Ya Tidak
MULAI
SELESAI Buka gerbang serial
Masukan penentuan keluaran
Tutup gerbang serial Hidup
Lambat Cepat
Mati
Keluaran kirim kode ‘H’
Keluaran kirim kode
‘M’ Keluaran
kirim kode ‘C’ Keluaran
kirim kode ‘L’ Tidak
Tidak Tidak
Ya Ya
Ya
Gambar 3.12. Diagram alir pengiriman serial
Ucapan Perekaman
Normalisasi
Zero Padding Ekstraksi ciri
Hasil ekstraksi ciri Pemotongan Sinyal
Windowing
3.1 Perancangan Referensi Ucapan
Pada perancangan ini ucapan hidup, lambat, cepat dan mati digunakan sebagai referensi. Terdapat 12 set sampel yang berasal dari kombinasi variasi batas potong 0,2 ;
0,3 ; 0,4 ; 0,5 , Segment averaging 8, 16, 32, 64, 128, 256 , dan KNN 1, 3, 5, 7. Setiap sampel akan melalui proses sampling, windowing, zerro padding DCT dan
KNN. Diagram blok proses diperlihatkan pada gambar 3.13.
Gambar 3.13. Diagram blok proses pengambilan referensi ucapan
3.2 Perancangan Ucapan Uji
Pembuatan ucapan uji untuk menentukan batas potong dan segment averaging, dan KNN yang optimal. Ucapan uji ada 40 4 kata X 10 ucapan dengan tiga user sehingga
total ucapan uji adalah 120 40 kata X 3 user.
3.3 Perancangan Tampilan GUI Matlab
Pada perancangan ini menggunakan GUI matlab sebagai tampilan. Tampilan GUI ini untuk mempermudah menggunakan alat yang dibuat. Program tampilan GUI matlab ini
menampilkan plot hasil perekaman, plot hasil pre-processing, plot hasil ekstraksi ciri DCT dan teks ucapan yang dikenali. Program ini memberikan variabel batas potong, Segment
averaging dan KNN yang dapat dimasukkan oleh user. Gambar 3.14 memperlihatkan
tampilan GUI matlab.
Gambar 3.14. Tampilan GUI Matlab pengenalan ucapan untuk pengaturan kipas AC
Tabel 3.3. Keterangan tampilan utama GUI Matlab Nama Bagian
Keterangan Tombol rekam
Tombol ini digunakan untuk mengambil data ucapan yang ingin direkam oleh user
Tombol reset Tombol ini digunakan untuk reset atau
mengambil ulang data ucapan user Tombol keluar
Tombol ini digunakan untuk keluar dari tampilan GUI
Variabel batas potong Digunakan untuk memilih nilai batas potong
dalam proses pengenalan ucapan yaitu 0.2, 0.3, 0.4 dan 0.5
KNN Digunakan untuk menentukan nilai keluaran
pada proses pengenalan. Nilai KNN yang digunakan yaitu 1, 3, 5 dan 7
User Digunakan untuk memilih masing-masing
user 3 user