viii
INTISARI
Seiring berkembangnya kemajuan teknologi, manusia dituntut untuk bekerja lebih cepat dan efisien. Lalu mulai dikembangkan mesin-mesin pengolahan pangan dan minuman secara otomatis. Sebagai contohnya adalah vending machine. Selain itu, terdapat pula teknologi pengenalan ucapan oleh mesin yang dikenal dengan speech recognition. Speech recognition merupakan suatu proses untuk mengolah ucapan dari manusia agar dikenali oleh mesin melalui berbagai sistem dan transformasi dalam pengolahan sinyal ucapan manusia. Berdasarkan perkembangan teknologi tersebut, Penulis mendapatkan ide untuk merancang sebuah mesin pembuat minuman yang dikombinasikan dengan pengenalan ucapan sebagai perintah kendali.
Aplikasi pengenalan ucapan akan mengenali perintah pengguna melalui microphone, lalu diolah oleh komputer. Perintah yang dikenali adalah “kopi”, “susu”, “kopsus”, dan “coklat”. Ucapan yang masuk diolah dalam preprocessing lalu ekstraksi ciri DFT (Discrete Fourier Transform) dan similaritas Dice untuk dibandingkan dengan database yang telah dibentuk. Hasil pengenalan ucapan dikirimkan ke mikrokontroler melalui komunikasi serial USART. Pada mesin pembuat minuman terdapat 4 wadah cairan berupa kopi, susu, kopi susu, dan coklat yang akan dipompa oleh motor ke dalam gelas sebanyak 150 ml dengan keberhasilan 91,93%. Mikrokontroler bekerja berdasarkan data yang diterima dari komputer.
Pengenalan ucapan untuk mesin pembuat minuman telah bekerja dengan baik terhadap 3 user. Perintah yang diucapkan dapat dikenali dan mesin pembuat minuman telah menyajikan minuman sesuai perintah. Didapatkan hasil terbaik dengan database berisi 1 data, segment averaging bernilai 8, dan kNN bernilai 1. Program pengenalan ucapan yang diberi nilai thresholding dapat mengenali ucapan secara real time dengan persentase sebesar 89,58%.
ix
ABSTRACT
As the development of technology advances, people are required to work more quickly and efficiently. Then people start to develop automatic food and beverage processing machines. As an example is the vending machine. In addition, there is also speech recognition technology by a machine known as speech recognition. Speech recognition is a processing of human speech to be recognized by the machine through a variety of systems and transformations in human speech signal processing. Based on the development of these technologies, the author got the idea to design a beverage making machine combined with speech recognition as control commands.
Speech recognition application will recognize the user's command through a microphone, and then processed by computer. Commands that are recognized are the "kopi", "susu", "kopsus" and "cokelat". Speech incoming processed in the preprocessing and then in DFT extraction (Discrete Fourier Transform) and Dice similarity to be compared with a database that has been formed. Speech recognition results are sent to the microcontroller via USART serial communication. There are four containers of liquid in the form of coffee, milk, coffee milk, and chocolate that will be pumped by the motor into a glass of 150 ml in the beverage maker with percentage of 91,93%. Microcontroller work based on data received from the computer.
Speech recognition for beverage maker has worked well against 3 user. Spoken commands can be recognized and beverage maker has been serving drinks according to orders. Obtained the best results with a database containing 1 record, averaging segment worth 8, and kNN worth 1. The speech recognition program that rated thresholding can recognize speech in real time with a percentage of 89,58%.
i
TUGAS AKHIR
APLIKASI PENGENALAN UCAPAN
UNTUK MESIN PEMBUAT MINUMAN
Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik
Program Studi Teknik Elektro
Oleh :
EVAN MICHAEL ATMAJA NIM : 115114020
PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA YOGYAKARTA
ii
FINAL PROJECT
SPEECH RECOGNITION APPLICATION
FOR BEVERAGES MAKER
Presented as Partial Fulfillment of the Requirements To Obtain the Sarjana Teknik Degree
In Electrical Engineering Study Program
EVAN MICHAEL ATMAJA NIM : 115114020
ELECTRICAL ENGINEERING STUDY PROGRAM ELECTRICAL ENGINEERING DEPARTEMENT
FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY
iii
HALAMAN PERSETUJUAN
TUGAS AKHIR
APLIKASI PENGENALAN UCAPAN
UNTUK MESIN PEMBUAT MINUMAN
(SPEECH RECOGNITION APPLICATION
FOR BEVERAGE MAKER)
Oleh
EVAN MICHAEL ATMAJA NIM : 115114020
telah disetujui oleh :
Pembimbing
iv
HALAMAN PENGESAHAN
TUGAS AKHIR
APLIKASI PENGENALAN UCAPAN UNTUK MESIN PEMBUAT
MINUMAN
(SPEECH RECOGNITION APPLICATION FOR BEVERAGE
MAKER)
Disusun oleh :
EVAN MICHAEL ATMAJA. NIM : 115114020
Telah dipertahankan didepan panitia penguji Pada tanggal 26 Februari 2016 dan dinyatakan memenuhi syarat
Susunan Panitia Penguji :
Nama Lengkap Tanda Tangan
Ketua : Dr. Iswanjono ………..
Sekretaris : Dr. Linggo Sumarno ………..
Anggota : Wiwien Widyastuti, S.T., M.T. ………..
Yogyakarta, Fakultas Sains dan Teknologi Universitas Sanata Dharma Dekan,
v
PERNYATAAN KEASLIAN KARYA
Saya menyatakan dengan sesungguhnya bahwa tugas akhir ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka sebagaimana layaknya karya ilmiah.
Yogyakarta, 28 Februari 2016
vi
HALAMAN PERSEMBAHAN DAN MOTTO HIDUP
MOTTO :
“
Segala perkara dapat
kutanggung di dalam Dia yang
memberi kekuatan kepadaku
.”
Filipi 4:13
Skripsi ini kupersembahkan kepada:
Tuhan Yesus Kristus;
Juru Selamat, Sahabat, Penolong, dan Kekuatanku..
Papa dan Mama,
atas segala cinta, kasih sayang, doa, dan dukungan..
Almamaterku,
vii
LEMBAR PERNYATAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :
Nama : Evan Michael Atmaja
Nomor Mahasiswa : 115114020
Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul :
APLIKASI PENGENALAN UCAPAN UNTUK MESIN PEMBUAT
MINUMAN
beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas dan mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencatumkan nama saya sebagai penulis.
Demikian pernyataan ini saya buat dengan sebenarnya. Yogyakarta, 28 Februari 2016
viii
INTISARI
Seiring berkembangnya kemajuan teknologi, manusia dituntut untuk bekerja lebih cepat dan efisien. Lalu mulai dikembangkan mesin-mesin pengolahan pangan dan minuman secara otomatis. Sebagai contohnya adalah vending machine. Selain itu, terdapat pula teknologi pengenalan ucapan oleh mesin yang dikenal dengan speech recognition. Speech recognition merupakan suatu proses untuk mengolah ucapan dari manusia agar dikenali oleh mesin melalui berbagai sistem dan transformasi dalam pengolahan sinyal ucapan manusia. Berdasarkan perkembangan teknologi tersebut, Penulis mendapatkan ide untuk merancang sebuah mesin pembuat minuman yang dikombinasikan dengan pengenalan ucapan sebagai perintah kendali.
Aplikasi pengenalan ucapan akan mengenali perintah pengguna melalui microphone, lalu diolah oleh komputer. Perintah yang dikenali adalah “kopi”, “susu”, “kopsus”, dan “coklat”. Ucapan yang masuk diolah dalam preprocessing lalu ekstraksi ciri DFT (Discrete Fourier Transform) dan similaritas Dice untuk dibandingkan dengan database yang telah dibentuk. Hasil pengenalan ucapan dikirimkan ke mikrokontroler melalui komunikasi serial USART. Pada mesin pembuat minuman terdapat 4 wadah cairan berupa kopi, susu, kopi susu, dan coklat yang akan dipompa oleh motor ke dalam gelas sebanyak 150 ml dengan keberhasilan 91,93%. Mikrokontroler bekerja berdasarkan data yang diterima dari komputer.
Pengenalan ucapan untuk mesin pembuat minuman telah bekerja dengan baik terhadap 3 user. Perintah yang diucapkan dapat dikenali dan mesin pembuat minuman telah menyajikan minuman sesuai perintah. Didapatkan hasil terbaik dengan database berisi 1 data, segment averaging bernilai 8, dan kNN bernilai 1. Program pengenalan ucapan yang diberi nilai thresholding dapat mengenali ucapan secara real time dengan persentase sebesar 89,58%.
ix
ABSTRACT
As the development of technology advances, people are required to work more quickly and efficiently. Then people start to develop automatic food and beverage processing machines. As an example is the vending machine. In addition, there is also speech recognition technology by a machine known as speech recognition. Speech recognition is a processing of human speech to be recognized by the machine through a variety of systems and transformations in human speech signal processing. Based on the development of these technologies, the author got the idea to design a beverage making machine combined with speech recognition as control commands.
