PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA

RANCANG BANGUN SISTEM KOMUNIKASI RANCANG BANGUN SISTEM KOMUNIKASI

ANTAR PEMAKAI HELM BERBASIS ANTAR PEMAKAI HELM BERBASIS

PENGENALAN WICARA PENGENALAN WICARA

DISUSUN OLEH : DISUSUN OLEH : DISUSUN OLEH : DISUSUN OLEH :

YUNUS WICAKSONO SUGIARSO YUNUS WICAKSONO SUGIARSO

NRP.2208204002 NRP.2208204002

PROGRAM PASCA SARJANA

JURUSAN TEKNIK ELEKTRO – ELEKTRONIKA INSTITUT TEKNOLOGI SEPULUH NOVEMBER INSTITUT TEKNOLOGI SEPULUH NOVEMBER

SURABAYA 2010

LATAR BELAKANG LATAR BELAKANG LATAR BELAKANG LATAR BELAKANG

ƒƒ PenelitianPenelitian hibahhibah pascapasca TeknikTeknik MesinMesin yangyang berjudulberjudul “Rancang“Rancang

ƒƒ PenelitianPenelitian hibahhibah pascapasca TeknikTeknik Mesin,Mesin, yangyang berjudulberjudul “Rancang“Rancang Bangun

Bangun AlatAlat KeselamatanKeselamatan UntukUntuk PengendaraPengendara SepedaSepeda MotorMotor B b i

B b i I fI f titi TT hh ll ”” Berbasis

Berbasis InformationInformation Technology”Technology”..

ƒƒ KurangnyaKurangnyaKurangnyaKurangnya kenyamanankenyamanankenyamanankenyamanan dalamdalamdalamdalam berkomunikasiberkomunikasiberkomunikasiberkomunikasi antaraantaraantaraantara pengemudi

pengemudi dandan penumpangpenumpang selamaselama perjalananperjalanan..

ƒƒ BanyaknyaBanyaknya orangorang menggunakanmenggunakan telepontelepon selulerseluler untukuntuk berkomunikasi

berkomunikasi saatsaat berkendaraberkendara..

PENGEMBANGAN SISTEM PENGEMBANGAN SISTEM

KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM

ƒƒ

Sistem komunikasi yang dikembangkan pada helmSistem komunikasi yang dikembangkan pada helm

ƒƒ

Sistem komunikasi yang dikembangkan pada helm Sistem komunikasi yang dikembangkan pada helm pengendara sepeda motor menggunakan modul HT.

pengendara sepeda motor menggunakan modul HT.

ƒƒ

Pada helm pengendara digunakan 2 modul HT yaituPada helm pengendara digunakan 2 modul HT yaitu

ƒƒ

Pada helm pengendara digunakan 2 modul HT, yaitu Pada helm pengendara digunakan 2 modul HT, yaitu sebagai

sebagai transmitter transmitter dan sebagai dan sebagai receiverreceiver..

PENGEMBANGAN SISTEM PENGEMBANGAN SISTEM

KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM

ƒƒ

Modul HT dihubungkan secara Modul HT dihubungkan secara

l d t

l d t tt dd

langsung dengan port

langsung dengan port--port pada port pada mikrokontroler ATmega128

mikrokontroler ATmega128

h di k 4 i d i 7 i

h di k 4 i d i 7 i

ƒƒ

hanya digunakan 4 pin dari 7 pin hanya digunakan 4 pin dari 7 pin yang tersedia pada modul HT.

yang tersedia pada modul HT.

meliputi:

meliputi: Powerpp Power, C, Channel up,, hannel up, pp,,, Channel down,

Channel down, dandan PTTPTT

PENGEMBANGAN SISTEM PENGEMBANGAN SISTEM

KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM KOMUNIKASI ANTAR PEMAKAI HELM

ƒƒ

Setiap penumpang dan pengemudi dapat memilih lawan Setiap penumpang dan pengemudi dapat memilih lawan berkomunikasi melalui pengenalan wicara.

berkomunikasi melalui pengenalan wicara.

(a) (b) (c)

berkomunikasi melalui pengenalan wicara.

berkomunikasi melalui pengenalan wicara.

ƒƒ

Sistem komunikasi diimplementasikan pada 3 helm Sistem komunikasi diimplementasikan pada 3 helm pengendara sepeda motor dengan dilengkapi sistem pengendara sepeda motor dengan dilengkapi sistem pengendara sepeda motor dengan dilengkapi sistem pengendara sepeda motor dengan dilengkapi sistem pengenalan wicara.

pengenalan wicara.

