BAB II DASAR TEOR
2.7. Sampling
Sampling merupakan proses pencuplikan sinyal kontinyu atau analog pada periode- periode tertentu. Dalam proses ini sinyal suara akan dicuplik menjadi gelombang diskrit. [14]. Dalam proses pencuplikan, ada yang disebut dengan frekuensi sampling. frekuensisamplingmenandakan berapa banyak pencuplikan gelombang analog dalam satu detik. Satuan dari frekuensi samplingialah Hertz (Hz).Proses sampling ditunjukan pada gambar 2.12.
Gambar 2.12. Tampilan Proses Sampling
Didalam kriteria Nyquist dituliskan bahwa frekuensi samplingminimal harus lebih besar sama dengan 2 kali nilai frekuensi sinyal analog yang akan dicuplik .Kriteria Nyquist perlu diperhatikan dalam melakukan pencuplikan.Lebih jelasnya kriteria Nyquist menyatakan sebuah sinyal harus memiliki pencuplikan rate yang lebih besar dari 2 dengan adalah frekuensi paling tinggi yang muncul di sebuah sinyal.
2.8.
Preprocessing
Prepocessing merupakan tahapan awal untuk mengkondisikan sinyal sebelum diproses dalam ektraksi ciri.Preprocessing dilakukan untuk membuang noise pada sinyal ucapan. Dalam preprocessing ada beberapa tahapan meliputi pre-emphasis,normalisasi, pemotongan sinyal, dan zero padding.
2.8.1.
Pre Emphasis
Pada proses pre emphasis sinyal denganfrekuensi tinggi diloloskan dan sinyal denganfrekuensi rendah difilter hal ini dilakukan dengantujuan untuk meratakan bentuk sinyal untukfrekuensi tinggi maupun rendah suara. Filter pre emphasis dinyatakan dalam persamaan seperti berikut[15]:
s’(n) = s(n) –α*s(n−1) (2.14)
dimana:
s(n) =sampel sinyal masukan ke-n α= konstanta dimana 0,9 <α < 1,0
2.8.2.
Normalisasi
Normalisasi adalah proses dimana membuat penskalaan pada nilai amplitudo tiap data sinyal sesuai skala yang diinginkan. Proses ini dilakukan agar nilai amplitudo pada tiap data sinyal yang akan diolah bernilai sama. Besarnya nilai amplitudo sinyal suara
manusia saat melakukan pengucapan selalu berbeda-beda, sehingga penskalaan nilai amplitudo sinyal terhadap acuan skala yang diinginkan sangat diperlukan [16].
(2.15)
dengan keterangan sebagai berikut :
= hasil data sinyal normalisasi (1,2,3,…,N)
= data masukan dari sampling (1,2,3,…,N)
N merupakan banyaknya data sinyal.
Proses normalisasi sinyal suara diperlihatkan pada gambar 2.13. Gambar pada sisi atas memperlihatkan sinyal yang akan dinormalisasi dan gambar pada sisi bawah memperlihatkan hasil normalisasinya. Dari gambar tersebut diperlihatkan berubahnya nilai amplitudo setelah skalanya diperbesar.
Gambar 2.13. Contoh hasil proses sampling
2.8.3.
Pemotongan Sinyal
Gambar 2.15. Proses Pemotongan Sinyal
0 1000 2000 3000 4000 5000 6000 7000 8000 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Pemotongan data sinyal sebelah kiri
Data ke- Am pli tu de 0 1000 2000 3000 4000 5000 6000 7000 8000 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
pembalik urutan data sinyal
Data ke- Am pli tud e 0 500 1000 1500 2000 2500 3000 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
pemotongan data sinyal sebelah kanan
Data ke- Am pl itu de 0 500 1000 1500 2000 2500 3000 3500 4000 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Hasil pemotongan Data ke- A m pl itu de
Pemotongan sinyal merupakan proses yang berkaitan dengan ekstraksi ciri. Proses ini bertujuan untuk memotong beberapa bagian sinyal. Dalam proses perekaman, pemotongan sering terjadi untuk bagian awal dan akhir sinyal. Pemotongan bagian awal dan akhir sinyal suara dimaksudkan untuk menghilangkan bagian yang tidak termasuk bagian dari sinyal ucapan serta untuk mengurangi cacat sinyal akibat derau ruangan yang ikut terekam.Sinyal yang dianggap sebagi noise tersebut berasal dari suara lingkungan sekitar atau derau pernapasan. Keberadaan sinyal tersebut akan lebih baik jika diminimalisir dengan cara dihilangkan.
Pada grafikpertama dari gambar 2.15 dengan batas potong 0.3data sinyal hasil normalisasi ditinjau kembali untuk mencari urutan data yang nilai amplitudonya di atas nilai positif batas potong dan di bawah nilai negatif batas potong. Pada grafik kedua data sinyal akan dihilangkan dari awal hingga data pertama dari hasil pencarian. Setelah dihilangkan kemudian urutan data sinyal dibalik dari belakang ke depan seperti pada grafikketiga. Kemudian proses diulang kembali dengan peninjauan data sinyal dan menghapus data dari awal hingga data pertama dari hasil pencarian. Pada grafik kelima urutan data sinyal diurutkan kembali dari belakang ke depan agar urutan datanya kembali pada aslinya.
