BAB II

LANDASAN TEORI

2.1. Kipas Angin

2.1.1. Definisi
Kipas angin dipergunakan untuk menghasilkan angin. Fungsi yang umum
adalah untuk pendingin udara, penyegar udara, ventilasi (exhaust fan), pengering
(umumnya memakai komponen penghasil panas). Kipas angin juga ditemukan di
mesin penyedot debu dan berbagai ornamen untuk dekorasi ruangan. Kipas angin
secara umum dibedakan atas kipas angin tradisional antara lain kipas angin tangan
dan kipas angin listrik yang digerakkan menggunakan tenaga
listrik. Perkembangan kipas angin semakin bervariasi baik dari segi ukuran,
penempatan posisi, serta fungsi. Ukuran kipas angin mulai kipas angin mini
(Kipas angin listrik yang dipegang tangan menggunakan energi baterai), kipas
angin Kipas angin digunakan juga di dalam Unit CPU komputer seperti kipas
angin untuk mendinginkan processor, kartu grafis, power supply dan Cassing.
Kipas angin tersebut berfungsi untuk menjaga suhu udara agar tidak melewati
batas suhu yang di tetapkan. Kipas angin juga dipasang pada alas atau tatakan
Laptop untuk menghantarkan udara dan membantu kipas laptop dalam
mendinginkan suhu laptop tersebut.
Kipas angin dapat dikontrol kecepatan hembusan dengan 3 cara yaitu
menggunakan pemutar, tali penarik serta remote control. Perputaran baling-baling
kipas angin dibagi dua yaitu centrifugal (Angin mengalir searah dengan poros
kipas) dan Axial (Angin mengalir secara pararel dengan poros kipas).

2.1.2 Sejarah Kipas Angin

Kipas Angin telah ditemukan beribu tahun silam dan telah digunakan oleh
beberapa negara didunia seperti bangsa Mesir, Yunani, Roma, dan China. Pada
masa itu kipas angin memiliki berbagai macam dan fungsi. Kipas Angin pertama
ditemukan sekitar 4000 tahun silam pada sebuah makam raja di Mesir yaitu Raja
Tutankhamen yang digali pada tahun 1922.
 Fungsi dari kipas angin yang ditemukan di Mesir pada masa itu sebagai
alat upacara keagamaan, sehingga sebuah kipas angin merupakan benda yang
sakral. Kipas angin juga merupakan lambang kekuatan raja. Ada dua buah kipas
angin yang ditemukan di makan raja. Salah satu kipas angin tersebut gagangnya
dilapisi oleh emas dan terbuat dari bulu burung unta, sedangkan yang satu lagi
dilapisi eboni dengan emas dan batu-batu berharga.
Perkembangan kipas angin juga terdapat di Eropa. Negara pertama di
Eropa yang memproduksi kipan angin adalah Italia. Italia memproduksi kipas
angin pada tahun 1500. Pada masa itu kipas angin merupakan sebuah komoditi
perdagangan yang eksotik dan sangat stylish. Kipas angin sendiri dipandang
sebagai simbol kemakmuran dan kelas sosila seseorang.
Perkembangan kipas angin sebagai komoditas fashion sangat populer pada
abad ke-16 sampai abad ke-18. Terjadi pergeseran fungsi kipas angin pada awal
abad ke 20. Pada masa itu kipas angin sudah tidak lagi sebagai sebuah aksesoris
fashion namun menjadi alat periklanan. Sedangkan di spanyol sendiri, kipas angin
menjadi alat untuk mendinginkan udara karena di Spanyol memiliki iklim yang
panas.
Kipas angin listrik pertama ditemukan oleh Schuyler Skaats Wheeler pada
tahun 1882.Wheeler pertama kali memperkenalkan kipas angin listrik dengan dua
buah baling-baling, tanpa ada pelindung apapun dan digerakkan dengan tenaga
motor listrik. Perkembangan kipas angin listrik lebih lanjut di kembangkan oleh
Philip H. Diehl yang dipantenkan pada tahun 1887. Diehl memperkenalkan kipas
angin yang menempel di langit-langit rumah.
Diehl terus mngembangkan temuannya. Pada tahun 1904 Diehl
menambahkan sendi plit-ball pada kipas angin listriknya. Tiga tahun kemudian,
ide ini menjadi dasar pemnemuan kipas angin yang dapat bergerak ke sana-
kemari. sedangkan pada tahun 1902 Willis Carrier menemukan air conditioning
(AC).

2.1.3. Bagian-Bagian utama kipas angin

1. Motor penggerak
Jenis motor listrik yang dipakai umumnya motor induksi fasa belah yaitu
motor kapasitor. Motor ini mempunyai kumparan utama dan kumparan
bantu yang diseri dengan kapasitor. Rotornya jenis rotor sangkar. Untuk
 kipas angin yang kecil, dipakai motor penggerak jenis kutub bayangan
(shaded pole).
2. Bagian Kipas
Kipas yang berbentuk baling-baling adalah bagian yang berputar dan satu
poros dengan rotor motor. Bagian kipas dilindungi oleh rumah kipas
berbentuk kisi-kisi atau tralis.
3. Rumah motor
Rumah motor adalah tempat dudukan untuk meletakkan motor dan
komponen-komponen lainnya dan dibuat dari bahan ebonite.
4. Stand atau dudukan kipas
Alat ini untuk menempatkan kipas dan rotor penggeraknya, dilengkapi
dengan alat/tombol pengatur kecepatan serta tombol on/off motor.

2.1.4. Bagian-bagian Kipas

1. Blade (baling–baling)

Blade adalah suatu benda yang berputar yang menghasilkan angin pada kipas
angin.
2. Front Guard

Fungsinya sebagai pelindung blade agar tidak di sentuh saat blade berputar.
3. Rear Guard

Fungsinya sebagai pelindung motor.

4. Motor Cover

Ini juga sebagai pelindung motor.

5. Penyangga Motor

Sebagai penyangga pada motor.

6. Swicth

sebagai pengendali motor.

7. Has

Ini yang ada didalam motor, tapi ini lah yang dapat berputar dalam motor.
8. Motor Kipas Angin

Ini adalah hal yang paling utama dalam motor. Ini yang membuat kipas angin
dapat bergarak.
9. Gear Motor

Ini benda yang dapat membuat kipas angin dapat berputar ke kiri ke kanan.

2.1.5. Prinsip Kerja Kipas Angin

Pada kipas angin sumber AC :
1. Arus bolak - balik masuk menuju kipas angin.
2. Dalam kipas angin terdapat suatu motor listrik, motor listrik tersebut
mengubah energi listrik menjadi energi gerak.
3. Dalam sebuah motor listrik terdapat suatu kumparan besi pada bagian
yang bergerak beserta sepasang pipih berbentuk magnet U pada bagian
yang diam (Permanen).
4. Ketika listrik mengalir pada lilitan kawat dalam kumparan besi, hal ini
membuat kumparan besi menjadi sebuah magnet.
5. Karena sifat magnet yang saling tolak menolak pada kedua kutubnya
maka gaya tolak menolak magnet antara kumparan besi dan sepasang
magnet tersebut membuat gaya berputar secara periodik pada kumparan
besi tersebut.
6. Oleh karena itu baling - baling kipas angin dikaitkan ke poros kumparan
tersebut. Penambahan tegangan listrik pada kumparan besi dan menjadi
gaya kemagnetan ditujukan untuk memperbesar hembusan angin pada
kipas angin.
 Untuk kipas angin sumber arus DC hal ini tidak berbeda pada kipas angin
dengan sumber arus AC. Hanya saja dalam kipas angin ini menggunakan kipas
angin arus
DC.

2.2. Linear Predictive Coding ( LPC )

Menurut Robert M. Gray dari Universitas Stanford , gagasan pertama yang
mengarah ke LPC dimulai pada tahun 1966 ketika S. Saito dan F. Itakura
dari NTT menggambarkan sebuah pendekatan untuk diskriminasi fonem otomatis
yang melibatkan pertama maksimum likelihood pendekatan pidato coding. Pada
tahun 1967, John Burg menjabarkan entropi maksimum pendekatan. Pada tahun
1969 Itakura dan Saito diperkenalkan korelasi parsial , Mei Glen Culler diusulkan
pidato encoding realtime, dan BS Atal disajikan sebuah koder pidato LPC pada
Pertemuan Tahunan Acoustical Society of America . Pada tahun 1971 realtime
LPC menggunakan 16-bit hardware LPC ditunjukkan oleh Philco-Ford ; empat
unit terjual.
Pada tahun 1972 Bob Kahn dari ARPA , dengan Jim Forgie ( Lincoln
Laboratorium , LL) dan Dave Walden ( BBN Technologies ), mulai
perkembangan pertama dalam pidato packetized, yang pada akhirnya akan
mengarah pada Voice over IP teknologi. Pada tahun 1973, menurut sejarah
informal Laboratorium Lincoln, bit pertama 2400 realtime / s LPC dilaksanakan
oleh Ed Hofstetter. Pada tahun 1974 cara pertama realtime LPC dua paket
komunikasi pidato dicapai selama ARPANET pada 3500 bit / s antara Culler-
Harrison dan Lincoln Laboratories. Pada tahun 1976 konferensi LPC pertama
terjadi melalui ARPANET menggunakan Network Voice Protocol , antara Culler-
Harrison, ISI, SRI, dan LL pada 3500 bit / s. Dan akhirnya pada tahun 1978,
Vishwanath et al. dari BBN mengembangkan pertama variabel-tingkat algoritma
LPC.
Linear Predictive Coding ( LPC ) adalah alat yang digunakan terutama
dalam pemrosesan sinyal audio dan pengolahan pidato untuk mewakili spectral
envelope dari digital sinyal dari pidato dalam kompresi bentuk, menggunakan
informasi dari prediksi linier model. Ini adalah salah satu pidato analisis teknik
yang paling kuat, dan salah satu metode yang paling berguna untuk kebaikan
pidato kualitas pengkodean pada bit rate yang rendah dan menyediakan akurat
estimasi parameter yang sangat berbicara.
LPC dimulai dengan asumsi bahwa sinyal suara yang dihasilkan oleh bel pada
akhir sebuah tabung (menyuarakan suara), dengan sesekali menambahkan
mendesis dan muncul suara ( sibilants dan plosif suara). Meskipun tampaknya
kasar, model ini sebenarnya adalah perkiraan yang dekat dari realitas produksi
ujaran. The glotis (ruang antara lipatan vokal) menghasilkan buzz, yang ditandai
dengan intensitas (kerasnya suara) dan frekuensi (pitch). Saluran vokal
(tenggorokan dan mulut) membentuk tabung, yang dicirikan oleh resonansi, yang
menimbulkan forman , atau pita frekuensi ditingkatkan dalam suara yang
dihasilkan. Mendesis dan muncul yang dihasilkan oleh aksi, bibir lidah dan
tenggorokan selama sibilants dan plosif.
LPC menganalisa sinyal suara dengan memperkirakan forman, menghapus
efek mereka dari sinyal wicara, dan memperkirakan intensitas dan frekuensi buzz
tersisa. Proses mengeluarkan forman disebut invers penyaringan, dan sinyal yang
tersisa setelah pengurangan dari sinyal dimodelkan disaring disebut residu.
Angka-angka yang menggambarkan intensitas dan frekuensi buzz, pa ra forman,
dan sinyal residu, dapat disimpan atau dikirimkan ke tempat lain. LPC
mensintesis sinyal pidato dengan membalik proses: menggunakan parameter buzz
dan residu untuk menciptakan sinyal sumber, gunakan forman untuk membuat
penyaring (yang merupakan tabung), dan menjalankan sumber melalui saringan,
sehingga dalam pidato. Karena sinyal suara bervariasi dengan waktu, proses ini
dilakukan pada potongan pendek dari sinyal suara, yang disebut frame, biasanya
30 sampai 50 frame per detik memberikan pidato dimengerti dengan kompresi
yang baik.

LPC sering digunakan untuk transmisi informasi amplop spektral, dan

karena itu harus toleran terhadap kesalahan transmisi. Transmisi koefisien filter
langsung (lihat prediksi linier untuk definisi koefisien) tidak diinginkan, karena
mereka sangat sensitif terhadap kesalahan. Dengan kata lain, kesalahan kecil yang
sangat dapat merusak seluruh spektrum, atau lebih buruk, kesalahan kecil bisa
membuat prediksi saringan tidak stabil.
Ada maju representasi lebih, seperti Log Area Rasio (LAR), garis pasang
spektrum (LSP) dekomposisi dan koefisien refleksi . Dari jumlah tersebut,
terutama dekomposisi LSP telah mendapatkan popularitas, karena menjamin
stabilitas prediktor, dan kesalahan spektral adalah lokal untuk penyimpangan
koefisien kecil.
LPC umumnya digunakan untuk analisis berbicara dan resynthesis. Hal ini
digunakan sebagai bentuk kompresi suara dengan perusahaan telepon, misalnya
di GSM standar. Hal ini juga digunakan untuk mengamankan nirkabel, di mana
suara harus didigitalkan , dienkripsi dan dikirim melalui saluran suara sempit;
sebuah contoh awal dari ini adalah pemerintah AS Navajo saya. Sintesis LPC
dapat digunakan untuk membangun vocoders mana alat musik yang digunakan
sebagai sinyal eksitasi ke waktu bervariasi filter diperkirakan dari penyanyi
pidato. Hal ini agak populer dimusik elektronik.
Paulus Lansky membuat komputer dikenal dengan baik musik-
sepotong not just more idle chatter menggunakan linear predictive coding. Bentuk
gelombang ROM di beberapa digital sampel berbasis synthesizer musik dibuat
oleh Yamaha Corporation dapat dikompresi menggunakan algoritma LPC.
Prediktor LPC digunakan dalam Mempersingkat , 4 MPEG-ALS , FLAC , dan
lainnya codec audio lossless.

2.3. Hidden Markov Model (HMM)

Model Markov Tersembunyi atau lebih dikenal sebagai Hidden Markov

Model (HMM) adalah sebuah model statistik dari sebuah sistem yang
diasumsikan sebuah Proses Markov dengan parameter yang tak diketahui, dan
tantangannya adalah menentukan parameter-parameter tersembunyi (state) dari
parameter-parameter yang bisa diamati (observer). Parameter-parameter yang
ditentukan kemudian bisa digunakan untuk analisis yang lebih jauh, misalnya
untuk aplikasi Pattern Recognition. Sebuah HMM bisa dianggap sebagai
sebuah Bayesian Network dinamis yang paling sederhana.
 Hidden Markov Model (HMM)

Hidden Markov Model (HMM) adalah sebuah kakas statistik yang sudah
banyak diterapkan dibidang signal processing, dan speech processing. HMM juga
sukses diterapkan untuk menangani masalah – masalah yang ada pada NLP
seperti part-of-speech tagging, phrase chunking, dan mengambil informasi dari
sekumpulan dokumen. Andrei Markov memberikan namanya ke sebuah teori
matematika yaitu Markov Chain pada awal abad ke 20, akan tetapi yang
mengembangkan teori HMM adalah Baum dan para koleganya pada tahun 1960.

Hidden Markov Model (HMM)

Sebelum mendefinisikan HMM, perlu dibahas terlebih dulu

mengenai Markov Chain. Markov Chain adalah perluasan dari finite
automaton. Finite automaton sendiri adalah kumpulan state yang transisi antar
state-nya dilakukan berdasarkan masukan observasi. Pada Markov Chain, setiap
busur antar state berisi probabilitas yang mengindikasikan kemungkinan jalur
tersebut akan diambil. Jumlah probabilitas semua busur yang keluar dari sebuah
simpul adalah satu.
 Markov Chain

Markov Chain bermanfaat untuk menghitung probabilitas urutan kejadian

yang bisa diamati. Masalahnya, terkadang ada urutan kejadian yang ingin
diketahui tetapi tidak bisa diamati. Contohnya pada kasus part-of-speech
tagging (POS tagging). POS tagging adalah pemberian tag kepada kata: kata
benda, kata kerja, kata sifat dan lainlain. Pada POS tagging, urutan tag tidak bisa
diamati secara langsung. Pengamatan secara langsung hanya bisa dilakukan
terhadap urutan kata. Dari urutan kata tersebut harus dicari urutan tag yang paling
tepat. Untuk contoh ini, tag adalah bagian yang tersembunyi.
Dalam HMM, bagian yang bisa diamati disebut observed state sedangkan
bagian yang tersembunyi disebut hidden state. HMM memungkinkan pemodelan
sistem yang mengandung observed state dan hidden state yang saling terkait. Pada
kasus POS tagging, observed state adalah urutan kata sedangkan hidden state
adalah urutan tag. Selain itu, HMM bisa digunakan dalam pengenalan suara,
parsing/chunking, ekstraksi informasi, dan peringkasan teks.
Menurut Rabiner [RAB89], salah satu masalah yang bisa diselesaikan oleh
HMM adalah masalah optimasi urutan hidden state berdasarkan urutan kejadian
yang bisa diamati. Urutan hidden state optimal adalah urutan yang paling tepat
yang “menjelaskan” kejadian yang bisa diamati. Masalah ini disebut juga masalah
decoding.
 Hidden Markov Model (HMM)

Pada model Markov umum (Vanilla/Visible Markov Model), state-nya

langsung bisa diamati, oleh karena itu probabilitas transisi state menjadi satu-
satunya parameter. Di dalam Model Markov yang tersembunyi, state-nya tidak
bisa diamati secara langsung, akan tetapi yg bisa diamati adl variabel-variabel
yang terpengaruh oleh state. Setiap state memiliki distribusi probabilitas atas
token-token output yg mungkin muncul. Oleh karena itu rangkaian token yang
dihasilkan oleh HMM memberikan sebagian informasi tentang sekuens state-state.
Hidden Markov Model sangat populer diaplikasikan di bidang speech
recognition dan bioinformatics.
Arsitektur Hidden Markov Model (HMM)

Diagram di atas menggambarkan arsitektur umum tentang HMM.

Ada tiga permasalahan utama yg bisa diselesaikan HMM :

1. Diberikan parameter dari model, hitunglah probabilitas output berupa

suatu barisan tertentu. Masalah ini diselesaikan oleh forward algorithm.
2. Diberikan parameter dari model, carilah barisan state tersembunyi yang
paling mungkin menghasilkan output barisan tertentu (yang diberikan).
Masalah ini diselesaikan oleh algoritma Viterbi.
3. Diberikan sebuah barisan output atau himpunan barisan sepertinya, maka
temukan himpunan transisi state yang paling mungkin beserta probabilitas
outputnya. Dengan kata lain, latihlah parameter HMM jika diberikan
dataset barisan-barisan tertentu. Masalah ini diselesaikan oleh algoritma
Baum-Welch