama1 ..44

Gambar 4.11. Tampilan Sinyal Suara Masukan....................................................44

Gambar 4.12. Tampilan Spektrum Sinyal Suara Masukan...................................45

Gambar 4.13. Tampilan Kurva Tanggapan Frekuensi dengan Band Sama 1.......46

Gambar 4.14. Tampilan Kurva Sinyal Suara Keluaran Setelah Proses

Filtering..........................................................................................46

Gambar 4.15. Tampilan Spektrum Sinyal Suara Keluaran Setelah Proses

Filtering..........................................................................................47

Gambar 4.16. Tampilan Digital Graphic Equalizer dengan Band Berbeda 2......49

Gambar 4.17. Tampilan Kurva Tanggapan Frekuensi dengan Band Berbeda 1...50

Gambar 4.18. Tampilan Kurva Sinyal Keluaran Suara dengan Band Berbeda.....51

Gambar 4.19. Tampilan Spektrum Sinyal Keluaran Suara dengan Band

Berbeda...........................................................................................51

Gambar 4.20. Tampilan Digital Graphic Equalizer dengan Band Sama 3..........54

Gambar 4.21. Tampilan Sinyal Suara Masukan yang Direkam............................55

Gambar 4.22. Tampilan Spektrum Sinyal Suara Masukan yang Direkam...........55

Gambar 4.23. Tampilan Kurva Tanggapan Frekuensi Band Sama 2....................56

Gambar 4.24. Tampilan Kurva Sinyal Keluaran Suara Rekaman 1......................57

Gambar 4.25. Tampilan Spektrum Sinyal Keluaran Suara Rekaman 1................57

Gambar 4.26. Tampilan Digital Graphic Equalizer dengan Band Berbeda 4......60

Gambar 4.27. Tampilan Kurva Tanggapan Frekuensi Band Berbeda 2................61

Gambar 4.28. Tampilan Kurva Sinyal Keluaran Suara Rekaman 2.....................62

Gambar 4.29. Tampilan Spektrum Sinyal Suara Keluaran Rekaman 2................62

Gambar 4.30. Tampilan Kurva untuk Band 1......................................................64

xvii

DAFTAR TABEL

Halaman

Tabel 4.1 Spesifikasi yang diharapkan pada Simulasi Program 1...............................43

Tabel 4.2 Hasil Proses Filtering 1................................................................................45

Tabel 4.3 Hasil Proses Filter Output 1.........................................................................46

Tabel 4.4 Spesifikasi yang diharapkan pada Simulasi Program 2................................48

Tabel 4.6 Hasil Proses Filtering 2................................................................................50

Tabel 4.7 Spesifikasi yang diharapkan pada Simulasi Program 3................................53

Tabel 4.8 Hasil Proses Filtering 3...............................................................................56

Tabel 4.9 Hasil Proses Filter Output 3……………………………………………….57

Tabel 4.10 Spesifikasi yang diharapkan pada Simulasi Program 4...............................59

Tabel 4.11 Hasil Proses Filtering 4...............................................................................60

Tabel 4.12 Hasil Proses Filter Output 4………………………………………………61

xviii

DAFTAR CONTOH

Halaman

Contoh 2.1 Metode optimal............................................…..…………..……………13

1

BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Perkembangan dibidang elektronika telah menghasilkan penemuan-penemuan baru.

Aplikasi software dan hardware dari perkembangan ini telah memenuhi kegitan

kehidupan, diantaranya dalam audio, video, sistem kontrol dan sebagainya. Semua

kegiatan tersebut tidak dapat dipisahkan dengan masalah pengolahan sinyal. Jika masalah

sinyal dikaitkan dengan sistem yang ada, maka pengolahan sinyal bertugas untuk

menerima masukan yang ada dan selanjutnya mengolah atau memproses kemudian

mengeluarkan hasilnya.

Berdasarkan hal tersebut, sinyal audio dari equalization merupakan syarat

fungsional yang penting terhadap penggabungan nada-nada yang banyak digunakan

didalam aplikasi audio professional dan semi-professianal, contohnya di studio rekaman,

sound reinforcement in public address systems, dan broadcasting [1]. Sebuah audio

equalizer pada dasarnya merupakan sekumpulan filter dengan tanggapan frekuensi yang

dapat disesuaikan dengan keinginan pengguna.

Kerumitan dalam mempelajari filter digital sebenarnya telah diatasi dengan

pembuatan software simulasi yang berjudul Program Simulasi untuk Realisasi Struktur

Tapis FIR. Software sebelumnya menghasilkan proses filter dengan berbagai metode, yaitu

metode windowing, metode optimal, dan frequency sampling, tetapi hanya menghasilkan

satu buah filter dengan satu band, dan tidak untuk pengolahan audio. Oleh karena itu,

dibutuhkan visualisasi Digital Graphic Equalizer ini, untuk pengolahan audio dengan lima

band yang berbeda-beda serta membedakan karakteristik dari lima buah filter. Sehingga

pengguna dapat melihat dan mengetahui perbedaan dari masing-masing karakteristik filter

yang ditampilkan. Data input berupa audio yang disimpan dalam file dengan ekstensi

*.wav, dan data input audio dapat juga dari merekam (record) dengan menggunakan

microphone data input tersebut juga akan disimpan dalam file yang berekstensi *.wav.

Tampilan yang menarik dibutuhkan oleh audio software agar diminati banyak

orang. PC digunakan sebagai unit penampil dari hasil pengolahan sinyal audio. Biasanya

2

proses pengolahan dilakukan dengan software yang mempunyai Digital Graphic

Equalizer.

Software tersebut dapat dimanfaatkan sebagai media pembelajaran bagi mahasiswa

yang mengambil mata kuliah Digital Signal Processing (DSP), terutama tentang filter

digital. Untuk membantu pemahaman ini, penulis akan membuat Software Digital Graphic

Equalizer dan menambah penampil dengan karakteristik filter untuk masing – masing

Digital Graphic Equalizer.

1.2. Tujuan dan Manfaat Penelitian

Tujuan yang akan dicapai dari pembuatan software ini adalah menghasilkan

simulasi komputer digital graphic equalizer.

Manfaat yang diperoleh dari penelitian ini adalah:

1. Untuk mempermudah dosen dalam menjelaskan aplikasi filter digital dalam

pengolahan audio berdasarkan pembagian lima band pada mata kuliah DSP.

2. Untuk membantu mahasiswa dalam mempelajari mata kuliah DSP, khususnya

mengenai materi Finite Impulse Respose (FIR) filter dengan menggunakan

metode optimal.

3. Sebagai rujukan untuk pengembangan penelitian lanjutan.

1.3. Batasan Masalah

Pada penelitian ini, dilakukan batasan-batasan terhadap sistem yang akan diteliti.

Batasan yang dilakukan antara lain :

1. Program yang dipakai menggunakan MATLAB.

2. Data input merupakan file yang berekstensi *.wav.

3. Menggunakan Finite Impulse Response (FIR) filter dalam pengolahan dan pemisahan

sinyal suara, dengan metode optimal.

4. Menggunakan lima band dalam pemisahan sinyal suara yang masuk. Untuk band 1

berada pada 500-4500 Hz, band 2 terletak pada 4500-8500 Hz, band 3 terletak pada

8500-12500 Hz, band 4 terletak pada 12500-16500 Hz, dan band 5 terletak pada

16500-20500 Hz.

5. Menampilkan kontrol dan spektrum dalam grafik frekuensi.

3

6. Sinyal masukan dapat direkam oleh pengguna.

1.4. Metodologi Penelitian

Metodologi yang dilakukan pada penelitian ini adalah sebagai berikut:

1. Studi pustaka, yaitu dengan mengumpulkan dan mempelajari berbagai informasi, baik

dari buku, makalah maupun internet mengenai hal-hal yang berkaitan dengan

pemrograman MATLAB dan tampilannya dengan program MATLAB GUI sehingga

informasi yang diperoleh dapat digunakan sebagai referensi pendukung dalam

penyusunan laporan.

2. Merancang software dengan membuat algoritma, flowcart, dan implementasi. Gambar

1.1 menunjukkan algoritma perancangan program.

3. Merancang dan menuliskan program menggunakan MATLAB. Program yang akan

dibuat dengan cara mensimulasikan progam pada MATLAB, menggunakan program

yang terdapat pada PC.

4. Menetapkan variabel-variabel penelitian. Variabel-variabel yang digunakan dalam

program yang akan dibuat yaitu jumlah data dan amplitudo untuk masing-masing

band, variabel-variabel ini dapat diubah-ubah oleh pengguna.

5. Melakukan pengujian terhadap program yang dirancang. Hasil output yang telah

diperoleh yaitu lima filter yang telah dibagi-bagi berdasarkan pembagian band, akan di

mix lagi kemudian dilihat hasilnya apakah sama seperti output yang diawal atau

berbeda. Apabila hasilnya berbeda maka output filter salah dan program akan meminta

ulang input yang baru.

6. Teknik pengunpulan dan analisis data, yaitu dengan mengambil data dan menganalisis

data hasil pengujian dengan teori yang ada. Data yang diambil merupakan contoh

audio yang telah tersimpan pada file atau pun yang telah direkam. Setelah data diambil

lalu diproses menggunakan program MATLAB yang sesuai dengan teori yang akan

diterapkan dalam penelitian ini .

7. Melakukan penafsiran dan penyimpulan data terhadap pengujian yang telah dilakukan

pada hasil penelitian, yaitu merupakan kekurangan dan kelebihan dari hasil pengujian

simulasi software yang telah dilakukan.

4

1.5 Sistematika Penulisan

Sistematika penulisan pada penulisan tugas akhir ini adalah sebagai berikut :

BAB I : Berisi latar belakang masalah, tujuan dan manfaat penelitian, batasan

masalah, metodologi penelitian dan sistematika penulisan tugas akhir.

BAB II : Berisi teori-teori yang mendasari penulisan tugas akhir ini.

BAB III : Berisi penjelasan tentang konsep dan langkah-langkah perancangan

program simulasi digital graphic equalizer.

BAB IV : Berisi hasil simulasi dan pembahasan dari program simulasi untuk

digital graphic equalizer.

BAB V : Berisi kesimpulan dari hasil penelitian dan saran yang mungkin

berguna untuk pengembangan program lebih lanjut.

Gambar 1.1. Algoritma Perancangan

Sinyal input berupa sinyal audio

Filter 1

Filter 2

Filter 3

Filter 4

Filter 5

MIX

Output

Sample Circuit

5

BAB II

DASAR TEORI

Bab ini membahas tentang Finite Impulse Response (FIR) filter yang menggunakan

metode optimal, dan transformasi fourier.

2.1. Filter

Filter merupakan sebuah rangkaian yang dirancang agar mengalirkan suatu

frekuensi tertentu berdasarkan dengan band tertentu dan menghilangkan frekuensi yang

berbeda dengan band tersebut, atau filter juga dapat diartikan sebagai rangkaian yang

dapat memilih frekuensi agar dapat mengalirkan frekuensi yang diinginkan dan menahan

(couple), atau membuang (by pass) frekuensi yang lain [2]. Ada dua macam filter yang

sering digunakan, yaitu filter analog dan filter digital. Kedua sistem pada filter ini

memiliki fungsi secara umum yang sama, yang berbeda hanya terletak pada metode kerja,

dan efektivitas kerja masing – masing filter untuk mengatasi input.

2.1.1. Filter Analog

Filter analog dapat didefinisikan sebagai sebuah alat atau rangkaian atau substansi

yang meneruskan atau meloloskan arus listrik pada frekuensi-frekuensi atau jangkauan

frekuensi tertentu serta menahan atau menghalangi frekuensi-frekuensi lainnya [3].

2.1.2. Filter Digital

Filter digital adalah sistem secara selektif mengubah bentuk gelombang

karakteristik amplitudo-frekuensi dan atau karakteristik fasa-frekuensi dari suatu sinyal [1].

Filter digital sangat penting dalam Digital Signal Processing (DSP). Dibandingkan dengan

filter analog, filter digital lebih banyak digunakan dalam aplikasi, contohnya data

compression, biomedical signal processing, speech processing, image processing, data

tranmission, digital audio, dan telephone echo cancellation. Hal ini disebabkan:

1. Filter digital mempunyai karakteristik yang tidak dimiliki oleh filter analog seperti

tanggapan fase yang benar – benar linear.

6

2. Tidak seperti filter analog, kinerja filter digital tidak mengikuti perubahan terhadap

kondisi sekitar, seperti terhadap perubahan suhu. Sehingga tidak perlu dilakukan

kalibrasi.

3. Tanggapan frekuensi filter digital dapat diubah-ubah secara otomatis jika

diimplementasikan menggunakan proses terprogram.

4. Pada filter digital, tanggapan frekuensi secara otomatis dapat menyesuaikan

perubahan yang terjadi.

5. Pada filter digital data yang melalui proses filtering dan yang tidak melalui proses

filtering dapat disimpan untuk penggunaan selanjutnya.

6. Dalam penggunaannya, filter digital hanya dibatasi oleh panjang koefisien yang

digunakan.

7. Sistem kerja pada filter digital dapat diulang dari unit ke unit.

Filter digital dengan sinyal input dan output ditunjukkan pada Gambar 2.1.

x(n) y(n)

(Input sequence) Filter Digital (Output sequence)

Gambar 2.1. Filter Digital dengan Sinyal Input dan Output [2]

Menurut jumlah koefisiennya, filter dibagi menjadi dua kelompok besar, yaitu

Infinite Impulse Response (IIR) dan Finite Impulse Response (FIR). Persamaan umum

fungsi filter ditunjukkan oleh persamaan (2.1) untuk IIR dan persamaan (2.2) untuk FIR.

y hkxn k∞

y hkxn k

Dalam prakteknya, perhitungan untuk IIR tidak dapat diselesaikan karena memiliki

jumlah panjang filter yang tidak terhingga [4]. Tugas akhir ini hanya akan membahas

mengenai filter FIR. Beberapa metode perhitungan FIR yang sering digunakan antara lain

H(k),k = 0,1,... (Impulse response)

(2.1)

(2.2)

7

window, metode optimal, dan frequency sampling. Metode perhitungan filter FIR yang

digunakan pada perancangan adalah metode optimal.

2.2. Finite Impulse Response

Finite Impulse Response (FIR) memiliki berbagai kelebihan yang membuatnya

sangat berguna untuk bermacam-macam aplikasi dalam pemrosesan sinyal digital [5].

Beberapa kelebihan filter FIR adalah [6]

1. Tanggapan fase linear yang disebabkan tanggapan impuls FIR filter yang simetri.

2. Selalu lebih stabil karena semua pole berada pada origin (titik asal).

3. Dapat direalisasikan dalam bentuk piranti keras.

Struktur filter FIR juga sederhana dan mudah untuk diimplementasikan.

Kekurangan pada filter FIR adalah kebutuhan perkalian yang banyak untuk tanggapan

frekuensi yang diberikan, sehingga memberikan tunda proses yang lama bagi input untuk

mencapai output.

Karakteristik filter FIR adalah [1]:

1) Dasar filter FIR merupakan karakteristik dengan dua persamaan:

y hkxn k

Hz hkz

2) Filter FIR dapat mempunyai tanggapan fase yang benar-benar linear.

3) Filter FIR dalam pelaksanaannya sangat sederhana. Semua processors DSP memiliki

arsitektur yang disesuaikan untuk filtering FIR.

2.2.1. Spesifikasi FIR Filter

Gambar 2.2 menunjukkan spesifikasi dari tanggapan frekuensi low pass filter [1].

Berdasarkan Gambar 2.2, parameter yang terdapat didalamnya meliputi pδ (passband

(2.3)

(2.4)

ripple), sδ (stopband attenuation),

frequency), dan sF (sampling frequency)

pδ dan sδ dinyatakan

Perbedaan antara pf dan

adalah panjang filter (filter

Parameter – parameter tersebut juga digunakan pada

Pass Filter (BPF).

