bertahap pada tiap data ucapan dari kolom ke-1 hingga ke-50. Pengelompokan data ucapan pada basis data ditunjukkan pada tabel berikut:
Tabel 4.5 Pengelompokan Data Ucapan Berdasarkan Kolom
Kolom Keterangan
1-10 Maju
11-20 Mundur
21-30 Kiri
31-40 Kanan
41-50 Stop
Penulisan program perhitungan alg oritma similaritas diatas menggunakan “for
i=1:50”, sehingga program perhitungan akan terus diulangi dari data pada kolom ke-1 hingga data ke-50. Hasil perhitungan akan diurutkan dari kolom 1 hingga 50, dimana niali
tersebut merupakan hasil dari tiap kolom. Secara keseluruhan Hasil dari program tersebut yaitu 50 nilai data hasil perhitungan similaritas yang disusun dalam matriks 1 baris dan 50
kolom. Setelah mendapat nilai similaritas dari tiap kolom, maka data tersebut harus
dikelompokkan kembali berdasarkan kategori ucapannya sesuai pada Tabel 4.1. Pengelompokan disusun dalam 1 kolom, sehingga dalam 1 kolom berisi 1 kategori ucapan.
Data hasil perhitungan similaritas dikelompokkan dengan fungsi Matlab yaitu “reshape”.
Matriks diubah dalam bentuk 10 baris dan 5 kolom dimana tiap 1 kolom berisi 1 kelompok
ucapan seperti berikut
,
kemudian dicari nilai
terbesar dari tiap kolom sehingga hanya tersisa 1 nilai pada tiap kolom. Proses pencarian nilai terbesar tiap kolom dilakukan dengan bantuan fungsi
“max”. Fungsi tersebut akan mencari nilai terbesar dalam 1 kolomnya, sehingga hasilnya berubah menjadi matriks 1
baris dan 5 kolom. Nilai tiap kolom tersebut merupakan nilai similaritas terbesar dari keseluruhan basis data yangmewakili kategori ucapan. Pencarian hasil pengenalan ucapan
yang ditangkap dilakukan dengan mencari nilai yang terbesarnya. Pada kolom 1 sampai 5 secara beurutan memiliki kategori maju, mundur, kiri, kanan, dan stop. Fungsi
“findsimkos==maxsimkos” dipakai untuk menentukan kolom mana yang menjadi hasil pengenalan dengan melihat nilai similaritas terbesar.
Program penentuan aksi digunakan untuk menampilkan hasil pengenalan pada pengguna dan mengirimkan perintah aksi atau pergerakan pada robot mobil. Program
tersebut dituliskan sebagai berikut:
PENENTUAN AKSI
fsethandles.hasil, string
,hasil; switch
kategori case
1 kondisi MAJU
fprintfs, s
, 1
; case
2 kondisi Mundur
fprintfs, s
, 2
; case
3 kondisi KIRI
fprintfs, s
, 3
; case
4 kondisi KANAN
fprintfs, s
, 4
; case
5 kondisi STOP
fprintfs, s
, 5
; end
Fungsi “fset” pada program ini digunakan untuk memberi pengaturan dikolom hasil pengenalan pada GUI Matlab agar menampilkan hasil ucapan yang dikenali. Proses
pemilihan aksi robot mobil ditentukan menggunakan fungsi “switch-case” dengan melihat
hasil pada variabel “katagori”. Fungsi “fprintf” digunakan untuk melakukan perintah pengiriman data menggunakan Matlab.
4.2.4 Tombol selesai
Tombol ini digunakan saat pengguna ingin berhenti menjalankan aplikasi pada penelitian ini. Ketika tombol ini ditekan maka robot mobil akan mendapat perintah
berhentidan menghapus jalur komunikasi data, kemudian aplikasi pada GUI Matlab akan tertutup. Program pada tombol ini dituliskan sebagai berikut :
function selesai_CallbackhObject, eventdata, handles
global s
fprintfs, s
, 5
; fcloses;
deletes; clear
s ;
deletehandles.figure1;
Ketika tombol ini ditekan maka akan mengirimkan data karakter “5” yang berarti
perintah berhenti pada robot mobil. Proses selanjutnya menutup jalur komunikasi data dengan fungsi
“fcloses” dan menghapus jalur komunikasi data dengan “deletes”. variabel “s” merupakan variabel yang berisi data-data gerbang komunikasi data serial.
Fungsi “deletehandles.figure1” digunakan untuk menutup GUI Matlab pada aplikasi penelitian ini.
