ABSTRAKSI: Instrumen musik yang dapat dikatakan paling populer saat ini adalah gitar, karena gitar relatif mudah dipelajari. Hal yang paling dasar dalam mempelajari sebuah gitar adalah pengetahuan terhadap akor, namun diperlukan kemampuan pendengaran yang baik untuk membedakan suatu jenis akor, tentu saja kemampuan ini tidak dimiliki oleh semua orang terutama oleh pemula. Oleh karena itu, diperlukan sebuah sistem deteksi akor yang mampu menentukan jenis akor secara tepat apabila kualitas penjarian dan teknik yang dimainkan oleh user sudah benar.
Pada tugas akhir ini dibuat sebuah sistem deteksi akor dimana database diperoleh dari sampel suara akor yang telah direkam melalui permainan langsung setelah itu dilakukan preprocessing yang terdiri dari convert to mono, crop data, dan normalisasi kemudian dilakukan proses ekstraksi ciri berupa dekomposisi dengan Tranformasi Wavelet, dan dilanjutkan dengan Transformasi Fourier serta penghitungan nilai rata rata tiap frame sehingga diperoleh matriks ciri sebagai database. Pada proses pengujian, input sistem berasal dari suara gitar elektrik yang dihubungkan kepada perangkat komputer melalui soundcard. Setelah itu dilakukan proses preprocessing dan ekstraksi ciri sehingga diperoleh matriks uji yang kemudian diklasifikasikan dengan metode K-Nearest Neighbor (KNN).
Sistem deteksi akor ini terbukti dapat bekerja dengan baik sebagai sistem deteksi real time dengan memberikan akurasi terbaik yaitu 95% dan waktu komputasi antara 0.98 detik hingga 1,57 detik untuk input akor tunggal.
Kata Kunci : Akor, deteksi, wavelet, realtime, K-Nearest Neighbor (KNN)ABSTRACT: Guitar is arguably the most popular musical instrument these days because guitar is relatively easy to learn. The most basic thing in learning a guitar is the chord,and you will need a good hearing ability to distinguish one type of chord, unfortunately most of the beginners did not manage to do that. Therefore, a chord detection system that is able to determine the exact type of chord is needed and it depends on the quality of the fingering.
In this final project the chord detection system is made by utilizes the characteristics of a chord as a database feature that will then be used to classify the type of chord that is inserted into the system. The process itself is data acquisition, pre processing, feature extraction, classification and displaying results. Data acquisition is done by using an electric guitar that is connected to the computer device via the sound card. Pre processing done by changing the data format from stereo to mono, crop data, and normalization. Feature extraction technique done by the decomposition with Wavelet Transformation, followed by Fourier transformation and calculation of average value of each frame and finally the K-Nearest Neighbor (kNN) for the classification.
Real time chord detection system using Wavelet transformation is proven to work well as real-time detection system by giving the best accuracy of 95% and computation time of 0.98 seconds to 1.57 seconds by a single chord input. This condition is achieved when the k value is 1, using the Haar mother wavelet, and the overlap value is 0.5.Keyword: Chord, Detection, Wavelet, K-Nearest Neighbor (KNN) , realtime