Gambar 2.3 memperlihatkan spesifikasi tanggapan frekuensi

dengan ripple yang tidak seragam pada

untuk merancang filter dengan metode

yang diperlukan adalah

frequency), sf (stopband edge frequency),

adalah frekuensi saat daya

passband yaitu pada minus tiga (

berkurang tujuh puluh tujuh

Jarak diantara cf dan sf disebut

Gambar 2.2 Spesifikasi tanggapan frekuensi untuk yang seragam pada

(stopband attenuation), pf (passband edge frequency), f

sampling frequency).

dinyatakan dalam desibel seperti yang ditunjukkan pada Gambar 2.2

sf disebut filter transition width. Parameter penting yang lain

filter length), N, yang menunjukkan jumlah dari

parameter tersebut juga digunakan pada High Pass Filter

Gambar 2.3 memperlihatkan spesifikasi tanggapan frekuensi Low Pass

yang tidak seragam pada passband dan stopband. Spesifikasi ini digunakan

dengan metode window. Mengacu pada Gambar 2.3, parameter

yang diperlukan adalah pδ (passband ripple), sδ (stopband attenuation),

band edge frequency), sF ( sampling frequency). Cutoff frequency

adalah frekuensi saat daya output filter berkurang sampai setengah kali daya pada

yaitu pada minus tiga (-3) desibel. Hal ini ekuivalen dengan

berkurang tujuh puluh tujuh koma tujuh persen (70.7%) dari amplitude

disebut transition width filter.

Spesifikasi tanggapan frekuensi untuk Low Pass Filter yang seragam pada passband dan stopband [1

8

sf (stopband edge

seperti yang ditunjukkan pada Gambar 2.2.

. Parameter penting yang lain

dari koefisien filter.

High Pass Filter (HPF) dan Band

Low Pass Filter (LPF)

Spesifikasi ini digunakan

. Mengacu pada Gambar 2.3, parameter

band attenuation), cf (cutoff

sampling frequency). Cutoff frequency

berkurang sampai setengah kali daya pada

Hal ini ekuivalen dengan amplitude yang

amplitude pada pass band.

Low Pass Filter dengan ripple 1]

9

2.3. Metode Optimal

Metode optimal untuk perhitungan koefisien filter FIR sangat powerful, flexible,

dan sangat mudah untuk diaplikasikan. Alasan ini yang membuat metode optimal menjadi

pilihan pertama dari banyak aplikasi filter FIR [1].

Dalam merancang tapis FIR dengan metode perancangan tapis optimal, terdapat

suatu program yang sudah umum dikenal, yaitu program Parks-McClellan yang

menghasilkan tapis optimal. Optimal dapat didefinisikan dalam berbagai cara. Program

Parks-McClellan menggunakan algoritma pertukaran Remez (remez exchange algorithm)

untuk mengoptimasi rancangan tapis dengan memilih tanggapan impuls dari panjang yang

diberikan (N), yang meminimalkan riak puncak pada passband dan stopband [8]. Dengan

meminimalkan puncak atau riak maksimum, sama artinya dengan membuat semua puncak

lokal pada riak tersebut bernilai sama satu dengan yang lainnya. Pada umumnya tapis jenis

ini disebut tapis riak-seragam (equiripple) karena puncak lokalnya memiliki deviasi yang

sama terhadap tanggapan tapis yang diinginkan. Karena deviasi riak maksimum

diminimalkan dalam prosedur optimisasi ini, maka tapis jenis ini disebut juga tapis

minimax (meminimalkan riak maksimum).

Gambar 2.3. Spesifikasi tanggapan frekuensi untuk Low Pass Filter (LPF) dengan ripple yang tidak seragam pada passband dan stopband [7]

2.3.1. Konsep Dasar

Pada metode window

menemukan pendekatan untuk tanggapan yang tepat dari frekuensi ideal

puncak (peak rippple) pada

menurun jika menjauhi bandedge

menunjukkan karakter filter

pada passband dan stopbaand

tanggapan frekuensi (frequency response

Pada pass band, tanggapan berosilasi

pada stop band ripple terjadi a

dapat ditunjukan sebagai fungsi

dengan, HD merupakan respon yang diinginkan dan W(

memungkinkan terjadinya

menentukan koefisien filter

[E(ω)] diminimalkan pada

dengan persamaan:

window proses menghitung koefisien filter sebenarnya adalah masalah

menemukan pendekatan untuk tanggapan yang tepat dari frekuensi ideal

pada metode window terjadi didekat bandedge

bandedge. Gambar 2.4 menunjukkan Filter Window

filter optimal. Dari Gambar 2.5 terlihat bahwa

stopbaand. Dengan filter optimal, pendekatan yang

frequency response) yang diinginkan dapat dilakukan

tanggapan berosilasi antara dan

terjadi antara 0 dan . Perbedaan antara filter id

dapat ditunjukan sebagai fungsi error [1]:

respon yang diinginkan dan W(ω) merupakan fungsi bobot yang

terjadinya error yang dapat ditetukan. Pada metode optimal,

filter h(n), sedemikian sehingga nilai maksimum dari

diminimalkan pada passband dan stopband. Secara matematis dapat dinyatakan

min[max|E(ω)]

Gambar 2.4. Filter Window [1]

10

sebenarnya adalah masalah

menemukan pendekatan untuk tanggapan yang tepat dari frekuensi ideal [1]. Ripple

bandedge dan ripple semakin

Filter Window. Gambar 2.5

optimal. Dari Gambar 2.5 terlihat bahwa ripple lebih merata

optimal, pendekatan yang lebih baik untuk

lakukan.

. Tanggapan filter

ideal dan tanggapan

) merupakan fungsi bobot yang

. Pada metode optimal, tujuan untuk

nilai maksimum dari error bobot

. Secara matematis dapat dinyatakan

(2.5)

(2.6)

2.3.2. Parameter Wajib

Pada design program, pengguna harus memberikan se

yang digambarkan filter. Parameter

1. N, merupakan jumlah koefisien dari

2. Jtype , parameter ini merupakan spesifikasi tipe dari

Jtype = satu (1, multiple passband/stopband filters

bandpass, dan bandstop

(3, spesifikasi dari transformer Hilbert)

3. W(ω) , parameter ini merupakan f

relatif penting untuk masing

ripple passband dan atenuasi

masing-masing band.

4. Ngrid, parameter ini

dari points frekuensi

frekuensi diperiksa untuk

(optimum in the sense that the maximum amplitude of the error

pada passband(s), stopband(s)

pada umumnya, nilai

Wajib yang Digunakan dalam Program

program, pengguna harus memberikan sejumlah parameter dari

. Parameter – parameter yang digunakan, yaitu [1]

umlah koefisien dari filter, panjang filter.

arameter ini merupakan spesifikasi tipe dari filter. Ada tiga tipe dari

multiple passband/stopband filters, termasuk

bandstop filters), Jtype = dua (2, specifies differentiator

spesifikasi dari transformer Hilbert)

, parameter ini merupakan fungsi bobot (weight). Spesifikasi parameter ini

relatif penting untuk masing-masing band. Efek ini memungkinkan

dan atenuasi stopband. Bobot merupakan penetapan

.

arameter ini menentukan ketebalan garis (grid density).

frekuensi, selama proses pencarian frekuensi ekstern

frekuensi diperiksa untuk mengetahui bahwa kondisi optimal telah dipenuhi

optimum in the sense that the maximum amplitude of the error

stopband(s)). Nilai default untuk Ngrid yaitu 16.

, nilai Ngrid sebesar 16, 32 atau 64.

Gambar 2.5. Filter Optimal [1]

11

Optimal

parameter dari input

[1]:

. Ada tiga tipe dari filter :

, termasuk lowpass, highpass,

specifies differentiator), Jtype = tiga

. Spesifikasi parameter ini

memungkinkan trade-off antara

merupakan penetapan terhadap

). Merupakan jumlah

eksternal, tanggapan

kondisi optimal telah dipenuhi

optimum in the sense that the maximum amplitude of the error, |E(ω)|, diperkecil

yaitu 16. Untuk design

12

5. Edge , parameter ini menentukan frekuensi bandedge (terdiri dari, lower dan upper

frekuensi bandedge filter). Semua frekuensi harus dimasukkan untuk diubah dalam

bentuk ternormalisasi. Edge pertama secara normal bernilai 0 dan terakhir bernilai

0,5 (sesuai dengan setengah dari frekuensi sampling). Dapat didukung maksimum

sampai 10 band (passband dan stopband).

2.3.3. Hubungan Panjang Filter , N

Pada praktisnya, jumlah koefisien filter itu tidak diketahui. Nilai ini menggunakan

hubungan seperti dibawah ini [1]:

a. Lowpass Filter (Herman et al., 1973)

∞,∆ !, "#∆$ % 1

dengan ∆F merupakan panjang dari trantition band yang ternormalisasi untuk frekuensi

sampling.

'∞ !, "# ()* " +,()* !#- % ,-()* ! % ,./ % 0,1()* !#- % ,3()* ! % ,45

!, "# 11 .012 17 % 0.512 440()* ! ()* "5

a1 = 5,309 x 10-3 ; a2 = 7,114 x 10-2

a3 = - 4,761 x 10-1; a4 = - 2,66 x 10-3

a5 = - 5,941 x 10-1; a6 = - 4,278 x 10-1

b. Bandpass Filter (Mitzer and Liu, 1979)

<∞,∆ % * !, "#∆$ % 1

dengan,

=∞ !, "# ()* " +>()* !#- % >-()* ! % >./ % 0>1()* !#- % >3()* ! % >45

(2.7)

(2.8)

(2.9)

(2.10a)

(2.10b)

(2.10c)

(2.11)

(2.12)

13

* !, "# 14,6()* @

A

b1 = 5,309 x 10-3; b2 = 7,114 x 10-2

b3 = - 4,761 x 10-1; b4 = - 2,66 x 10-3

b5 = - 5,941 x 10-1; b6 = - 4,278 x 10-1

dengan ∆F adalah lebar transisi yang ternormalisasi untuk frekuensi sampling.

Diagram alir sederhana untuk perancangan filter dengan metode optimal ditunjukan

pada Gambar 2.6.

Contoh 2.1 [1]

(2.13)

(2.14a) (2.14b)

(2.14c)

Contoh 2.1

Bandpass filter memiliki spesifikasi sebagai berikut:

Passband 900 – 1100Hz

Passband ripple < 0,87 dB

Stopband attenuation > 30 dB

Penyelesaian :

Sampling frequency 15 kHz

Transition frequency 450 Hz

Gunakan metode optimal untuk menentukan koefisien, dan gambar plot spectrum

filter!

Dari spesifikasi, filter mempunyai 3 band: lower stopband (0 – 450 Hz), passband

(900 – 1100 Hz), dan upper stopband (1550 – 7500 Hz). Menggunakan program

rancangan optimal frekuensi bandedge harus dinormalisasikan, yang diekspresikan

dari frekuensi sampling, sebagai berikut:

450 450/15000 = 0,03

900 900/15000 = 0,06

1100 1100/15000 = 0,0733

1550 1550/15000 = 0,1033

7500 7500/15000 = 0,5

Tiga band yang telah ternormalisasi yaitu (0 - 0,03), (0,06 – 0,0733), (0,1033 – 0,5)

Kemudian dihitung deviasi dari passband ripple dan stopband attenuation:

14

Contoh 2.1 (lanjutan) [1]

Contoh 2.1. (Lanjutan)

0,87 dB ripple : 20 log(1+δp) δp = 0,10535

30 dB attenuation :- 20dB(δs) δs = 0.031623

Rasio dari δp dan δs : 10/3 = 3,33

. "BC! DEFG HIJKLB

!E"" DEFG HIJKLB

Panjang filter, N = 41

Tipe filter, Jtype = 1

Weight, W(ω) = 10, 3, 10

Ngrid = 32

Frekuensi edge = 0, 0,03, 0,06, 0,0733, 0,1033, 0,5

Gambar 2.6. Tanggapan Frekuensi Filter [1].

15

2.4. Transformasi Fourier

Agar sinyal masukan dalam domain waktu dapat diubah menjadi spektrum

frekuensi, maka menggunakan Fast Fourier Transform (FFT).

2.4.1. Fourier Transform

Untuk fungsi kontinyu dari satu variable )(tf , transformasi Fourier )( ωjF akan

didefinisikan sebagai [1]:

∫∞

∞−

−== dtetfjFd

d tjωωπω

ω)()(

2/)(

(2.15)

Dan inverse dari transformasi Fourier sebagai

Menentukan masukan program dari spesifikasi tapis yang diinginkan

Menentukan dugaan awal L + 2 frekuensi ekstrim

Menghitung ( )ωε dan L + 2

frekuensi ekstrim terbesar

Menghitung koefisien tanggapan impuls

Frekuensi ekstrim berubah?

tidak

ya

Gambar 2.7. Diagram Alir Sederhana dari Metode Optimal [1].

16

∫∞

∞−

= dfejFtf tjωω)()( (2.16)

Dengan j adalah akar dari -1 dan e adalah bilangan eksponensial

)sin()cos( φφφ jej += (2.17)

2.4.2. Discrete Fourier Transform (DFT)

Data yang ditransformasikan merupakan diskrit dan tidak periodis. DFT dari

deretan )(nTx dengan n adalah jumlah sample dan T adalah interval sampling untuk

menghasilkan deret sample sebanyak N digambarkan sebagai deretan nilai kompleks

)( ΩkX pada kawasan frekuensi, dengan Ω adalah frekuensi harmonik [1]. )( ΩkX pada

umumnya mempunyai komponen real dan imajiner sehingga untuk harmonik ke-k

diberikan oleh rumus

)()()( kjIkRkX += (2.18)

Jadi N data real (dalam kawasan waktu) ditransformasikan menjadi N

data kompleks (dalam kawasan frekuensi). Nilai DFT, )(kX , diberikan oleh rumus

∑−

=

Ω−=1

0

)()(N

n

nTjkenTxkX ;k =0, 1, …., 1−N (2.19)

dengan k adalah jumlah harmonik dari komponen transformasi. Dan inverse dari

transformasi DFT didefinisikan sebagai

∑−

=

Ω=1

0

)(1

)(N

k

nTjkekXN

nTX ;n=0,1, …, 1−N (2.20)

17

2.4.3. Fast Fourier Transform (FFT)

Algoritma yang lebih cepat telah dikembangkan oleh Cooley dan Tukey sekitar

tahun 1965 yang disebut FFT (Fast Fourier Transform). Ketika diterapkan dalam kawasan

waktu, algoritma ditunjukkan sebagai Decimation in Time (DIT) FFT. Decimation

kemudian menunjuk ke pengurangan yang signifikan dalam jumlah perhitungan yang

diterapkan pada kawasan waktu. Pengurangan perhitungan yang terjadi bisa mengenai

NN

N 22 log

2− kali. Dari persamaan 2.12 dapat ditulis sebagai

∑−

=

−=1

0

/21 )(

N

n

NnkjnexkX π ; k = 0, …., 1−N (2.21)

Jika weighting/twiddle factor

NjN eW /2π−= (2.22)

maka persamaan 2.14 menjadi

knN

N

n

nWxkX ∑−

=

=1

0

1 )( ;k = 0, …., 1−N (2.23)

Beberapa relasi NW adalah

K

NNk

N

NN

NjN

WW

WW

eW

−==

=

+

−

)2/(

2/2

/2π

(2.24)

Untuk menggunakan persamaan 2.16 di atas, urutan data dapat dibagi menjadi dua

urutan yang sama panjang, yakni data nomor genap dan data nomor ganjil. Agar urutan

menjadi sama panjang, maka data harus berjumlah genap, jika urutan data ganjil, maka

diperlukan penambahan nol. )(1 kX dapat ditulis dalam 2 DFT yaitu )(11 kX untuk deretan

18

data genap dan )(12 kX untuk deretan data ganjil. N -point DFT diubah menjadi 2 DFT

masing-masing 2/N . Proses berulang sampai )(1 kX terbagi menjadi 2/N DFT masing-

masing 2 point. Persamaan 2.16 dapat ditulis menjadi

∑ ∑

∑∑

−

=

−

=+

−

=

++

−

=

+=

+=

12/

0

12/

0

212

22

12/

0

)12(12

12/

0

221

sequence oddsequenceeven

)(

N

n

N

n

nkNn

kN

nkNn

N

n

knNn

N

n

nkNn

WxWWx

WxWxkX44 344 2143421

; 1,.....,0 −= Nk (2.25)

Menggunakan persamaan 2.17, nkN

nkN WW 2/2 = , sehingga persamaan 2.18 di atas menjadi

∑ ∑−

=

−=

=++=

12/

0

12/

02/122/2)(

N

n

Nn

n

nkNn

kN

nkNn WxWWxkX ; 1,...,0 −= Nk (2.26)

Persamaan 2.19 dapat disederhanakan menjadi

)()()( 12111 kXWkXkX kN+= ; 1,...,0 −= Nk (2.27)

19

BAB III

PERANCANGAN PROGRAM SIMULASI UNTUK

DIGITAL GRAPHIC EQUALIZER

Bab ini akan membahas perancangan dan pembuatan diagram alir software simulasi

dari penelitian yang akan dilakukan. Software simulasi ini dibuat menggunakan program

aplikasi pada MATLAB®.