4.3 Pengujian Robot Mobil
Pengujian dilakukan untuk mengetahui kesesuaian dari kinerja robot mobil terhadap perancangan. Pengujian terhadap robot mobil terbagai dalam 2 bentuk yaitu
pengujian PWM motor dan pengujian komunikasi data dengan modul RC-Timer Radio Telemetry
915 Mhz.
4.3.1 Pengujian PWM
Pengaturan nilai PWM mempengaruhi kecepatan putar motor DC yang dikarenakan adanya perubahan tegangan, sehingga berdampak pada pergerakan roda robot mobil.
Pengaturan nilai PWM diatur oleh program melalui mikrokontroler. Pengaturan dilakukan dengan memberikan nilai pada register OCRA dan OCRB. Nilai yang diberikan pada
kedua register tersebut agar kondisi PWM penuh yaitu 255 0xFF.Pengujian ini akan menampilkan nilai tegangan pada motor dan siklus on-off terhadap tingkat perubahan
PWM. Tingkat PWM yang diujikan yaitu 100, 80, 75, 60, 50, 25 dan 0 dengan tegangan yang diberikan sebesar 7,4 volt. Hasil pengujian ditunjukkan pada Tabel
4.6. Tegangan yang diterima motor DC mengalami pengurangan karena pengaruh transistor pada IC L298. Tegangan yang seharusnya diterima motor DC berdasarkan nilai
PWM akan dikurangi terhadap tegangan Vce transistor pada IC L298. Motor tidak dapat berputar pada PWM dengan persentase 50 kebawah. Hal tersebut dikarenakan
tegangannya tidak kuat untuk mengangkat beban motor DC, sehingga tegangan pada motor menjadi turun cukup jauh. Terlihat pada PWM 60 tegangan pada motor DC kiri berkisar
1,089 V, sedangkan pada PWM 50 menjadi 112,5 mV. Tabel 4.6. Tabel Pengujian PWM
PWM T-ON
T-OFF Tegangan Motor
Tegangan Vce IC L298
Kondisi Motor Kiri
Kanan Kiri
Kanan Kiri
Kanan
100 21,6 µs
0 µs 5,78 V
5,8 V 1,563 V 1,52 V Hidup
Hidup 80
17,28 µs 4,32 µs 3,91 V
4,12 V 3,383 V 3,23 V Hidup
Hidup 75
16 µs 5,3 µs
3,38 V 3,4 V
4,11 V 4,037 V Hidup Hidup
60 12,96 µs 8,64 µs
1,089 V 1,062 V 6,279 V 6,312 V Hidup
Hidup 50
10,8 µs 10,8 µs 112,5 mV 106,8 mV 7,28 V
7,28 V Mati
Mati 25
5,3 µs 16 µs
37,4 mV 34,2 mV 7,822 V 7,559 V
Mati Mati
0 µs 21,6 µs 3,2 mV
3 mV 6,37 V
6,78 V Mati
Mati
4.3.2 Pengujian komunikasi data
Pengujian Komunikasi data dilakukan dengan mengirimkan data melalui perantara pemancar dan penerima pada modul RC-Timer Radio Telemetry 915Mhz. Data yang
diterima akan ditampilkan pada LED penampil arah pada robot mobil beserta pergerakannya. Data yang dikirim berupa karakter angka
“1” sampai “5”. Data yang diterima mikrokontroler berupa data ASCII dari angka-angka tersebut. Setiap angka
mewakili kondisi pergerakan robot sebagaimana yang dirancang pada Bab 3 yaitu angka “1” untuk maju, “2” untuk mundur, angka “3” untuk kiri, “4” untuk kanan, dan angka “5”
untuk stop. Hasil dari pengujian komunikasi data menggunakan rangkaian modul RC-Timer
Radio Telemetry 915Mhz telah sesuai dengan perancangan. Rangkaian modul tersebut
telah bekerja dengan baik terhadap laptop dan robot mobil saat melakukan pengiriman dan penerimaan data. Pemasangan rangkaian modul RC-Timer Radio Telemetry 915Mhz
terhadapa laptop dan robot mobil ditunjukkan pada Gambar 4.10
Gambar 4.10. Pemasangan Rangkaian Modul RC-Timer Radio Telemetry 915Mhz Data yang dikirim telah sesuai dengan data yang diterima beserta tampilan pada
LED penampil dan pergerakan robot mobil. Hasil pengujian komunikasi data ditunjukkan pada Tabel 4.7.