PENGEMBANGAN SISTEM PENGEMBANGAN SISTEM

PENGENALAN PENGENALAN PENGENALAN PENGENALAN

ƒƒ

Proses pengenalan wicara antar pemakai helm dibagiProses pengenalan wicara antar pemakai helm dibagiProses pengenalan wicara antar pemakai helm dibagi Proses pengenalan wicara antar pemakai helm dibagi menjadi dua langkah, yaitu:

menjadi dua langkah, yaitu:

1.

1. Feature ExtractionFeature Extraction..

2.

2. Pattern classificationPattern classification..

ƒƒ

Feature extraction Feature extraction sinyal wicarasinyal wicara menggunakan yy menggunakan gggg Discrete Wavelete Transform

Discrete Wavelete Transform (DWT)(DWT)

ƒƒ

Pattern Classification Pattern Classification sinyal wicara menggunakan atteatte C ass cat oC ass cat o s yasinyal wicara menggunakan s ya ca aca a e ggu a ae ggu a a Multi layer Perceptron Neural Network

Multi layer Perceptron Neural Network (Backpropagation)

(Backpropagation)

P l i dil k k t ti t k

P l i dil k k t ti t k

ƒƒ

Pengenalan wicara dilakukan secara otomatis untuk Pengenalan wicara dilakukan secara otomatis untuk mengklasifikasi suara ucapan “alfa”, “beta”, “gama”

mengklasifikasi suara ucapan “alfa”, “beta”, “gama”

PENGEMBANGAN SISTEM PENGEMBANGAN SISTEM

PENGENALAN WICARA PENGENALAN WICARA PENGENALAN WICARA PENGENALAN WICARA

(a) Fase trainning

F k i li b 10kH

F k i li b 10kH

(a) Fase trainning

(a) Fase testing

ƒƒ

Frekuensi sampling sebesar 10kHzFrekuensi sampling sebesar 10kHz

ƒƒ

Digunakan 20 sample Digunakan 20 sample trainingtraining dari masingdari masing--masing masing sinyal wicara “alfa” ”beta” ”gama”

sinyal wicara “alfa” ”beta” ”gama”

sinyal wicara alfa , beta , gama . sinyal wicara alfa , beta , gama .

ƒƒ

Perekaman satu sample Perekaman satu sample trainingtraining sinyal wicara sinyal wicara dilakukan

dilakukan selama 1,5 detik selama 1,5 detik

PENGUJIAN SISTEM PENGENALAN PENGUJIAN SISTEM PENGENALAN

WICARA SEBELUM NORMALISASI

WICARA SEBELUM NORMALISASI

WICARA SEBELUM NORMALISASI

WICARA SEBELUM NORMALISASI

PENGUJIAN SISTEM PENGENALAN PENGUJIAN SISTEM PENGENALAN

WICARA SETELAH NORMALISASI WICARA SETELAH NORMALISASI WICARA SETELAH NORMALISASI WICARA SETELAH NORMALISASI

ƒƒ Setelah dinormalisasi, jumlah error total lebih kecil dibandingkan Setelah dinormalisasi, jumlah error total lebih kecil dibandingkan dengan sinyal wicara yang belum dinormalisasi

dengan sinyal wicara yang belum dinormalisasi

ƒƒ Persentase keberhasilan pengenalan wicara setelah Persentase keberhasilan pengenalan wicara setelah

dinormalisasi lebih tinggi dibandingkan dengan sebelum dinormalisasi lebih tinggi dibandingkan dengan sebelum dinormalisasi

dinormalisasi dinormalisasi.

dinormalisasi.

ƒƒ Semakin banyak sample training yang dilatihkan, semakin tinggi Semakin banyak sample training yang dilatihkan, semakin tinggi persentase keberhasilan dalam pengenalan wicara

persentase keberhasilan dalam pengenalan wicara

PENGEMBANGAN SISTEM PENGEMBANGAN SISTEM

KOMUNIKASI DAN PENGENALAN KOMUNIKASI DAN PENGENALAN KOMUNIKASI DAN PENGENALAN KOMUNIKASI DAN PENGENALAN

WICARA ANTAR PEMAKAI HELM WICARA ANTAR PEMAKAI HELM

Sistem

k ik i

komunikasi

Sistem pengenalan wicara

ƒƒ Sinyal suara dari mikrofon dikuatkan oleh rangkaian Sinyal suara dari mikrofon dikuatkan oleh rangkaian amplifieramplifier sebesar 120 kali

sebesar 120 kali

ƒƒ Frekuensi Frekuensi cutoffcutoff dari rangkaian dari rangkaian Band Pass FilterBand Pass Filter (BPF) adalah (BPF) adalah 20Hz

