Aktifasi Peralatan Elektronik Berbasis Suara Menggunakan
AndroidRegilang Monyka Putra*), Firdaus**), Mohammad Hafiz Hersyah***) *†***Sistem Komputer, Universitas Andalas
**
Teknik Elektro, Politeknik Negeri Padang
E-Mail: *regilang@gmail.com, **mrdauz@polinpdg.ac.id,
***mohammadhafizhersyah@gmail.com
Abstrak
Pengolahan sinyal digital telah banyak dikembangkan dalam berbagai aplikasi, salah satunya dapat diterapkan dalam pengaktifan peralatan elektronik. Tujuan dari sistem
ini adalah mengembangkan sebuah sistem dengan menggunakan smartphone android
sebagai media penginputan suara untuk aktifasi perlatan elektronik. Sinyal suara dikirim melalui jaringan komunikasi wireless ke komputer untuk diolah dengan menggunakan metode Fast Fourier Transform (FFT) sehingga didapatkan suatu tipe pola suara. Selanjutnya pola suara input akan dicocokan polanya dengan pola suara pada database menggunakan metode Sum Square Error (SSE). Sinyal suara yang dikenali akan diteruskan ke mikrokontroler. Aktifasi peralatan elektronik hanya dapat dilakukan oleh trainer saja. Pengujian dilakukan sebanyak 50 kali untuk masing-masing kata uji. Tingkat keberhasilan untuk kata uji “lampu hidup” dan “lampu mati” adalah 52% dan 54% sedangkan untuk kata uji “fan on” dan “fan off” adalah 46% dan 28%.
Kata kunci: Pengolahan Sinyal, Fast Fourier Transform, Sum Square Error, Android, Mikrokontroler
1.
PENDAHULUAN
Dalam kehidupan sehari-hari suara merupakan media komunikasi yang paling umum digunakan manusia. Dengan adanya
kemajuan teknologi dalam bidang
pengolahan sinyal digital (Digital Signal Processing) telah membawa dampak positif dalam kehidupan manusia. Pengolahan sinyal digital telah banyak digunakan dalam berbagai aplikasi. Sebagai contoh, aplikasi-aplikasi tersebut meliputi teknik pengenalan suara, kompresi sinyal (data, gambar), dan juga televisi dan telepon[1]
Pada umumnya aktifasi peralatan
elektronik dengan menggunakan remote
control. Peralatan elektronik dapat diaktifkan dengan mengarahkan remote control tersebut ke pengontrol pusat. Namun penggunaan
remote control memiliki kelemahan yaitu harus berlangsung secara garis lurus dengan jarak yang dekat. Seiring perkembangan teknologi, aktifasi peralatan elektronik dapat dilakukan menggunakan perintah suara dengan cara mengenali suara tersebut.
Untuk mengenali perintah suara yang diucapkan, sinyal suara diubah bentuknya
menjadi sinyal digital dengan cara mengubah gelombang suara menjadi sekumpulan angka lalu disesuaikan dengan kode-kode tertentu dan dicocokkan dengan suatu pola yang tersimpan dalam suatu perangkat.
Salah satu algoritma yang dapat
diterapkan dalam pengolahan sinyal digital
adalah Fast Fourier Transform. FFT
merupakan sebuah model yang
mentransformasikan domain spasial atau domain waktu menjadi domain frekuensi. Artinya proses perekaman suara disimpan dalam bentuk digital berupa gelombang spektrum suara berbasis frekuensi. Pola suara yang didapat dari transformasi fourier dianalisa lebih lanjut yang kemudian akan dicocokan dengan metode Sum Squa re Error
(SSE) sehingga dapat dikenali.
Pada penelitian ini dibuat sebuah sistem yang memanfaatkan teknologi pengenalan
suara menggunakan Smartphone Android
sebagai penerima input suara. Selanjutnya
diteruskan ke komputer dengan
menggunakan komunikasi jaringan wireless
untuk mengaktifkan suatu peralatan
mengaktifkan peralatan elektronik secara
mobile menggunakan Smartphone Android.
