RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI SEPULUH NOVEMBER SURABAYA 2010
LATAR BELAKANG Penelitian hibah pasca Teknik Mesin, yang berjudul Rancang Bangun Alat Keselamatan Untuk Pengendara Sepeda Motor Berbasis Information Technology. Kurangnya kenyamanan dalam berkomunikasi pengemudi dan penumpang selama perjalanan. antara Banyaknya orang menggunakan telepon seluler untuk berkomunikasi saat berkendara.
PENGEMBANGAN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM Sistem komunikasi yang dikembangkan pada helm pengendara sepeda motor menggunakan modul HT. Pada helm pengendara digunakan 2 modul HT, yaitu sebagai transmitter dan sebagai receiver.
PENGEMBANGAN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM Modul HT dihubungkan secara langsung dengan port-port t pada mikrokontroler ATmega128 hanya digunakan 4 pin dari 7 pin yang tersedia pada modul HT. meliputi: Power,, Channel up, Channel down, dan PTT
PENGEMBANGAN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM (a) (b) (c) Setiap penumpang dan pengemudi dapat memilih lawan berkomunikasi melalui pengenalan wicara. Sistem komunikasi diimplementasikan pada 3 helm pengendara sepeda motor dengan dilengkapi sistem pengenalan wicara.
PENGEMBANGAN SISTEM PENGENALAN Proses pengenalan wicara antar pemakai helm dibagi menjadi dua langkah, yaitu: 1. Feature Extraction. 2. Pattern classification. Feature extraction sinyal wicara menggunakan Discrete Wavelete Transform (DWT) Pattern Classification sinyal wicara a menggunakan a Multi layer Perceptron Neural Network (Backpropagation) Pengenalan wicara dilakukan k secara otomatis ti untuk mengklasifikasi suara ucapan alfa, beta, gama
PENGEMBANGAN SISTEM PENGENALAN WICARA (a) Fase trainning (a) Fase testing Frekuensi sampling sebesar 10kHz Digunakan 20 sample training dari masing-masing sinyal wicara alfa, beta, gama. Perekaman satu sample training sinyal wicara dilakukan selama 1,5 detik
PENGUJIAN SISTEM PENGENALAN WICARA SEBELUM NORMALISASI
PENGUJIAN SISTEM PENGENALAN WICARA SETELAH NORMALISASI Setelah dinormalisasi, jumlah error total lebih kecil dibandingkan dengan sinyal wicara yang belum dinormalisasi Persentase keberhasilan pengenalan wicara setelah dinormalisasi lebih tinggi dibandingkan dengan sebelum dinormalisasi. Semakin banyak sample training yang dilatihkan, semakin tinggi persentase keberhasilan dalam pengenalan wicara
PENGEMBANGAN SISTEM KOMUNIKASI DAN PENGENALAN WICARA ANTAR PEMAKAI HELM Sistem komunikasi i Sistem pengenalan wicara Sinyal suara dari mikrofon dikuatkan oleh rangkaian amplifier sebesar 120 kali Frekuensi cutoff dari rangkaian Band Pass Filter (BPF) adalah 20Hz-4kHz Menggunakan memori eksternal 8 bit dengan kapasitas memori sebesar 32kByte
PENGEMBANGAN SISTEM KOMUNIKASI DAN PENGENALAN WICARA ANTAR PEMAKAI HELM
PENGUJIAN PROSES PEREKAMAN NOISE Di dalam ruangan Di jalan raya Pada kondisi lingkungan yang tenang digunakan referensi noise sebesar 10 Pada kondisi lingkungan di jalan raya digunakan referensi noise sebesar 30
PENGUJIAN PROSES SELEKSI PENGENALAN WICARA Di dalam ruangan Di jalan raya
PENGUJIAN PROSES SELEKSI PENGENALAN WICARA
PENGUJIAN DURASI WAKTU PENGENALAN WICARA
TERIMA KASIH
Pre Processing Sinyal Wicara Front End Point Detection Denoising 1. Melakukan dekomposisi wavelet pada sinyal wicara hingga level 3 menggunakan db10 2. Approximation coefficient dekomposisi ketiga untuk menentukan wavelet entropy 3. Menghitung nilai threshold: nilai threshold didapatkan dari Rata-Rata nilai-nilai wavelet entropy. 1. Melakukan dekomposisi wavelet pada sinyal wicara hingga level 7 menggunakan db10 2. Memberikan soft threshold pada setiap detail coefficient dari level1 hingga level 7 3. Melakukan rekontruksi pada pada setiap detail coefficient dari level1 hingga level 7
Feature Extraction Digunakan feature extraction menggunakan DWT dengan struktur dekomposisi hingga level 7 menggunakan Daubechies10 (db10) y high y low [ k] = x[ n]. g[ 2k n] n [ n ]. h [ k n ] [ k ] = x 2 Setelah didapatkan koefisien-koefien koefien wavelet dari proses dekomposisi level 7 (cd1, cd2, cd3, cd4, cd5, cd6, cd7, ca7), selanjutnya dilakukan proses wavelet entropy. E( s) = i n S N i P
Classification
KARAKTERISTIK ALFA, BETA, GAMA Wavelet Entropy "alfa" Wavelet Entropy "beta" 1.40E-0101 250E-01 2.50E 01 1.20E-01 1.00E-01 8.00E-02 6.00E-02 4.00E-02 2.00E-02 2.00E-01 sample alfa1 sample alfa2 1.50E-01 sample alfa3 sample alfa4 1.00E-01 01 sample alfa5 5.00E-02 sample beta1 sample beta2 sample beta3 sample beta4 sample beta5 0.00E+00 1 2 3 4 5 6 7 8 0.00E+00 1 2 3 4 5 6 7 8 Wavelet Entropy "gama" 1.20E-01 1.00E-01 8.00E-02 6.00E-02 4.00E-02 sample gama1 sample gama2 sample gama3 sample gama4 sample gama5 2.00E-02 0.00E+00 1 2 3 4 5 6 7 8