JURUSAN TEKNIK KOMPUTER FAKULTAS TEKNIK DAN ILMU KOMPUTER Sidang Tugas Akhir Aplikasi Filter Finite Impulse Response (FIR) Untuk Menghilangkan Noise Pada Suara Manusia Menggunakan GUI Pemrograman Matlab oleh Gugun Gunawan 10205025 Pembimbing Dr. Yeffry Handoko Putra,M.T John Adler,M.Si JURUSAN TEKNIK KOMPUTER FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA BANDUNG 2013

Pendahuluan Latar belakang ◘ Tidak jelasnya informasi suara di terima, karena adanya noise yang mengganggu informasi suara.

Maksud ◘Membuat aplikasi pengolahan sinyal suara, yang dapat diaplikasikan untuk industri rekaman, agar lebih memudahkan dalam memperbaiki sinyal suara yang terganggu noise. Tujuan ◘Merancang program aplikasi pengolahan sinyal suara yang terganggu noise, untuk dihilangkan noisenya menggunakan filter Finite Impulse Response (FIR). ◘Mengetahui nilai Signal to Noise Ratio (SNR) dari sinyal suara yang telah dihilangkan noisenya dengan menggunakan filter digital Finite Impulse Response (FIR) IR

Batasan Masalah ◘ Filter digital yang dirancang adalah Finite Impulse Response (FIR), dengan jenis filter Low Pass, High Pass, dan Band Pass. ◘ Data suara yang akan digunakan dalam pengujian adalah suara rekaman kalimat seseorang di dalam ruangan dalam waktu tertentu. ◘ Data suara yang akan di simpan ke aplikasi dalam extension .wav. ◘ Graphical User Interface (GUI) yang dibuat untuk memudahkan penggunaan, menggunakan software versi 2010 Matlab (Matrix Laboratory). ◘ Waktu perekaman lamanya 5 detik. ◘ Frekuensi sampling 8 kHz (8000 Hz).

◘ Studi literatur ◘ Eksperiment ◘ Konsultasi Metoda Penelitian ◘ Studi literatur ◘ Eksperiment ◘ Konsultasi

Sistematika Penulisan BAB 1 PENDAHULUAN BAB II TEORI PENUNJANG BAB III PERANCANGAN BAB IV PENGUJIAN DAN ANALISIS BAB V KESIMPULAN DAN SARAN

Teori Penunjang Signal to Noise Ratio (SNR) Perbandingan antara daya sinyal yang dikehendaki dengan daya sinyal yang tidak dikehendaki (noise). Signal to Noise Ratio (SNR) Menyatakan kualitas suara yang di terima, Semakin besar nilai Signal to Noise Ratio (SNR), semakin bagus suara yang dihasilkan. Rumus: SNR =

Perancangan ◘ Memakai Pemrograman MATLAB versi 7.11.0 (R2010b) 2010 ◘ Laptop ADVAN yang sudah dilengkapi dengan microphone dan kartu suara.

Diagram blok analisis suara

Diagram Alir

Antarmuka Aplikasi

Hasil Pengujian Pengujian Simulasi

Grafik frekuensi

Pengujian berdasarkan nilai SNR

Kesimpulan 1. Berdasarkan hasil pengujian, Filter Finite Impulse Response (FIR) mampu menghilangkan noise yang mengganggu sinyal suara, terbukti dari selisih nilai Signal to Noise Ratio (SNR) terbesar dari data sample suara, yaitu dari data sample suara kesatu sebesar 1,8 dB, dari data sample suara kedua sebesar 2,3 dB, dari data sample suara ketiga sebesar 1,9 dB, dan dari data sample suara keempat sebesar 3,4 dB. 2. Berdasarkan teori, bahwa semakin besar nilai Signal to Noise Ratio (SNR), maka semakin bagus suara yang dihasilkan. Berdasarkan hasil pengujian nilai Signal to Noise Ratio (SNR), dari data sample suara kesatu, kedua, ketiga dan keempat, suara yang dihasilkan setelah di filter dengan menggunakan 3 jenis filter yaitu Low Pass, High Pass, dan Band Pass. Suara yang dihasilkan dengan menggunakan High Pass filter dan Band Pass filter lebih bagus jika dibandingkan dengan menggunakan Low Pass filter. Hal ini terbukti dengan lebih besarnya nilai Signal to Noise Ratio (SNR) dengan menggunakan High Pass filter dan Band Pass filter dibandingkan nilai Signal to Noise (SNR) dengan menggunakan Low Pass filter.

TERIMA KASIH