3.1. Layout Program

Layout program merupakan rancangan secara visual untuk implementasi program

simulasi untuk Digital Graphic Equalizer dari penelitian yang dibuat. Layout program

ditumjukkan pada Gambar 3.1. Layout pada Gambar 3.1 menggunakan beberapa

komponen visual yang disediakan oleh program aplikasi MATLAB ® untuk menampilkan

proses simulasi.

Komponen-komponen visual tersebut adalah :

a. Uipanel

Uipanel digunakan untuk sebagai tempat meletakkan beberapa komponen,

diantaranya yaitu axis, static text, dan push button.

b. Menu Bar

Menu bar digunakan sebagai tempat untuk menampilkan toolbar. Pada Gambar 3.10

terdapat beberapa toolbar, yaitu file, equalizing, dan help.

c. Figure

Figure adalah objek yang digunakan sebagai tempat untuk merancang program

simulasi dan dapat diisi dengan komponen. Figure disebut sebagai layout area.

d. Static text

Static text adalah area yang digunakan sebagai tempat untuk menampilkan text

informasi. Text informasi pada static text tidak dapat diubah oleh pengguna. Pada program

simulasi ini, static text digunakan untuk menampilkan hasil keluaran dari proses yang

dilakukan oleh pengguna.

20

e. Axes

Axes digunakan untuk menampilkan grafik atau kurva. Pada program simulasi ini

axes digunakan sebagai tempat untuk menampilkan masukan sinyal suara, menampilkan

kurva tanggapan frekuensi dari masing-masing band pass filter menjadi lima band, dan

menampilkan grafik sinyal suara yang telah mengalami proses filter untuk Digital Graphic

Equalizer.

f. Push button

Push button merupakan tombol yang digunakan untuk mengeksekusi sebuah

perintah. Pada Gambar 3.10 terdapat beberapa tombol, yaitu

1. Tombol spec in dan spec out digunakan untuk mengubah sinyal suara dari time

domain menjadi frequency domain.

2. Tombol grid digunakan untuk menampilkan grid pada axes.

3. Tombol ’+’ digunakan untuk membesar (zoom) daerah atau wilayah tanggapan

frekuensi pada point yang diinginkan.

4. Tombol ’-’ digunakan untuk mengembalikan daerah atau wilayah ke ukuran asal

setelah diperbesar.

5. Tombol cursor digunakan untuk menunjuk daerah atau wilayah yang diinginkan.

6. Tombol move digunakan untuk menggeser daerah atau wilayah pada gambar.

7. Tombol legend digunakan untuk mengetahui apabila pada satu grafik terdapat

bermacam-macam line plot.

Layout program tersusun atas 2 bagian utama yaitu:

1. Bagian Input

Bagian input berisi beberapa komponen utama yang diperlukan dalam

perancangan ini, yang terdiri dari dua buah menu bar, dua buah static text, dua

push button, dan lima buah slider. Pada menu bar terdiri dari file, dan help. File

digunakan untuk membantu pengguna, dengan bantuan fungsi ini pengguna

dapat membuka atau mencari data yang telah disimpan pada file yang

berekstensi *.wav, dapat juga untuk menyimpan data dan menutup atau

mengakhiri program. Menu yang lain yaitu help berfungsi untuk membantu

pengguna dalam menggunakan simulasi digital graphic equalizer ini, help

terdiri dari metode optimal berfungsi agar pengguna mengetahui tentang

metode optimal, cara penggunaan program dapat membantu pengguna untuk

menggunakan program simulasi ini sehingga saat pengguna mengalami

21

kesulitan bantuan ini dapat digunakan, pembuat program sebagai informasi

tentang pembuat simulasi, dan Digital Graphic Equalizer Program.

Pada bagian input ini juga terdapat static text, ada dua static text pada bagian

input yaitu static text untuk menampilkan file suara yang berekstensi *.wav dan

menampilkan panjang data file suara yang diberikan. Terdapat dua push button

yaitu play input dan record. Tombol play input digunakan pengguna untuk

meainkan data file masukan dan record dapat digunakan pengguna untuk

merekam suara. Pada bagian input juga terdapat lima slider yang dapat

digunakan pengguna untuk mengubah-ubah data dan nilai dari band pass filter

dari karakteristik filter. Pada bagian input ini juga terdapat lima buah push

button, slider, dan lima buah static text. Lima buah slider ini digunakan untuk

memberikan masukan dan nilai diberikan pada masukan akan tertampilpada

static text, untuk masing-masing slider. Sedangkan lima buah push button

memiliki fungsinya masing-masing, untuk push button dengan nama Band 1

akan menampilkan karakteristik band pass filter untuk band 1. Hal yang sama

terdapat juga pada empat static text dengan nama Band 2, Band 3, Band 4, dan

Band 5, yang bila ditekan akan menampilkan karakteristik masing-masing band

pass filter.

2. Bagian Proses

Bagian proses berisi satu buah menu bar. Pada bagian menu bar terdiri dari tiga

bagian yaitu proses filtering, filter output dan reset. Pada proses filtering dapat

digunakan oleh pengguna untuk menjalankan program agar data masukan dapat

diproses menjadi lima band. Sedangkan proses filter output dapat dilakukan

setelah proses pertama dijalankan, karena proses ini berfungsi untuk merubah

domain frekuensi menjadi data dalam domain waktu. Bagian proses terakhir

yaitu bagian reset, bagian berfungsi apabila pengguna akan membuat tampilan

menjadi seperti semula dalam yaitu membuat menjadi seperti tampilan awal

program.

Terdapat juga proses spec in dan spec out pada bagian spectrum input dan

spectrum output. Proses ini digunakan untuk megubah sinyal suara menjadi

spectrum frekuensi. Untuk tombol spec in digunakan untuk mengubah sinyal

suara masukan dalam domain waktu menjadi sinyal dalam spektrum frekuensi.

22

Sedangkan, tombol spec out digunakan untuk mengubah sinyal suara keluaran

dalam domain waktu menjadi sinyal dalam spektrum frekuensi.

3. Hasil Output

Bagian keluaran terdiri dari tiga bagian utama yaitu, bagian pertama output

sinyal suara awal, disini merupakan keluaran grafik sinyal suara apabila

mendapat masukkan dari dalam ataupun sinyal suara yang direkam oleh

pengguna. Bagian kedua merupakan output tanggapan frekuensi yang terdiri

dari lima band berupa sehingga pada bagian ini akan menunjukkan perbedaan

dari masing – masing filter berdasarkan pembagian band. Bagian ketiga

merupakan output sinyal suara yang telah mengalami proses filter.

4. Tampilan Bantuan

2 1

1

1

3 3

3

3

3 3

3

4

4

2

2 4

4

Menu Bar Axes Uipanel Figure

Push button Static Text

Gambar 3.1. Layout Program

23

Tampilan bantuan ini berisi enam buah push button yang terdiri dari tombol

grid berfungsi untuk menampilkan grid (memberikan garis) pada axes, move

berfungsi untuk menggeser/menggerakan daerah atau wilayah pada gambar,

cursor untuk menunjuk daerah atau wilayah yang diinginkan, tanda ’+’

berfungsi untuk membesar (zoom) daerah atau wilayah tanggapan frekuensi

pada point yang diinginkan, dan tanda ’-’ berfungsi untuk untuk

mengembalikan daerah atau wilayah ke ukuran asal setelah diperbesar.

Terakhir terdapat tombol legend yang berfungsi untuk menunjukkan bentuk

kurva yang berbeda yang tertampil pada axes. Enam buah push button ini

berfungsi untuk mendukung penampilan pada layout program digital graphic

equalizer. Apabila terjadi kesalahan pada hasil output maka pesan kesalahan

akan muncul yang sering disebut message box. Message box ini akan muncul

saat pengguna kurang dalam memberikan masukkan, dan apabila pengguna

salah memasukan nilai yang seharusnya..

3.2. Algoritma Program Utama

Algoritma perancangan secara umum untuk Simulasi Komputer Digital Graphic

Equalizer dapat dilihat pada Gambar 3.2.

Seperti terlihat pada Gambar 3.2, pengguna terlebih dahulu memberi input berupa

voice record (suara) yang akan diuji dan diambil sample sinyal suara. Pemberian input

tersebut dapat dilakukan dengan dua cara, yaitu cara pertama dilakukan dengan langsung

memanggil pada MATLAB, dan cara kedua dengan memberi input suara dari luar. Setelah

memperoleh sample sinyal suara, dilakukan pembagian band terhadap sinyal suara

menjadi lima filter dengan band yang berbeda. Terdapat lima band dengan pembagian

frekuensi cutoff yang berbeda – beda. Berdasarkan pembagian band yang telah dilakukan

akan dihitung koefisien dari lima filter. Perhitungan koefisien dari masing-masing filter

menggunakan FIR filter dengan metode optimal, dan hasil dari perhitungan koefisien

masing – masing filter menggunakan program software MATLAB. Kemudian akan diolah

menggunakan program yang akan dirancang. Hasil akhir dari perancangan ini akan

menampilkan output sinyal suara yang belum mengalami proses filter, output sinyal suara

24

yang telah mengalami proses filter, dan menampilkan output dari karakteristik filter untuk

lima filter dengan lima band yang berbeda-beda pada Digital Graphic Equalizer.

3.3. Diagram Alir Utama Program Simulasi untuk Digital Graphic

Equalizer

Perancangan program simulasi untuk Digital Graphic Equalizer ini terdiri dari

beberapa proses:

1. Proses pemberian input.

2. Proses pembagian band menjadi lima filter dan menampilkan grafik tanggapan

frekuensi.

3. Menghitung koefisien dari lima filter sesuai band masing – masing filter.

4. Proses verifikasi hasil.

5. Menampilkan output yang telah melalui proses filter, dan menampilkan karakteristik

filter sesuai dengan masing – masing band.

3.4. Proses Pemberian Input

Input dari pengguna berupa sinyal suara yang dapat dipanggil dari MATLAB® dan

dapat dari luar dengan menggunakan bantuan headphone atau direkam, input yang

diberikan masih dalam domain waktu dan harus diubah terlebih dahulu kedalam domain

frekuensi. Hal ini dilakukan agar dapat mengetahui sinyal suara yang diberikan berada

direntang frekuensi berapa, yaitu frekuensi rendah atau frekuensi tinggi serta terletak pada

rentang frekuensi yang diharapkan. Data untuk input adalah file yang berekstensi *.wav.

Proses pemberian input ditunjukkan pada Gambar 3.3.

Input yang berupa sinyal suara, akan diproses pada MATLAB untuk mendapatkan

frekuensi sample (fs) yang besarnya dua kali frekuensi maksimal (fm) sinyal tersebut.

Secara matematis dapat ditunjukkan dalam persamaan 3.1, yaitu

2 (3.1)

25

Input yang berasal dari dalam, merupakan pengambilan file yang telah disimpan,

dalam hal ini karena menggunakan program MATLAB maka file yang tersimpan telah

dalam ekstensi *.wav. Untuk pemberian input apabila dilakukan dari luar yaitu direkam,

maka pengguna melakukan pengambilan suara dengan menggunakan bantuan headphone

atau dapat juga secara langsung. Setelah pengguna merekam suaranya maka, akan

ditampilkan sinyal suara dari pengguna.

Dalam pemberian data input selain pengguna memberikan masukkan berupa sinyal

suara, terdapat juga variabel lain yang harus diberikan oleh pengguna saat menjalankan

program simulasi ini. Variabel lain yang harus diberikan oleh pengguna berupa jumlah

data masukkan dan jumlah data keluaran, dalam hal ini jumlah data yang diberikan berupa

bilangan radix 2 atau integer power of 2. Pemberian data sebesar radix 2 atau integer

power of 2, ini dikarenakan sebelum program melalui proses filtering terlebih dahulu

program melalui proses mengubah sinyal masukkan menjadi spectrum dalam frekuensi

sehingga dalam hal ini data yang diberikan (N-point) adalah integer power of 2. Untuk

mengubah sinyal suara masukkan menggunakan perhitungan FFT (The Fast Fourier

Transform), FFT N memberikan integer power of 2, bahwa N = 2d dengan d adalah sebgai

integer.

3.4.1. Subrutin Proses Pemberian Input dari Dalam dan Pengambilan

Sample Sinyal Suara

Gambar 3.4 menunjukkan proses pemberian input dari dalam, proses ini mengabil

input yang telah tersedia dalam file yang berekstensi *.wav. Sinyal suara ini telah diproses

dan diambil sampling suaranya. Proses pengambilan sampling yang dapat dihitung dengan

menggunakan persamaan 3.1. Setelah mendapatkan sample sinyal suara, maka akan

diperoleh grafik dalam domain frekuensi. Kemudian akan ditampilkan dalam graphic

equalizer yang telah membentuk grafik dengan domain frekuensi. Untuk pemberian input,

selain dari dalam apabila pengguna ingin mencoba melakukan proses filter terhadap suara

pengguna, maka pengguna dapat memberi input dari luar prosesnya dapat dilakukan seperti

yang ditunjukkan pada Gambar 3.5.

26

Menampilkan output sinyal keluaran yang telah mengalami proses filter berupa sinyal

suara dalam domain waktu

Memberi input berupa sinyal suara dan mengambil sample

sinyal suara dari terminal input

Menampilkan karakteristik filter dalam lima band pada Digital Graphic Equalizer

Membagi sinyal menjadi lima band dan melakukan perhitungan koefisien filter untuk lima filter dengan lima band yang berbeda, berdasarkan domain frekuensi

Mengolah sinyal suara masukan kedalam lima filter dengan lima

band yang berbeda

Mengubah sinyal suara masukan menjadi spectrum frekuensi secara FFT

Menampilkan output sinyal suara keluaran dalam spectrum frekuensi secara FFT

Gambar 3.2. Algoritma Diagram Alir Utama Program Simulasi Digital Graphic Equalizer

27

Gambar 3.4. Diagram Alir Proses Pemberian Input dari Dalam.

Mulai

Tampilkan grafik sinyal suara dalam frequency domain

Selesai

Mengubah sinyal suara dalam domain frekuensi

Sampling sinyal dengan fs = 2 x fm

Ambil file berektensi *wav?

ya

tidak

Gambar 3.3. Diagram Alir Proses Pemberian Input dari Dalam dan dari Luar .

Mulai

Selesai

Pilih masukkan?