2.
TINJAUAN PUSTAKA
2.1.Sinyal
Secara umum, sinyal didefinisikan sebagai suatu besaran fisis yang merupakan fungsi waktu, ruang atau beberapa variabel. Contoh dari sinyal adalah sebagai berikut, tegangan listrik (V) sebagai fungsi waktu. Potensial listrik adalah fungsi dari posisi pada suatu ruangan 3 dimensi. Intensitas sebagai fungsi dari koordinat x, y, dan waktu[2].
Gambar 1. Sinyal Suara[5]
2.2.Sistem Pengolahan Sinyal Digital Suatu sinyal mempunyai beberapa jenis informasi yang dapat diamati, misalnya amplitudo, frekuensi, perbedaan fase, dan gangguan akibat noise. Untuk mengamati informasi tersebut, dapat digunakan secara langsung dengan menggunakan peralatan ukur elektronik seperti osciloskop, spektrum analyser. Peralatan tersebut bekerja dengan memanfaatkan model matematika dari sinyal tersebut[4].
Pengolahan sinyal adalah suatu operasi matematik yang dilakukan terhadap suatu sinyal sehingga diperoleh suatu informasi yang berguna. Dalam hal ini terjadi suatu
transformasi, pengolahan sinyal dapat
dilakukan secara analog ataupun digital. Pengolahan sinyal analog mamanfaatkan
komponen-komponen analog, misalnya
dioda, transistor, op-amp, dan lain-lain. 2.3.Sampling Rate
Dalam dunia audio yang sudah modern dan serba digital sudah banyak cara untuk sampling audio. Sampling terhadap audio dilakukan guna menyimpan audio tersebut dalam bentuk data digital. Sinyal analog itu kontinyu terhadap waktu. Pada proses konversi analog ke digital, sinyal analog dicuplik-cuplik pada periode tertentu dan dari cuplikan-cuplikan itu ditentukan nilai digitalnya.
2.4.Fast Fourier Transform
Fast Fourier Transformation atau
transformasi Fourier cepat, merupakan proses
lanjutan dari DFT (Diskrit Fourier
Transformation). Transformasi Fourier ini dilakukan untuk mentransformaikan sinyal dari domain waktu ke domain frekuensi. Hal ini bertujuan agar sinyal dapat diproses Dimana, N adalah banyaknya sampling. X(n) adalah sinyal diskrit. Y(K) adalah koefisien FFT untuk sinyal diskrit x(n). K
adalah 0, 1, 2, 3…….N-1. W adalah
frekuensi digital. Untuk n = genap = 2p dan n = ganjil n = 2p+1.
2.5.Sum Square Error
SSE (Sum Square Error) adalah salah satu metode statistik yang dipergunakan untuk mengukur selisih total dari nilai sebenarnya terhadap nilai yang tercapai. Istilah SSE disebut juga sebagai Summed Square of Residuals[4].
(2) Dimana, X adalah nilai aktual atau sebenarnya. Y adalah nilai yang tercapai.
2.6.Sistem Operasi Android
Android adalah sistem operasi untuk telepon seluler yang berbasiskan Linux. Android menyediakan platform terbuka bagi
para pengembang untuk menciptakan
aplikasi mereka sendiri sehingga dapat digunakan oleh bermacam peranti penggerak. Android merupakan sistem operasi berbasis
Java. Sistem ini sangat ringan dan
mempunyai banyak fitur lengkap.
Gambar 2.Tampilan awal layar android pada
2.7.Arduino Uno
Arduino Uno adalah papan
mikrokontroler yang berbasiskan
ATmega328. Arduino jenis ini memiliki 14 pin input/output digital (dengan 6 di antaranya bisa digunakan sebagai output PWM), 6 analog input, ceramic resonator 16 MHz, koneksi USB, sambungan untuk power supply, header ICSP, dan tombol reset. Untuk menghidupkannya, mikrokontroler ini
bisa disambungkan ke komputer
menggunakan koneksi USB, menggunakan adaptor AC-DC, atau baterai.
