METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN3.1 Variabel Penelitian
Variabel-variabel yang digunakan dalam penelitian ini adalah : 1. Nilai ordo atau panjang tapi (filter) dalam adaptive filter. 2. Nilai learning rate pada proses penghapusan derau.
3.2 Metode Pengumpulan Data
Pengumpulan data penelitian ini dilakukan dengan metode-metode sebagai berikut :
1. Studi Kepustakaan, yaitu mengumpulkan data dari buku, jurnal, atau hasil penelitian lainnya yang berhubungan dengan tugas akhir.
2. Observasi, yaitu mempelajari aplikasi sejenis yang terdapat pada sistem pengenalan suara lainnya seperti sistem pengenalan lagu yang terdapat dalam android, maupun sistem pengenalan suara sederhana yang terdapat pada ponsel pintar
3. Penulis mengumpulkan sendiri data suara menggunakan smartphone. Kemudian responden diminta untuk merekam suara sepanjang 10 detik dalam keadaan lingkungan saat perekaman diambil terdapat suara derau atau suara yang tidak diinginkan. Selain data suara, penulis juga mengumpulkan contoh data suara derau sepanjang 10 detik yang nantinya akan digunakan sebagai input referensi pada sistem.
3.3 Data Penelitian
Data-data yang digunakan dalam penelitian ini berupa data suara manusia yang mengucapkan kata acak selama 10 detik yang direkam dengan ekstensi WAVE (.wav). perekaman suara dengan ekstensi WAVE ini merupakan rekaman data suara yang tidak mengalami proses kompresi apapun sehingga memudahkan sistem untuk mengolah data suara tersebut. Perekaman dilakukan oleh orang
32
dengan rentang usia 18 โ 50 tahun dikarenakan perubahan organ penghasil suara yang bisa berubah saat manusia mengalami proses pendewasaan serta penurunan organ penghasil suara saat manusia lanjut usia.
3.4 Perancangan Sistem
Sistem yang dibangun dalam penelitian kali ini adalah sebuah sistem yang dapat membaca sinyal suara. Dalam sistem ini user akan mengambil data suara yang telah terdapat didalam berkas database dan sistem akan mengeluarkan
output berupa data suara yang telah mengalami proses penghilangan atau
penekanan derau. Berikutnya akan dipaparkan tentang gambaran umum system dan flow chart dari setiap proses dari sistem penghapusan derau ini.
3.4.1 Gambaran Umum Sistem
Struktur dari sistem adalah sebagai beriukut :
Gambar 3. 1 Gambaran Umum Sistem
Proses penghilangan derau pada sinyal suara adalah merupakan tahap awal dari proses pengolahan sinyal suara. proses ini sangat penting mengingat noise atau derau dapat mengganggu sistem dalam melakukan proses pengolahan karena sifat daripada noise yang mengganggu. Didalam penghilangan derau ini, sinyal suara pada database akan disaring atau difilter agar mendapatkan sinyal suara yang lebih jernih. Dan dalam tahap denoising ini akan disimulasikan bagaimana sistem dapat menghilangkan derau pada sinyal suara yang kita miliki.
3.4.2 Preprocessing
Tahap pengambilan input merupakan tahapan awal dari keseluruhan proses pengenalan suara. Tahap ini dilakukan untuk melakukan pengekstraksian sinyal suara. Suara yang dimasukkan akan diolah dan diekstrak informasinya ke dalam sistem sebagai sinyal inputan. Masukkan ini diinput dengan menggunakan alat seperti mikrofon atau alat perekam suara. Tahap ini bertujuan untuk mengolah
33
sinyal inputan agar dapat diproses pada tahap selanjutnya dengan baik. Preprocessing adalah proses dimana sinyal analog akan dirubah menjadi sinyal digital atau dapat disebut dengan original signal. Sinyal analog yang direkam akan langsung diproses menjadi sinyal digital demi mendapatkan sinyal asli yang akan diproses pada tahap selanjutnya.