2.8.4.
Zero padding
Zeropadding merupakan proses pemberian deretan data bernilai 0 pada data sinyal. Efek dari pemotongan sinyal memungkinkan adanya dampak ketidaksamaan banyak data sinyal. Proses zeropadding dilakukan agar panjang gelombang tiap data sinyal ucapan dapat disetarakan. Jumlah data 0 yang diberikan menyesuaikan ukuran banyak data yang diinginkan.
Gambar 2.16. Proses zero padding
2.9.
Framing
Framing adalah proses dimana sinyal data masukan akan dibentuk dalam frame- frame. Dalam bentuk frame ini data akan lebih mudah untuk diketahui, sehingga tidak perlu memeriksa sinyal data secara keseluruhan secara langsung. Data akan dicek setiap frame sebesar nilai panjang frame yang telah ditentukan. Jika dalam pemeriksaan tersebut sinyal data melebihi maka akan mengalami overlap, dimana akan sinyal data yang berlebih tersebut akan dipotong sebesar nilai overlap. Nilai dari lebar frame (tf) adalah 512 [15] dan nilai overlap (to) adalah 25% [20]dari nilai lebar segmen yaitu 128.
Gambar 2.17. Proses framing [15]
2.10.
Windowing
Windowing adalah proses dimana meminimalkan terjadinya diskontinuitas sinyal yang muncul akibat pemotongan sinyal. Biasanya diskontinuitas muncul pada bagian tepi awal dan akhir data sinyal suara. Proses windowing dilakukan agar dapat menghilangkan sinyal yang tidak diingikan sebelum ke proses selanjutnya[16].
Pada grafik pertama dari gambar 2.18 merupakan data sinyal hasil pemotongan yang akan diolah pada proses windowing. Grafik kedua merupakan pola jendela yang akan digunakan dalam proses windowing. Jumlah titik-titik data pada pembentukan pola jendela tersebut harus sama terhadap banyak data pada data sinyal. Pada grafik ketiga merupakan hasil windowing. Hasil tersebut diperoleh dari perkalian elemen dari gambar pertama dengan gambar kedua.
2.10.1.
Hamming
Hamming window adalah salah satu dari berbagai macam jenis windowing. Hamming windowmerupakan window yang mempunyai sidelobe yang paling kecil dan mainlobe yang paling besar sehingga hasildari hamming windowakan lebih halus dalam menghilangkan efek diskontunitas. Persamaan hamming window adalah [18]:
(2.15)
Di mana :
w(n) = Hasil windowing N= Jumlah data dari sinyal n= waktu distrik ke
2.11.
Ekstraksi Ciri DFT
2.11.1.
Pengertian DFT
DFT merupakan perluasan dari transformasi fourier yang berlaku untuk sinyal- sinyal diskrit dengan panjang yang terhingga. Semua sinyak periodik terbentuk dari gabungan sinyal-sinyal sinusoidal yang menjadi satu yang dirumuskan pada persamaansebagai berikut [19]:
∑
(2.16) Dengan:e = natural number (2.7182818284…)
k = indeks dalam domain frekuensi (0, 1, 2, …,N-1) n = indeks dalam domain waktu (0,1,2, …, N-1)
Gambar 2.19.ContohHasil DFT
2.11.2.
Segment Averaging
Segment averaging merupakan metode untuk mengurangi jumlah data sinyal dengan data sinyal masukan disegmentasi dengan lebar segment yang kemudian dicari rata-ratanya pada tiap segment.Lebarnya segmen ditentukan berdasarkan kelipatan 2n (dengan 1≤n≤ 8), sehingga banyaknya segment yang terbentuk didapat dari pembagian seluruh data terhadap lebar segment. Keluaran dari porses segment averaging adalah rata- rata dari setiap segment [4].
Gambar 2.20.contohsegmen averaging dengan 16 segmen
2.12.
Template Maching
Template maching merupakan tahap pendekatan pengenalan pola dalam proses pengenalan ucapan. Proses template maching digunakan untuk menentukan kesamaan pola antara data masukan dengan pola database yang telah tersedia[17].
2.12.1.
Korelasi
Korelasi digunakan untuk menghitung besarnya perubahan antara dua variabel.Korelasi ini membagi dua variabel yang satu dengan yang lainnya yang saling berhubungan. Korelasi dirumuskan sebagai berikut [25] :
∑ ̅ ̅
√∑ ̅ ∑ ̅ (2.17) Denganketerangansebagaiberikut :
̅= rata-rata variable data referensi = data masukan
= data referensi
= hasilkorelasi antara x dan y
2.13.
