alhamdulilah

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



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



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



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



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



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



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



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



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



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.



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

Documents

alhamdulilah