Anda di halaman 1dari 11

1. JUDUL SISTEM SUARA. 2.

RUANG LINGKUP Berikut disiplin ilmu yang digunakan untuk menyelesaikan proyek akhir ini yang berhubungan dengan mata kuliah yang telah didapat selama masa perkuliahan di jurusan Telekomunikasi antara lain : 1. Mikroprossesor dan Interface I & II 2. Digital Signal Processing 3. Bahasa Pemrograman C dan Matlab 3. TUJUAN Tujuan dari proyek Akhir ini adalah sebagai berikut: 1. Membuat suatu sistem yang dapat mengaktifkan pintu rumah dengan menggunakan pengenalan wicara (perintah suara). 2. Mempunyai tingkat keamanan yang tinggi. 4. LATAR BELAKANG Rumah merupakan tempat untuk melepas lelah, tempat berkumpul dengan keluarga, dan banyak momen momen penting yang terjadi didalamnya. Tidak jarang juga pemilik rumah menyimpan sedikit harta benda di dalam rumah. Akhir-akhir ini sering terjadi tindak pencurian terhadap rumah-rumah warga. Hal ini dikarenakan pada rumah-rumah konvensional saat ini memiliki sistem pengaman rumah yang kurang berkualitas. Sehingga memudahkan oknum-oknum tertentu untuk memanfaatkan sistem keamanan yang kurang ini. Hal inilah yang mendasari pembuatan algoritma sistem pembuka pintu. Sistem pengaman ini berbasis suara speaker (pengucap) sehingga hanya pemilik suara yang sah yang bisa mengaksesnya. Penggunaannya pun sangat mudah dimana pemilik hanya mengucapkan kata Buka untuk buka dan Tutup untuk tutup, jika selain pemilik yang mencoba maka pintu rumah tersebut tidak akan terbuka. Piranti berbasis suara digunakan karena setiap manusia mempunyai frekuensi suara yang berbeda beda. Disini digunakan dua password dengan harapan mempunyai 1 PENGAMAN PINTU RUMAH MENGGUNAKAN PENGENALAN

tingkat keamanan dan keberhasilan yang tinggi. Selain itu juga dibuat pengaman emergency jika sistem mati atau mengalami kerusakan yaitu dengan menggunakan kunci manual. Diharapkan proyek akhir ini dapat berguna untuk kenyamanan serta keamanan pada pengguna sehingga teknologi ini dapat digunakan pada rumah-rumah konvensional sehingga memudahkan pengguna untuk melakukan pengamanan pada rumah mereka. 5. PERUMUSAN MASALAH DAN BATASAN MASALAH Dalam pelaksanaan pembuatan alat ini, diperkirakan akan muncul muncul beberapa permasalahan sebagai berikut : 1. Melakukan pemrosesan sinyal suara sebagai sistem pengamanan rumah. 2. Mengatur alat pengaman rumah yang terpasang pada pagar rumah dengan mikrokontroller. Batasan masalah pada proyek akhir ini adalah : 1. Sistem yang digunakan bersifat dependent yaitu hanya orang tertentu saja yang dapat menggunakan sistem ini saja. 2. Kata yang diucapkan terbatas pada kata yang telah ditentukan pada program. 3. Kontrol sistem keamanan ini bekerja secara real time menggunakan modul ATmega16 4. Dianggap tidak ada noise pada database maupun pada suara yang dimasukkan. 6. TINJAUAN PUSTAKA 6.1 Penelitian Sebelumnya Jenny [1] telah berhasil membuat sistem Aplikasi Pengenalan Suara Dalam pengaksesan Sistem Informasi akademik. Sistem ini mampu memberikan informasi yang dbutuhkan mahasiswa misal nama mahasiswa dan indeks prestasi. Informasi yang biasanya didapatkan dengan cara mengisi jendela login dengan cara mengetik diganti dengan cara pengisian login menggunakan ucapan akan lebih memudahkan pengguna. Dalam pengenalan wicara digunakan dua kombinasi yang telah banyak digunakan yakni LPC (linear Predictiv Coding) sebagai pengekstrasi ciri dan HMM(Hidden Markov Model) sebagai pengenal pola. Pada proses sintesis ucapan