Gambar 3. Arduino Uno[6]
3.
METODOLOGI PENELITIAN
Secara umum sistem ini dimulai dari
tahap penginputan suara dengan
menggunakan smartphone android.
Kemudian sinyal suara dikirim ke Personal Computer (PC)/Laptop dengan menggunakan jaringan komunikasi wireless. Selanjutnya sinyal suara akan diolah pada PC/Laptop.
Komputer digunakan untuk mengolah sinyal yang dikirim dari smartphone android.
Pada komputer tersebut sinyal suara
disimpan pada suatu file dan kemudian mengolah data tersebut dengan menggunakan metode Fast Fourier Transform sehingga didapatkan pola suara yang diinginkan. Setelah pola suara didapatkan tahapan selanjutnya pola suara disimpan dalam
database untuk dijadikan sebagai nilai rujukan untuk membandingkan sinyal suara
input dengan menggunakan metode Sum
Square Error. Tahapan akhir dari sistem ini yaitu hasil identifikasi dari sinyal suara yang diberikan. Blok diagram sistem dapat dilihat pada gambar berikut.
Gambar 4. Blok Diagram Sistem
3.1.Aplikasi Penginputan Suara Android Suara diinputkan sesuai dengan perintah yang telah ditentukan. Suara yang telah direkam nantinya langsung dikirimkan ke
komputer melalui jaringan komunikasi
wireless. Suara yang telah dikirim ini selanjutnya akan diproses oleh komputer nantinya.
Gambar 5. Alur Diagram Perekaman dan
Pengiriman suara
3.2.Pengolahan Dan Pencocokan Suara Pada tahap ini, FFT digunakan unutk
mendapatkan spektrum frekuensi yang
nantinya dijadikan acuan dalam
pengidentifikasian sinyal suara. Diagram alir program utama FFT ditunjukkan pada Gambar 6.
Tahap selanjutnya yaitu melakukan pencocokan pola suara dengan hasil FFT
menggunakam metode Sum Square Error
(SSE).
Gambar 7. Alur Diagram Pencocokan Suara
4.
HASIL DAN PEMBAHASAN
4.1.Implementasi Hardware
Setelah merangkai
komponen-komponen yang digunakan berdasarkan rancangan maka didapat rangkaian alat sebagai berikut :
Gambar 8. Rangkaian Alat
4.2.Implementasi Software
Input suara yang diambil adalah 16 bit Stereo dengan sample rate 16.000 Hz disimpan dalam format file.wav dengan lama perekaman suara lebih kurang 2 detik dengan kecepatan normal. Pola suara yang dihasilkan pada proses FFT selanjutnya dicocokan dengan menggunakan SSE.
4.3.Spektrum FFT Sampel Suara
Berdasarkan pola data yang terbentuk, nilai frekuensi dominan pada setiap kata
kunci berbeda-beda akan tetapi nilai
frekuensi yang muncul selalu sama.
Tabel 2. Nilai Frekuensi Dominan Spektrum FFT dari Spektrum Sampel
Suara
4.4.Analisa Pola Suara
Gambar Berikut merupakan komponen frekuensi yang terbentuk dari kata kunci lampu hidup, lampu mati, fan on dan fan off.
4.4.1. Analisa Pola Suara Kata Uji Lampu Hidup
Gambar 9. Pola Suara Kata Uji Lampu
Setelah dilakukan 5 kali percobaan ditemukan nilai magnitude yang selalu sama muncul pada frekuensi ke-4, 7, 8, 16, 18, 19, 21, 23, 26, 33, 40, 41, 50, 53, 58 dan 60.
4.4.2.Analisa Pola Suara Kata Uji Lampu Mati
Gambar 10. Pola Suara Kata Uji Lampu
Mati
Setelah dilakukan 5 kali percobaan ditemukan nilai magnitude yang selalu sama muncul pada frekuensi ke-5, 7, 10, 20, 22, 25, 30, 36, 38, 42, 44, 45, 47, 55, 53 dan 61.