Speech recognition application will recognize the user's command through a microphone, and then processed by computer. Commands that are recognized are the "kopi", "susu", "kopsus" and "cokelat". Speech incoming processed in the preprocessing and then in DFT extraction (Discrete Fourier Transform) and Dice similarity to be compared with a database that has been formed. Speech recognition results are sent to the microcontroller via USART serial communication. There are four containers of liquid in the form of coffee, milk, coffee milk, and chocolate that will be pumped by the motor into a glass of 150 ml in the beverage maker with percentage of 91,93%. Microcontroller work based on data received from the computer.
Speech recognition for beverage maker has worked well against 3 user. Spoken commands can be recognized and beverage maker has been serving drinks according to orders. Obtained the best results with a database containing 1 record, averaging segment worth 8, and kNN worth 1. The speech recognition program that rated thresholding can recognize speech in real time with a percentage of 89,58%.
x
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus karena atas segala rahmat-Nya sehingga penulis dapat menyelesaikan laporan tugas akhir ini dengan baik. Laporan tugas akhir ini disusun untuk memenuhi syarat memperoleh gelar sarjana.
Selama pembuatan tugas akhir ini penulis menyadari bahwa begitu banyak pihak yang memberikan bantuan baik berupa idea tau gagasan, dukungan moral, maupun bantuan materi. Oleh karena itu, peneliti ingin mengucapkan terimakasih kepada:
1. Drs. Johanes Eka Priyatma, M.Sc., Ph.D., Rektor Universitas Sanata Dharma 2. Sudi Mungkasi, S.Si., M.Math.Sc., Ph.D., Dekan Fakultas Sains dan Teknologi 3. Petrus Setyo Prabowo, S.T., M.T., Ketua Program Studi Teknik Elektro
Universitas Sanata Dharma.
4. Dr. Linggo Sumarno, dosen pembimbing luar biasa yang dengan penuh pengertian, kesabaran dan kepedulian untuk memberi bimbingan, saran, serta semangat dan motivasi dalam menyelesaikan Tugas Akhir ini.
5. Wiwien Widyastuti, S.T.,M.T., dan Dr. Iswanjono selaku dosen penguji yang telah bersedia memberi masukan, bimbingan, dan saran dalam memperbaiki penulisan tugas akhir ini.
6. Seluruh dosen yang telah banyak membimbing dan mengajarkan banyak hal dalam menempuh pendidikan akademik dan soft skill di Program Studi Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Sanata Dharma.
7. Kedua orang tua, Papa Lukas dan Mama Ester, yang senantiasa memberi cinta kasih sayang, pelajaran hidup, motivasi, doa dan dukungan tanpa henti.
8. Kakak-kakak terkasih yang memberi banyak motivasi dalam bercita-cita. 9. Cinthya Anggarini sebagai teman, sahabat, kekasih yang setia mengasihi,
mendukung dan memberi semangat hingga terselesaikannya tugas belajar dengan baik.
xi
11.Group Skripsi; Irvan, Cahyo, Yohanes, Meris, Edwin, yang saling bahu membahu membantu dalam penyelesaian Tugas Akhir.
12.Kawan seperjuangan Teknik Elektro 2011, yang telah bersama-sama melalui segala dinamika suka duka perkuliahan, organisasi, kegiatan, ngantin, pada saat menempuh pendidikan di Universitas Sanata Dhama.
13.Semua pihak yang tidak bisa disebutkan satu persatu yang telah banyak memberikan banyak bantuan dan dukungan dalam menyelesaikan tugas akhir ini.
Penulis menyadari bahwa dalam penyusunan tugas akhir masih memiliki kekurangan. Oleh karena itu, dengan segala kerendahan hati, penulis mengharapkan masukan, kritik dan saran yang membangun agar tugas akhir ini menjadi lebih baik. Semoga tugas akhir ini dapat bermanfaat sebagaimana mestinya.
Yogyakarta, 28 Februari 2016 Penulis,
xii
DAFTAR ISI
Halaman
HALAMAN JUDUL
. ... iHALAMAN PERSETUJUAN
.. ... iiiHALAMAN PENGESAHAN
. ... ivPERNYATAAN KEASLIAN KARYA
. ... vHALAMAN PERSEMBAHAN DAN MOTTO HIDUP
... viLEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
ILMIAH UNTUK KEPENTINGAN AKADEMIS
. ... viiINTISARI
. ... viiiABSTRACT
. ... ixKATA PENGANTAR
. ... xDAFTAR ISI
. ... xiiDAFTAR GAMBAR
. ... xviDAFTAR TABEL. ...
xviiBAB I PENDAHULUAN
1.1. Latar Belakang. ... 11.2. Tujuan dan Manfaat Penelitian ... 2
1.3. Batasan Masalah ... 2
1.4. Metodologi Penelitian ... 2
1.4.1. Alat dan Bahan ... 2
1.4.2. Langkah Penelitian ... 3
1.5. Sistematika Penulisan ... 4
BAB II DASAR TEORI
2.1. Sinyal Suara Manusia ... 52.2. Speech Recognition ... 6
2.3. Sampling ... 7
2.4. Preprocessing ... 8
xiii
2.4.2. Normalisasi ... 9
2.4.3. Pemotongan Sinyal ... 10
2.4.4 Zero Padding ... 11
2.5. Framing dan Windowing ... 12
2.6. Discrete Fourier Transform(DFT) ... 13
2.7. Segment Averaging ... 13
2.8. Klasifikasi k-NN.. ... 14
2.9 Template Matching ... 15
2.9.1. Similaritas Dice ... 15
2.10. Mikrokontroler Atmega8535. ... 15
2.10.1. Arsitektur AVR Atmega8535 ... 16
2.10.2. Konfigurasi PIN Mikrokontroler ATmega32 ... 16
2.10.3. Komunikasi Serial USART ... 17
2.10.3.1. USART Control and Status Register A (USCRA) ... 18
2.10.3.2. USART Control and Status Register B (USCRB) ... 19
2.10.3.3. USART Control and Status Register C (USCRC) ... 20
2.10.3.4. USART I/O Data Register (UDR) ... 21
2.11. Sound Card ... 21
2.12. Motor Pompa ... 22
2.13. LCD 16x2... ... 23
2.14. IC Regulator... 24
2.15. Mikrofon... 26
BAB III PERANCANGAN
3.1. Konsep Dasar ... 273.1.1. Ucapan... ... 28
3.1.2. Mikrofon.... ... 28
3.1.3. Modul USB TO TTL... 28
3.1.4. Mikrokontroler ATmega32.... ... 29
3.1.5. Motor Pompa.. ... 29
3.2. Perancangan Sistem Pengenalan Ucapan ... 29
3.2.1. Sampling... 31
xiv
3.2.3. Normalisasi... ... 33
3.2.4. Pemotongan Sinyal... ... 33
3.2.5. Zero Padding... 34
3.2.6. Segmentasi dan Windowing... ... 35
3.2.7. Ektraksi Ciri... ... 36
3.2.8. Perhitungan Similaritas... ... 37
3.2.9. Penentuan Hasil Pengenalan Ucapan (k-Nearest Neigbor)... ... 38
3.2.10. Pengiriman Data Serial... ... 39
3.3. Perancangan Pembentukan Database Pengenalan Ucapan ... 41
3.4. Perancangan User Interface ... 42
3.5. Perancangan Hardware Mesin Pembuat Minuman ... 43
3.5.1. Perancangan Mesin Pembuat Minuman ... 43
3.5.2. Minimum Sistem ATmega 8535 ... 45
3.5.3. Rangkaian dan Konfigurasi LCD 16x2 ... 46
3.5.4. Motor Pompa ... 47
3.5.5. Regulator IC 7812 dan Penguatan Arus ... 48
3.6. Perancangan Program Mesin Pembuat Minuman ... 48
BAB IV HASIL DAN PEMBAHASAN
4.1. Implementasi Program Pengenalan Ucapan Menggunakan GUI Matlab ... 504.1.1. Panel Inisialisasi ... 51
4.1.2. Tombol UCAP ... 53
4.1.3. Tombol RESET... ... 62
4.1.4. Toombol EXIT... ... 62
4.2. Implementasi Mesin Pembuat Minuman ... 63
4.2.1. Sistem Elektronik ... 64
4.2.2. Program Mesin Pembuat Minuman ... 65
4.2.2.1 Program Motor Pompa dan Komunikasi USART ... 65
4.3. Pengujian Tingkat Pengenalan Ucapan... ... 67
4.3.1. Pengujian Pengenalan Ucapan Secara Tidak Real Time... ... 68
4.3.2. Pengujian Pengenalan Ucapan Secara Real Time... 70
4.3.2.1. Pengujian Secara Real Time Tanpa Nilai Thresholding... ... 70
xv
4.4. Pengujian Mesin Pembuat Minuman... ... 74
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan... ... 76 5.2. Saran ... ... 77
DAFTAR PUSTAKA
... ... 78LAMPIRAN
xvi
DAFTAR GAMBAR
Halaman