Input dari dalam

Input dari luar

ya

tidak

28

3.4.2 Subrutin Proses Pemberian Input dari Luar dan Pengambilan

Sample Sinyal Suara

Gambar 3.5 menunjukkan proses pemberian input dari luar, proses ini dilakukan

dengan mengambil suara pengguna dari luar dengan bantuan headphone. Setelah mendapat

masukkan sinyal akan ditampilkan pada output graphic equalizer, tetapi grafik sinyal suara

masih dalam domain waktu sehingga harus diubah menjad grafik berdasarkan domain

frekuensi. Melalui proses ini akan diambil sample sinyal suara, proses dilakukan sama

seperti saat pengambilan sample dengan input dari dalam. Pengambilan sample ini yang

berasal dari input luar ini, dilakukan untuk mengubah sinyal suara dalam domain waktu

menjadi sinyal suara dalam domain frekuensi. Sampling sinyal suara dilakukan dengan

menggunakan persamaan 3.1.

Sinyal suara yang telah mengalami proses sampling kemudian akan ditampilkan

dalam graphic equalizer, sinyal suara ini telah diproses dan dalam bentuk grafik domain

frekuensi. Pengguna dapat menyimpan hasil rekaman suara (audio) dalam file yang

berekstensi *.wav, tetapi pengguna juga dapat menghapus rekaman suara apabila pengguna

tidak ingin menyimpan file. Apabila pengguna tidak memasukkan suara, atau tidak

memberi input dari luar maka pengguna dapat mengambil sample sinyal suara dari dalam.

3.5 Proses Pembagian Filter menjadi Lima Band dan Menghitung

Koefisien Masing – Masing Filter

Gambar 3.6 menunjukan diagram alir untuk menampilkan filter menjadi lima band

secara umum. Sedangkan untuk pembagian filter menjadi lima band dan menampilkannya

dapat dilihat pada Gambar 3.7 proses pembagian menjadi lima band dilakukan dengan

input berupa sample sinyal suara yang telah diperoleh, kemudian akan menampilkan hasil

berupa lima filter sesuai dengan band masing-masing berdasarkan frekuensi cutoff yang

telah ditentukan.

29

Gambar 3.5. Diagram Alir Proses Pemberian Input dari Luar.

Mulai

tidak

ya

Selesai

Masukan suara?

Tampilkan sinyal suara, masih dalam domain waktu

Mengambil sample dari sinyal suara, dengan syarat

fs = 2 x fm

Tampilkan sample suara yang telah dalam domain

frekuensi

Input = sinyal suara

Simpan hasil?

Simpan (save) hasil rekaman suara, dalam file

berekstensi *.wav

Rekam suara lagi

ya

tidak

30

Gambar 3.6. Diagram Alir Menampilkan Filter menjadi Lima Band

Mulai

Sample sinyal suara

Selesai

Membagi sinyal jadi lima band

Mengolah sinyal dengan filter sesuai band masing -

masing

Menampilkan hasil olahan filter

31

Gambar 3.7. Diagram Alir Proses Pembagian Filter menjadi Lima Band

Mulai

Ambil sample band

Selesai

ya

ya

ya

ya

ya

tidak

tidak

tidak

tidak

Band 1,0.5-4.5 kHz?

Band 2, 4.5-8.5 kHz?

Filter 1

Filter 2

Filter 3

Filter 4

Filter 5

Tampilkan filter sesuai dengan band masing-masing

tidak

Band 3, 8.5-12.5 kHz?

Band 4, 12.5-16.5 kHz?

Band 5, 16.5-20.5 kHz?

32

3.5.1. Proses Menghitung Koefisien dari Lima Filter

Diagram alir proses perhitungan koefisien filter dengan menggunakan metode

optimal untuk masing-masing filter ditunjukkan pada Gambar 3.8. Masukan yang

diperlukan dalam fungsi ini adalah passband edge frequency 1 (fp1), passband edge

frequency 2 (fp2), transition width (tw), passband ripple (Pr), stopband attenuation (Sa),

dan frequency sampling (fs) .

Pertama-tama program mengubah nilai Pr dan Sa yang memiliki satuan desibel

(dB) menjadi satuan biasa, yaitu Ap dan As. Kemudian program menghitung band edge

frequencies (F), tanggapan magnitude ideal untuk tiap band (M) dan ripple tiap band (dev).

Selanjutnya panjang filter (N) dihitung, dan terakhir koefisien filter (h) dihitung.

Filter bandpass memiliki tiga band frekuensi, band pertama berada pada frekuensi

0 sampai passband edge frequency 1 dikurang transition width, band kedua berada pada

passband edge frequency 1 sampai passband edge frequency 2, dan band ketiga berada

setelah passband edge frequency 2 ditambah transition width. Band edge frequencies untuk

filter lowpass adalah fp1 − tw, fp1, fp2 dan fp2 + tw. Tanggapan magnitude ideal untuk band

pertama adalah 0, untuk band kedua adalah 1 dan untuk band ketiga adalah 0. Ripple untuk

band pertama adalah As, ripple untuk band kedua adalah Ap dan ripple untuk band ketiga

adalah As.

Untuk masing – masing perhitungan koefisien filter ini memiliki diagram alir yang

sama untuk lima band, yang berbeda hanya terletak pada frekuensi centre (fc) masing –

masing filter. Sehingga, menyebabkan passband edge frequency 1 (fp1), passband edge

frequency 2 (fp2), transition width (tw), passband ripple (Pr), stopband attenuation (Sa),

dan frequency sampling (fs) berbeda juga untuk masing – masing filter.

Gambar 3.8 merupakan diagram alir secara umum untuk masing-masing filter.

Sehingga, berdasarkan hal tersebut fc untuk band pertama sebesar 2.5 kHz terletak pada

filter 1 berada antara frekuensi 500 – 4.5 kHz, untuk band kedua fc sebesar 6.5 kHz terletak

pada filter 2 berada antara frekuensi 4.5 kHz – 8.5 kHz, untuk band ketiga fc sebesar 10.5

kHz terletak pada filter 3 berada antara frekuensi 8.5 kHz – 12.5 kHz, untuk band kempat

fc sebesar 14.5 kHz terletak pada filter 4 antara frekuensi 12.5 kHz – 16.5 kHz, dan untuk

band kelima fc sebesar 18.5 kHz terletak pada filter 5 antara frekuensi 16.5 kHz – 20.5

kHz.

33

Untuk nilai – nilai passband edge frequency 1 (fp1), passband edge frequency 2

(fp2), transition width (tw), passband ripple (Pr), stopband attenuation (Sa), dan frequency

sampling (fs) dapat ditentukan berdasarkan pembagian lima band yang telah dilakukan.

Nilainya harus berada pada rentang frekuensi masing – masing band.

Dengan melihat persamaan 2.3 untuk memperoleh hasil output (y(n)), dapat

dihitung secara konvolusi. Dengan mengasumsikan x(n-k) memiliki panjang data N1 dan

h(k) memiliki panjang data N2, maka masing-masing panjang data akan ditambahkan untuk

KoversidB Pr dan Sa

menjadi Ap dan As

F = [F1 F2 F3 F4]

M = [0 1 0]

dev = [As Ap As]

Hitung N

Hitung h

F1 = fp1 – tw F2 = fp1 F3 = fp2

F4 = fp2 + tw

Selesai

Mulai

Masukkan fp1, fp2, tw, Pr, Sa, fs, dan fc. .

Gambar 3.8. Diagram Alir Proses Perhitungan Koefisien Filter dengan Menggunakan Metode Optimal untuk Band Pass Filter.

34

memperoleh hasil yang benar. Secara matematis ditunjukkan pada persamaan 3.2.

1

Berdasarkan Gambar3.8 proses terakhir yang dilakukan adalah menghitung nilai h,

yaitu menghitung koefisien filter, secara matematis persamaan koefiseien filter sebagai

berikut:

1 /

Persamaan 3.3 menggunakan metode frequency sampling, dengan 1/2 dan

H(k) merupakan sample dari tanggapan frekuensi pada filter. Maka untuk memperoleh

nilai h(n) agar menjadi bilangan real, maka dapat diperoleh melalui perhitungan sebagai

berikut :

1

1 ||"//

1 ||"/

1 || cos &2'

( )*+2' /,

1 ||cos +2' /,

3.6. Proses Verifikasi Hasil

Gambar 3.10 menunjukkan proses verifikasi hasil, proses ini menunjukkan apakah

hasil output yang telah mengalami proses filter benar atau tidak.

(3.2)

(3.3)

(3.4)

35

Proses verifikasi hasil ini diperlukan agar simulasi ini dapat diketahui bekerja

dengan benar atau tidak. Apabila sinyal suara dari hasil proses filter memberikan bentuk

sinyal suara yang sama seperti saat pengguna memberikan masukan awal. Hasil sinyal

output ini akan menyesuaikan dengan hasil dari proses filtering yang terlebih dahulu

dijalankan, kemudian berdasarkan hasil tersebut dengan nilai band dari masing-masing

filter yang diberikan pengguna. Sehingga pengguna dapat mendengarkan suara yang

terdengar sedikit berbeda dengan bunyi sinyal awal (sinyal asli) dari pengguna.

Gambar 3.9. Diagram Alir Proses Verifikasi Hasil Output

Mulai

Input = sinyal suara yang diproses filter

Selesai

Menampilkan sinyal hasil proses filter , sehingga dapat diketahui karakteristik dari

lima filter

Sinyal audio memiliki bentuk sinyal yang

sama dengan bentuk sinyal awal?

Lakukan proses ulang

Sinyal memiliki bentuk yang sama dengan sinyal awal

ya

tidak

36

BAB IV

HASIL DAN PEMBAHASAN

Bab ini akan membahas dan menyajikan hasil pengujian dari program simulasi

digital graphic equalizer yang telah dibuat. Pengujian dilakukan dengan memberikan

sinyal masukan berekstensi *.wav. Selain itu, perancangan filter finite impulse response

dengan metode optimal juga akan dibahas.

4.1. Tampilan Program

Program simulai ini dapat dijalankan dengan menggunakan software Matlab. Saat

pertama kali menjalankan program simulasi, pengguna akan melihat tampilan halaman

pembuka yang berisi judul program simulasi serta pembuat program. Tampilan halaman

pembuka program dapat dilihat pada Gambar 4.1.

Tampilan awal ini terdiri dua tombol yang digunakan oleh pengguna, yaitu tombol

Start dan tombol Exit. Tombol Start digunakan untuk masuk ke dalam program utama,

sedangkan tombol Exit digunakan untuk keluar dari program apabila pengguna tidak ingin

menggunakan program simulasi Digital Graphic Equalizer.

Gambar 4.1. Tampilan Halaman Pembuka Program

37

Tampilan halaman program utama ditunjukkan Gambar 4.2. Pada halaman program

utama ini terdapat File, Equalizing, dan Help. Menu File terdiri dari tiga submenu, yaitu

Open Playlist, Save, dan Exit. File yang akan diproses pada program utama dibuka

menggunakan submenu Open Playlist. File program berekstensi *.wav disimpan

menggunakan submenu Save. Sedangkan untuk keluar dari program simulasi, pengguna

dapat menggunakan submenu Exit.

Menu Equalizing terdiri dari tiga submenu, yaitu Frequency Filtering, Filter

Output, dan Reset. Untuk menjalankan program menggunakan submenu Filtering

pengguna dapat memberikan sinyal input yang berupa sinyal suara agar dapat diproses

menjadi lima band dengan frekuensi yang berbeda-beda. Untuk menghapus hasil dari

semua proses yang telah dilakukan pengguna dan agar kembali menjadi seperti tampilan

awal saat dijalankan pengguna dapat menggunakan submenu Reset.

Pada bagian spectrum input dan spectrum output terdapat tombol spec in dan spec

out, yang dapat digunakan untuk mengubah sinyal suara dalam domain waktu menjadi

sinyal dalam spectrum frekuensi. Hal ini diberikan pada program simulasi agar pengguna

dapat melihat perbedaan yang terjadi pada sinyal input dan output berdasarkan spectrum

frekuensi, saat dilakukan perbedaan terhadap masing-masing band dengan mengubah-ubah

amplitudo pada masing-masing band pass filter.

Gambar 4.2. Tampilan Program Utama

38

Menu Help terdiri dari tiga submenu, yaitu Optimal Methode, Digital Graphic

Equalizer Program, dan Credit. Submenu Optimal Methode berisi tentang keterangan

singkat mengenai metode optimal, sedangkan submenu Digital Graphic Equalizer

Program berisi keterangan tentang cara menjalankan program simulasi, dan untuk

mengetahui pembuat dari program simulasi menggunakan submenu Credit.

Tampilan submenu dari Help ditunjukkan pada Gambar 4.3, Gambar 4.4, dan

Gambar 4.5, yang terdiri dari Optimal Methode, Digital Graphic Equalizer Program, dan

Credit.

Gambar 4.3. merupakan submenu Optimal Methode yang mempunyai tiga masukan

bagi pengguna berupa tombol Exit, untuk keluar dari submenu Help, tombol Before untuk

melihat halaman sebelumnya, dan tombol Next untuk melihat halaman berikutnya.

Submenu Metode Optimal ini juga mempunyai menu File dan menu Help. Menu File yang

dapat digunakan oleh pengguna hanya submenu Print untuk mencetak dan submenu Exit

untuk keluar dari Help. Sedangkan submenu Open dan submenu Save tidak diaktifkan

karena pada Help tidak dapat digunakan untuk membuka dan menyimpan data. Menu Help

Gambar 4.3. Tampilan Submenu Optimal Methode

39

yang dapat digunakan oleh pengguna hanya submenu Program Help dan submenu Optimal

Methode tidak diaktifkan karena submenu Optimal Methode sedang dibuka (digunakan).

Gambar 4.4. merupakan submenu Digital Graphic Equalizer Program, submenu ini

berisi keterangan tentang cara menjalankan program simulasi digital graphic equalizer.

Submenu ini memiliki tiga masukan bagi pengguna berupa tombol Exit, Next, dan Back.

Tombol Exit digunakan untuk keluar dari submenu Help. Tombol Next untuk melihat

halaman berikutnya, dan tombol Back untuk melihat halaman sebelumnya.

Gambar 4.5 menunjukkan tampilan submenu Credit, agar pengguna mengetahui

pembuat dari program simulasi ini. Pada submenu Credit terdapat judul program, pembuat,

dan nama dosen pembimbing yang membantu dalam pembuatan program simulasi.

Program utama terdiri dari tiga bagian yaitu bagian masukan, bagian proses, dan

bagian keluaran. Bagian masukan merupakan bagian untuk memberikan data masukan

yang berekstensi *.wav. Apabila pada bagian masukan ini belum diberikan data masukan,

maka program akan membaca kesalahan dan menampilkan pesan kesalahan seperti yang

ditunjukkan pada Gambar 4.6. Setelah data masukan diberikan, program akan dapat

dijalankan. Hal ini akan terus berulang sampai data masukan diberikan dan program

kemudian akan dapat dijalankan.

Gambar 4.4. Tampilan Submenu Digital Graphic Equalizer Program

40

Pengguna dapat memasukkan data berekstensi *.wav dengan menekan submenu

Open Playlist yang terdapat pada File dan memilih data masukan yang diinginkan.

Tampilan pengambilan data berekstensi *.wav dan tampilan untuk penyimpanan data

masukan yang direkam (record) ditunjukkan pada Gambar 4.7.

Gambar 4.5. Tampilan Submenu Credit.

Gambar 4.6. Pesan Kesalahan Data Masukan Belum Diberikan.

Gambar 4.7. Tampilan File (a) Tampilan Pengambilan Data Berekstensi *.wav.

(b) Tampilan Penyimpanan Data Berekstensi *.wav.

