Upload
luis-rivera
View
160
Download
2
Embed Size (px)
Citation preview
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 1/11
1. JUDUL
SISTEM PENGAMAN PINTU RUMAH MENGGUNAKAN PENGENALAN
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 suarayang berbeda – beda. Disini digunakan dua password dengan harapan mempunyai
1
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 2/11
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
2
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 3/11
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.
Deteksi Awal
dan Akhir
Frame
Blocking
Fast Fourier
TransformWindowingSuara Ekstraksi C iri
Pembelajaran PolaPerbandingan
Dengan Pola ModelLogic DecisionOutput
Pengolahan Suara
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
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 4/11
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
4
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 5/11
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 jarak-
jarak 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 clock. AVR mempunyai 32 register general-purpose, timer/counter
fleksibel dengan mode compare, interrupt internal dan eksternal, serial UART,
programmable Watchdog Timer, dan mode power saving, ADC dan PWM
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 versuskecepatan proses. Mikrokontroller menggunakan ATMega 16 untuk menjalankan
5
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 6/11
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 ProgramUntuk 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.
6
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 7/11
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.
Gambar 2 Flowchart sistem
7
TART
PengolahanSuara
PengenalanSuara
Kode verifikasi
a
Data basesuara
oler
Driver motor
erak
End
Y
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 8/11
Gambar 3. Blok diagram sistem
7.2.1 Program Pengenalan Suara
Program pengenalan suara ditunjukkan oleh flowchart pada gambar 4 dibawah ini.
Mulai
Membaca data suara
Perekaman Suara dalam
format *.wav
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
MIC ADC DRIVERMIKROKONTROLER
ATMEGA 16MOTOR DC
CATU DAYA
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 9/11
Mulai
Baca data file *.wav
Panjang Frame
Orde LPC = 20
Hamming window
Menghitung Koefisien LPC
Menyimpan Koefisisen LPC
Menyimpan Koefisien Cepstral
Menghitung 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.
9
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 10/11
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
10
No Kegiatan
Bulan ke
1 2 3 4 5
1.Studi Pustaka dan pengamatan lapangan
serta penentuan parameter penelitian
2. Penentuan alat & bahan.
3.Pembuatanhardware & Pengenalan suara
4. Pengujian dan kalibrasi.
5.Pembuatan Laporan.
5/14/2018 alhamdulilah - slidepdf.com
http://slidepdf.com/reader/full/alhamdulilah 11/11
11. Rencana Pembiayaan
No Deskripsi JumlahBiaya
(satuan) Total
A.
B.
C.
D.
PENGELUARAN
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
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. 40.000,-
Rp. 25.000,-
Rp. 20.000,-
Rp. 3.000,-
Rp. 50.000,-
Rp. 50.000,-
Rp. 150.000-
Rp. 100.000-
Rp. 200.000-
Rp. 50.000,-
Rp. 50.000,-
Rp. 50.000,-
Rp. 40.000,-
Rp. 100.000,-
Rp. 100.000,-
Rp. 15.000,-
Rp. 50.000,-
Rp. 50.000,-
Jumlah Pengeluaran 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 Tinggi dengan
Metode Hidden Markov Model (HMM) melalui Ekstraksi Ciri Linear Predictive
Coding(LPC)”, Universitas Diponegoro, Semarang, 2005.
11