Gambar 2.1. Ilustrasi Anatomi Organ Pembentuk Suara ... 5
Gambar 2.2. Representasi Skematik Mekanisme Pembentukan Suara ... 5
Gambar 2.3. Diagram Alur Pelaksanaan Speech Recognition ... 6
Gambar 2.4. Contoh Proses Sampling ... 7
Gambar 2.5. Contoh Aliasing Pada Proses Sampling ... 7
Gambar 2.6. Sinyal Masukan ... 8
Gambar 2.7. Sinyal Hasil Pre Emphasis ... 9
Gambar 2.8. Sinyal Hasil Normalisasi ... 9
Gambar 2.9. Posisi Sinyal Data Ucapan ... 10
Gambar 2.10. Proses Pemotongan Sinyal ... 10
Gambar 2.11. Proses Zero Padding ... 11
Gambar 2.12. Proses Framing. ... 12
Gambar 2.13. Proses Framing dan Windowing ... 12
Gambar 2.14. Proses Ektraksi Ciri ... 13
Gambar 2.15. Proses Segment Averaging... 14
Gambar 2.16. Konfigurasi Pin Mikrokontroler Atmega8535. ... 16
Gambar 2.17. Register USCRA... ... 18
Gambar 2.18. Register UCSRB... ... 19
Gambar 2.19. Register UCSRC... ... 20
Gambar 2.20. Register UDR... ... 21
Gambar 2.21. Bentuk sound card PC... ... 22
Gambar 2.22. Bentuk Fisik Motor Pompa... 22
Gambar 2.23. Gambar fisik LCD 16x2... ... 23
Gambar 2.24. Rangkaian umum regulator 78xx... ... 25
Gambar 2.25. Rangkaian catu daya dengan penguat... ... 25
Gambar 3.1. Blok Perancangan Sistem.. ... 27
Gambar 3.2. Bentuk Fisik Modul USB to TTL ... 28
Gambar 3.3. Flowchart Program Pengenalan Ucapan Pada Matlab ... 30
xvii
Gambar 3.5. Flowchart Rancangan Program Pre Emphasis ... 32
Gambar 3.6. Flowchart Rancangan Program Normalisasi ... 33
Gambar 3.7. Flowchart Rancangan Program Pemotongan Sinyal ... 34
Gambar 3.8. Flowchart Rancangan Program Zero Padding ... 35
Gambar 3.9. Flowchart Rancangan Program Segmentasi dan Windowing... 36
Gambar 3.10. Flowchart Rancangan Program Ekstraksi Ciri DFT ... 36
Gambar 3.11. Flowchart Rancangan Program Segment Averaging ... 37
Gambar 3.12. Flowchart Rancangan Program Perhitungan Similaritas ... 38
Gambar 3.13. Flowchart Rancangan Pengenalan Keluaran Dengan Metode k-NN .... 39
Gambar 3.14. Flowchart Rancangan Program Pengiriman Data Serial ... 40
Gambar 3.15. Diagram Rancangan Pembentukan Database ... 41
Gambar 3.16. Rancangan User Interface Dengan GUI Matlab ... 42
Gambar 3.17. Blok Diagram Mesin Pembuat Minuman ... 43
Gambar 3.18. Rancangan Fisik dan Dimensi Mesin Pembuat Minuman ... 44
Gambar 3.19. Rangkaian Osilator ATmega8535 ... 45
Gambar 3.20. Rangkaian Reset ATmega8535 ... 46
Gambar 3.21. Skematik LCD 16x2 ... 47
Gambar 3.22. Setting Port LCD ... 47
Gambar 3.23. Konstruksi Motor Pompa Sebagai Pendorong Cairan ... 47
Gambar 3.24. Rangkaian Regulator 7805 Dengan Penguatan Arus ... 48
Gambar 3.25. Flowchart Rancangan Program Mesin Pembuat Minuman ... 49
Gambar 4.1. Tampilan GUI Matlab Untuk Mesin Pembuat Minuman ... 50
Gambar 4.2. Panel Inisialisasi pada GUI Matlab Untuk Mesin Pembuat Minuman .. 51
Gambar 4.3. Bentuk Fisik Mesin Pembuat Minuman (Tampak Luar) ... 63
Gambar 4.4. Bentuk Fisik Mesin Pembuat Minuman (Tampak Dalam) ... 64
xviii
DAFTAR TABEL
Halaman
Tabel 2.1. Penentuan Ukuran Karakter untuk UCSZ[2..0] ... 19
Tabel 2.2. Setting UPM0..1 untuk setting parity ... 20
Tabel 2.3. Spesifikasi Motor Pompa ... 22
Tabel 2.4. Operasi baca/tulis LCD 16x2 ... 23
Tabel 2.5. Operasi dasar LCD 16x2 ... 24
Tabel 2.6. Konfigurasi pin LCD 16x2 ... 24
Tabel 2.7. Karakteristik Regulator Tegangan IC 78xx ... 24
Tabel 2.8. Spesifikasi mikrofon pada headset SADES ... 26
Tabel 3.1. Data Pengiriman Dari Tiap Ucapan ... 44
Tabel 3.2. Keterangan Rancangan User Interface ... 46
Tabel 3.3. Data Yang Diterima dan Urutan Perintah... ... 53
Tabel 4.1. Tabel Pengaturan Port Mikrokontroler... ... 65
Tabel 4.2. Tingkat Pengenalan (%) Secara Tidak Real Time dengan Database 8 ... 68
Tabel 4.3. Tingkat Pengenalan (%) Secara Tidak Real Time dengan Database 4 ... 69
Tabel 4.4. Tingkat Pengenalan (%) Secara Tidak Real Time dengan Database 2 ... 69
Tabel 4.5. Tingkat Pengenalan (%) Secara Tidak Real Time dengan Database 1 ... 69
Tabel 4.6. Batas Bawah Nilai Similaritas... ... 70
Tabel 4.7. Confusion Matrik Hasil Pengujian Secara Real Time Tanpa Nilai Thresholding ... ... 71
Tabel 4.8. Confusion Matrik Hasil Pengujian Secara Real Time Dengan Nilai Thresholding Untuk Mengenali Ucapan ... ... 72
Tabel 4.9. Confusion Matrik Hasil Pengujian Secara Real Time Dengan Nilai Thresholding Untuk Mengenali Error ... ... 73
Tabel 4.10. Pengujian Pengenalan Komunikasi ... ... 74
1
BAB I
PENDAHULUAN
1.1
Latar Belakang
Seiring berkembangnya kemajuan jaman dan teknologi, masyarakat dewasa ini dituntut untuk bekerja lebih cepat dan efisien. Hal ini juga berpengaruh pada kemajuan teknologi pengolahan pangan dan minuman. Pada awalnya proses pengolahan pangan dan minuman dikerjakan oleh tenaga manusia secara konvensional, tetapi proses tersebut memakan banyak waktu dan biaya. Lalu mulai ditemukan mesin-mesin yang mampu mengolah pangan dan minuman secara otomatis yang lebih efisien waktu dan biaya [1]. Mesin-mesin tersebut mampu menghasilkan makanan dan minuman instant yang tahan lama dan mudah diolah. Namun meskipun sudah tersedia makanan dan minuman instant, tetapi itu masih belum cukup memenuhi kebutuhan masyarakat yang dinamis. Oleh karena itu mulai ditemukan mesin pengolah minuman instant. Sebagai contohnya adalah coffee machine, maupun vending machine yang dapat mengolah minuman secara otomatis untuk
memudahkan pemesannya.
Perkembangan teknologi untuk pengenalan ucapan oleh mesin telah atau dikenali dengan sebutan speech recognition merupakan salah satu teknologi yang telah dikembangkan lebih dari 4 dekade [2]. Teknologi speech recognition merupakan suatu proses untuk mengolah ucapan dari manusia agar dikenali oleh mesin melalui berbagai sistem dan transformasi dalam pengolahan sinyal ucapan manusia [2]. Terdapat beberapa aspek yang perlu diperhatikan dalam proses pengenalan ucapan, yaitu akuisisi data suara, pembentukan database ucapan, ekstraksi ciri sinyal ucapan, dan pengenalan pola sinyal ucapan hasil ekstraksi ciri dengan database ucapan [3]. Hasil dari pengenalan suara dapat diaplikasikan dalam berbagai macam mesin, salah satunya untuk mengendalikan robot mobil[4]. Pada penelitian tersebut, robot mobil bergerak sesuai perintah navigasi dari pengguna.
dikirimkan kepada mikrokontroler mesin pembuat minuman untuk mengerjakan perintah tersebut.
1.2
Tujuan dan Manfaat Penelitian
Tujuan dari penelitian ini adalah menghasilkan suatu prototipe mesin pembuat minuman dengan pengaplikasian pengenalan ucapan sebagai pengendali.
Manfaat dari penelitian ini adalah pengembangan teknologi yang memadukan mesin pembuat minuman dengan pengenalan ucapan sebagai kendali, yang akan sangat berguna bagi industri maupun akademisi.
1.3
Batasan Masalah
Pada penelitian ini, ditentukan suatu batasan masalah agar penelitian dapat
diarahkan pada tujuan dan permasalahan yang terlalu kompleks dapat dihindari. Beberapa batasan masalah pada penelitian ini adalah:
1. Pengucapan dilakukan sedatar mungkin, tanpa variasi intonasi, nada, maupun lafal. Kata yang akan dikenali adalah “kopi”, “susu”, “kopsus”, atau “cokelat”, dan akan diuji secara real time oleh 3 orang pengguna yang telah ditentukan Penulis.