41

Bagian proses berisi tentang proses yang dijalankan yaitu proses Filtering dan

Filter Output. Untuk menjalankan proses Filtering, nilai pada bagian Audio Signal harus

diisi oleh pengguna dengan bilangan radix 2 (2x), pada awalnya apabila pengguna

memasukkan data masukan, secara otomatis jumlah data masukan telah tertampil tetapi

jumlah data pada umumnya belum dalam radix 2, sehingga pengguna harus mengisi

dengan bilangan radix 2 (2x). Selain jumlah data yang dimasukkan harus bernilai radix 2,

jumlah data tersebut juga tidak boleh lebih besar dari jumlah data sesungguhnya. Apabila

hal tersebut terjadi maka pesan kesalahan akan keluar, seperti ditunjukkan pada Gambar

4.8. Proses Filter Output harus dijalankan dengan menjalankan proses Filtering terlebih

dahulu. Setelah data masukan telah diisi dan sesuai dengan ketentuan, maka program dapat

dijalankan.

Bagian keluaran merupakan bagian untuk menampilkan hasil simulasi program

seperti kurva (grafik) tanggapan frekuensi yang akan menghasilkan lima jenis band dan

juga akan menampilkan jumlah koefisien filter. Bagian keluaran juga akan menampilkan

kurva sinyal suara yang telah mengalami filter dan bagian ini juga akan menampilkan nilai

data dari sinyal suara tersebut. Jumlah koefisien dan data yang ini berfungsi untuk

mengetahui kinerja program simulasi.

Gambar 4.9. Message Box Close Aplication

Gambar 4.8. Pesan Kesalahan Nilai Data Masukan Lebih Besar dari Nilai Sesungguhnya.

42

Program utama juga terdapat submenu Exit yang memiliki fungsi untuk keluar dari

program utama. Jika pengguna memilih submenu Exit, maka program simulasi akan

menampilkan message box seperti yang ditunjukkan pada Gambar 4.9. Jika menekan

tombol Yes, maka program simulasi akan tertutup. Jika memilih tombol No, maka program

tidak akan tertutup dan pengguna dapat menggunakan program simulasi lagi.

4.2. Kinerja Digital Graphic Equalizer

Sub bab ini akan menjelaskan kinerja digital graphic equalizer. Data yang

berekstensi *.wav akan melalui proses filtering dan filter output kemudian pengguna dapat

menaikkan atau menurunkan magnitudo/magnitude (dB) dari hasil filtering agar dapat

melalui proses filter output. Untuk masing-masing proses secara lebih lengkap akan

dijelaskan tersendiri.

Program simulasi ini tidak dapat bekerja secara real time dan dibuat agar

melakukan proses secara tahap demi tahap sesuai dengan yang diinginkan saat membuat

program simulasi ini. Tahap demi tahap dalam prosesnya memiliki fungsi dan maksud

yang dibuat agar pengguna dapat mengerti dan memahaminya dalam menggunakan

program simulasi ini.

4.2.1. Proses Pemberian Sinyal Masukan dari Dalam

4.2.1.1. Proses Filtering dan Filter Output Sinyal Audio dengan Band

Sama

Untuk melakukan proses filtering, pengguna terlebih dahulu memberikan masukan

berupa sinyal suara dan masukan berdasarkan syarat yang telah dijelaskan pada menu help.

Filter yang dirancang merupakan filter BPF yang menggunakan metode optimal. Masukan

program simulasi untuk proses filtering yang diinginkan seperti yang ditunjukkan pada

Tabel 4.1, dengan nilai band sama semuanya.

43

Tabel 4.1 Spesifikasi yang Diharapkan pada Simulasi Program 1

No Keterangan data masukan Data masukan yang diberikan

1. file masukan ringin.wav

2. jumlah sampel data masukan 8192

3. band 1 (gain 1) -60 dB





Dengan memberikan data masukan seperti pada Tabel 4.1, kemudian pengguna

dapat menjalankan program dengan memilih submenu filtering untuk menjalankan proses

filter pembagian lima band dan proses terakhir dengan memilih submenu filter output

untuk menjalankan proses dan menampilkan sinyal suara yang telah mengalami proses

filter. Untuk jumlah data masukkan yang diberikkan hanya sebesar 8192 dari 9981 data

kesulurahan sinyal suara masukkan, hal ini dilakukkan karena program hanya memproses

jumlah data yang diberikan adalah sebesar bilangan radix 2.

Untuk mengetahui dan membandingkan kinerja dari filtering dan filter output,

ditunjukkan pada Gambar 4.10. Setelah program mendapat masukan, maka akan diperoleh

tampilan kurva seperti yang ditunjukkan pada Gambar 4.13 yaitu contoh tampilan kurva

sinyal suara masukan. Gambar 4.12 menunjukkan kurva spektrum frekuensi dari sinyal

masukan.

Tabel 4.2 menunjukkan perolehan hasil berupa nilai koefisien filter N1, N2, N3, N4,

dan N5 dari masing-masing band. Jumlah koefisien dari masing-masing band akan sama

karena tidak terjadi perubahan pada nilai magnitudenya. Gambar 4.13 menunjukkan

tampilan dari kurva tanggapan frekuensi yang telah dibagi menjadi lima band dalam hal ini

kurva tampak overlap agar seolah-olah band pass merupakan sebuah all pass filter yang

sebenarnya terdiri dari lima buah band pass filter.

44

Gambar 4.11. Tampilan Sinyal Suara Masukan

Gambar 4.10. Tampilan Digital Graphic Equalizer dengan Band yang Sama 1

45

Tabel 4.2 Hasil Proses Filtering 1

Setelah melakukan proses filtering, program simulasi dapat dijalankan dengan

menekan tombol submenu pada proses filter output. Berdasarkan pada Tabel 4.1, akan

diperoleh hasil yang ditunjukkan pada Tabel 4.3 dan kurva sinyal suara yang telah melalui

proses filter yang ditunjukkan pada Gambar 4.14.

No Panjang Koefisien Filter Nilai

1. N 1 378

2. N 2 378

3. N 3 378

4. N 4 378

5. N 5 378

Gambar 4.12. Tampilan Spektrum Sinyal Suara Masukan

46

Tabel 4.3 Hasil Proses Filter Output 1

No Keterangan data Proses


2. jumlah sampel data keluaran 8569

3. proses yang dijalankan ke-2 filter output

Gambar 4.13. Tampilan Kurva Tanggapan Frekuensi dengan Band Sama 1

Gambar 4.14. Tampilan Kurva Sinyal Suara Keluaran Setelah Proses Filtering

47

Berdasarkan Tabel 4.1, jumlah sampel data masukan harus diubah dengan bilangan

2x, sehingga seperti yang diperlihatkan pada Tabel 4.1 jumlah sampel data masukan yang

diberikan bernilai bilangan 213 sebesar 8192 dan menghasilkan jumlah koefisien filter (h)

yang sama untuk masing-masing band pass filter, yaitu 378. Dapat dilihat juga pada Tabel

4.1 dan Tabel 4.3 bahwa jumlah sampel data masukan dan keluaran berbeda. Hal ini terjadi

karena adanya perbedaan nilai data masukan yang diproses secara filtering, sehingga

terdapat selisih yang cukup banyak pada hasil keluaran. Juga dapat dilihat perbedaan

bentuk sinyal masukan dan sinyal keluaran serta jumlah data masukan dan jumlah data

keluaran pada Gambar 4.11 dan Gambar 4.14.

Pada Gambar 4.11 jumlah data masukan yang diberikan pengguna terlihat sebesar

8192, sedangkan pada Gambar 4.14 jumlah data keluaran setelah melalui proses filter

menjadi 8569. Terjadi pertambahan data sebanyak 377 data pada sinyal keluaran,

pertambahan data ini sesuai dengan persamaan 3.2, pada perancangan yang telah

dijelaskan pada Bab III dan juga karena terjadi proses konvolusi pada filter. Selain

perbedaan terlihat pada jumlah data masukan dan keluaran yang diperoleh, perbedaan juga

tampak jelas pada Gambar 4.12 dan Gambar 4.15 yang menunjukkan spektrum untuk

masing-masing sinyal masukan dan sinyal keluaran.

Gambar 4.15. Tampilan Spektrum Sinyal Suara Keluaran Setelah Proses Filtering

48

Gambar 4.12 dan Gambar 4.15 merupakan kurva tanggapan frekuensi (spektrum)

masukkan dan keluaran, tampilan spektrum keluaran berbeda dengan yang diharapkan

yaitu tidak sama dengan spektrum data masukkan karena tidak terjadi perubahan dalam

proses filtering tetapi dalam Gambar 4.15 terjadi band reject. Hal ini menunjukkan adanya

kesalahan pemrograman pada proses filtering, sehingga keluarannya tidak sesuai dengan

yang diharapkan.

Gambar 4.13 merupakan kurva tanggapan frekuensi yang menampilkan lima band

pass filter dengan masing-masing nilai frekuensi yang berbeda, tetapi memiliki magnitude

yang sama untuk masing-masing band. Hal ini sesuai dengan hasil perancangan yang

ditunjukkan pada Gambar 3.7 dan yang telah dijelaskan pada Bab III. Saat program

mendapat masukan berupa sinyal suara, kemudian sinyal akan ditampilkan dalam domain

waktu. Setelah itu, sinyal suara diproses menjadi lima band pass filter dengan pembagian

frekuensi pusatnya sesuai dengan perancangan yang telah dilakukan dan terakhir hasil

proses filtering ditampilkan. Hal ini juga sesuai dengan dasar teori mengenai FIR filter

dengan menggunakan metode optimal.

Gambar 4.13 menunjukkan bahwa nilai frekuensi terendah program berada pada

500 Hz, karena dalam program sitopband attenuation bernilai 60 dB. Sehinggga

menyebabkan nilai frekuensi tidak dapat lebih rendah dari 500 Hz, apabila akan

menggunakan nilai frekuensi lebih rendah maka program harus dibuat nilai stopband

attenuation lebih rendah dari 60 dB.

4.2.1.2. Proses Filtering dan Filter Output Sinyal Audio dengan Band 1

Berbeda

Masukan program simulasi untuk proses filtering yang diinginkan seperti yang

ditunjukkan pada Tabel 4.4, tetapi dengan nilai pada band 2, 3, 4, serta 5 sama.

Tabel 4.4. Spesifikasi yang Diharapkan pada Simulasi Program 2.




3. band 1 (gain 1) - 60 dB

49

Tabel 4.4.(Lanjutan) Spesifikasi yang Diharapkan pada Simulasi Program 2.


4. band 2 (gain 2) 0 dB




Sinyal suara masukan sama seperti pada Gambar 4.11. Setelah memberikan

masukan seperti pada Tabel 4.4 proses filtering dan filter output dapat dijalankan oleh

pengguna, sehingga contoh tampilan dari hasil proses keseluruhan ditunjukkan pada

Gambar 4.16. Sedangkan, kurva tampilan tanggapan frekuensi dengan nilai magnitude

yang berbeda seperti yang ditunjukkan pada Gambar 4.17. Untuk hasil perhitungan proses

filtering ditunjukkan pada Tabel 4.5 yaitu hasil proses filtering dan Tabel 4.6 menunjukkan

data setelah melalui proses filter output pada program.

Gambar 4.16. Tampilan Digital Graphic Equalizer dengan Berbeda 2

50

Tabel 4.5. Hasil Proses Filtering 2.

Setelah proses filtering dijalankan, maka proses selanjutnya yang pengguna

jalankan yaitu proses filter output yang terdapat pada menubar. Hasil dari proses filter

output ditunjukkan pada Tabel 4.6 dan contoh tampilan kurva sinyal suara yang telah

mengalami filter ditunjukkan pada Gambar 4.18.


1. N1 378

2. N 2 163

3. N 3 163

4. N 4 163

5. N 5 163

Gambar 4.17. Tampilan Kurva Tanggapan Frekuensi dengan Band Berbeda 1

51

Tabel 4.6. Hasil Proses Filter Output 2





Gambar 4.18. Tampilan Kurva Sinyal Keluaran Suara dengan Band Berbeda

Gambar 4.19. Tampilan Spektrum Sinyal Keluaran Suara dengan Band Berbeda

52

Tabel 4.4 menunjukkan data masukan yang diberikan dan dengan menggunakan

sinyal masukan yang sama yaitu ringin.wav dan Tabel 4.5 memperlihatkan hasil dari

perhitungan proses filtering. Jumlah koefisien filter yang ditampilkan berbeda antara band

1 memiliki nilai magnitude 0 dB dan band lainya, karena nilai magnitude (pada band 2, 3,

4, dan 5) bernilai sama dengan -60 dB maka hasil yang diperoleh band pass filter berada

pada 0 dB. Jumlah sampel data masukan yang diberikan bernilai 8192 (213), seperti pada

Tabel 4.4 dan jumlah data keluaran yang diperoleh setelah proses filtering sebesar 8569,

seperti pada Tabel 4.6. Jumlah sampel data keluaran memiliki selisih dengan jumlah

sampel masukan, yaitu sebesar 377 data yang artinya data keluaran mendapat tambahan

sebanyak 377 data. Seperti pada penjelasan sebelumnya pertambahan data ini terjadi

karena jumlah data masukan berbeda dan terjadi proses konvolusi pada filtering. Hal ini

yang menyebabkan adanya perbedaan besarnya amplitudo pada sinyal suara keluaran.

Petambahan data ini sesuai dengan persamaan 3.2, pada perancangan yang telah dijelaskan

pada Bab III.

Gambar 4.19 merupakan spektrum suara keluaran, seperti pembahasan sebelumnya

terdapat ketidaksempurnaan dalam pembuatan program ini karena hasil keluaran dari

spektrum sinyal keluaran tidak seperti yang diharapkan. Seharusnya saat nilai frekuensi

diatas 5 kHz terjadi penekanan sampai -60 dB, karena dalam proses filtering diberi

masukkan hingga -60 dB. Hal ini dapat terjadi karena apabila dilihat dari panjang data

sinyal masukkan dan keluaran yang berbeda, maka spektrum yang diperoleh juga akan

berbeda, disebabkan data yang diproses berbeda dengan panjang data awal. Seperti dalam

pembahasan sebelumnya, hal ini menunjukkan adanya kesalahan pemrograman pada

proses filtering, sehingga keluarannya tidak sesuai dengan tujuan simulasi dan tidak sesuai

dengan yang diharapkan.


pass filter dengan masing-masing nilai frekuensi berbeda tetapi memilki nilai amplitude

yang sama pada band 2, 3, 4, dan band 5, yaitu berada pada magnitude sebesar -60 dB. Hal

ini sesuai dengan perancangan seperti yang dijelaskan pada Bab III dan berdasarkan

dengan dasar teori yang mendukung dalam pembuatan simulasi ini. Untuk hasil ini

tanggapan frekuensi menghasilkkan band pass filter sesuai dengan yang diinginkan.

53

4.2.2. Proses Pemberian Sinyal Masukan dari Luar

Program simulasi yang telah dibuat ini selain dapat memproses file dari dalam yaitu

file yang telah disimpan, dapat juga dari luar yaitu rekam (record). Seperti pada fasilitas

yang telah disediakan pada program simulasi ini.

4.2.2.1. Proses Filtering dan Filter Output Sinyal Suara dengan Band

Sama

Seperti saat program mendapat data masukan dari dalam, yang berbeda hanya saja

pengguna dapat merekam suara sendiri. Akan tetapi data masukan belum dapat diproses

sebelum disimpan dalam file yang berekstensi *.wav. Kemudian pengguna dapat membuka

hasil rekaman dan dapat diproses seperti saat program mendapat sinyal masukan dari

dalam.