digynakan bantuan MBROLA speech engine . Penggunaan tiga metode tersebut dapat digunakan untuk mengakses informasi dengan menggunakan ucapan. Chalid,dkk [2] menggunakan pengenalan wicara sebagai sekuriti kendaraan bermotor. Dalam perangkat keras, peralatan yang dibangun meliputi rangkaian mic pre-amplifier, amplifier, 3 filter bank, peak detector, ADC, mikrokontoler ATmega32. Suara speaker dengan mengucapkan kata MOTOR ON dan kemudian hasil dari pengenalan suara tersebut digunakan sebagai perintah untuk relay yang kemudian akan menghidupkan kendaraan. Sedangkan Proyek akhir saya ini adalah pembuatan sebuah sistem keamanan pada rumah menggunakan perintah suara yang dikontrol dengan mikrokontroller Atmega16 dengan menggunakan metode LPC dan DTW pada pengenalan wicara yang dapat ditransmisikan secara akurat dan presisi. 6.2 Teori Pengenalan Suara Digital Pengenalan suara [3] merupakan salah satu upaya agar suara dapat dikenali atau diidentifikasi sehingga dapat dimanfaatkan. Pendekatan pengenalan pola terdiri dari dua langkah yaitu pengolahan suara dan pengenalan suara. Tahap pengenalan suara adalah tahap bagi ucapan yang akan dikenali, dibandingkan polanya dengan setiap kemungkinan pola yang telah dipelajari dalam fase pengolahan, untuk kemudian diklasifikasi dengan pola terbaik yang cocok. Berikut blok diagram pengolahan suara dan pengenalan suara yang ditunjukkan pada gambar 1.
Pengolahan Suara
Suara D eteksi Aw al dan A khir Frame B locking W indow ing Fast Fourier Transform Ekstraksi C iri

Output

Logic D ecision

P erbandingan D engan P ola Model

P embelajaran Pola

Pengenalan Suara

Gambar 1 Sistem Pengolahan dan Pengenalan Suara Berikut ini merupakan penjelasan dari masing masing blok system pada gambar 1: Pengolahan Suara 1. Deteksi Awal-Akhir 3

Sebelum masuk deteksi awal akhir dilakukan normalisasi amplitudo terlebih dahulu untuk mengatasi jarak antara mulut dengan mikrofon. Sedangkan deteksi awal-akhir digunakan pada proses untuk mendeteksi mulai sinyal ucapan awal dan berakhir ketika sudah tidak diucapkan. Sehingga tidak disalah artikan untuk tiap sinyal yang masuk. Nilai power digunakan untuk membedakan suara atau bukan. Standar deviasi untuk membandingkan nilai power. Untuk sinyal dengan nilai power diatas standar deviasi dapat diambil nilai pada indeks awal dan nilai pada indeks terakhir dari sinyal masukan. 2. Frame Blocking Frame blocking merupakan proses yang digunakan untuk membagi suara menjadi beberapa bagian. Untuk mempercepat proses komputasi. Sedangkan hasil dari frame blocking merupakan sinyal terpotong yang discontinue. Masing-masing sinyal hasil dari framing adalah sinyal terpotong yang discontinue. Sinyal discontinue ini akan dilanjutkan dalam proses Windowing. 3. Windowing Sinyal terpotong yang discontinue tersebut dikalikan dengan fungsi window agar menjadi sinyal yang continue. Fungsi windowing yang digunakan dalam penelitian ini adalah window Hamming karena fungsi hamming dapat membuat data pada awal frame dan akhir frame mendekati nilai 0 dengan baik. Dengan demikian sinyal menjadi kontinyu. 4. FFT (Fast Fourier Transform) Prinsip kerja FFT adalah membagi sinyal hasil penyamplingan menjadi beberapa bagian yang kemudian masing-masing bagian diselesaikan dengan algoritma yang sama dan hasilnya dikumpulkan kembali. 5. Pengekstraksi ciri. Merupakan proses mendapatkan sederetan besaran pada bagian sinyal masukan untuk menetapkan pola pembelajaran atau pola uji. Pada sinyal suara, ciri-ciri besaran biasanya merupakan keluaran dari beberapa bentuk teknik analisis spektrum seperti LPC(Linier Predictive Coding). Pengenalan Suara 1) Pembelajaran Pola