2. Pengucapan kata selain “kopi”, “susu”, “kopsus”, atau “cokelat” akan dikenali sebagai error.
3. Mesin pembuat minuman akan membuat kopi jika ucapan yang dikenali adalah kopi. Akan membuat susu jika kata yang dikenali adalah susu. Akan membuat kopi susu jika kata yang dikenali adalah kopsus. Dan akan membuat cokelat jika kata yang dikenali adalah cokelat.
1.4
Metodologi Penelitian
Berdasarkan pada tujuan yang ingin dicapai, maka ada beberapa alat dan bahan serta metode yang akan digunakan dalam penyusunan penelitian ini.
1.4.1.
Alat dan Bahan
Alat dan bahan yang akan digunakan dalam penelitian ini adalah:
1. Software Matlab, digunakan sebagai pengolah data dan pengenalan ucapan. 2. Mikrofon pada headset Sades, digunakan sebagai penangkap suara.
4. Database, digunakan sebagai pembanding dan akan dibuat sesuai banyaknya pengguna, yaitu 3 database.
5. Mesin pembuat minuman, sebagai aktuator dari aplikasi pengenalan ucapan.
6. Kotak kendali yang berisi mikrokontroler ATmega 8535, LCD, regulator dan penguat arus.
7. Empat wadah cairan yang berisi kopi, susu, kopi susu, dan cokelat; selang sebagai penghubung cairan.
8. Terdapat 4 buah kran pada wadah cairan dan 4 buah motor pompa untuk mengalirkan cairan.
9. Mesin pembuat minuman bekerja berdasarkan kombinasi urutan waktu aktif motor pompa.
1.4.2.
Langkah Penelitian
Langkah-langkah dalam melakukan penelitian ini adalah: 1. Studi Literatur
Pengumpulan bahan-bahan referensi berupa buku dan jurnal ilmiah yang membahas mengenai pengenalan ucapan dengan Matlab, motor pompa, pemrograman dengan code vision avr, mikrokontroler ATmega 8535, serta pendukung lainnya.
2. Perancangan hardware dan software
Perancangan desain mesin pembuat minuman beserta rangkaian-rangkaian pendukung dan pembuatan flowchart untuk pemrograman untuk mikrokontroler ATmega 8535 dan Matlab.
3. Pembuatan hardware dan software
Tahapan ini berisi tentang pembuatan aplikasi pengenalan ucapan untuk mesin pembuat minuman sesuai dengan desain yang telah dirancang, beserta program-program yang mengacu pada flowchart yang telah dibuat pada perancangan.
4. Pengambilan data
Pengambilan data dilakukan dengan melihat tanggapan sistem dalam mengenali ucapan, dan waktu akif motor pompa.
5. Analisa dan penyimpulan hasil penelitian
1.5
Sistematika Penulisan
Sistematika penulisan tugas akhir ini adalah sebagai berikut : BAB I: PENDAHULUAN
Bab ini berisi latar belakang masalah, tujuan dan manfaat, batasan masalah, metodologi penelitian dan sistematika penulisan.
BAB II : DASAR TEORI
Bab ini berisi teori-teori yang mendukung kerja sistem dan teori yang digunakan dalam perancangan aplikasi pengenalan ucapan untuk mesin pembuat minuman.
BAB III : PERANCANGAN PENELITIAN
Bab ini berisi penjelasan alur perancangan, flow chart program, serta desain alat dalam rancangan aplikasi pengenalan ucapan untuk mesin pembuat minuman.
BAB IV : HASIL PENGAMATAN DAN PEMBAHASAN
Bab ini berisi pengamatan dan pembahasan data yang diperoleh, berupa data tingkat keberhasilan mendeteksi ucapan, data waktu aktif motor pompa menggisi gelas 150 ml, dan tingkat keberhasilan keseluruhan sistem aplikasi pengenalan ucapan untuk mesin pembuat minuman.
BAB V : KESIMPULAN DAN SARAN
5
BAB II
DASAR TEORI
2.1.
Sinyal Suara Manusia
Sinyal suara manusia merupakan masukan dalam sistem pengenalan suara, dengan rata-rata rentang frekuensi 250 – 3000 Hz. Masukan ini diperoleh dari percakapan yang dilakukan oleh manusia, yang menghasilkan gelombang suara dari kombinasi yang sangat kompleks antara tekanan dari paru-paru menuju vocal cords (pita suara) pada larynx tube (laring), lalu menuju pharynx cavity (faring) dan keluar melalui nasal cavity (hidung) dan mouth cavity (mulut) [4]. Terdapat pula istilah lain yaitu vocal tract yang merupakan
sistem pembentukan suara melalui jalur udara yang dikeluarkan lewat mulut, dan nasal tract yang merupakan sistem pembentukan suara sengau atau derau dengan jalur udara
melalui hidung [2]. Ilustrasi dari anatomi manusia dalam memproduksi suara dapat dilihat pada gambar 2.1., lalu gambar 2.2. menunjukan representasi skematik dari mekanisme pembentukan suara.
Gambar 2.1. Gambar Ilustrasi Anatomi Organ Pembentuk Suara Manusia [4]
2.2.
Speech Recognition
Speech recognition (pengenalan ucapan) adalah suatu sistem yang mampu untuk
mengenali ucapan atau lafal dari suara manusia [4]. Ucapan dari manusia diproses oleh mesin untuk diolah melalui tahapan-tahapan tertentu sesuai dengan rancangan sistem yang digunakan untuk mengenali pola dari sinyal ucapan tersebut. Hasil dari pengenalan ucapan manusia dapat diaplikasikan dalam berbagai hal dan sangat bermanfaat, seperti telekomunikasi, pengamanan sistem, serta kendali dari mesin dan sistem.
Salah satu cara dalam membuat sistem speech recognition adalah template based approache [4]. Cara ini akan membandingkan masukan dari sinyal ucapan manusia dengan
database yang telah dibuat, lalu membandingkannya untuk mendapatkan hasil yang cocok.
Tahapan pada sistem speech recognition dibagi menjadi 2 bagian, yaitu pembuatan database dan proses pengenalan ucapan. Pembentukan database akan dilakukan terlebih
dahulu karena akan digunakan sebagai parameter proses perbandingan dalam sistem pengenalan ucapan. Alur pelaksanaan dari speech recognition ditunjukan pada gambar 2.3.
2.3.
Sampling
Proses pertama dalam pengolahan sinyal suara adalah sampling, yaitu proses pencuplikan sinyal ucapan manusia yang berupa sinyal analog pada periode waktu tertentu. Dalam proses sampling, sinyal suara yang diambil akan menjadi gelombang sinyal diskrit. Pada proses sampling, nilai frekuensi sampling harus diperhatikan [2]. Frekuensi sampling merupakan laju pencuplikan yang menandakan banyak pengambilan sinyal analog dalam satu detik. Nilai satuan frekuensi sampling adalah Hertz (Hz). Contoh proses sampling ditunjukan pada gambar 2.4.
Gambar 2.4. Contoh Proses Sampling
Nilai frekuensi sampling dianjurkan untuk mengacu pada kriteria Nyquist. Laju sampling minimum dikenal sebagai Nyquist sampling rate, yang menyatakan bawah nilai
frekuensi sampling minimal harus 2 kali lebih besar terhadap nilai frekuensi maksimum dari sinyal yang dicuplik [2]. Apabila kriteria Nyquist tidak dipenuhi, maka akan terjadi aliasing pada proses sampling, yaitu adanya frekuensi yang terlihat sebagai frekuensi lain.
Gambar 2.5 menunjukan gambar aliasing. Kriteria Nyquist sampling rate dapat dituliskan:
(2.1)
Keterangan : fs = frekuensi sampling (Hz) fm = frekuensi sinyal analog (Hz)
2.4.
Preprocessing
Prepocessing merupakan tahapan untuk mengkondisikan sinyal sebelum diproses
dalam segmentasi lalu ektraksi ciri pada proses pengenalan ucapan. Preprocessing dilakukan untuk membuang noise, menyesuaikan skala amplitudo serta frekuensi pada sinyal ucapan. Dalam preprocessing ada beberapa tahapan meliputi pre emphasis, normalisasi, pemotongan sinyal, dan zero padding.
2.4.1.
Pre Emphasis
Pre Emphasis adalah proses yang dirancang untuk mengurangi dampak buruk dari
transmisi dan suara latar yang ikut tercuplik. Proses pre emphasis sangat baik dalam mengurangi efek distorsi, atenuasi, dan saturasi dari media perekaman. Perhitungan pre emphasis dilakukan pada sinyal digital dalam domain waktu dan menggunakan persamaan
berikut [6] :
s
'
(
n
)
s
(
n
)
*
s
(
n
1
)
(2.2) Dimana = 0.9<<1
Nilai yang paling sering digunakan adalah 0,95 [7] S(n) = sampel ke-n
Gambar sinyal masukan yang akan diproses dalam pre emphasis ditunjukan pada gambar 2.6. dan gambar sinyal yang telah melewati proses pre emphasis ditunjukan pada gambar 2.7.
