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
PenelitianPenelitian hibahhibah pascapasca TeknikTeknik MesinMesin yangyang berjudulberjudul “Rancang“Rancang
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”..
KurangnyaKurangnyaKurangnyaKurangnya kenyamanankenyamanankenyamanankenyamanan dalamdalamdalamdalam berkomunikasiberkomunikasiberkomunikasiberkomunikasi antaraantaraantaraantara pengemudi
pengemudi dandan penumpangpenumpang selamaselama perjalananperjalanan..
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
Sistem komunikasi yang dikembangkan pada helmSistem komunikasi yang dikembangkan pada helm
Sistem komunikasi yang dikembangkan pada helm Sistem komunikasi yang dikembangkan pada helm pengendara sepeda motor menggunakan modul HT.pengendara sepeda motor menggunakan modul HT.
Pada helm pengendara digunakan 2 modul HT yaituPada helm pengendara digunakan 2 modul HT yaitu
Pada helm pengendara digunakan 2 modul HT, yaitu Pada helm pengendara digunakan 2 modul HT, yaitu sebagaisebagai 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
Modul HT dihubungkan secara Modul HT dihubungkan secaral 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
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
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.
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
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..
Feature extraction Feature extraction sinyal wicarasinyal wicara menggunakan yy menggunakan gggg Discrete Wavelete TransformDiscrete Wavelete Transform (DWT)(DWT)
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 NetworkMulti 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
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
Frekuensi sampling sebesar 10kHzFrekuensi sampling sebesar 10kHz
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 .
Perekaman satu sample Perekaman satu sample trainingtraining sinyal wicara sinyal wicara dilakukandilakukan 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
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
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.
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
Sinyal suara dari mikrofon dikuatkan oleh rangkaian Sinyal suara dari mikrofon dikuatkan oleh rangkaian amplifieramplifier sebesar 120 kali
sebesar 120 kali
Frekuensi Frekuensi cutoffcutoff dari rangkaian dari rangkaian Band Pass FilterBand Pass Filter (BPF) adalah (BPF) adalah 20Hz
20Hz--4kHz 4kHz
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
PPada kondisi lingkungan yang tenang digunakan referensi ada kondisi lingkungan yang tenang digunakan referensi noisenoise sebesar 10
sebesar 10
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
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
ylow[ ] = ∑ . 2 −
struktur dekomposisi hingga level 7 menggunakan struktur dekomposisi hingga level 7 menggunakan Daubechies10 (db10)
Daubechies10 (db10)
[ ] [ ]
y
n
low[ ] ∑
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