Satu atau lebih pola pembelajaran yang berhubungan dengan bunyi suara dari kelas yang sama, digunakan untuk membuat pola representatif dari ciri-ciri kelas tersebut. Hasilnya yang biasa disebut dengan pola referensi, dapat menjadi sebuah model yang mempunyai karakteristik bentuk statistik dari ciri-ciri pola referensi. 2) Perbandingan dengan Pola Model Pola uji yang akan dikenali, dibandingkan dengan setiap kelas pola referensi. Kesamaanbesaran antara pola uji dengan setiap pola referensi akan dihitung. 3) Logic Decision Menentukan kelas pola referensi mana yang paling cocok untuk pola uji berdasarkan klasifikasi pola. Pengenalan suara secara umum dapat dibagi menjadi tiga tahap, yaitu : pemodelan, dan pengenalan. Ekstraksi ciri [4] adalah upaya untuk memperoleh ciri dari sinyal suara. Salah satu metode yang dapat digunakan untuk proses ekstraksi ciri adalah LPC (Linier Predictive Coding). Setelah dilakukan ekstraksi ciri dan memperoleh ciri dari sinyal suara, kemudian dilakukan pemodelan dengan metode DTW (Dynamic Time Warping). Metode DTW melakukan perhitungan jarak antara seluruh pola referensi dengan pola uji yang ingin dikenali untuk mendapatkan jarakjarak pencocokan keseluruhan.Dari pemodelan akan didapatkan parameter yang selanjutnya digunakan dalam proses pengenalan. Struktur Sistem Mikrokontroller 1) Mikrokontroler ATmega16 AVR merupakan seri mikrokontroler CMOS 8-bit buatan Atmel,berbasis arsitektur RISC (Reduced Instruction Set Computer). Hampir semua instruksi dieksekusi dalam satu siklus programmable clock. AVR mempunyai 32 register general-purpose, timer/counter Watchdog Timer, dan mode power saving, ADC dan PWM fleksibel dengan mode compare, interrupt internal dan eksternal, serial UART, internal.AVR juga mempunyai In-System Programmable Flash on-chip yang

mengijinkan memori program untuk diprogram ulang dalam sistem menggunakan hubungan serial SPI. ATMega16. ATMega16 mempunyai throughput mendekati 1 MIPS per MHz membuat disainer sistem untuk mengoptimasi konsumsi daya versus kecepatan proses. Mikrokontroller menggunakan ATMega 16 untuk menjalankan 5

