BAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.

Transkripsi

1 29 BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Pada dasarnya untuk pembuatan aplikasi ini, yakni aplikasi pengenalan suara untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak. Perangkat kerasnya seperti komputer yang nantinya akan dibahas di sub bab berikutnya, perangkat lunak yang digunakan menggunakan program untuk membuat tampilan yang ditujukan kepada pengguna yang disebut juga pengguna interface dan yang terpenting menggunakan suara sebagai alat untuk menjalankan program tersebut sebagai input yang kemudian menjadi perintah-perintah bagi program tersebut. Input diberikan oleh pengguna melalui mikrofon seperti File maka komputer akan menampilkan menu File yang tersedia pada program. Input Suara Proses Pendaftaran Suara Proses Pengenalan Pola Suara Gambar 3.1 Tahapan Sistem Pengenalan Suara. Pada umumnya sistem pengenalan suara ini dibagi ke dalam dua tahap, yaitu proses pendaftaran suara dan proses pengenalan pola suara. Tahapan proses pendaftaran suara diawali dari pengenalan suara terhadap komputer, suara sebagai input yang didapat melalui microphone, suara tersebut digunakan untuk menyalakan aplikasi dan juga

2 30 perintah-perintah untuk menjalankan aplikasi. Namun suara tersebut masih dalam berupa sinyal analog, sinyal analog adalah sinyal yang belum melalui proses apapun. Maka dibutuhkan proses sampling, quantization, dan encoding untuk mengubah sinyal analog menjadi sinyal diskrit atau sinyal digital. Sampling adalah proses mengambil nilai-nilai sinyal pada titik-titik diskrit sepanjang variabel waktu dari sinyal waktu kontinu, hasil yang didapat berupa sinyal waktu diskrit. Quantization adalah proses memetakan nilai-nilai dari sinyal nilai kontinu menjadi nilai-nilai yang diskrit, sehingga didapatkan sinyal nilai diskrit. Encoding adalah proses mengubah nilai-nilai sinyal menjadi bilangan biner. Sebelum dilakukan proses encoding dilakukan modul transformasi. Modul transformasi digunakan untuk mentransformasikan sinyal domain waktu menjadi sinyal domain frekuensi. Didomain frekuensi, sinyal direpresentasikan sebagai serangkaian nilai yang menunjukkan banyaknya satuan sinyal yang berada di frekuensi tertentu, metode yang dipakai adalah metode Transformasi Linear. Setelah proses encoding dilakukan didapat hasil berupa biner, yang dipakai didalam Jaringan Saraf Tiruan (JST) digunakan oleh komputer untuk melakukan proses belajar. Proses belajar oleh JST dengan menggunakan metode backpropagation dilakukan berulangulang sampai sesuai dengan target output atau hasil yang diinginkan. Hasil disimpan kemudian dibandingkan dengan hasil yang dilakukan selanjutnya, jika benar / true maka hasil tersebut didaftarkan sebagai output, jika false maka dilakukan pengulangan dari awal. Flowchart pendaftaran suara dapat dilihat melalui gambar dibawah.

3 31 Mulai Suara (sebagai input) Inisialisasi Hasil = 0; i=0 Sampling Quantization Transformasi fourier Encoding Jaringan Saraf Tiruan (Back Propagation) Hasil[i] = Hasil; i++; Hasil = Hasil[i-1]? False True Pendaftaran Suara Selesai Gambar 3.2 Flowchart Proses Pendaftaran Suara.

4 32 Mulai Suara (sebagai input) Inisialisasi Hasil = 0; i=0 Sampling Quantization Transformasi fourier Encoding Jaringan Saraf Tiruan (Back Propagation) Hasil Hasil = Target? False Selesai True Gambar 3.3 Flowchart Proses Pengenalan Pola Suara. Tahapan proses pengenalan pola suara diawali dari suara sebagai input dilakukan inisialisasi hasil, sampling, quantization, transformasi fourier, encoding, JST seperti yang dilakukan proses pendaftaran suara, kemudian didapat output berupa hasil,

5 33 kemudian hasil tersebut dibandingkan dengan target output yang diinginkan. Jika true maka perintah untuk dapat dijalankan, jika false ulangi dari awal. 3.2 Cara Kerja Sistem Cara kerja sistem pengenal suara akan ditunjukan dalam bentuk DFD (Data Flow Diagram). DFD digunakan untuk menggambarkan proses dan aliran data yang terjadi dalam sistem. Perancangan DFD dilakukan mulai dari konteks sistem sampai dengan proses sistem merespon kepada pengguna. Gambar 3.4 DFD Sistem Pengenal Suara. 3.3 Perancangan Jaringan Syaraf Tiruan Jaringan Syaraf yang digunakan untuk pengenalan suara ini menggunakan tiga lapisan layer dengan (60 neuron pada lapisan input, 47 neuron pada lapisan hidden, 7 neuron pada lapisan output) dengan metode Back Propagation. Berdasarkan target output yang diinginkan, maka ditentukan 7 neuron untuk lapisan output, 60

6 34 neuron lapisan input merupakan inisialisasi, 47 hidden layer didapat dari perhitungan dibawah ini. Hidden Layer = ( 2 * Input Layer ) / 3 + Output Layer... 1 Hidden Layer = (2 * 60) / = 120 / = = 47 Tabel 3.1 Tabel Target Output. Output dalam biner Perintah yang dijalankan NULL Image About Exit Yes No Untuk proses pengenalan suara dengan jaringan syaraf tiruan perlu disiapkan data sebagai bahan untuk perbandingan dengan input suara dan dilakukan proses pelatihan jaringan syaraf tiruan untuk mencari bobot input dan output. Proses pengujian jaringan syaraf tiruan akan dilihat pada hasil perbandingan jaringan syaraf tiruan dari input suara dengan data dari hasil proses pendaftaran suara. Dari perbandingan tersebut akan dapat dilihat jika data dari input suara mendekati atau sama dengan data hasil proses pendaftaran suara. maka input suara tersebut akan dikenali (identified) dan pintu akan terbuka.