Gambar 2.7. Sinyal Hasil Pre Emphasis dari Gambar 2.6.
2.4.2.
Normalisasi
Normalisasi adalah proses penyeragaman nilai amplitudo dari sinyal hasil pre emphasis agar terbentuk pada skala yang sama [8]. Proses normalisasi sangat diperlukan
karena besarnya amplitudo sinyal suara manusia saat melakukan pengucapan selalu berbeda. Perhitungan matematis untuk mencari nilai normalisasi dirumuskan dengan persamaan sebagai berikut :
|
| dengan keterangan sebagai berikut :
= hasil data sinyal normalisasi (1,2,3,…,N) = data masukan dari sampling (1,2,3,…,N) N = banyaknya data sinyal
Sinyal hasil pre emphasis pada gambar 2.7. akan diolah sebagai masukan untuk proses normalisasi. Gambar 2.8. menunjukan sinyal masukan yang sudah melewati proses normalisasi.
2.4.3.
Pemotongan Sinyal
[image:30.595.89.520.382.726.2]Pemotongan sinyal dilakukan dengan tujuan memotong beberapa bagian sinyal yang dianggap noise yang ikut tercuplik. Sinyal data ucapan ditunjukan oleh gambar 2.9.
Gambar 2.9. Posisi Sinyal Data Ucapan
Dalam proses ini, pemotongan sinyal dilakukan pada bagian awal dan akhir selain sinyal data ucapan. Pemotongan sinyal suara dimaksudkan untuk menghilangkan bagian yang dianggap bukan sinyal ucapan dan mengurangi gangguan sinyal yang diakibatkan dari derau ruangan atau suara lain yang ikut terekam. Sinyal selain data ucapan yang berada dibagian kiri dan kanan pada gambar 2.9. merupakan noise.
Proses pemotongan sinyal ditunjukan oleh gambar 2.10., dengan nilai batas potong 0,3 [5]. Tahap pertama dalam pemotongan sinyal adalah memotong bagian kiri dari sinyal hasil normalisasi. Selanjutnya dilakukan pembalikan sinyal, lalu potong bagian kanan dari sinyal. Setelah itu sinyal dikembalikan ke kondisi semula, yang merupakan hasil dari proses pemotongan sinyal.
Gambar 2.10. (Lanjutan) Proses Pemotongan Sinyal
2.4.4.
Zero Padding
Setelah dilakukan pemotongan sinyal, proses selanjutnya adalah zero padding. Zerro padding merupakan tahapan akhir dari pre processing, dimana pada tahapan ini
[image:31.595.90.517.422.705.2]terdapat proses pemberian deretan data bernilai 0 pada data sinyal. Proses pemotongan sinyal mengakibatkan perbedaan panjang gelombang dari setiap data sinyal ucapan, sehingga dilakukan penambahan nilai 0 sampai panjang gelombang sesuai nilai dengan frekuensi sinyal yang telah ditentukan. Proses zero padding ditunjukan oleh gambar 2.11.
2.5.
Framing dan Windowing
Framing merupakan proses dimana sinyal data masukan akan dibentuk dalam
frame-frame. Dalam bentuk frame ini data akan lebih mudah untuk diketahui, sehingga
[image:32.595.85.526.382.738.2]tidak perlu memeriksa sinyal data secara keseluruhan secara langsung. Data akan diperiksa setiap frame sebesar nilai panjang frame yang telah ditentukan. Jika dalam pemeriksaan tersebut sinyal data melebihi maka akan mengalami overlap, lalu dipotong sebesar nilai overlap [10].
Gambar 2.12. Proses Framing [9]
Windowing merupakan tahapan untuk menetralisir diskontinuitas sinyal pada awalan dan akhir tiap bentuk data sinyal dengan melakukan proses dari fungsi window [9]. Windowing berfungsi untuk membuat pola pada sinyal, sehingga dapat diproses dalam
tahapan selanjutnya. Pada proses ini jenis window yang dipakai adalah jenis Hamming. Digunakan Hamming window karena mempunyai side lobe yang paling kecil dan main lobe yang paling besar, sehingga hasil windowing akan lebih halus dalam menghilangkan
efek diskontinuitas[6]. Pada gambar 2.13. menunjukan proses windowing. Persamaan Hamming Window [7]:
1 2 cos * 46 , 0 54 , 0 ) ( N n n
w (2.4)
Dimana:
w(n) = windowing
N = jumlah data dari sinyal n = waktu diskrit ke – n
2.6.
Discrete Fourier Transform(DFT)
DFT merupakan perluasan dari transformasi fourier yang berlaku untuk sinyal-sinyal diskrit dengan panjang yang terhingga. Semua sinyal-sinyal periodik terbentuk dari gabungan sinyal-sinyal sinusoidal yang menjadi satu, yang dirumuskan pada persamaan 2.5 [11]. Proses ektraksi ciri DFT ditunjukan oleh gambar 2.14.
Persamaan matematis DFT:
∑
(2.5)
dengan, n=0, 1,…, N-1, dan k = 0, 1, 2, …, N-1
X(k) adalah keluaran dalam domain frekuensi, x adalah masukkan dalam domain waktu
dan N adalah runtun masukkan diskrit. e = natural number (2.7182818284…)
n = indeks dalam domain frekuensi (0, 1, 2, …, N-1)
k = indeks dalam domain waktu (0,1,2, …, N-1)
[image:33.595.83.512.280.650.2]j = konstanta fourrier
Gambar 2.14. Proses Ektraksi Ciri
2.7.
Segment Averaging
Segment averaging merupakan metode untuk mengurangi jumlah data dengan cara
pada tiap segment. Tujuan segment averaging ini untuk mengurangi jumlah data ektraksi ciri yang memiliki ukuran panjang menjadi ukuran kecil. Lebar segment ditentukan dari banyak data berdasarkan perhitungan 2n, ukuran banyaknya segment yang terbentuk didapat dari pembagian seluruh data terhadap lebar segment [10]. Proses segment averaging ditunjukan oleh gambar 2.15., dengan lebar segment 64 dan mengahasilkan
pembagian 4 frame.
Gambar 2.15. Proses Segment Averaging
2.8.
Klasifikasi k-NN
Algoritma yang disebut aturan tetangga terdekat atau biasanya dikenal dengan k- nearest neighbour (k-NN). Misal ada vektor x yang tidak diketahui, maka[10]:
Dari sampel K tersebut, identifikasi jumlah vektor, ki, yang termasuk masuk dalam kelas
i ,i = 1,2,...,M. Dinyatakan dengan ikik. Tetapkan x ke kelas
i berdasarkan jumlah ki terbanyak dari sampel.2.9.
Template Matching
Tahap perbandingan yaitu salah satu tahap dalam proses pengenalan ucapan. Proses template matching ini akan melakukan perbandingan antara pola data masukan dengan
pola database. Metode yang dilakukan dalam proses template matching yaitu fungsi similaritas. Data masukan yang akan diproses akan dihitung nilai similaritas sehingga dapat dikenali kemiripan yang sesuai dengan database [13].
2.9.1.
Similaritas Dice
Similaritas Dice merupakan salah satu algoritma perhitungan similaritas yang dipakai dalam perbandingan pola dengan melihat kesamaan atau kemiripan pola input terhadap pola database. Penggunaan algoritma ini dengan memasukan nilai-nilai pada data input dan database dalam perhitungan. Hasil dari algoritma ini merupakan nilai
pendekatan atau similaritas antara data input dan database. Rumus dari similaritas Dice dapat ditulis sebagai berikut [12]:
∑ ∑
∑ (2.6) dengan keterangan sebagai berikut :
d = jumlah variabel
P = nilai data A
Q = nilai data B
i = indeks variabel
2.10.
Mikrokontroler ATmega8535
AVR (Alf and Vegard’sRiscProcessor) merupakan seri mikrokontroler CMOS 8-bit yang diproduksi oleh Atmel berbasis arsitektur RISC (Reduced Instruction Set Computer). Chip AVR yang digunakan untuk tugas akhir ini adalah ATmega8535. Hampir semua
instruksi dieksekusi dalam satu siklus clock dan mempunyai 32 register general-purpose, timer/counter fleksibel dengan mode compare, interupsi internal dan eksternal, serial
ADC, PWM internal dan In-System Programmable Flash on-chip yang mengijinkan memori program untuk diprogram ulang [14].
2.10.1.
Arsitektur AVR ATmega8535
Mikrokontroler ATmega8535 memiliki arsitektur sebagai berikut [14]: a. Saluran IO sebanyak 32 buah, yaitu Port A, Port B, Port C dan Port D b. ADC 10 bit sebanyak 8 Channel
c. Tiga buah timer/counter yaitu Timer 0, Timer 1, dan Timer 2 d. Watchdog Timer dengan osilator internal
e. SRAM sebanyak 512 byte f. Memori Flash sebesar 8 kb
g. Sumber Interupsi internal dan eksternal h. Port SPI (Serial Pheriperal Interface) i. EEPROM on board sebanyak 512 byte j. Komparator analog
k. Port USART (Universal Shynchronous Ashynchronous Receiver Transmitter).