sistem. Sistem ini merupakan pusat pemrosesan data dari beberapa sistem pendukung lainnya. Dimana sistem ini mengendalikan semua masukan, keluaran, dan sebagai pusat perhitungan program utama. 2) Mikrofon Mikrofon pada dasarnya merupakan sebuah tranducer, sebuah alat yang mengubah energy dari satu bentuk menjadi bentuk lain., dalam hal ini mengubah gelombang suara akustik menjadi sinyal listrik yang sesuai. Dalam proses perekaman perlu sekali memperhatikan sensitifitas dari mikrofon, hal ini untuk memperoleh tingkat kemurnian suara yang dapat dicuplik. 3) Motor DC Motor adalah merupakan bagian utama dari sebuah robot. Hampir semua jenis robot kecuali yang menggunakan muscle wire (kawat otot) selalu menggunakan motor. Terdapat beberapa jenis motor di pasaran dan untuk merancang sebuah robot maka kita harus dapat memilih motor yang tepat sesuai fungsinya pada robot tersebut. Motor DC lebih cocok digunakan pada aplikasi yang menggunakan kecepatan tinggi dan torsi yang cukup besar. Oleh karena itu, motor ini biasanya digunakan pada bagian roda atau kaki sebagai penggerak dari sebuah robot. Motor DC merupakan motor yang mudah untuk dikontrol terutama pada motor DC gear box magnet permanent. Pada kontrol putar balik motor dc dapat dilakukan dengan cara merubah polaritas supply tegangan ke motor DC sehingga aliran arus juga ikut berubah atau berlawanan arah sesuai dengan gaya lorentz. 7. Metode Pelaksanaan Program Untuk melakukan penelitian dalam pembuatan Perencanaan serta pembuatan pengaman pintu rumah menggunakan suara melalui tahap-tahap sebagai berikut : 7.1 Studi Literatur Dalam mempelajari bagaimana cara membuat sistem pengaman rumah menggunakan pengenalan suara serta membuat kontrol perangkat dengan mikrokontroler dilakukan pendalaman bahan-bahan literatur yang berhubungan dengan proyek akhir.

Pendalaman literatur dan pengambilan data dilakukan dengan cara browsing di internet, dari buku, atau meminjam buku dari perpustakaan sesuai dengan proyek terkait. 7.2 Perancangan dan Implementasi Sistem Pada tahap ini, proses yang dikerjakan adalah membuat pengaman rumah serta sistem mekaniknya. Diusahakan pembuatan dilakukan dengan cara yang sesederhana mungkin dengan menggunakan peralatan dan bahan yang sederhana namun tetap menghasilkan sebuah sistem pengaman yang baik dan rapi serta memiliki performansi yang handal. Berikut ini adalah blok diagram perencanaan sistem ini.
START

suara

Pengolahan Suara

Pengenalan Suara

Data base suara Y Kode verifikasi

Mikrokontroler Atmega16 Driver motor Pintu bergerak End

Gambar 2 Flowchart sistem 7

MIC

ADC

MIKROKONTROLER ATMEGA 16

DRIVER

MOTOR DC

CATU DAYA

Gambar 3. Blok diagram sistem 7.2.1 Program Pengenalan Suara Program pengenalan suara ditunjukkan oleh flowchart pada gambar 4 dibawah ini.
Mulai Perekaman Suara dalam format *.wav

Membaca data suara

Ekstraksi komponen cepstral pada sinyal suara

Pelatihan dengan pola model

Pengujian suara rekaman dengan suara masukan

Selesai

Gambar 4. Flowchart Program pengenalan suara Sistem pengenalan suara diawali dengan perekaman suara yang dimasukkan ke dalam database. Hasil perekaman kemudian dibaca untuk mendapatkan bentuk diskrit dari sinyal suara untuk mempermudah pengolahan selanjutnya. Sinyal suara kemudian diekstraksi sampai diperoleh komponen cepstralnya. Hasil ekstraksi merupakan masukan untuk proses pembelajaran pola suara. 7.2.2 Pengambilan Parameter Sinyal Suara Pengambilan parameter sinyal suara dilakukan dengan pengambilan parameter LPC dari sinyal suara yang kemudian dikonversi ke parameter cepstral. Secara umum pengambilan parameter disajikan pada flowchart pada gambar 5 dibawah ini. 8

