Penerapan Metode Fast Independent Component Analysis (FastICA) dalam Memisahkan Vokal dan Instrumen Seni Geguntangan

Putri, Penerapan Metode Fast Independent Component Analysis (FastICA) dalam memisahkan Vokal dan….. 77 Penerapan Metode Fast Independent Component Analysis (FastICA) dalam Memisahkan Vokal dan Instrumen Seni Geguntangan Luh Arida Ayu Rahning Putri1, I Gede Erwin Winata Pratama2, I Dewa Made Bayu Atmaja Darmawan3, A. A. I. N. Eka Karyawati4, Ida Bagus Made Mahendra5, I Ketut Gede Suhartana6 Program Studi Teknik Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Jl. Kampus Bukit Jimbaran, Jimbaran, Kabupaten Badung, Bali 80362 1 , , , 4 , , Abstract. Application of Fast Independent Component Analysis (Fastica) Method in Separating Vocals and Instruments in Geguntangan. Gamelan Geguntangan is often used in religious ceremonies to accompany ceremonies and entertain the public. Along with its development, the Geguntangan gamelan is also used to accompany the Pesantian. Geguntangan recording plays instruments and vocal sounds, most of which have been mixed. The mixed sounds caused the learning process to be less effective for people who will study Pesantian. The students could not focus because of the distracting sound of the instrument. This study aims to separate the sound of instruments and vocals of Geguntangan using deflationary-based FastICA. The non-linear function used is Logcosh. This study also examines the effect of mixing matrix variables and alpha values on nonlinear functions on SDR, SIR, and SAR values. The results of the paired t-test carried out by these two values did not have a significant effect on SDR, SIR, and SAR. The difference in the average time of the mixing matrix testing process is 0.09 seconds and 0.42 seconds for testing the alpha value. Keywords: Pesantian, Geguntangan, BSS, FastICA, Deflationary Based. Abstrak. Gamelan Geguntangan sering dipakai dalam upacara keagamaan baik untuk mengiringi jalannya upacara dan hiburan masyarakat. Seiring perkembangannya, gamelan Geguntangan juga digunakan untuk mengiringi Pesantian. Pada rekaman Geguntangan terdapat suara instrumen dan vokal yang sebagian besarnya sudah tercampur. Hal ini menyebabkan proses belajar yang kurang efektif bagi orang yang akan belajar Pesantian. Para pemelajar tidak bisa fokus karena adanya suara instrumen yang mengganggu. Penelitian ini bertujuan untuk memisahkan suara instrumen dan vokal seni Geguntangan menggunakan deflationary based FastICA. Fungsi non linear yang digunakan adalah Logcosh. Penelitian ini juga menguji pengaruh variabel matriks pencampuran dan nilai alpha pada fungsi nonlinear terhadap nilai SDR, SIR dan SAR. Hasil uji-t berpasangan yang dilakukan kedua nilai ini tidak mempunyai pengaruh yang signifikan terhadap SDR, SIR dan SAR. Selisih rata-rata waktu proses pengujian matriks pencampuran ialah 0.09 detik dan 0.42 detik untuk pengujian nilai alpha. Kata Kunci: Pesantian, Geguntangan, BSS, FastICA, Deflationary Based. 1. Pendahuluan Bali sudah terkenal dengan seni, tak terkecuali seni musik dimana yang paling umum adalah gamelan. Ada banyak jenis gamelan yang dimainkan oleh masyarakat Bali salah satunya adalah gamelan Geguntangan. Gamelan Geguntangan ini berbeda dari gamelan Bali pada umumnya, dimana instrumen yang digunakan lebih sedikit. Instrumen yang terdapat di gamelan Geguntangan diantaranya kendang krumpung satu pasang (lanang wadon), suling, kecak, kleneng, gong, tawa-tawa, klenteng dan kelentit. Gamelan Geguntangan mempunyai banyak kegunaan atau fungsi