2.10.2.
Konfigurasi PIN Mikrokontroler ATmega8535
Konfigurasi Pin Mikrokontroller ATmega8535 dengan kemasan 40 pin DIP (dual in-line package) dapat dilihat pada Gambar 2.16.. Untuk memaksimalkan performa dan
paralelisme, AVR menggunakan arsitektur Harvard (dengan memori dan bus terpisah
untuk program dan data). Ketika sebuah instruksi sedang dikerjakan maka instruksi berikutnya diambil dari memori program [14].
Mikrokontroler ATmega 8535 memiliki konfigurasi Pin sebagai berikut[15]: 1. VCC (power supply) ,dan GND (ground).
2. Port A (PORTA7-0) merupakan pin I/O dua arah dan berfungsi khusus sebagai pin
masukan ADC.
3. Port B (PORTB7-0) merupakan pin I/O dua arah dan berfungsi khusus sebagai pin
Timer/Counter, komparator analog dan SPI.
4. Port C (PORTC7-0) merupakan pin I/O dua arah dan fungsi khusus.
5. Port D (PORTD7-0) merupakan pin I/O dua arah dan fungsi khusus.
6. RESET (Reset input) adalah pin untuk me-reset mikrokontroler.
7. XTAL1 (Input Oscillator) dan XTAL2 (Output Oscillator) untuk exsternal clock. 8. AVCC adalah pin masukan untuk tegangan ADC.
9. AREF adalah pin masukan untuk tegangan referensi eksternal ADC.
2.10.3.
Komunikasi Serial USART (The Universal Synchronous and
Asynchronous serial Receiver and Transmitter)
Komunikasi data adalah perpindahan data antara dua atau lebih piranti, baik yang berjauhan maupun yang berdekatan. Perpindahan data antara dua atau lebih peranti dapat dilaksanakan secara paralel atau serial. USART merupakan protokol komunikasi serial yang terdapat pada mikrokontroler AVR. Fitur ini berguna dalam pengiriman data secara serial antar mikrokontroler, maupun antara mikrokontroler dengan hardware lain.
Komunikasi serial yang dapat dilakukan pada fitur USART dibedakan menjadi 2 cara yaitu sinkron dan asinkron. Pada penggunaan cara sinkron harus melakukan fase sinkronisasi data dari pengiriman data. Pada penggunaan cara asinkron tidak perlu melakukan pengiriman data terlebih dahulu, hanya saja sinkronisasikan terlebih dahulu dengan cara inisialisasi data pada program tersebut. Proses inisialisasi ini harus memiliki baudrate pada perangkat yang terhubung.
Beberapa fasilitas yang disediakan USART AVR adalah sebagai berikut[14]: a) Operasi full duplex
b) Mendukung komunikasi multiprosesor c) Kecepatan transmisi mencapai Mbps d) Operasi asinkron atau sinkron
e) Operasi master atau slave clock sinkron
g) Komunikasi kecepatan ganda pada asinkron
Inisialisasi USART
Pada mikrokontroler AVR untuk mengaktifkan dan mengatur komunikasi dilakukan dengan cara mengaktifkan register yang digunakan untuk komunikasi USART. Register yang digunakan untuk komunikasi USART antara lain sebagai berikut[14]:
2.10.3.1.
USART Control and Status Register A (USCRA)
Gambar 2.17. Register UCSRA [15] Penjelasan bit penyusun UCSRA pada gambar 2.17.[14]: a) RXC (USART Receive Complete)
RXC bernilai 1 jika ada data atau yang belum terbaca dan bernilai 0 jika tidak ada data.
b) XC (USART Transmit Complete)
TXC bernilai 1 jika keseluruhannya data sudah terkirim. c) UDRE (USART Data Register Empty)
UDRE adalah interupt yang akan aktif jika UDRIE pada UCSRB di set 1. UDRE bernilai 1 jika buffer kosong.
d) FE (Frame Error)
FE bernilai 1 jika terjadi error pada proses penerimaan data. e) DOR (Data OverRun)
DOR bernilai 1 jika terjadi over run data, artinya ketika register penerimaan telah penuh dan terdapat data baru yang menunggu.
f) PE (Parity Error)
PE bernilai 1 jika terjadi error pada parity. g) U2X (Double the USART Transmission Speed)
Bit yang berfungsi untuk menggandakan laju data manjadi dua kalinya. Hanya berlaku untuk modus asinkron, untuk mode sinkron bit ini di set nol .
2.10.3.2.
USART Control and Status Register B (USCRB)
Gambar 2.18. Register UCSRB [15] Penjelasan bit penyusun UCSRB pada gambar 2.18. [14]: a) RXCIE (RX Complete Interrupt Enable)
RXCIE mengatur aktivasi interupsi penerimaan data serial, akan berlogika satu jika diaktifkan dan berlogika nol jika tidak diaktifkan.
b) TXCIE (TX Complete Interrupt Enable)
TXCIE mengatur aktivasi interupsi pengiriman data serial, akan berlogika satu jika diaktifkan dan berlogika nol jika tidak diaktifkan.
c) UDRIE (USART Data Register Empty Interrupt Enable)
UDRIE berfungsi untuk mengaktifkan interupsi data register kosong, berlogika satu jika diaktifkan dan sebaliknya .
d) RXEN (Receiver Enable)
RXEN berfungsi untuk mengaktifkan pin RX. e) TXEN (Transmitter Enable)
TXEN berfungsi untuk mengaktifkan pin TX saluran USART. Ketika pin diaktifkan maka pin tersebut tidak dapat digunakan untuk fungsi pin I/O karena sudah digunakan sebagai saluran pengirim USART.
f) UCSZ2 (Character Size)
UCXZ2 bersama dengan UCSZ1 dan UCSZ0 dalam register UCSRC digunakan untuk memilih tipe lebar data bit yang digunakan seperti yang ditunjukan pada tabel 2.1.
Tabel 2.1. Penentuan Ukuran Karakter untuk UCSZ[2..0] [14]
UCSZ [2..0] Ukuran Karakter dalam bit
0 5
1 6
10 7
11 8
100-110 Tidak digunakan
g) RXB8 (Receive Data Bit 8)
RXB8 adalah bit kesembilan jika digunakan ukuran karakter 9. Dibaca dahulu sebelum membaca register UDR .
h) TXB8 (Transmit Data Bit 8)
TXB8 adalah bit kesembilan jika digunakan ukuran karakter 9. Dikirim dahulu sebelum mengirim ke register UDR .
2.10.3.3.
USART Control and Status Register C (USCRC)
Gambar 2.19. Register UCSRC [15] Penjelasan bit penyusun UCSRC[14] :
a) URSEL (Register Select) :
URSEL adalah bit untuk pemilihan akses UCSRC dan UBRR. Set 1 untuk akses UCSRC. Hal ini karena UBRRH dan UCSRC menggunakan lokasi I/O yang sama. b) UMSEL (USART Mode Select)
UMSEL adlaah bit pemilihan mode sinkron atau asinkron. Set 1 untuk mode sinkron
c) UPM0..1 (Parity Mode)
UPM0..1 merupakan bit pengaturan parity dengan setting seperti pada tabel 2.2: Tabel 2.2. Setting UPM0..1 untuk setting parity[14]
d) USBS (Stop Bit Select)
USBS yang berfungsi untuk memilih jumlah stop bit yang akan digunakan . e). UCSZ1 dan UCSZ0
UCSZ1 dan UCSZ0 digunakan bersama dengan bit UCSZ2 untuk menentukan karakter yang dikirimkan.
e) UCPOL (Clock Parity)
UPCOL merupakan bit pengatur hubungan antara perubahan data keluaran dan data masukan serial dengan mode sinkron.
UPM0..1 Parity
0 Tidak Aktif 1 Tidak digunakan
10 Genap
2.10.3.4.
USART I/O Data Register (UDR)
UDR merupakan register 8 bit yang terdiri dari 2 buah dengan alamat yang sama, yang digunakan sebagai tempat untuk menyimpan data yang akan dikirimkan (TXB) atau tempat data diterima (RXB) sebelum data tersebut dibaca [14].
Gambar 2.20. Register UDR [15]
2.11.
Sound Card
Sound Card atau kartu suara adalah perangkat keras pada PC/laptop yang berguna
untuk mengolah audio atau suara. Sound Card memiliki 4 fungsi utama , yaitu sebagai synthesizer, sebagai MIDI interface, pengkonversi data analog ke digital (misalnya
merekam suara dari mikrofon), dan pengkonversi data digital ke analog (misalnya saat memproduksi suara dari speaker). Secara umum sound card memiliki beberapa fungsi : 1. Digital Signal Processing
Berfungsi untuk mengolah sinyal audio baik analog maupun digital. Proses pengolahan dibagi dalam 2 bentuk yaitu Analog to Digital Converter (ADC) dan Digital to Analog Converter (DAC). Proses ADC biasa dilakukan saat menangkap
sinyal listrik dari mikrofon, sedangkan proses DAC dilakukan saat mengeluarkan output sinyal analog ke speaker.
2. Synthesizer
Melalui teknologi sintesis Frequency Modulation (FM) dapat menghasilkan suara yang jernih. Sinyal suara disimulasikan menggunakan algoritma tertentu sehingga menghasilkan sine wave. Hal tersebut menghasilkan suara yang mirip dengan suara sumber aslinya.
3. MIDI (Musical Instrument Digital Interface)
MIDI adalah standar protokol yang memungkinkan perangkat elektronik dapat melakukan sinkronisasi sehingga dapat saling berkomunikasi [17].
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. Sound Card External pemasangannya dihubungkan ke komputer melalui
port eksternal seperti USB atau FireWire [17]. Salah satu bentuk fisik sound card
ditunjukan pada gambar 2.21.
Gambar 2.21. Bentuk sound card PC [17]
2.12.
Motor Pompa
Motor pompa yang digunakan adalah motor washer pump, merupakan motor DC yang dilengkapi kipas sebagai pendorong cairan. Biasa digunakan sebagai pompa cairan pada kendaraan mobil. Pada penelitian ini, motor pompa diaplikasikan sebagai pendorong cairan pada mesin pembuat minuman karena daya tahan dan kemampuan pompa yang handal [20].
[image:42.595.83.526.300.538.2]Gambar 2.22. Bentuk Fisik Motor Pompa [20]
Bentuk fisik motor pompa dapat dilihat pada gambar 2.22. Sistem pengkabelan motor pompa terdiri dari 2 bagian, yaitu VCC dan GND. Kontrol motor pompa dilakukan dengan modul relay yang dikendalikan oleh mikrokontroler. Spesifikasi motor pompa ditunjukan pada tabel 2.3.
Tabel 2.3. Spesifikasi Motor Pompa [20]
Dimension Ø 35 X 72.5mm
Rated Voltage 13V
Max. Pressure 51 psi
Life (Typical) 30,000 activation
Weight 98g
Operation Temperature -18oC to +80oC
Storage Temperature -40oC to +80oC
2.13.
LCD 16x2
LCD merupakan perangkat keras yang berfungsi untuk penampil informasi dalam bentuk teks. Teknologi bahan yang digunakan LCD yakni memanfaatkan silikan atau galium dalam bentuk kristal cair sebagai penampil cahaya. Pada LCD terdapat dot matrix yang mampu menampilkan 16x2 karakter, haya membutuhkan daya kecil dan dilengkapi panel LCD dengan tingkat kontras yang cukup tinggi serta kontroler LCCD CMOS yang telah terpasang dalam modul tersebut. Kontroler ini memiliki ROM/RAM dan display data RAM, semua fungsi display dikontrol dengan intruksi dan modul ini mudah dihubungkan dengan mikrokontroler. Bentuk fisik LCD ditunjukan gambar 2.23. Kelebihan LCD 16x2 yaitu [21]:
1. Dapat menampilkan karakter ASCII, sehingga dapat memudahkan untuk membuat program tampilan.
2. Mudah dihubungkan dengan port I/O karena hanya menggunakan 8 bit data dan 3 bit kontrol.
3. Ukuran modul yang proporsional. 4. Daya yang digunakan relatif kecil.
Operasi pada LCD 16x2 terdiri dari instruksi mengakses proses internal, instruksi menulis data, instruksi membaca kondisi sibuk, dan instruksi membaca data yang ditunjukan tabel 2.4.. Operasi dasar LCD 16x2 dapat dilihat pada tabel 2.5. Untuk konfigurasi pin LCD ditunjukan pada tabel 2.6.
Gambar 2.23. Gambar fisik LCD 16x2[22] Tabel 2.4. Operasi baca/tulis LCD 16x2 [22]
RS R/W Operasi
0 0 Input instruksi ke LCD
0 1 Membaca status flag (DB7) dan alamat counter (DB0-DB6)
Tabel 2.5. Operasi dasar LCD 16x2 [22]
Tabel 2.6. Konfigurasi pin LCD 16x2 [22]
2.14.
IC Regulator
Pengatur tegangan (voltage regulator) berfungsi menyediakan suatu tegangan keluaran DC tetap yang tidak dipengaruhi oleh perubahan tegangan masukan. Salah satu tipe regulator tegangan tetap adalah 78xx. Regulator tegangan tipe 78xx memiliki tiga terminal, yaitu terminal Vin, GND dan Vout, rangkaian umumnya ditunjukan pada gambar 2.24. Regulator tegangan 78xx dapat diatur tegangan dan arusnya melalui tambahan komponen eksternal. Karakteristik IC regulator seri 78xx dapat dilihat pada tabel 2.7.
Tabel 2.7. Karakteristik Regulator Tegangan IC 78xx [23] Pin No. Ke te rangan Konfigurasi hubung
1 GND Ground
2 VCC Tegangan +5Vdc 3 VEE Ground
4 RS Kendali RS 5 RW Ground
6 E Kendali E/Enable 7 D0 Bit 0 8 D1 Bit 1 9 D2 Bit 2 10 D3 Bit 3 11 D4 Bit 4 12 D5 Bit 5 13 D6 Bit 6 14 D7 Bit 7 15 Anoda Anoda (+5Vdc) 16 Katoda Katoda (Ground )
Pin Bilangan biner Ke te rangan
0 Inisialisasi 1 Data
0 Tulis LCD/W (Write ) 1 Baca LCD/R (Read ) 0 Pintu data terbuka 1 Pintu data tertutup RS
RW E
Min Maks 7805 5 7,3 20 7806 6 8,3 21 7808 8 10,5 23 7810 10 12,5 25 7812 12 14,6 27 7815 15 17,7 30 7818 18 21 33 7824 24 27,1 38 Vin (volt)
Gambar 2.24. Rangkaian umum regulator 78xx [23]
Nilai komponen c1 dan c2 difungsikan sebagai filter capasitor yang bertujuan untuk menghilangkan tegangan ripple agar tegangan keluaran menjadi lebih stabil. Untuk mendapatkan nilai kapasitor yang sesuai, dapat mengacu pada persamaan 2.7 dan 2.8 [23].
√ (2.7)
(2.8)
Komponen eksternal yang digunakan yaitu transistor 2N3055 karena kemampuan arus maksimalnya adalah 15 ampere [23]. Untuk gambar rangkaian IC regulator dapat ditunjukan gambar 2.25.
Gambar 2.25. Rangkaian catu daya dengan penguat [24] Dari gambar 2.25, maka diperleh persamaan-persamaan sebagai berikut [24] :
VB = Vreg + VD (2.9) Tegangan keluaran rangkaian menjadi,
Vo = Vreg – VBE (2.10) Jika VD VBE, maka
Tegangan diantara kolektor dan emittor transistor 2N3055 adalah,
VCE = VIN– VR1 (2.12)
Disipasi daya transistor NPN 2N3055 adalah,
PD = VCE x IC (2.13)
Untuk nilai penguatan arus diperoleh dengan persamaan dibawah ini:
Ic = β IB (2.14)
Ie = (β+1) IB (2.15)
2.15.
Mikrofon
Mikrofon adalah suatu alat atau komponen elektronika yang dapat mengubah atau mengkonversikan energi akustik (gelombang suara) ke energi listrik (sinyal audio). Mikrofon merupakan keluarga transduser yang berfungsi sebagai komponen atau alat pengubah satu bentuk energi ke bentuk energi lainnya. Semua jenis mikrofon memiliki suatu bagian utama yang disebut dengan diafragma (diaphragm). Mikrofon banyak digunakan dalam bidang komunikasi meliputi pengeras suara, telepon, alat bantu pendengaran, dan perekam suara.
Mikrofon yang akan digunakan terpasang pada headset Genius. Mikrofon tersebut dipilih karena memiliki panjang yang tetap, diharapkan dapat memperkecil kemungkinan perubahan posisi saat digunakan. Spesifikasi mikrofon dapat dilihat pada tabel 2.8.
Tabel 2.8. Spesifikasi Mikrofon Sades [25]
Loudhailer 40mm
Cable length 2.0m Frequency 20 to 20kHz Sensitivity 117db at 1kHz Impedance 32 Ohm at 1kHz
27
BAB III
RANCANGAN PENELITIAN
3.1.
Konsep Dasar
Prinsip dasar dari sistem ini adalah mengenali ucapan manusia, lalu hasil pengenalan tersebut akan digunakan sebagai perintah untuk mengendalikan mesin pembuat minuman. Terdapat 4 ucapan manusia yang akan dikenali, dan diuji oleh 3 orang pengguna yang telah ditentukan Penulis. Ucapan yang akan dikenali adalah “kopi”, “susu”, “kopsus”, dan “cokelat”. Perancangan sistem kerja ditunjukan pada gambar 3.1.