4.4.3.Analisa Pola Suara Kata Uji Fan On
Gambar 11. Pola Suara Kata Uji Fan On
Setelah dilakukan 5 kali percobaan ditemukan nilai magnitude yang selalu sama muncul pada frekuensi ke-3, 5, 9, 15, 16, 26, 28, 29, 30, 34, 39, 40, 41, 43, 52 dan 56.
4.4.4.Analisa Pola Suara Kata Uji Fan Off
Gambar 12. Pola Suara Kata Uji Fan Off
Setelah dilakukan 5 kali percobaan ditemukan nilai magnitude yang selalu sama muncul pada frekuensi ke-5, 16, 19, 21, 24, 30, 35, 37, 43, 45, 46, 49, 53, 54 dan 56.
4.5.Pengujian Dan Hasil
Pengujian dilakukan dengan melakukan pengucapan kata uji sebanyak 50 kali. Pengujian dilakukan oleh 3 orang tester yang mana tester 1 adalah sebagai trainer.
Pengambilan keputusan menggunakan
metode Sum Square Error (SSE). Hasil pengujian adalah sebagai berikut.
Tabel 3. Hasil Pengujian Masing-masing Tetster
Gambar 13. Grafik Keberhasilan Pengujian
Berdasarkan hasil pengujian yang
sehingga nilai yang dihasilkan cukup dekat dengan data lainnya.
Pengujian oleh tester 2 dan 3 tampak bahwa tingkat kegagalannya tinggi. Hal ini dikarenakan pola suara yang menjadi referensi adalah pola suara trainer, sehingga tidak ada pola suara yang menyerupai pola suara referensi. Dalam hal ini pengaktifasian peralatan elektronik hanya dapat dilakukan oleh trainer saja.
Dalam pengucapan perintah dan intonasi suara sangat berpengaruh. Pada pengucapan perintah suara dilakukan dengan kecepatan normal dan tidak terlalu keras. Hal ini dikarenakan pengucapan kata tidak sesuai pada saat training.
5.
KESIMPULAN
1. Setelah dilakukan pengujian pada
beberapa sampel suara ditemukan nilai magnitude yang selalu sama muncul pada frekuensi ke 3 – 61 Hz, namun tetap memiliki keunikan dan ciri khas yang ditunjukan dengan nilai magnitude yang berbeda-beda. .
2. Tingkat keberhasilan tester 1 / trainer dengan kata uji “lampu hidup” mencapai 52%, kata uji “lampu mati” mencapai 54%, kata uji “fan on” mencapai 46%
dan kata uji “fan off” mencapai 28%.
3. Tingkat keberhasilan yang rendah
disebabkan nilai yang dihasilkan dari perhitungan SSE mempunyai kemiripan data dengan data lainnya.
4. Pengenalan pola suara ini hanya bisa dilakukan oleh trainer saja, dimana saat percobaan oleh tester 2 dan tester 3 memiliki tingkat keberhasilan yang rendah.
6.
DAFTAR
PUSTAKA
[1] Dadang Gunawan dan Juwono, Filbert Hilman, Pengolahan Sinyal Digital Dengan Pemrograman Matlab, Graha Ilmu, Yogyakarta, 2012.
[2] Alfuadi, Rendy.. Perancangan Alat
Frequency Analyzer Untuk Instrumen Talempong Menggunakan Fast Fourier Transform (FFT). Skripsi S1 FTI UNAND Padang.2014
[3] Mohd, Tengku Diansyah dan Rachmat Aulia.. Speech Recognation Berbasis Jaringan Syaraf Tiruan Menggunakan
Algoritma FFT (Fast Fourier
Transform), ISBN 978-602-19837-2-0.2013
[4] Wijaya, T.A. dan Y. Prayudi.
“Implementasi Visi Komputer dan
Segmentasi Citra Untuk Klasifikasi Bobot Telur Ayam Eras”. Yogyakarta. 2010.
[5] Dimarzio, Jerome.. Android A
Programmer’s Guide. USA, The
McGraw-Hill Companies.2008 [6] URL: