diperkirakan terdapat sekitar sekitar 5.5% persen penduduk dunia atau sekitar
466 juta orang mengalami gangguan pendengaran
Di indonesia sendiri fasilitas atau infrastruktur untuk penyandang disabilitas
masih belum memadai, Penyandang disabilitas rungu dapat terkena risiko yang
dapat membahayakan nyawa mereka akibat gagal mengenali sinyal suara yang
menyiratkan situasi berbahaya
Pada penelitian ini mengusulkan suatu sistem yang mampu mengenali dan
mengklasifikasikan jenis suara alarm yang dapat membahayakan bagi
penyandang tunarungu. Jenis suara alarm berbahaya yang menjadi dataset adalah
alarm kebakaran, alarm evakuasi dan alarm bencana alam. Model yang dibuat
akan diimplementasikan pada sebuah device seperti Raspberry Pi sehingga dapat
mengenali suara alarm yang telah disebutkan sebelumnya dan mengkonversi
informasi tersebut dalam visual berupa lampu indikator.
Dataset tersebut akan dilatih menggunakan deep neural network dengan
algoritma CNN (Convolutional Neural Network) dan STFT (short time fourier
transform) sebagai ekstraksi fitur.
3. Ekstraksi fitur
Langkah berikutnya adalah mengekstrak fitur yang diperlukan untuk
melatih model yang akan dibuat. Untuk melakukan ini, perlu untuk
membuat representasi visual dari setiap sampel audio yang memungkinkan
mengidentifikasi fitur untuk klasifikasi. Spektogram adalah teknik yang
berguna untuk mevisualisasikan spektrum frekuensi suara yang bervariasi
selama periode waktu yang singkat.
4. Training data
Pada tahap ini, dataset yang telah melalui fitur ekstraksi dan mendapatkan
spectogram dari masing-masing data masukan, kemudian dilakukan proses
training data menggunakan Deep Neural Network.
5. Klasifikasi
Pada tahap ini, hasil training data berupa prediksi ke akuratan klasifikasi
dan prediksi error dari sistem yang telah dibuat.
6. Deploy Model
Setelah model berhasil dibuat, maka akan di deploy pada sebuah single
board computer atau ke komputer mini. Untuk dilakukan pengetesan
terhadap suara secara real-time. Gambar 3.3 menunjukkan diagram alir
dari deploy model. Dimana saat sistem mampu mengenali suara alarm,
akan menampilkan alert berupa lampu sesuai dengan suara alarm yang
berhasil dikenali.