Gambar 3.1 Blok Perancangan Sistem
Ucapan yang dikeluarkan oleh pengguna akan ditangkap oleh mikrofon, lalu diolah oleh soundcard yang terdapat pada motherboard komputer menjadi sinyal digital. Data sinyal ucapan pengguna akan digunakan sebagai masukan yang akan diolah melalui proses pengenalan ucapan di dalam komputer. Proses pengenalan ucapan dilakukan menggunakan software Matlab, lalu hasil pengolahan akan dikirim kepada mikrokontroler secara serial
Mesin akan membuat minuman berdasarkan data dari mikrokontroler dengan mengaktifkan motor pompa untuk memompa cairan. Cairan dari wadah akan mengalir menuju gelas, sebagai hasil pembuatan minuman. Mesin pembuat minuman akan bekerja sesuai perintah dari mikrokontroler berdasarkan pengenalan ucapan pengguna untuk membuat minuman, yaitu „kopi‟ untuk membuat kopi, „susu‟ untuk membuat susu,
„kopsus‟ untuk membuat kopi susu, serta membuat minuman cokelat saat pengguna mengucapkan „cokelat‟.
Perancangan penelitian ini dibagi dalam 2 bagian, yaitu perancangan software sebagai proses pengenalan ucapan dan komunikasi dengan mikrokontroler lalu perancangan hardware dari mesin pembuat minuman.
3.1.1.
Ucapan
Proses pengenalan ucapan akan mengolah dan mengenali ucapan pengguna. Namun, sebelum ucapan dikenali, terlebih dulu dibentuk database dari masing-masing pengguna yang telah ditentukan Penulis. Kata-kata yang akan digunakan adalah „kopi‟,
„susu‟, „kopsus‟, dan „cokelat‟. Pengucapan dilakukan sedatar mungkin tanpa variasi lafal, intonasi, jeda, maupun penekanan.
3.1.2.
Mikrofon
Mikrofon yang akan digunakan terpasang pada headset Sades. Mikrofon tersebut dipilih karena memiliki panjang yang tetap, diharapkan dapat memperkecil kemungkinan perubahan posisi saat digunakan. Spesifikasi mikrofon dapat dilihat pada tabel 2.8.
3.1.3.
Modul USB TO TTL
Modul USB TO TTL digunakan untuk komunikasi serial antara komputer dengan mikrokontroler. Level tegangan COM1 pada komputer akan diubah menjadi level TTL/CMOS oleh modul ini.
3.1.4.
Mikrokontroler ATmega 8535
Mikrokontroler akan menerima data dari komputer yang telah diolah menjadi data serial oleh modul USB TO TTL sebagai masukan perintah untuk selanjutnya mengendalikan motor pompa pada mesin pembuat minuman. Fitur yang digunakan pada mikrokontroler adalah USART sebagai komunikasi serial antara komputer dengan mikrokontroler, LCD sebagai penampil informasi, dan PORT B sebagai keluaran untuk mengaktifkan motor pompa.
3.1.5.
Motor Pompa
Motor pompa berfungsi sebagai pompa dari wadah cairan agar dapat mengalir menuju bagian keluaran. Setiap wadah cairan yang memiliki kran akan diberi motor pompa yang terhubung dengan mikrokontroler, yang akan memompa cairan sesuai perintah yang telah ditentukan.
3.2.
Perancangan Sistem Pengenalan Ucapan
Proses pengenalan ucapan diawali dengan masukan dari ucapan pengguna yang ditangkap oleh mikrofon. Selanjutnya sinyal ucapan tersebut diubah oleh soundcard menjadi sinyal digital agar dapat diolah komputer. Komputer akan memproses sinyal suara yang telah didapat menggunakan software Matlab. Ucapan dari pengguna akan diterima dan dikenali secara real time oleh komputer dengan hasil akhir mengeluarkan kombinasi cairan sesuai ucapan pengguna.
Proses pengenalan ucapan terdiri dari sampling (pencuplikan ucapan), pre processing, segmentasi, ekstraksi ciri, perhitungan similaritas dan penentuan hasil
pengenalan. Pada tahap preprocessing, yang merupakan proses pengkondisian sinyal, terdapat sub-proses yang terdiri dari pre-emphasis, normalisasi, pemotongan sinyal, dan zero padding. Hasil dari preprocessing akan diproses dalam segmentasi sebelum diolah
dalam ekstraksi ciri. Tahap ekstraksi ciri akan menghasilkan ekstrak dari data. Lalu pada tahap perhitungan similaritas, database akan dipanggil untuk perhitungan sebagai pembanding data masukan. Selanjutnya hasil perbandingan akan diproses untuk menentukan hasil akhir pengenalan. Lalu data hasil pengenalan akan dikirim ke mikrokontroler untuk mengendalikan kombinasi cairan pada mesin pembuat minuman.
nilai awal. Variabel pemilihan pengguna, nilai „k‟ pada k-NN, dan lebar segment averaging merupakan variabel yang nilainya divariasikan oleh pengguna. Besarnya nilai dari variabel-variabel tersebut akan dijelaskan pada sub-bab selanjutnya (3.2.3, 3.2.9, 3.2.6).
3.2.1.
Sampling
Pada proses sampling, pengambilan ucapan pengguna yang masih berupa sinyal analog akan diubah menjadi sinyal digital oleh soundcard ketika masuk ke dalam komputer. Suara ucapan manusia memiliki rentang frekuensi antara 250Hz – 3000Hz. Nilai frekuensi sampling ucapan ditentukan berdasarkan nilai maksimal dari rentang frekuensi suara manusia, yaitu 3000 Hz [4], agar nilai dari frekuensi sampling dapat mencakup keseluruhan rentang frekuensi tersebut. Frekuensi sampling yang digunakan diatur agar bernilai 6000Hz, 2 kali dari frekuensi maksimal suara manusia. Nilai frekuensi sampling tersebut didapat berdasarkan persamaan Nyquist pada persamaan 2.1, yaitu:
Lama waktu penangkapan ucapan pada proses sampling ditentukan sebesar 1 detik. Waktu tersebut ditentukan agar kata yang diucapkan dapat terekam utuh, tetapi juga tidak terlalu banyak suara yang tidak diperlukan ikut terekam. Penentuan lama waktu berdasarkan hasil percobaan yang terlampir. Nilai lama waktu tersebut mempengaruhi banyaknya data yang tecuplik. Banyaknya data yang tercuplik dapat dihitung dengan persamaan berikut:
(3.1)
Pada rancangan, proses sampling membutuhkan nilai masukan berupa variabel frekuensi sampling dan waktu sampling. Nilai masukan yang digunakan untuk inisialisasi proses sampling adalah berdasarkan persamaan 3.1. Variabel tersebut akan digunakan untuk menghitung banyaknya data yang tercuplik.
(3.2)
Gambar 3.4. Flowchart Rancangan Program Proses Sampling
3.2.2.
Pre Emphasis
Pre emphasis merupakan bagian dari preprocessing yang pertama. Data hasil
sampling akan diproses dalam pre emphasis. Pada proses ini akan dilakukan perhitungan
untuk menghilangkan noise yang berada pada hasil sampling dan mempertahankan bentuk sinyal ucapan yang kabur menjadi lebih jelas. Nilai alpha yang digunakan adalah sebesar 0,95 ditentukan dari referensi yang telah ada [7]. Gambar 3.5. menunjukan flowchart proses pre emphasis.
3.2.3.
Normalisasi
Setelah dilakukan pre emphasis, sinyal sampling akan diproses dalam normalisasi. Proses ini akan menyeragamkan nilai amplitudo dari sinyal sampling agar terbentuk pada skala yang sama. Tujuannya agar pengaruh kuat lemahnya ucapan pengguna dapat disamakan, sehingga amplitudo puncak data ucapan bernilai 1 atau -1 dan nilai amplitudo yang lain akan menyesuaikan skala tersebut. Proses normalisasi pada nilai-nilai amplitudo dibentuk dengan persamaan berikut [8]:
)) )
Dengan keterangan sebagai berikut:
Xnorm = hasil normalisasi dari sinyal (1,2,3,…,N) Xin = data masukan dari sampling (1,2,3,…,N) N = banyaknya data sinyal.
Gambar 3.6. menunjukan flowchart rancangan program normalisasi. Perhitungan normalisasi akan dijalankan ketika fungsi ini dipanggil. Data sinyal hasil pre emphasis akan menjadi masukan yang diolah normalisasi berdasarkan persamaan 3.7. keluaran dari proses ini merupakan sinyal yang telah ter-normalisasi.
Gambar 3.6. Flowchart Rancangan Program Normalisasi
3.2.4.
Pemotongan Sinyal
batas amplitudo yang akan dipotong. Nilai variabel batas potong yang digunakan adalah 0,3 yang didapat berdasarkan refrensi [5]. Gambar 3.7. menunjukan flowchart rancangan program pemotongan sinyal.
Gambar 3.7. Flowchart Rancangan Program Pemotongan Sinyal
Proses pemotongan sinyal dilakukan dengan mencari data yang leb
![Gambar 2.12. Proses Framing [9]](https://thumb-ap.123doks.com/thumbv2/123dok/903069.597994/32.595.85.526.382.738/gambar-proses-framing.webp)
![Gambar 2.22. Bentuk Fisik Motor Pompa [20]](https://thumb-ap.123doks.com/thumbv2/123dok/903069.597994/42.595.83.526.300.538/gambar-bentuk-fisik-motor-pompa.webp)