Pengguna dapat memberi masukan seperti pada Tabel 4.7, dengan nilai amplitudo

yang akan diproses filtering sama untuk masing-masing band. Gambar 4.21 merupakan

gambar sinyal suara yang telah direkam oleh pengguna. Suara yang direkam ini berbunyi

”tes” dan disimpan dengan nama file rekam.wav. Awalnya pengguna dapat menekan

tombol record yaitu fasilitas yang terdapat pada program simulasi ini,setelah suara direkam

kemudian pengguna terlebih dahulu harus menyimpan (save) dengan memilih pada bagian

menu bar yaitu save. Contohnya rekam.wav, setelah itu pengguna dapat membuka file

yang telah disimpan tersebut untuk memainkannya seperti saat program mendapat

masukkan dari dalam, dengan membuka file yang telah disimpan. Untuk sinyal masukkan

panjang data kesulurahan 22050, tetapi pengguna hanya memasukkan bilangan radix 2

sehingga bilangan yang dapat dimasukkan 16384.



1. file masukan rekam.wav


3. band 1 (gain 1) - 60 dB


54

Tabel 4.7. (Lanjutan) Spesifikasi yang Diharapkan pada Simulasi Program 3.





Dengan memberikan data masukan seperti pada Tabel 4.7, kemudian pengguna

dapat menjalankan program dengan memilih submenu filtering agar data masukan dapat

diproses filter dan ditampilkan dalam lima band. Proses terakhir dengan memilih submenu

filter output untuk menampilkan sinyal suara keluaran yang telah mengalami proses

filtering dan menampilkan jumlah data keluran. Untuk mengetahui dan membandingkan

kinerja dari filtering dan filter output, ditunjukkan pada Gambar 4.20.

Gambar 4.20. Tampilan Digital Graphic Equalizer dengan Band Sama 3

55

Tabel 4.8 menunjukkan perolehan hasil keluaran berupa jumlah koefisien N1, N2,

N3, N4, dan N5 dari masing-masing band. Jumlah koefisien dari masing-masing band

adalah sama karena tidak terjadi perubahan pada nilai stopband attenuation pada masing-

masing band. Gambar 4.23 menunjukkan tampilan dari kurva tanggapan frekuensi yang

Gambar 4.21. Tampilan Sinyal Suara Masukan yang Direkam

Gambar 4.22. Tampilan Spektrum Sinyal Suara Masukan yang Direkam

56

telah dibagi menjadi lima band, sama seperti saat program mendapat data masukan dari

dalam maka kurva tanggapan frekuensi tampak overlap agar seolah-olah band pass

merupakan sebuah all pass filter yang sebenarnya terdiri dari lima buah band pass filter.


Setelah proses filtering dilakukan, pengguna dapat menjalankan proses filter output

agar dapat diperoleh hasil sinyal keluaran setelah mengalami proses filter. Berdasarkan

Tabel 4.7 maka akan diperoleh hasil yang ditunjukkan pada Tabel 4.9 dan kurva sinyal

suara yang telah melalui proses filter yang ditunjukkan pada Gambar 4.24.


1. N1 378

2. N 2 378

3. N 3 378

4. N 4 378

5. N 5 378

Gambar 4.23. Tampilan Kurva Tanggapan Frekuensi dengan Band Sama 2

57

Tabel 4.9. Hasil Proses Filter Output 3.





Gambar 4.24. Tampilan Kurva Sinyal Keluaran Suara Rekaman 1

Gambar 4.25. Tampilan Spektrum Sinyal Suara Keluaran Rekaman 1

58

Seperti saat program mendapat sinyal masukan dari dalam, maka saat mendapat

sinyal masukan dari luar data masukan yang diberikan pengguna juga harus dalam

bilangan radix 2. Berdasarkan Tabel 4.7 maka jumlah data masukan diubah kedalam

bilangan 214 yang menunjukkan jumlah data masukan yang akan diproses filtering. Pada

Tabel 4.8 juga dapat diketahui bahwa nilai koefisien untuk masing-masing band pass filter

adalah sama, karena memiliki nilai band yang sama sehingga tidak ada perbedaan pada

masing band. Walaupun jumlah koefisien filter sama, untuk data keluarannya memiliki

nilai yang berbeda dengan jumlah data masukan dapat dilihat pada Tabel 4.9. Pada proses

terakhir, filter output menampilkan bentuk sinyal suara keluaran yang telah mengalami

filtering. Terdapat proses untuk mengubah sinyal suara masukkan dan keluaran menjadi

dalam spektrum, fasilitas ini diberikkan agarpengguna mengetahui benarbahwa proses

filtering dapat bekerja dengan baik. Akan tetapi dalam program ini pada spektrum yang

dibuat terlihat bahwa hasil spektrum output tidak menghasilkan seperti yang

diharapkansetelah melalui proses filtering.

Gambar 4.21 menunjukkan sinyal suara yang direkam dan Gambar 4.24

menunjukkan sinyal suara yang telah mengalami proses filtering. Pada Gambar

memprlihatkan juga adanya perbedaan yang terjadi antara jumlah data keluaran dan

masukan. Jumlah data keluaran yang lebih besar dari pada jumlah data masukan

menyebabkan terjadinya pertambahan data sebanyak 377 data. Petambahan data ini sesuai

dengan persamaan 3.2, pada perancangan yang telah dijelaskan pada Bab III. Akan tetapi

pada Gambar 4.22 dan Gambar 4.25 menunjukkan spektrun dari sinyal masukkan dan

keluaran, sehingga dapat diketahui bahwa proses filtering yang terjadi tidak bekerja secara

tepat pada sinyal yang telah diberikan.

Gambar 4.22 dan Gambar 4.25 merupakan spektrum masukkan dan keluaran,

tampilan spektrum keluaran berbeda dengan yang diharapkan yaitu tidak sama dengan

spektrum data masukkan karena tidak terjadi perubahan dalam proses filtering tetapi dalam

Gambar 4.25 menunjukkan terjadi band reject. Hal ini menunjukkan adanya kesalahan

pemrograman pada proses filtering, sehingga keluarannya tidak sesuai dengan tujuan

simulasi dan tidak sesuai dengan yang diharapkan.


pass filter dengan masing-masing nilai frekuensi berbeda, tetapi memiliki magnitude yang

sama untuk masing-masing band yang berada pada nilai -60 dB. Hal ini sesuai dengan

hasil perancangan yang telah dijelaskan pada Bab III. Saat program mendapat masukan

59

berupa sinyal suara, kemudian sinyal akan ditampilkan dalam domain waktu dan diproses

menjadi lima band pass filter dan ditampilkan. Untuk kurva tanggapan frekuensi telah

menghasilkan band pass filter yang sesuai dengan yang diharapkan, tetapi filter ini tidak

bekerja secara tepat pada sinyal suara yang diberikan.

4.2.2.2. Proses Filtering dan Filter Output Sinyal Audio dengan Band

Berbeda-Beda

Untuk menjalankan program simulasi ini dengan menggunkan sinyal suara dari luar

(dengan direkam suara) dan dengan memberikan nilai pada band yang berbeda-beda,

pengguna dapat memberikan masukan seperti ditunjukkan pada Tabel 4.10.





3. band 1 (gain 1) - 60 dB





Dengan memberikan data masukan seperti pada Tabel 4.10, program dapat

dijalankan dengan proses seperti saat pengambilan data sebelumnya yang pertama memilih

submenu filtering agar data masukan dapat diproses filter dan data dibagi menjadi lima

band. Berdasarkan data pada Tabel 4.10 maka akan diperoleh bentuk tanggapan frekuensi

seperti yang dittunjukkan pada Gambar 4.25. Proses terakhir yang dilakukan pengguna

dengan memilih submenu filter output untuk menampilkan sinyal suara keluaran yang

telah melalui proses filtering dan menampilkan jumlah data keluaran yang dihasilkan.

Untuk mengetahui dan membandingkan kinerja dari filtering dan filter output, ditunjukkan

pada Gambar 4.24. Pengambilan data ini menggunakan contoh sinyal suara masukkan

yang sama yaitu rekam.wav, kurva sinyal suara masukan ditunjukkan pada Gambar 4.20.

60

Tabel 4.11 menunjukkan perolehan hasil berupa jumlah koefisien N1, N2, N3, N4,

dan N5 dari masing-masing band. Jumlah koefisien dari masing-masing band adalah sama

untuk band 2, 3, 4, dan band 5 serta berbeda untuk band 1, karena pengguna memberi

masukan pada band yang dapat mempengaruhi adanya perubahan pada nilai stopband

attenuation untuk masing-masing band pass filter. Gambar 4.25 menunjukkan tampilan

dari kurva tanggapan frekuensi yang telah dibagi menjadi lima band, sama seperti saat

program mendapat data masukan dari dalam maka kurva tanggapan frekuensi tampak

overlap agar seolah-olah band pass merupakan sebuah all pass filter yang sebenarnya

terdiri dari lima buah band pass filter.



1. N1 378

2. N 2 163

3. N 3 163

4. N 4 163

5. N 5 163

Gambar 4.26. Tampilan Digital Graphic Equalizer dengan Band Berbeda 4

61

Setelah proses filtering dilakukan, pengguna dapat menjalankan proses filter output

agar dapat diperoleh hasil sinyal keluaran. Berdasarkan Tabel 4.11 maka akan diperoleh

hasil yang ditunjukkan pada Tabel 4.12 dan kurva sinyal suara keluaran yang telah melalui

proses filter yang ditunjukkan pada Gambar 4.28.

Tabel 4.12. Hasil Proses Filter Output 4.





Gambar 4.27. Tampilan Kurva Tanggapan Frekuensi dengan Band Berbeda 2

62

Pengambilan data ini sama seperti pengambilan data sebelumnya menggunakan

sinyal suara yang direkam dari luar dan telah disimpan, yaitu rekam.wav. Berdasarkan

Tabel 4.10 maka pengguna harus terlebih dahulu mengisi jumlah data masukan dengan

bilangan 2x, dan setelah melalui proses filtering diperoleh data seperti pada Tabel 4.11.

Gambar 4.28. Tampilan Kurva Sinyal Keluaran Suara Rekaman 2

Gambar 4.29. Tampilan Spektrum Sinyal Suara Keluaran Rekaman 2

63

Berdasarkan Tabel 4.11 diperoleh data jumlah koefisien masing-masing filter sama untuk

jumlah koefisien pada band 2, 3, 4, dan band 5. Namun, berbeda pada band 1 yang

menghasilkan jumlah data keluaran yang berbeda dengan data masukan sebesar 377 data.

Pertambahan data terjadi karena adanya perbedaan jumlah data masukan. Petambahan data

ini sesuai dengan persamaan 3.2, pada perancangan yang telah dijelaskan pada Bab III.

Gambar 4.29 merupakan spektrum frekuensi dari sinyal suara keluaran yang

direkam. Hasil yang diperoleh setelah melalui proses filtering ditunjukan pada spektrum

keluaran, seharusnya untuk frekuensi diatas 5 kHz berada pada -60 dB karena pada proses

filtering terjadi penekanan sampai -60 dB. Hal ini menunjukkan adanya kekeliruan yang

terdapat pada spektrum keluaran, akibat adanya kesalahan pemrograman pada proses

filtering. Sehingga, keluarannya tidak sesuai dengan tujuan simulasi dan tidak sesuai

dengan yang diharapkan.

Gambar 4.27 merupakan kurva tanggapan frekuensi dengan nilai stopband

attenuation yang berbeda sehingga seperti yang terlihat pada gambar yang menunjukkan

perbedaan bentuk pada masing-masing band. Kurva tanggapan frekuensi yang diperoleh

ini sesuai dengan dasar teori FIR filter dengan metode optimal yang telah dijelaskan pada

Bab II. Hasil data yang diperoleh juga telah sesuai dengan perancangan atas pembagian

filter.

4.3. Karakteristik Band Pass Filter

Sub bab ini menjelaskan kepada pengguna bahwa selain dapat mensimulasikan

sinyal masukan pada program, simulasi program digital graphic equalizer juga memiliki

fasilitas untuk mengetahui karakteristik masing-masing band pass filter secara lebih detail

yang disertai dengan keterangan yang diperlukan oleh pengguna. Fasilitas yang diberikan

ini terdapat pada bagian keluaran, agar pengguna dapat mengetahui apa saja yang terdapat

pada masing-masing band pass filter seperti yang ditunjukkan pada Gambar 4.30.

Contoh karakteristik band pass filter ditunjukkan pada Gambar 4.30 yaitu pada

band 1 yang memiliki frekuensi centre pada 2.5 kHz. Sedangkan, frekuensi centre pada

band 2 sebesar 6.5 kHz, band 3 sebesar 10.5 kHz, band 4 sebesar 14.5 kHz, dan pada band

5 memiliki frekuensi centre sebesar 18.5 kHz. Nilai frekuensi centre untuk masing-masing

band pass filter (lima band) yang diperoleh telah sesuai dengan perancangan yang terdapat

pada Bab III.

64

Dari Gambar 4.30 kurva tanggapan frekuensi, terlihat bahwa frekuensi sampling

yang digunakan 12 kHz lebih kecil dari pada yang digunakan pada program secara

keseluruhan yang menggunakan frekuensi sampling sebesar 44 kHz. Hal ini dilakukan

untuk menunjukkan kepada pengguna secara jelas posisi dari frekuensi centre yang telah

ditetapkan pada masing-masing band. Frekuensi centre band 1 terletak pada 2.5 kHz.

Gambar 4.27. Tampilan Kurva untuk Band 1

65

BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan, diperoleh

beberapa kesimpulan sebagai berikut :

1. Program simulasi komputer digital graphic equalizer yang dibuat memiliki

kekeliruan yang terdapat dalam tampilan tanggapan frekuensi keluaran, pada

proses filtering. Akibat adanya kesalahan pemrograman.

2. Program simulasi untuk menentukan tanggapan frekuensi dari filter, dengan

menggunakan FIR filter dengan metode optimal telah berhasil dibuat karena

menghasilkan filter yang sesuai dengan spesifikasi yang diharapkan dan diberikan

yang dibagi menjadi lima band pass filter.

5.2 Saran

Untuk penyampurnaan dan pengembangan program simulasi komputer digital

graphic equalizer selanjutnya, penilis menyarankan untuk :

1. Tugas akhir ini dapat dilanjutkan lagi dengan mencari kesalahan pemrograman

pada proses filtering.

2. Untuk penelitian lebih lanjut dan pengembangan ilmu, dapat juga

dikembangkan dengan menambahkan band pass filter agar lebih detail dalam

proses filtering. Selain itu, dapat juga dibuat dengan menggunakan IIR (Infinite

Impulse Response) filter.

66

Daftar Pustaka

[1] Ifeachor, Emmanuel C., dan Barrie W. Jervis, Digital Signal Processing, A

Practical Approach – 2nd Ed, Prentice Hall, 2001.

[2] http://adtyan.blogspot.com/2009/12/1.html, diakses 3 November2010.

[3] Putra, Agfianto Eko, 2002, Penapis Aktif Elektronika : Teori dan Praktek,

C.V.Gava Media, Yogyakarta.

[4] Petra Christian University Library-/jiunkpe/s1/elkt/2003/jiunkpe-ns-s1-2003-

2, diakses 14 November 2009.

[5] Santoso, Tri B., Octavianto, H., Dutono, Titon, Implementasi Filter IIR

secara Real Time pada TMS 32C5402, Politeknik Negeri Surabaya.

[email protected], diakses 31 Agustus 2009.

[6] Krauss Thomas P., Shure Loren dan Little John N., 1994, Signal Processing

Toolbox for use with MATLAB®, The MathWorks.

[7] http://www.Appsig.com/papers.html, diakses 31 Agustus 2009.

[8] Nathanael, Hugo.Y., 2007, “Program Simulasi untuk Realisasi Struktur Tapis

Finite Impulse Response”. Skipsi, Jurusan Teknik Elektro Fakultas Sains dan

Teknologi Universitas Sanata Dharma.

[9] Ricardo A. Losada, Januari 12,2004 practical FIR filter design in MATLAB:

the Math Works.Inc., 3 Apple Hill Dr.Natick, MA 01760,USA.

LAMPIRAN

L 1

A

LISTING PROGRAM

L 2

function varargout = Equalizer(varargin) % EQUALIZER M-file for Equalizer.fig % EQUALIZER, by itself, creates a new EQUALIZER or raises the existing % singleton*. % H = EQUALIZER returns the handle to a new EQUALIZER or the handle to % the existing singleton*. % EQUALIZER('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in EQUALIZER.M with the given input arguments. % EQUALIZER('Property','Value',...) creates a new EQUALIZER or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before Equalizer_OpeningFunction gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to Equalizer_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 % Copyright 2002-2003 The MathWorks, Inc. % Edit the above text to modify the response to help Equalizer % Last Modified by GUIDE v2.5 18-Nov-2010 16:00:00 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @Equalizer_OpeningFcn, ... 'gui_OutputFcn', @Equalizer_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin1) gui_State.gui_Callback = str2func(varargin1); end if nargout [varargout1:nargout] = gui_mainfcn(gui_State, varargin:); else gui_mainfcn(gui_State, varargin:); end % End initialization code - DO NOT EDIT % --- Executes just before Equalizer is made visible. function Equalizer_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 Equalizer (see VARARGIN) % Choose default command line output for Equalizer handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes Equalizer wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = Equalizer_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT);

L 3

% 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 varargout1 = handles.output; % --- Executes on selection change in datain. function datain_Callback(hObject, eventdata, handles) % hObject handle to datain (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: contents = get(hObject,'String') returns datain contents as cell array % contentsget(hObject,'Value') returns selected item from datain % --- Executes during object creation, after setting all properties. function datain_CreateFcn(hObject, eventdata, handles) % hObject handle to datain (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: listbox controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc set(hObject,'BackgroundColor','white'); else set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor')); end % --- Executes on button press in gridon. function gridon_Callback(hObject, eventdata, handles) % hObject handle to gridon (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) grid minor % --- Executes on button press in move. function move_Callback(hObject, eventdata, handles) % hObject handle to move (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) pan % --- Executes on button press in cursor. function cursor_Callback(hObject, eventdata, handles) % hObject handle to cursor (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) datacursormode; % --- Executes on button press in zoomin. function zoomin_Callback(hObject, eventdata, handles) % hObject handle to zoomin (see GCBO)

L 4

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) zoom on set(handles.move,'enable','on'); % --- Executes on button press in zoomout. function zoomout_Callback(hObject, eventdata, handles) % hObject handle to zoomout (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) zoom out pan off set(handles.move,'enable','off'); % -------------------------------------------------------------------- function Open_playlist_Callback(hObject, eventdata, handles) % hObject handle to Open_playlist (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %Mengambil file playlist [nama_file, nama_path]=uigetfile('*.wav','File WAV (*.wav)',... 'Open File Input'); %baca data masukan if ~isequal(nama_file, 0) handles.data = wavread(fullfile(nama_path,nama_file)); guidata(hObject,handles); else return; end %tampilkan nama file masukan dan jumlah masukan set(handles.datain,'string',nama_file); set(handles.Play_Input,'enable','on'); guidata(hObject,handles); % -------------------------------------------------------------------- function Save_Callback(hObject, eventdata, handles) % hObject handle to Save (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) [file,path] = uiputfile('*.wav','Save file'); if ~isequal(file, 0) wavwrite(handles.data,file); guidata(hObject,handles); else return; end % -------------------------------------------------------------------- function Exit_Callback(hObject, eventdata, handles) % hObject handle to Exit (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB

L 5

% handles structure with handles and user data (see GUIDATA) keluar=questdlg(['Exit Program?'],['Close Aplication'], 'Yes','No','Yes'); if strcmp(keluar,'No') return; end delete(handles.figure1) % -------------------------------------------------------------------- function File_Callback(hObject, eventdata, handles) % hObject handle to File (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % -------------------------------------------------------------------- function Filtering_Callback(hObject, eventdata, handles) % hObject handle to Filtering (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) set(handles.Filtering,'enable','on'); set(handles.uipanel4,'visible','on'); datain=get(handles.datain,'string'); datas = handles.data; z = handles.z; %data yang diambil nilai_band1=round(get(handles.slider14,'value')); nilai_band2=round(get(handles.slider15,'value')); nilai_band3=round(get(handles.slider16,'value')); nilai_band4=round(get(handles.slider17,'value')); nilai_band5=round(get(handles.slider18,'value')); %pemeriksaan masukan [datvar] = cekin(datas); %pengecekan data input if datvar==1; handles.nilai_band1 = nilai_band1; handles.nilai_band2 = nilai_band2; handles.nilai_band3 = nilai_band3; handles.nilai_band4 = nilai_band4; handles.nilai_band5 = nilai_band5; %input tetap tw = 400; pr = 0.01; sa = 60; fs = 44000; kebit = 32; inbit = 32; outbit = 32; %pemrosesan data masukan data = handles.data'; b_atas = handles.data_awal; b_bawah = handles.data_akhir; dataq = des2bin(data,inbit); %data awal masukan

L 6

uk=size(dataq); x1=dataq(b_atas:b_bawah); %data yang diberikan pengguna %nilai input band 1 fc1 = 500; fc2 = 4500; sa1 = sa - handles.nilai_band1; %memanggil fungsi optimal methode hn1 = optimalmethod1(fc1,fc2,tw,pr,sa1,fs); %menampilkan jumlah kofisien filter N1 = length(hn1); %set(handles.text20,'string',N1); %jenis struktur tapisyang digunakan transversal structure hs1=hn1; hnq1=des2bin(hs1,kebit); [yq1, y1] = transIn(hnq1,x1,outbit); yq1 = yq1; handles.yq1 = yq1; hns1=hnq1; %nilai input band 2 fc1_2 = 4500; fc2_2 = 8500; sa2 = sa - handles.nilai_band2; %memanggil fungsi optimal methode hn1_2 = optimalmethod2(fc1_2,fc2_2,tw,pr,sa2,fs); %menampilkan jumlah kofisien filter N2 = length(hn1_2); %set(handles.text21,'string',N2); %jenis struktur tapisyang digunakan transversal structure hs1_2=hn1_2; hnq1_2=des2bin(hs1_2,kebit); [yq1_2, y1_2] = transIn(hnq1_2,x1,outbit); yq1_2 = yq1_2; handles.yq1_2 = yq1_2; hns1_2=hnq1_2; %nilai input band 3 fc1_3 = 8500; fc2_3 = 12500; sa3 = sa - handles.nilai_band3; %memanggil fungsi optimal methode hn1_3 = optimalmethod3(fc1_3,fc2_3,tw,pr,sa3,fs); %menampilkan jumlah kofisien filter N3 = length(hn1_3); %set(handles.text22,'string',N3); %jenis struktur tapisyang digunakan transversal structure hs1_3=hn1_3; hnq1_3=des2bin(hs1_3,kebit); [yq1_3, y1_3] = transIn(hnq1_3,x1,outbit); yq1_3 = yq1_3; handles.yq1_3 = yq1_3; hns1_3=hnq1_3;

L 7

%nilai input band 4 fc1_4 = 12500; fc2_4 = 16500; sa4 = sa - handles.nilai_band4; %memanggil fungsi optimal methode hn1_4 = optimalmethod4(fc1_4,fc2_4,tw,pr,sa4,fs); %menampilkan jumlah kofisien filter N4 = length(hn1_4); %set(handles.text23,'string',N4); %jenis struktur tapisyang digunakan transversal structure hs1_4=hn1_4; hnq1_4=des2bin(hs1_4,kebit); [yq1_4, y1_4] = transIn(hnq1_4,x1,outbit); yq1_4 = yq1_4; handles.yq1_4 = yq1_4; hns1_4=hnq1_4; %nilai input band 5 fc1_5 = 16500; fc2_5 = 20500; sa5 = sa - handles.nilai_band5; %memanggil fungsi optimal methode hn1_5 = optimalmethod5(fc1_5,fc2_5,tw,pr,sa5,fs); %menampilkan jumlah kofisien filter N5 = length(hn1_5); %set(handles.text24,'string',N5); %jenis struktur tapisyang digunakan transversal structure hs1_5=hn1_5; hnq1_5=des2bin(hs1_5,kebit); [yq1_5, y1_5] = transIn(hnq1_5,x1,outbit); yq1_5 = yq1_5; handles.yq1_5 = yq1_5; hns1_5=hnq1_5; [amp1_1,f0_1] = freqz(hns1,1,z,fs); mag1_1 = 20*log10(abs(amp1_1)); mag1_1 = mag1_1 - handles.nilai_band1; [amp1_2,f0_2] = freqz(hns1_2,1,z,fs); mag1_2 = 20*log10(abs(amp1_2)); mag1_2 = mag1_2 - handles.nilai_band2; handles.amp1_2 = amp1_2; [amp1_3,f0_3] = freqz(hns1_3,1,z,fs); mag1_3 = 20*log10(abs(amp1_3)); mag1_3 = mag1_3 - handles.nilai_band3; handles.amp1_3 = amp1_3; [amp1_4,f0_4] = freqz(hns1_4,1,z,fs); mag1_4 = 20*log10(abs(amp1_4)); mag1_4 = mag1_4 - handles.nilai_band4; handles.amp1_4 = amp1_4; [amp1_5,f0_5] = freqz(hns1_5,1,z,fs);

L 8

mag1_5 = 20*log10(abs(amp1_5)); mag1_5 = mag1_5 - handles.nilai_band5; handles.amp1_5 = amp1_5; %%menampilkan grafik tanggapan frekuensi dengan 5 bandpass filter %dan menampilkan jumlah koefisien dari masing-masing band pass axes(handles.grafik3) set(handles.text20,'string',N1); set(handles.text21,'string',N2); set(handles.text22,'string',N3); set(handles.text23,'string',N4); set(handles.text24,'string',N5); plot (f0_1,mag1_1,'blue',f0_2,mag1_2,'green',f0_3,mag1_3,'red',f0_4,mag1_4,'cyan',f0_5,mag1_5,'magenta') xlabel('Frequency(Hz)') ylabel('Magnitude Response (dB)') legend('filter 1','filter 2','filter 3','filter 4','filter 5','location','northeast'); guidata(hObject,handles); %meng-non-enable-kan tombol save set(handles.Save,'enable','off'); else return; end %end % -------------------------------------------------------------------- function Equalizing_Callback(hObject, eventdata, handles) % hObject handle to Equalizing (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % -------------------------------------------------------------------- function Optimal_Callback(hObject, eventdata, handles) % hObject handle to Optimal (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) OptimalHelp; % -------------------------------------------------------------------- function Program_DGE_Callback(hObject, eventdata, handles) % hObject handle to Program_DGE (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) ProgHelp; % -------------------------------------------------------------------- function Pembuat_Callback(hObject, eventdata, handles) % hObject handle to Pembuat (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) pembuatsari % -------------------------------------------------------------------- function Help_Callback(hObject, eventdata, handles) % hObject handle to Help (see GCBO)

L 9

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % -------------------------------------------------------------------- % --- Executes when figure1 is resized. function figure1_ResizeFcn(hObject, eventdata, handles) % hObject handle to figure1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %-------------------------------------------------------------------------- %-------------------------------------------------------------------------- function bineq = des2bin(des,bit) %des2bin merupakan fungsi untuk mengubah suatu nilai %desimal menjadi biner equivalent sesuai jumlah bit %yang diinginkan. m = 1; %mengubah semua nilai desimal menjadi positif d = abs(des); %mengubah nilai integer menjadi nilai fraksional while fix(d) > 0 d = abs(des)/(10^m); m = m + 1; end %menghitung nilai desimal equivalent bineq = 0; for n = 1 : bit-1 bineq = fix(d*2)/(2^n) + bineq; d = (d*2) - fix(d*2); end %mengembalikan tanda(sign)& besar tiap nilai desimal bineq = sign(des) .* bineq * 10^(m-1); function [yq, y] = transIn(hq,xq,outbit) %transIn merupakan fungsi untuk memasukan %suatu data input ke dalam transversal structure N = length(hq); m = length(xq); %hitung panjang keluaran tapis r = N + m - 1; %perhitungan nilai keluaran tapis y=zeros(1,r); yq=zeros(1,r); hbar = waitbar(0,'Please wait...'); for p = 1 : r for k = 1 : N i = p - k + 1; if i <= 0 | i > m a = 0; else a = hq(k)*xq(i); end y(p) = y(p) + a; aq = des2bin(a,outbit); yq(p) = yq(p) + aq; end

L 10

waitbar(p/r,hbar) end close(hbar) %-------------------------------------------------------------------------- %fungsi untuk band 1 dengan frekuensi cut-off1 = 500 Hz dan %frekuensi cut-off2 = 5000 Hz %data yang diambil function hn = optimalmethod1(fc1, fc2, tw, pr, sa1, fs) [ap,as]=konversidB(pr,sa1); f1 = fc1-tw; f2 = fc1; f3 = fc2; f4 = fc2+tw; F = [f1 f2 f3 f4]; M = [0 1 0 ]; dev = [as ap as]; [N,fo,ao,W] = firpmord(F,M,dev,fs); hn = firpm(N,fo,ao,W); %fungsi untuk band 2 dengan frekuensi cut-off1 = 5000 Hz dan %frekuensi cut-off2 = 9000 Hz function hn_2 = optimalmethod2(fc1_2, fc2_2, tw, pr, sa2, fs); [ap,as]=konversidB(pr,sa2); f1_2 = fc1_2-tw; f2_2 = fc1_2; f3_2 = fc2_2; f4_2 = fc2_2+tw; F_2 = [f1_2 f2_2 f3_2 f4_2]; M = [0 1 0 ]; dev = [as ap as]; [N_2,fo_2,ao_2,W_2] = firpmord(F_2,M,dev,fs); hn_2 = firpm(N_2,fo_2,ao_2,W_2); %fungsi untuk band 3 dengan frekuensi cut-off1 = 9000 Hz dan %frekuensi cut-off3 13000 Hz; function hn_3 = optimalmethod3(fc1_3, fc2_3, tw, pr, sa3, fs); [ap,as]=konversidB(pr,sa3); f1_3 = fc1_3-tw; f2_3 = fc1_3; f3_3 = fc2_3; f4_3 = fc2_3+tw; F_3 = [f1_3 f2_3 f3_3 f4_3]; M = [0 1 0 ]; dev = [as ap as]; [N_3,fo_3,ao_3,W_3] = firpmord(F_3,M,dev,fs); hn_3 = firpm(N_3,fo_3,ao_3,W_3); %fungsi untuk band 4 dengan frekuensi cut-off1 = 13000 Hz dan %frekuensi cut-off2 = 17000; function hn_4 = optimalmethod4(fc1_4, fc2_4, tw, pr, sa4, fs);

L 11

[ap,as]=konversidB(pr,sa4); f1_4 = fc1_4-tw; f2_4 = fc1_4; f3_4 = fc2_4; f4_4 = fc2_4+tw; F_4 = [f1_4 f2_4 f3_4 f4_4]; M = [0 1 0 ]; dev = [as ap as]; [N_4,fo_4,ao_4,W_4] = firpmord(F_4,M,dev,fs); hn_4 = firpm(N_4,fo_4,ao_4,W_4); %fungsi untuk band 5 dengan frekuensi cut-off1 = 17000 Hz dan %frekuensi cut-off2 = 21000;; function hn_5 = optimalmethod5(fc1_5, fc2_5, tw, pr, sa5, fs); [ap,as]=konversidB(pr,sa5); f1_5 = fc1_5-tw; f2_5 = fc1_5; f3_5 = fc2_5; f4_5 = fc2_5+tw; F_5 = [f1_5 f2_5 f3_5 f4_5]; M = [0 1 0 ]; dev = [as ap as]; [N_5,fo_5,ao_5,W_5] = firpmord(F_5,M,dev,fs); hn_5 = firpm(N_5,fo_5,ao_5,W_5); function [Ap, As] = konversidB(a,b) Ap =((10^(a/20))-1)/((10^(a/20))+1); As = 10^(b/(-20)); %-------------------------------------------------------------------------- %-------------------------------------------------------------------------- function [datvar] = cekin(datas) %cek masukkan if datas==0 uiwait(errordlg('Insert name of input file','Not Enough Input...','modal')); datvar=0; else datvar=1; end %-------------------------------------------------------------------------- % --- Executes on slider movement. function slider14_Callback(hObject, eventdata, handles) % hObject handle to slider14 (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,'Value') returns position of slider % get(hObject,'Min') and get(hObject,'Max') to determine range of slider nilai_band1=round(get(handles.slider14,'value')); if isnan(nilai_band1) | nilai_band1>=44 errordlg('Band 1 tidak dapat lebih dari 43','Warning','modal')

