INDEPENDENT COMPONENT ANALYSIS (ICA) DAN SPARSE COMPONENT ANALYSIS (SCA) DALAM PEMISAHAN VOKAL DAN INSTRUMEN PADA SENI GEGUNTANGAN

Geguntangan adalah pesantian dalam upacara keagamaan yang diiringi dengan gamelan. Indra pendengaran manusia cenderung memiliki keterbatasan, yang menyebabkan tidak semua vokal yang tercampur dengan gamelan bisa didengar jelas. Oleh karena itu diperlukan suatu sistem yang dapat digunakan untuk memisahkan vokal dengan gamelan pada geguntangan. Pemisahan sumber suara ini dikategorikan sebagai Blind Source Separation (BSS) atau disebut juga Blind Signal Separation yang artinya sumber tidak dikenal. Algoritma yang digunakan untuk menangani BSS adalah algoritma Independent Component Analysis (ICA) dan Sparse Component Analysis (SCA) dengan berfokus pada pemisahan sinyal suara pada file suara berformat *.wav. Algoritma SCA dan ICA digunakan untuk proses pemisahan suara dengan parameter nilai yang digunakan adalah Mean Square Error (MSE) dan Signalto Interference Ratio(SIR). Dari hasil simulasi menunjukkan Hasil perhitungan MSE dan SIR dengan dengan menggunakan mixing matriks [0.3816, 0.8678], [0.8534, -0.5853] didapatkan untuk metode ICA nilai MSE sebesar 4.169380402433175 x 10-6 untuk instrumennya dan 2.884749383815846 x 10-5 untuk vokalnya dan didapatkan nilai SIR sebesar 53.79928479270223 untuk instrumennya dan 45.39891910741724 untuk vokalnya. Selanjutnya untuk metode SCA, nilai MSE sebesar 3.382207103335018 x 10-5 untuk instrumennya dan 3.099942460987607 x 10-5 untuk vokalnya dan didapatkan nilai SIR sebesar 44.707998026869014 untuk instrumennya dan 45.08646367168143 untuk vokalnya.