K- Nearest Neighbor
Alogarima yang disebut aturan tetangga terdekat atau biasa dikenal k - nearest neighbor(k-NN) diringkas sebagai berikut [15]. Sebuah fitur yang tidak diketahui vector x dan jarak mengukur, kemudian:
a. Diluar vektor N(jarak),identifikasi nilai k tetangga terdekat, terlepas dari label kelas,untuk masalah 2 kelas dipilih dari nilai k yang ganjil, dan biasanyabukan merupakan kelipatan dari banyaknya kelas M.
b. Dari sampel k tersebut, identifikasi jumlah vektor kiyang termasuk dalam kelas ωi,I = 1,2,…, M . Dengan∑
c. Tetapkan x untuk kelas ωi dengan jumlah ki terbanyak dari sampel.
2.14.
Mikrofon
Mikrofon dengan adalah perangkat yang mengubah gelombang suara menjadi sinyal listrik. Mikrofon banyak digunakan untuk berbagai hal yang berhubungan dengan komunikasi. Alat ini akan mengubah sinyal suara menjadi sinyal listrik yang kemudian dapat diaplikasikan sebagai input. Mikrofon yang akan digunakan untuk pengambilan suara adalah headset INTOPIC JAZZ 660. Mikrofon tersebut mempunyai spesifikasi sebagi berikut :
Tabel 2.5 Tabel spesifikasi mikrofon pada headset INTOPIC JAZZ 660[22]
No Spesifikasi Nilai
1 Frequency Range 30 – 10.000 Hz 2 Microphone Sensitivity -54 3 dB
3 Impedance .2 k
4 Standard OperatingVoltage 3 V
Gambar 2.21.Headset INTOPIC JAZZ 660
2.15.
Sound Card
SoundCard atau kartu suara adalah perangkat keras pada PC/laptop yang berguna untuk mengolah audio atau suara [23].Perangkat ini dapat mengkonversi sinyal audio, mengeluarkan sinyal audio, merekam sinyal audio, dan menyimpan sinyal audio. Kemampuan pengolahan audio sangat banyak sehingga banyak perangkat lain dari PC/laptop yang terhubung pada soundcard. Secara umum sound card memiliki beberapa fungsi :
a. DSP (Digital Signal Processor) menangani jenis komputasi. b. DAC (Digital to Analog Converter) memproses output audio. c. ADC (Analog to Digital Converter) memproses inputan audio. d. ROM (Read Only Memory) menyimpan data sementara.
e. MIDI (Musical Instrument Digital Interface) untuk koneksi peralatan musik eksternal.
f. Jack digunakan untuk menyambung speaker dan mikrophone sebagai line out dan line in.
Ada 3 jenis Sound Card berdasarkan kondisi pemasangan yaitu Sound Card OnBoard, Sound Card Off Board, dan SoundCardExternal. Sound card pada perangkat PC/laptop biasanya sudah terpasang langsung pada motherboard atau biasa disebut Sound Card On Board. Sound Card Off Board pemasangannya pada slot ISA/PCI pada motherboard. SoundCardExternal pemasangannya dihubungkan ke komputer melalui port eksternal seperti USB atauFireWire.
2.16. Motor Servo
Motor servo merupakan motor DC yang seudah dilengkapi dengan sistem kontrol didalamnya. Pada aplikasinya, motor servo sering digunakan sebagai kontrol loop tertutup, sehingga dapat menangani perubahan posisi secara tepat dan akurat [1].
Gambar 2.23. Model fisik motor servo Tabel 2.6 Spesifikasi servo Towerpro MG946R [24]
Spesifikasi servo Towerpro MG946R operating voltage 4.8V to 7.2V
operating speed 4.8v : 0.20sec/60o operating speed 6.0v : 0.17sec/60o
stall torque 10.50 kg-cm @4.8V stall torque 13 kg-cm @6V
gear type all metal gear
size 40.7 mm x 19.7 mm x 42.9 mm
weight 55 gram
Bentuk fisik motor servo dapat dilihat pada gambar 2.23. Sistem pengkabelan motor servo terdiri dari 3 bagian, yaitu Vcc, Gnd, dan Kontrol (PWM). Penggunaan PWM pada motor servo berbeda dengan penggunaan PWM pada motor DC. Pada motor servo, pemberian nilai PWM akan membuat motor servo bergerak pada posisi tertentu lalu berhenti (kontrol posisi) [1].
Pengaruh dari lebar pulsa membuat posisi motor servo akan berubah. Perubahan ini agar terus berada pada posisi tetap misal dengan pulsa 2 ms akan memutar posisi servo pada 180o maka perlu diberikan nilai pulsa secara konstan agar posisi servo tetap pada sudut tersebut.
Gambar 2.24. Cara pengontrolan motor servo [5]
Prinsip utama pengontrolan motor servo yaitu dengan memberikan nilai PWM pada kontrolnya. Perubahan duty cycleakan menentukan perubahan posisi dari motor servo. Motor servo memiliki frekuensi sebesar 50 Hz sehingga pulsa yang dihasilkan yaitu setiap 20 ms. Lebar pulsa akan menentukan posisi motor servo yang dikehendaki [1].
29