L 12

end handles.nilai_band1 = nilai_band1; guidata(hObject,handles); set(handles.text27,'string',handles.nilai_band1); % --- Executes during object creation, after setting all properties. function slider14_CreateFcn(hObject, eventdata, handles) % hObject handle to slider14 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: slider controls usually have a light gray background, change % 'usewhitebg' to 0 to use default. See ISPC and COMPUTER. usewhitebg = 1; if usewhitebg set(hObject,'BackgroundColor',[.9 .9 .9]); else set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor')); end % --- Executes on slider movement. function slider15_Callback(hObject, eventdata, handles) % hObject handle to slider15 (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,'Value') returns position of slider % get(hObject,'Min') and get(hObject,'Max') to determine range of slider nilai_band2=round(get(handles.slider15,'value')); %if isnan(nilai_band2) | nilai_band2<=0 % errordlg('Anda harus mengisikan nilai pada Band2','Bad Input','modal') %end handles.nilai_band2 = nilai_band2; guidata(hObject,handles); set(handles.text28,'string',handles.nilai_band2); % --- Executes during object creation, after setting all properties. function slider15_CreateFcn(hObject, eventdata, handles) % hObject handle to slider15 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: slider controls usually have a light gray background, change % 'usewhitebg' to 0 to use default. See ISPC and COMPUTER. usewhitebg = 1; if usewhitebg set(hObject,'BackgroundColor',[.9 .9 .9]); else set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor')); end % --- Executes on slider movement. function slider16_Callback(hObject, eventdata, handles)

L 13

% hObject handle to slider16 (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,'Value') returns position of slider % get(hObject,'Min') and get(hObject,'Max') to determine range of slider nilai_band3=round(get(handles.slider16,'value')); %if isnan(nilai_band3) | nilai_band3<=0 % errordlg('Anda harus mengisikan nilai pada Band3','Bad Input','modal') %end handles.nilai_band3 = nilai_band3; guidata(hObject,handles); set(handles.text29,'string',handles.nilai_band3); % --- Executes during object creation, after setting all properties. function slider16_CreateFcn(hObject, eventdata, handles) % hObject handle to slider16 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: slider controls usually have a light gray background, change % 'usewhitebg' to 0 to use default. See ISPC and COMPUTER. usewhitebg = 1; if usewhitebg set(hObject,'BackgroundColor',[.9 .9 .9]); else set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor')); end % --- Executes on slider movement. function slider17_Callback(hObject, eventdata, handles) % hObject handle to slider17 (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,'Value') returns position of slider % get(hObject,'Min') and get(hObject,'Max') to determine range of slider nilai_band4=round(get(handles.slider17,'value')); %if isnan(nilai_band4) | nilai_band4<=0 % errordlg('Anda harus mengisikan nilai pada Band4','Bad Input','modal') %end handles.nilai_band4 = nilai_band4; guidata(hObject,handles); set(handles.text30,'string',handles.nilai_band4); % --- Executes during object creation, after setting all properties. function slider17_CreateFcn(hObject, eventdata, handles) % hObject handle to slider17 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: slider controls usually have a light gray background, change

L 14

% 'usewhitebg' to 0 to use default. See ISPC and COMPUTER. usewhitebg = 1; if usewhitebg set(hObject,'BackgroundColor',[.9 .9 .9]); else set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor')); end % --- Executes on slider movement. function slider18_Callback(hObject, eventdata, handles) % hObject handle to slider18 (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,'Value') returns position of slider % get(hObject,'Min') and get(hObject,'Max') to determine range of slider nilai_band5=round(get(handles.slider18,'value')); %if isnan(nilai_band5) | nilai_band5<=0 % errordlg('Anda harus mengisikan nilai pada Band5','Bad Input','modal') %end handles.nilai_band5 = nilai_band5; guidata(hObject,handles); set(handles.text31,'string',handles.nilai_band5); % --- Executes during object creation, after setting all properties. function slider18_CreateFcn(hObject, eventdata, handles) % hObject handle to slider18 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: slider controls usually have a light gray background, change % 'usewhitebg' to 0 to use default. See ISPC and COMPUTER. usewhitebg = 1; if usewhitebg set(hObject,'BackgroundColor',[.9 .9 .9]); else set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor')); end % -------------------------------------------------------------------- function Filter_Output_Callback(hObject, eventdata, handles) % hObject handle to Filter_Output (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %meng-enable-kan frequency domain set(handles.Filter_Output,'enable','on'); set(handles.uipanel3,'visible','on') yq1 = handles.yq1; yq1_2 = handles.yq1_2; yq1_3 = handles.yq1_3; yq1_4 = handles.yq1_4;

L 15

yq1_5 = handles.yq1_5; %yq1>yq1_2&yq1<yq1_2; yq2_1 = length(yq1)-length(yq1_2); yq1_2 = [yq1_2,zeros(1,yq2_1)]; yq3_1 = length(yq1_2)-length(yq1); yq1 = [yq1,zeros(1,yq3_1)]; %yq1>yq1_3&yq1<yq1_3; yq2_2 = length(yq1)-length(yq1_3); yq1_3 = [yq1_3,zeros(1,yq2_2)]; yq3_2 = length(yq1_3)-length(yq1); yq1 = [yq1,zeros(1,yq3_2)]; %yq1>yq1_4&yq1<yq1_4; yq2_3 = length(yq1)-length(yq1_4); yq1_4 = [yq1_4,zeros(1,yq2_3)]; yq3_3 = length(yq1_4)-length(yq1); yq1 = [yq1,zeros(1,yq3_3)]; %yq1>yq1_5&yq1<yq1_5; yq2_4 = length(yq1)-length(yq1_5); yq1_5 = [yq1_5,zeros(1,yq2_4)]; yq3_4 = length(yq1_5)-length(yq1); yq1 = [yq1,zeros(1,yq3_4)]; %yq1_2>yq1_3&yq1_2<yq1_3; yq2_5 = length(yq1_2)-length(yq1_3); yq1_3 = [yq1_3,zeros(1,yq2_5)]; yq3_5 = length(yq1_3)-length(yq1_2); yq1_2 = [yq1_2,zeros(1,yq3_5)]; %yq1_2>yq1_4&yq1_2<yq1_4; yq2_6 = length(yq1_2)-length(yq1_4); yq1_4 = [yq1_4,zeros(1,yq2_6)]; yq3_6 = length(yq1_4)-length(yq1_2); yq1_2 = [yq1_2,zeros(1,yq3_6)]; %yq1_2>yq1_5&yq1_2<yq1_5; yq2_7 = length(yq1_2)-length(yq1_5); yq1_5 = [yq1_5,zeros(1,yq2_7)]; yq3_7 = length(yq1_5)-length(yq1_2); yq1_2 = [yq1_2,zeros(1,yq3_7)]; %yq1_3>yq1_4&yq1_3<yq1_4; yq2_8 = length(yq1_3)-length(yq1_4); yq1_4 = [yq1_4,zeros(1,yq2_8)]; yq3_8 = length(yq1_4)-length(yq1_3); yq1_3 = [yq1_3,zeros(1,yq3_8)]; %yq1_3>yq1_5&yq1_3<yq1_5; yq2_9 = length(yq1_3)-length(yq1_5); yq1_5 = [yq1_5,zeros(1,yq2_9)]; yq3_9 = length(yq1_5)-length(yq1_3); yq1_3 = [yq1_3,zeros(1,yq3_9)]; %yq1_4>yq1_5&yq1_4<yq1_5; yq2_10 = length(yq1_4)-length(yq1_5); yq1_5 = [yq1_5,zeros(1,yq2_10)]; yq3_10 = length(yq1_5)-length(yq1_4); yq1_4 = [yq1_4,zeros(1,yq3_10)]; yn = yq1+yq1_2+yq1_3+yq1_4+yq1_5; yn = [yn]; handles.yn = yn;

L 16

%-------------------------------------------------------------------------- handles.total_data=length(yn); %fungsi menghitung panjang data input set(handles.text19,'string', handles.total_data); %menampilkan jumlah panjang data dari data input %menampilkan sinyal yang telah difilter dalam domain waktu axes(handles.grafik2) stem(yn) xlabel('Line..(n)') ylabel('Amplitude') guidata(hObject,handles); %meng-enable-kan tombol save set(handles.Save,'enable','on'); % --- Executes on button press in Play_Input. function Play_Input_Callback(hObject, eventdata, handles) % hObject handle to Play_Input (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) datas = handles.data; %pemeriksaan masukan [datvar] = cekin(datas); %pengecekan data input if datvar==1; else return; end %panjang data handles.jumlah_data=length(handles.data); %fungsi menghitung panjang data input set(handles.panjang_data,'string', handles.jumlah_data); %menampilkan jumlah panjang data dari data input handles.data_awal = 1; handles.data_akhir = handles.jumlah_data; %menampilkan grafik dalam domain waktu axes(handles.grafik1) plot(handles.data); xlabel('Line..(n)') ylabel('Amplitude') guidata(hObject,handles); wavplay(handles.data) % --- Executes on button press in Play_Output. function Play_Output_Callback(hObject, eventdata, handles) % hObject handle to Play_Output (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) yn = handles.yn; %panjang data handles.jumlah_data2=length(handles.yn); %fungsi menghitung panjang data input

L 17

set(handles.text19,'string', handles.jumlah_data2); %menampilkan jumlah panjang data dari data input handles.data_awal2 = 1; handles.data_akhir2 = handles.jumlah_data2; %menampilkan grafik domain waktu axes(handles.grafik2) stem(yn); xlabel('Line..(n)') ylabel('Amplitude') wavplay(yn) guidata(hObject,handles); %meng-enable-kan tombol save set(handles.Save,'enable','on'); % --- Executes on button press in Ubah. function Ubah_Callback(hObject, eventdata, handles) % hObject handle to Ubah (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %meminta masukan dari pengguna prompt = 'Data mulai sampel ke: ','sampai sampel ke: '; title = 'Masukkan Jumlah Sampel Data'; num_lines = 1; a = num2str(handles.jumlah_data); b = handles.jumlah_data; default = '1',a; options.Resize='on'; answer = inputdlg(prompt,title,num_lines,default,options); if isempty(answer) return; else %hitung jumlah data yang baru sampel = answer'; handles.data_awal = str2double(sampel(1)); handles.data_akhir = str2double(sampel(2)); if handles.data_awal < 1 | handles.data_awal > b-1 errordlg('0 < sampel awal < jumlah total sampel',... 'Sampel Salah','modal'); elseif handles.data_akhir < handles.data_awal | handles.data_akhir > b errordlg('data awal < data akhir <= jumlah total sampel',... 'Sampel Salah','modal'); else jumlah = (handles.data_akhir - handles.data_awal) + 1; %tampilkan jumlah data yang baru set(handles.panjang_data,'string',jumlah); end end %handles.pjg = get(handles.panjang_data,'string'); z = handles.data_akhir; handles.z = z;

L 18

guidata(hObject,handles); % -------------------------------------------------------------------- function Reset_Callback(hObject, eventdata, handles) % hObject handle to Reset (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) delete(handles.figure1); Equalizer; % --- Executes on button press in pushbutton23. function pushbutton23_Callback(hObject, eventdata, handles) % hObject handle to pushbutton23 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) legend toggle % --- Executes on button press in pushbutton24. function pushbutton24_Callback(hObject, eventdata, handles) % hObject handle to pushbutton24 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) band1 % --- Executes on button press in pushbutton25. function pushbutton25_Callback(hObject, eventdata, handles) % hObject handle to pushbutton25 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) band2 % --- Executes on button press in pushbutton26. function pushbutton26_Callback(hObject, eventdata, handles) % hObject handle to pushbutton26 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) band3 % --- Executes on button press in pushbutton27. function pushbutton27_Callback(hObject, eventdata, handles) % hObject handle to pushbutton27 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) band4 % --- Executes on button press in pushbutton28. function pushbutton28_Callback(hObject, eventdata, handles) % hObject handle to pushbutton28 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) band5

L 19

% --- Executes on button press in pushbutton29. function pushbutton29_Callback(hObject, eventdata, handles) % hObject handle to pushbutton29 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) Fs = 11025; %Standard sampling rates for PC-based %audio hardware are 8000, 11025, 2250, %and 44100 samples per second. handles.data = wavrecord(2*Fs,Fs,'single').'; %'single' menunjukkan 16 bits/sample %Be sure to transpose data once it has been received: wavplay(handles.data,Fs); %menampilkan record axes(handles.grafik1) plot(handles.data) xlabel('Line..(n)') ylabel('Amplitude') guidata(hObject,handles); %meng-enable-kan tombol save set(handles.Save,'enable','on'); % --- Executes on button press in pushbutton36. function pushbutton36_Callback(hObject, eventdata, handles) % hObject handle to pushbutton36 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) datas = handles.data; y = fft(datas); m = abs(y); f = (0:length(y)-1)*(44000/2)/length(y); %%menampilkan spektrum sinyal input axes(handles.grafik4) plot(f,20*log10(m)); title('Magnitude'); xlabel('frequency (Hz)') ylabel('Amplitudo') guidata(hObject,handles); % --- Executes on button press in pushbutton37. function pushbutton37_Callback(hObject, eventdata, handles) % hObject handle to pushbutton37 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) datacursormode; % --- Executes on button press in pushbutton38. function pushbutton38_Callback(hObject, eventdata, handles) % hObject handle to pushbutton38 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) yn = handles.yn; tt = (0:1/100:10-1/100); yy = fft(yn);

L 20

mm = abs(yy); ff = (0:length(yy)-1)*(44000/2)/length(yy); %menampilkan spektrum output axes(handles.grafik5) plot(ff,20*log10(mm)); title('Magnitude'); xlabel('frequency (Hz)') ylabel('Amplitudo') guidata(hObject,handles); % --- Executes on button press in pushbutton39. function pushbutton39_Callback(hObject, eventdata, handles) % hObject handle to pushbutton39 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) datacursormode;

L 21

B

HASIL PENGAMATAN

L 22

Hasil Pengamatan

1. Saat band 1, band 3, band 5 diberi penguatan pada -60 dB

Spesifikasi yang diharapkan :

file masukan click.wav

jumlah sampel data masukan 512

band 1 (gain 1) 0 dB

band 2 (gain 2) -30 dB




Gambar aktual :

L 23

Spesifikasi aktual :

2. Saat diberi penguatan yang saling berbeda dengan file sinyal masukan ding.wav


file masukan ding.wav







Gambar aktual :

file masukan click.wav

jumlah sampel data keluaran 889

proses yang dijalankan filtering dan filter output

N1 378

N2 270

N3 378

N4 306

N5 378

L 24


3. Saat diberi penguatan yang semakin kecil dan file masukan bee.wav.


file masukan bee.wav







Gambar aktual :

file masukan ding.wav



N1 356

N2 321

N3 292

N4 310

N5 371

L 25


file masukan bee.wav



N1 349

N2 313

N3 274

N4 249

N5 217

simulasi komputer digital graphic equalizer tugas … · audio , video, sistem kontrol dan...

Documents