Tabel 4.7. Hasil Pengujian Komunikasi Data Serial
Data Dikirim Data
Diterima LED Hidup
Kondisi Robot Mobil
1 31h
LED Maju Maju
2 32h
LED Mundur Mundur
3 33h
LED Kiri Putar Kiri
4 34h
LED Kanan Putar Kanan
5 35h
LED Stop Berhenti
a. Pemasangan pada Laptop b. Pemasangan pada Robot Mobil
Pengujian jarak jangkauan dilakukan agar dapat mengetahui kemampuan pemancar dan penerima pada rangkaian modul RC-Timer Radio Telemetry 915Mhz. Pengujian jarak
jangkauan ini dilakukan pada ruang tertutup dengan jarak antara 1-10 meter. Hasil pengujian jarak tempuh komunikasi data menggunakan RC-Timer Radio Telemetry
915Mhz ditunjukkan pada Tabel 4.8. Tabel 4.8. Hasil Pengujian Jarak Tempuh RC-TimerRadioTelemetry 915Mhz
Jarak meter
Keterangan
1 Terdeteksi
2 Terdeteksi
3 Terdeteksi
4 Terdeteksi
5 Terdeteksi
6 Terdeteksi
7 Terdeteksi
8 Terdeteksi
9 Terdeteksi
10 Terdeteksi
4.4 Pengujian Pengenalan Ucapan Secara Tidak
Real Time
Pengujian pengenalan ucapan ini dilakukan agar dapat menentukan nilai-nilai variabel yang akan dipakai pada saat percobaan real time. Keseluruhan kombinasi dari
nilai-nilai variabel batas potong, nilai alfa, dan faktor downsampling akan dilakukan pada pengujian tersebut, sehingga terdapat 60 variasi pengujian pengenalan. Pengujian ini
menggunakan 100 data ucapan yang terdiri dari maju, mundur, kiri, kanan, dan stop dimana tiap ucapan berjumlah 20 data. Seratus data ucapan tersebut direkam dalam format
“.wav” dan disimpan didalam direktori folder yang sama dengan program pengujian ini. Data ucapan yang digunakan dalam pengujian ini ditunjukkan pada lampiran halaman L18.
Program pengujian pengenalan ucapan secara tidak real time ini dapat dilihat pada lampiran halaman L18.
Hasil persentase pengujian pengenalan ucapan secara tidak real time ditunjukan pada Tabel 4.9.
Tabel 4.9. Hasil Pengujian Data Pengenalaan Secara Tidak Real time
Batas Potong
Faktor Downsampling
Nilai Alfa 0,4
0,5 0,6
0,7 0,8
0,1 1
85 88
91 96
96
2
71 77
74 80
75
4
71 65
69 65
64
0,2 1
79 83
86 94
96
2
64 72
73 70
78
4
68 72
65 64
69
0,3 1
82 82
83 87
90
2
70 68
71 75
69
4
61 63
70 67
67
0,4 1
85 87
82 82
85
2
73 69
68 68
68
4
61 58
65 69
66 Tabel 4.9 menampilkan persentase keberhasilan dari 100 masukan data ucapan.
Hasil pengujian pada Tabel 4.9 menunjukkan bahwa terdapat 3 hasil persentase yang memiliki nilai tertinggi. Pengenalan terbaik tersebut terjadi pada kondisi faktor
downsampling 1, dimana memiliki batas potong 0,1 dengan nilai alfa 0,7 dan 0,8 serta
batas potong 0,2 dengan nilai alfa 0,8. Hasil pengenalan pada ketiga kondisi tersebut memiliki persentase keberhasilan 96. Ketiga kondisi nilai variasi tersebut akan
digunakan untuk pengujian data secara real time untuk membuktikan tingkat keberhasilan yang lebih baik.
Terlihat dari data-datahasil pengujian pada Tabel 4.9 tersebut bahwa nilai faktor downsampling
sangat berpengaruh pada hasil pengenalan. Semakin tinggi nilai faktor downsampling
maka rata-rata tingkat pengenalannya semakin rendah, sehingga terlihat pada saat faktor downsampling bernilai 1 mendapat rata-rata tingkat pengenalan yang
tinggi.
Gambar 4.11.Pengaruh Nilai Faktor Downsampling pada Batas Potong 0,1
Gambar 4.12.Pengaruh Nilai Faktor Downsamplingpada Batas Potong 0,2
Gambar 4.13.Pengaruh Nilai Faktor Downsamplingpada Batas Potong 0,3