dapat dilihat dari tata penyajian yang dilakukan dalam masyarakat Bali. Pada mulanya gamelan ini diciptakan untuk 78 Jurnal Buana Informatika, Volume 13, Nomor 1, April 2022: 77-84 mengiringi drama tari arja yang dalam pertunjukannya diiringi dengan gamelan Geguntangan yang berlangsung sampai saat ini. Seiring perkembangannya, gamelan Geguntangan kini lebih banyak digunakan untuk mengiringi pesantian misalnya geguritan, pupuh, ataupun jenis tembang yang lainnya. Saat ini banyak ada rekaman seni Geguntangan yang beredar baik itu di internet maupun berupa rekaman fisik. Rekaman Geguntangan sebagian besar sudah tercampur antara instrumen dan vokal. Hal ini menyebabkan proses belajar yang kurang efektif dikarenakan orang yang akan belajar pesantian tidak bisa fokus dengan adanya suara instrumen yang mengganggu. Perlu adanya pemisahan antara suara instrumen dan vokal agar proses belajar pesantian tidak terganggu. Penelitian terkait dengan pemisahan ini antara lain [1], [2] dan [3]. Pada penelitian [1] mengangkat masalah dalam memisahkan sumber sinyal akustik dari sinyal campuran dengan menggunakan metode FastICA dan toolbox ICALAB. Hasil yang didapatkan berupa nilai ratarata SIR dengan FastICA sebesar 45,72dB dan nilai rata-rata SIR dengan ICALAB 53dB yang mana nilai SIR ini yang merepresentasikan kualitas suara yang dipisahkan. Penelitian ini menunjukkan penggunaan FastICA dapat menghasilkan suara pemisahan yang sama baiknya dengan ICALAB. Penelitian lainnya yang terkait dengan metode FastICA seperti penelitian yang dilakukan oleh [2]. Pada penelitian tersebut dilakukan simulasi perbandingan metode antara FastICA, Principal Component Analysis (PCA) dan Non-negative matrix factorization (NMF) dengan menggunakan suara katak. Hasil dari penelitian ini dapat disimpulkan bahwa FastICA berbasis negentropi bekerja lebih baik dengan hasil Source to Distortion Ratio (SDR) sebesar 65,52 dB dan 58,75 dB, Source to Interferences Ratio (SIR) sebesar 65,53 dB dan 66,71 dB dan Sources to Artifacts Ratio (SAR) sebesar 104,6 dB dan 60,66 dB yang mana nilai SDR menunjukkan tingkat artefak pada sinyal hasil pemisahan dibandingkan dengan sumber asli, SIR menunjukkan sumber lain yang dapat didengar pada sinyal hasil pemisahan dan SAR menunjukkan keseluruhan hasil dari pemisahan sinyal yang dilakukan. Penelitian [3] menerapkan penggunaan metode FastICA berbasis negentropi juga digunakan namun dengan ortogonalisasi berbasis Deflationary. Hasil yang didapatkan FastICA berbasis negentropi dengan Deflationary menunjukkan hasil yang lebih baik jika dibandingkan dengan FastICA berbasis kurtosis. Berdasarkan paparan beberapa penelitian di atas, penelitian ini menggunakan metode FastICA Negentropy dengan Deflationary Orthogonalization dalam memisahkan instrumen dan vokal pada Geguntangan. Ada beberapa variabel yang dapat mempengaruhi jalannya algoritma ini seperti di penelitian [4], dimana matriks pencampuran dapat mempengaruhi hasil pemisahan. Selain itu dalam penelitian [5] nilai alpha yang digunakan dapat bervariasi dan mempengaruhi hasil pemisahan. Oleh karena itu, penelitian ini akan dilakukan pengujian terhadap variabelvariabel tersebut. Selain itu ada beberapa nilai yang digunakan untuk menentukan kualitas hasil pemisahan yaitu SDR, SIR dan SAR. 2. Tinjauan Pustaka 2.1. Penelitian Terkait Pada penelitian [2] penggunaan algoritma FastICA menggunakan negentropy dan kurtosis lebih baik dalam memisahkan campuran sinyal bio-akustik pada katak daripada Principal Component Analysis (PCA) dan Non-negativ (...truncated)