3.5 Proses Denoising Sinyal Suara
Tahap ini merupakan tahap yang berfungsi untuk mengurangi derau atau
Noise yang terdapat dalam sinyal suara dengan harapan dapat meningkatkan
akurasi dari proses pengenalan suara berikutnya. Proses ini sangatlah penting untuk dilakukan demi mendapat hasil yang lebih baik atau yang diinginkan.
Adapun tahap-tahap pada proses ini dapat diuraikan sebagai berikut: 1. Pembacaan berkas suara yang telah disimpan dalam format WAV. Pada
tahap ini dilakukan pemilihan sinyal asli dan derau sesuai dengan data yang tersedia.
2. Penggabungan antara berkas suara tak berderau dengan derau yang telah dipilih sehingga diperoleh isyarat berderau yang merupakan masukan dari sistem.
3. Penentuan metode yang ingin digunakan, algoritma Least Mean Square
Adaptive Filter.
4. Penentuan nilai panjang tapis (L) dan konstanta ukuran langkah adaptasi (mu).
5. Perhitungan keluaran tapis :
y(n) = w(n) x(n)
๐ฆ(๐) = โ ๐ฅ(๐). ๐ค(๐)
๐ฟ
๐=0
6. Perhitungan estimasi galat :
) y(n d(n) e(n) ๏ฝ ๏ญ 7. Perbaikan bobot Filter berikutnya :
34
Flowchart Sistem
Penerapannya dalam flowchart adalah sebagai berikut :
Gambar 3. 2 Alur Data Proses Penghapusan Derau
Mulai
Input sinyal suara ( d ), sinyal derau ( x ), L (orde filter), ฮผ(step size), dan bobot (w
0)
n = 0
Inisialisasi vector bobot adaptive Wk+1 = Wk + 2 ยตe k Xk
Hitung keluaran filter adaptive
๏ฅ
๏ญ ๏ฝ ๏ญ ๏ฝ L 1 0 l l(n)* x(n l) w y(n)Hitung nilai galat
) y(n d(n) e(n) ๏ฝ ๏ญ e (n) < 0.001 Tidak Yes Selesai Output Sinyal Suara
35
3.6 Evaluasi
Setelah melalui proses penghilangan derau, didapat sinyal suara dengan jumlah derau yang telah tereduksi. Langkah selanjutnya adalah menghitung hasil kinerja lagoritma berupa akurasi dari sinyal yang telah melalui peroses penghapusan derau. Keberhasilan suatu proses penghapusan interferensi suara dapat ditentukan berdasarkan kualitas suara yang dihasilkan, SNR (Signal to
Noise Ratio), MSE (Mean Square Error). Signal to Noise Ratio (SNR)
merupakan perbandingan antara daya sinyal asli (Px) dengan daya derau (Pe). Secara matematis dapat dinyatakan sebagai berikut :
Dengan
Dan
Maka persamaan tersebut dapat disederhanakan seperti berikut :
Hasil dari fungsi diatas sangat dipengaruhi oleh nilai parameter yang akan dimasukkan. Karena bila parameter yang diinputkan berbeda maka besarnya nilai SNR dan MSE pun akan berbeda. Parameter yang akan ditentukan adalah jumlah ordo filter dengan nilai 1-20. Nilai learning rate (langkah) dengan nilai 0.1, 0.01, dan 0.05
36
3.7 Implementasi dan Dokumentasi System
Tahap implementasi hasil dari perancangan sistem ke source code pemrograman agar dapat dijalankan dalam sistem. Dalam tahap ini, komponen yang digunakan adalah :
1. Bahasa pemrograman untuk sistem segmentasi yang dikembangkan menggunakan bahasa pemrograman MATLAB & Simuling (R2012a). 2. Basisdata untuk data input dari sistem adalah berupa rekaman suara
manusia dengan ekstensi .wav dan samplingrate 22KHz / 22000Hz Mono 16bit.
Dalam tahap dokumentasi dibuat segala keterangan mengenai rancang bangun sampai manual sistem. Adanya dokumentasi diharapkan dapat mempermudah dalam penggunaan dan pengembangan sistem apabila ditemukan masalah dalam pengoperasian.
37