Mulai

Baca data file *.wav

Orde LPC = 20

Panjang Frame

Hamming window

Menghitung Koefisien LPC

Menyimpan Koefisisen LPC

Menghitung Koefisien Cepstral

Menyimpan Koefisien Cepstral

Selesai

Gambar 5. Flowchart Pengambilan Parameter Sinyal Suara 7.3 Melakukan Pengujian Sistem Pada pengujian hardware , pintu akan dibuka oleh pemilik dengan cara memasukkan suara sebagai perintah melalui mikrofon untuk membuka dan menutup pintu. Adapun kata yang diucapkan sebagai perintah untuk membuka pintu dibatasi oleh kata-kata yang telah direkam pada database dengan tipe data*.wav sebelumnya. Setelah hardware dan software telah terselesaikan maka dilakukan pengukuran parameter sistem pengaman ini. Pengukuran yang dilakukan adalah a. Membedakan perintah suara yang dimasukkan. b. Ketepatan pengenalan suara yang dimasukkan demi keamanan yang akurat. Dari pengukuran inilah akan diketahui apakah parameter-parameter yang didapat merupakan parameter yang baik dalam pengembangan proyek ini kedepannya.

7.4 Analisa dan Evaluasi Tahapan terakhir dari proyek ini adalah melakukan analisa dan evaluasi hasil dari parameter pengukuran pada pengaman rumah. Setelah itu dibuat kesimpulan sesuai dengan hasil analisanya. 7.5 Kesimpulan Dari semua data yang di analisa, dapat ditarik sebuah kesimpulan dari hasil analisa dan evaluasi dalam pembuatan pengaman rumah menggunakan pengenalan suara ini. 8. Hasil yang Diharapkan Adapun hasil yang diharapkan dalam proyek ini yaitu sebuah pengaman yang memiliki ketepatan terhadap sinyal suara yang dimasukkan. 9. Relevansi Sistem ini sangat relevan untuk di aplikasikan dalam kehidupan sehari-hari karena sangat bermanfaat dan mudah digunakan oleh siapa saja. Untuk kedepannya sistem pengaman ini bisa dikembangkan untuk segala pengaman pada rumah yang ada dan dipadukan dengan berbagai macam peralatan yang menunjang sistem pengaman pada rumah. 10. Jadwal Kegiatan Program Kegiatan ini dikerjakan selama lima bulan Bulan ke No Kegiatan 1 2 3 4 5

1. 2. 3. 4. 5.

Studi Pustaka dan pengamatan lapangan serta penentuan parameter penelitian Penentuan alat & bahan. Pembuatanhardware & Pengenalan suara Pengujian dan kalibrasi. Pembuatan Laporan.

10

11. Rencana Pembiayaan No Deskripsi PENGELUARAN A. Perancanganan Hardware Pembuatan Pintu Rumah Pembuatan MinSys AT Mega 16 Motor Dc Pembuatan Driver motor Dc Mic Gear Pembuatan Laporan Kertas A4 Tinta Print Penjililidan Buku PA CD dokumentasi Transportasi Belanja bahan dan peralatan Lain lain Jumlah Pengeluaran 1 buah 1 buah 1 buah 1 buah 1 buah 1 set 1 rim 4 buah 5 buah 5 buah Rp. 150.000,Rp. 100.000,Rp. 200.000,Rp. 50.000,Rp. 50.000,Rp. 50.000,Rp. 150.000Rp. 100.000Rp. 200.000Rp. 50.000,Rp. 50.000,Rp. 50.000,40.000,100.000,100.000,15.000,50.000,50.000,Jumlah Biaya (satuan) Total

B.

Rp. 40.000,- Rp. Rp. 25.000,- Rp. Rp. 20.000,- Rp. Rp. 3.000,- Rp. Rp. 50.000,- Rp. Rp. 50.000,- Rp.

C. D.

Rp. 955.000,-

12. Daftar Pustaka [1] Jenny Putri Hapsari, Aplikasi Pengenalan Suara Dalam Pengaksesan Sistem Informasi Akademik .Universitas Diponegoro. [2] Chalid, pengenalan wicara sebagai sekuriti kendaraan bermotor.PENS 2010 [3] Budi S Tri,Praktikum Aplikasi DSP, PENS, Surabaya [4] Hestiyanningsih D.L., Pengenalan Ucapan Kata Berkorelasi Coding(LPC), Universitas Diponegoro, Semarang, 2005. Tinggi dengan Metode Hidden Markov Model (HMM) melalui Ekstraksi Ciri Linear Predictive

11