7 35 Gambar 3.5 Tampilan Layar Back Propagation Untuk Sistem Pengenalan Suara Algoritma Back Propagation Langkah 0 : Inisialisasi bobot (set bobot pada nilai random yang kecil). Langkah 1 : Selama kondisi berhenti adalah salah, lakukan langkah 2-9. Langkah 2 : Untuk setiap pasangan pelatihan, lakukan langkah 3-8. (Feedforward) Langkah 3 : Setiap unit masukan (Xi, i = 1,...,n) menerima sinyal masukan Xi dan mengirim sinyal ini keseluruh unit pada lapisan berikutnya(lapisan tersembunyi). Langkah 4 : Untuk setiap unit tersembunyi (Zj, j = 1,...,p) jumlahkan sinyal masukan terbobot

8 36 terapkan fungsi aktivasi untuk menghitung keluarannya...(9)...(10) dan mengirim sinyal ini keseluruh unit pada lapisan berikutnya(lapisan keluaran). Langkah 5 : Untuk setiap unit keluaran(yk, k = 1,...,m), jumlahkan sinyal masukan terbobotnya,...(11) dan terapkan fungsi aktivasi untuk menghitung sinyal keluarannya, Backpropagation dari galat....(12) Langkah 6 : Untuk setiap unit keluaran (Yk, k = 1,...,m) menerima sebuah pola target yang bersesuaian dengan pola masukan, hitung galatnya, hitung koreksi bobotnya,...(13) hitung koreksi biasnya,...(14)...(15)

9 37 dan kirim Langkah 7 ke unit pada lapisan sebelumnya. : Untuk setiap unit tersembunyi (Zj, j = 1,...,p) jumlahkan masukan deltanya,...(16) kemudian dikalikan dengan turunan fungsi aktivasinya untuk menghitung galatnya hitung koreksi bobotnya,...(17) hitung koreksi biasnya,...(18)...(19) Untuk bobot dan bias: Langkah 8 : Untuk setia unit keluaran (Yk, k = 1,...,m) ubah bias dan bobotnya (j = 1,...,p):...(20) untuk setiap unit tersembunyi (Zj, j = 1,...,p) ubah bobot dan biasnya (i = 1,...,n):...(21) Langkah 9 : Tes kondisi berhenti.

10 Perangkat Keras Khusus yang Digunakan Untuk menunjang perancangan sistem pengenalan suara, maka digunakan perangkat keras (Hardware) khusus yang digunakan untuk menjalankan aplikasi ini. Perangkat keras yang digunakan adalah komputer dengan spesifikasi standart yang dilengkapi dengan : - Multimedia Audio Adapter Hardware ini merupakan salah satu komponen dalam sebuah komputer yang di letakkan di motherboard yang berfungsi sebagai perantara antara microphone dengan komputer. - Microphone standart Alat ini digunakan sebagai alat komunikasi untuk merekam suara. 3.5 Perancangan Modul Tampilan layar ketika program pertama kali di jalankan Image About Exit Enable voice command TRUE FALSE Disable voice command Click Enable voice command to activate the voice command. Gambar 3.6 Tampilan Awal Aplikasi.

11 39 Indikator lingkaran hitam di sebelah kanan atas menyatakan bahwa voice command belum aktif, pada saat ini, tab Image, About dan Exit masih dalam keadaan disable. Di bawah tab Image, About dan Exit terdapat indikator pengenalan suara, bila suara tidak cocok dengan sampel maka radio button pada tulisan False akan menyala sedangkan bila suara cocok maka radio button pada tulisan True akan menyala. Kemudian di pojok kanan atas terdapat tombol minimize dan close yang dapat di klik Tampilan layar setelah pengguna mengklik Enable voice Image About Exit Enable voice command TRUE FALSE Disable voice command Please say Image or About or Exit for next command. Gambar 3.7 Tampilan Saat Voice Command Aktif. Radio button pada Enable voice command akan menyala, pada saat ini, tab Image, About dan Exit sudah dalam keadaan aktif.

12 Tampilan layar setelah pengguna mengatakan Image Image About Exit Enable voice command TRUE FALSE Disable voice command IMAGE Gambar 3.8 Tampilan Saat Pengguna Mengatakan Image. Pada saat ini page yang tadinya berisi tulisan Please say Image or About or Exit for next command akan berubah menjadi gambar Tampilan layar setelah pengguna mengatakan About. Image About Exit Enable voice command TRUE FALSE Disable voice command ABOUT US Gambar 3.9 Tampilan Saat Pengguna Mengatakan About.

13 Tampilan layar setelah pengguna mengatakan Exit. Image About Exit Enable voice command TRUE FALSE Disable voice command Are you sure? Yes No Gambar 3.10 Tampilan Saat Pengguna Mengatakan Exit. Pada saat ini akan tampil dua button yaitu Yes atau No Tampilan Layar setelah pengguna mengatakan No. Lihat gambar 3.7 Tampilan Saat Voice Command Aktif.

14 Tampilan layar apabila suara tidak dikenali. Image About Exit Enable voice command TRUE FALSE Disable voice command Voice did t match. Repeat again! Gambar 3.11 Tampilan Saat Suara Tidak Dikenali.