ABSTRAKSI: Suara merupakan salah satu media yang banyak digunakan oleh teknologi sekarang ini. Kebanyakan suara merupakan gabungan dari berbagai sinyal. Salah satu pemrosesan yang dapat dilakukan adalah pemrosesan sinyal digital yang berupa pemisahan sinyal. Suara yang direkam tercampur dapat diproses menjadi suara-suara yang terpisah. Salah satu contoh permasalahannya adalah cocktail party problem dimana terdapat kondisi banyak orang berbicara secara bersamaan pada sebuah ruangan dan salah satunya berusaha untuk mengikuti topik yang sedang dibahas.
Tugas Akhir ini membahas mengenai permasalahan tersebut. Metode yang digunakan adalah Blind Signal Separation (BSS), yaitu cara untuk memisahkan sinyal tercampur menjadi sejumlah sinyal terpisah pembentuknya tanpa memiliki informasi mengenai sinyal tercampur tersebut. Sedangkan metode algoritma yang digunakan adalah FastICA yang dikembangkan oleh Aapo Hyvärinen dan Erkki Oja. Metode ini dipilih karena belum banyak dibahas pada tugas akhir yang terdapat di IT Telkom. Tugas akhir ini bertujuan untuk mengetahui performansi dari metode BSS tersebut agar dapat dilihat apakah metode BSS ini dapat digunakan atau tidak pada dunia nyata. Data suara yang digunakan adalah data aktual yang merupakan hasil rekaman sendiri dan data dummy yang merupakan hasil percampuran simulasi. Kedua jenis data ini dibandingkan kualitas hasilnya. Percobaan dilakukan dengan dua cara yaitu simulasi dan alami. Percobaan simulasi menggunakan sinyal dummy yang direkam terpisah kemudian dicampur dengan ditambahkan koefisien pencampur lalu dipisahkan oleh FastICA. Sedangkan percobaan alami menggunakan data alami tercampur yang direkam secara bersamaan kemudian dipisahkan. Hasil dari sistem ini adalah rekaman suara tercampur terpisah menjadi masing-masing suara pembangun. Tugas akhir ini menganalisis hasil sistem apakah dipengaruhi oleh faktor-faktor seperti jumlah sensor yang digunakan, jarak sensor dengan sumber, serta durasi rekaman. Untuk hasil pemisahan dari percobaan simulasi didapatkan nilai MSE = 1.37E-05 dan SNR =37.0907 dB yaitu sangat baik sekali. Sedangkan jumlah sensor tidak mempengaruhi kualitas hasil. Tetapi pada saat sensor berada pada posisi yang sama (α=0.5) sistem tidak dapat memisahkan sinyal tercampur. Grafik waktu komputasi terhadap durasi bersifat eksponensial, pada saat α mendekati 0.4 perubahan waktu komputasinya semakin kecil. Dan pengaruh durasi rekaman terhadap waktu komputasinya bersifat linear dengan nilai gradien 0.428. Hasil dari MOS yang didapat adalah untuk data percampuran simulasi dengan kombinasi α didapatkan 4.5 yaitu baik sekali dan dengan durasi 1 sampai 6 detik didapatkan 1.8 yaitu cukup buruk. Sedangkan hasil MOS untuk data perekaman alami dengan durasi 1 sampai 6 detik adalah 2.7 yaitu mendekati cukup.
Kata Kunci : pemisahan sinyal, Blind Signal Separation (BSS), FastICA, percampuran alami, percampuran simulasi, jarak, jumlah sensor, durasi.ABSTRACT: Sound is one of medium that is widely used by today’s technology. Most of sound is a combination of various signals. One of the processing that can be done is a digital signal processing, which is signal separation. The mixed ssound that recorded can be processed into separated sound signals. One of the problem examples is cocktail party problem which there are conditions of many people talking simultaneously in a room and one of them tried to follow a topic that being discussed.
This final project was discussed those issues. The method that used was Blind Signal Separation (BSS), which is a way to separate mixed signal into a number of mixed signal without having the information about these mixed signals. While the algorithm method that used was FastICA, developed by Aapo Hyvarinen and Erkki Oja. This method was selected because there are not much final project that discussed this method in IT Telkom. The aim of this final project was to know about the BSS method performancy so we can see whether it can used or not in the real world. The audio data that used was actual data, which is result of own recording, and dummy data that derived from simulation mixing process. Both of quality these results are compared. The experiment done in 2 way, which are simulation and real. Simulation experiment used dummy signal which recorded separately and then mixed and added the mixed coefficients then separated by FastICA. Whereas real experiment used real data which recorded simultaneously then separated. The result from the system was mixed recording sound can be separated to each sounds. This final project analyzed the results whether influenced by several factors, ie number of sensors used, the sensors distance to the sources, and recording duration. For separated results from simulation, MSE value is 1.37E-05 and SNR value is 37.0907 dB which is excellent. And number of sensor did not influence quality of results. But when the sensors are at the same place (α=0.5) system could not separate mixed signals. The grafik from computation time to duration is exponentially, when α approach 0.4, the difference of computation time was getting smaller. And the recording duration influenced computation time linearly with gradient value 0.428. The results of MOS for mixed data simulation with α combination was 4.5 which is almost excellent and with 1 to 6 second durations was 1.8 which is quite bad. Whereas for real mixed data with 1 to 6 second durations is 2.7 which is almost fair.
Keyword: separating signals, Blind Signal Separation (BSS), FastICA, real mixing, simulation mixing, distance, number of censors, duration.