20Hz--4kHz 4kHz

ƒƒ Menggunakan memori eksternal 8 bit dengan kapasitas memori Menggunakan memori eksternal 8 bit dengan kapasitas memori sebesar 32kByte

sebesar 32kByte

PENGEMBANGAN SISTEM PENGEMBANGAN SISTEM

KOMUNIKASI DAN PENGENALAN KOMUNIKASI DAN PENGENALAN KOMUNIKASI DAN PENGENALAN KOMUNIKASI DAN PENGENALAN

WICARA ANTAR PEMAKAI HELM

WICARA ANTAR PEMAKAI HELM

PENGUJIAN PROSES PEREKAMAN PENGUJIAN PROSES PEREKAMAN

NOISE NOISE

Di dalam ruangan Di jalan raya

ƒƒ PPada kondisi lingkungan yang tenang digunakan referensi ada kondisi lingkungan yang tenang digunakan referensi noisenoise sebesar 10

sebesar 10

ƒƒ PPada kondisi lingkungan ada kondisi lingkungan di jalan raya di jalan raya digunakan referensi digunakan referensi noisenoise sebesar

sebesar 3030

PENGUJIAN PROSES SELEKSI PENGUJIAN PROSES SELEKSI

PENGENALAN WICARA PENGENALAN WICARA

Di dalam ruangan Di jalan raya

PENGUJIAN PROSES SELEKSI PENGUJIAN PROSES SELEKSI

PENGENALAN WICARA

PENGENALAN WICARA

PENGUJIAN DURASI WAKTU PENGUJIAN DURASI WAKTU

PENGENALAN WICARA

PENGENALAN WICARA

TERIMA KASIH

TERIMA KASIH

Pre Processing Sinyal Wicara Pre Processing Sinyal Wicara

Front End Point Detection Denoising

1. Melakukan dekomposisi wavelet pada sinyal 1. Melakukan dekomposisi wavelet pada sinyal

wicara hingga level 3 menggunakan db10

wicara hingga level 7 menggunakan db10 2. Memberikan soft threshold pada setiap detail

coefficient dari level1 hingga level 7 wicara hingga level 3 menggunakan db10

2. Approximation coefficient dekomposisi ketiga untuk menentukan wavelet entropy

3. Melakukan rekontruksi pada pada setiap detail coefficient dari level1 hingga level 7 3. Menghitung nilai threshold: nilai threshold

didapatkan dari Rata-Rata nilai-nilai wavelet entropy.

Feature Extraction Feature Extraction Feature Extraction Feature Extraction

ƒƒ Digunakan Digunakan feature extractionfeature extraction menggunakan DWT dengan menggunakan DWT dengan struktur dekomposisi hingga level 7 menggunakan

struktur dekomposisi hingga level 7 menggunakan

[ ]^{k x}[ ] [^{n g k n}]

y

n

high =

∑

^{. 2} −

[ ] [^{n h k n}]

x k

y_low^{[ ]} = ∑ ^{. 2} −

struktur dekomposisi hingga level 7 menggunakan struktur dekomposisi hingga level 7 menggunakan Daubechies10 (db10)

Daubechies10 (db10)

[ ] [ ]

y

n

low^{[ ]} ∑

ƒƒ Setelah didapatkan koefisienSetelah didapatkan koefisien--koefien wavelet dari proses dekomposisi koefien wavelet dari proses dekomposisi level 7 (cD1, cD2, cD3, cD4, cD5, cD6, cD7, cA7), selanjutnya

level 7 (cD1, cD2, cD3, cD4, cD5, cD6, cD7, cA7), selanjutnya dilakukan proses

dilakukan proses wavelet entropywavelet entropy..

N s S

E ⁱ

P

∑ i

= ) (

Classification

Classification

Classification

Classification

KARAKTERISTIK ALFA, BETA, GAMA KARAKTERISTIK ALFA, BETA, GAMA KARAKTERISTIK ALFA, BETA, GAMA KARAKTERISTIK ALFA, BETA, GAMA

Wavelet Entropy "alfa"

1 40E-01

Wavelet Entropy "beta"

2 50E-01

6.00E-02 8.00E-02 1.00E-01 1.20E-01 1.40E 01

sample alfa1 sample alfa2 sample alfa3

sample alfa4 1 00E 01 1.50E-01 2.00E-01 2.50E 01

sample beta1 sample beta2 sample beta3 sample beta4

0.00E+00 2.00E-02 4.00E-02

1 2 3 4 5 6 7 8

sample alfa4 sample alfa5

0.00E+00 5.00E-02 1.00E-01

1 2 3 4 5 6 7 8

sample beta4 sample beta5

Wavelet Entropy "gama"

1.00E-01 1.20E-01

4.00E-02 6.00E-02

8.00E-02 sample gama1

sample gama2 sample gama3 sample gama4 sample gama5

0.00E+00 2.00E-02

1 2 3 4 5 6 7 8