Pengujian Pengenalan Secara Tidak Real Time.

berjalan sesuai perancangan walaupun terdapat galat sebesar 7,5 persen. Berikut data hasil pengujian secara real time untuk user satu. Tabel 4.7 Data Hasil Pengujian Secara Real Time User Satu Ucapan Percobaan Ke - 1 2 3 4 5 6 7 8 9 10 Hidup Y Y Y Y Y Y Y Y Y Y Mati Y Y Y G Y Y G Y E Y Terang Y Y Y Y Y Y Y Y Y Y Gelap Y Y Y Y Y Y Y Y Y Y Keterangan tabel 4.7 : Y : Dikenali Dengan Benar G : Dikenali Sebagai Gelap E : Dikenali Sebagai Error Pengujian menggunakan user dua dan tiga dilakukan sama seperti pada percobaan menggunakan user satu. Pengujian dilakukan dengan memilih terlebih dahulu variasi pengenalan terbaik. Pengujian dilakukan dengan mengucapkan 10 kali tiap katanya. Berikut adalah data hasil pengujian secara real time menggunakan user dua dan tiga. Tabel 4.8 Data Hasil Pengujian Secara Real Time User Dua Ucapan Percobaan Ke - 1 2 3 4 5 6 7 8 9 10 Hidup Y Y Y Y Y Y Y Y Y Y Mati Y Y Y T Y Y Y Y Y Y Terang Y Y Y Y Y Y E Y Y Y Gelap Y Y Y Y Y Y Y Y Y Y Tabel 4.9 Data Hasil Pengujian Secara Real Time User Tiga Ucapan Percobaan Ke - 1 2 3 4 5 6 7 8 9 10 Hidup Y Y Y Y Y Y Y M Y E Mati Y Y Y Y Y Y Y Y Y Y Terang Y Y Y Y Y Y Y Y Y Y Gelap Y Y Y Y Y Y Y Y Y Y Keterangan tabel 4.8 dan 4.9 : Y : Dikenali Dengan Benar G : Dikenali Sebagai Gelap M: Dikenali Sebagai Mati T : Dikenali Sebagai Terang E : Dikenali Sebagai Error Pada pengujian untuk user dua dan tiga, tingkat pengenalan mencapai 95 persen. Walaupun terdapat galat sebesar 5 persen sistem dapat berjalan sesuai perancangan. Terdapat penurunan tingkat pengenalan antara pengenalan secara tidak real time dengan pengujian secara real time. ini diakibatkan karena pada saat melakukan percobaan terjadi kesalahan pengucapan pada saat mengucapkan ucapan yang akan dikenali. Pengujian pengucapan ucapan lain dilakukan dengan mengucapkan kata cepat, lambat, kanan dan kiri. Pengujian ini dilakukan untuk memastikan bahwa sistem yang dibuat akan mengenali sebagai error jika memberikan masukan selain kata hidup, mati terang dan gelap. Pengujian ini juga dilakukan untuk menguji thresholding yang telah dirancang pada program pengenalan ucapan. Pengujian dilakukan dengan mengucapkan kata cepat, lambat, kanan dan kiri sebanyak sepuluh kali. hal ini diharapkan dapat mewakili pengucapan kata lain yang tidak dapat dikenali. Berikut adalah data pengujian pengucapan kata lain. Tabel 4.10 Data Hasil Pengujian Pengucapan Kata Lain Ucapan Percobaan Ke - 1 2 3 4 5 6 7 8 9 10 Cepat E E E E E E E T E E Lambat E E E E E M E E E E Kanan E E E E E E E E E E Kiri E E E E E E E E E E Keterangan: E : dikenali sebagai error T : dikenali sebagai terang M : dikenali sebagai mati dari data di atas dapat dilihat bahwa tingkat keberhasilan thresholding mencapai 95 persen dan dapat diambil kesimpulan bahwa penggunaan thresholding bekerja sesuai dengan perancangan.

4.2.3. Pengujian Waktu Perekaman Terbaik

Pengujian waktu perekaman terbaik bertujuan untuk mengetahui seberapa mampu aplikasi mengenali pengucapan kata yang tidak sempurna. Pada program aplikasi pengenalan perekaman ucapan dilakukan selama 1 detik. Pengujian dilakukan sebanyak 5 kali untuk setiap kata. Percobaan pertama dilakukan dengan menekan tombol rekam dan tidak mengucapkan ucapan yang akan dikenali. Percobaan kedua dilakukan dengan cara mengucapkan ucapan lebih awal sebelum menekan tombol rekam. Percobaan ketiga sampai dengan kelima dilakukan dengan cara menekan tombol rekam dan kemudian mengucapkan ucapan setelah kurang lebih 0,5 detik. Berikut adalah data hasil pengujian waktu perekaman terbaik. Tabel 4.11 Tabel Data Hasil Pengujian Waktu Perekaman Terbaik Ucapan Pengujian Ke - 1 2 3 4 5 Hidup E E H E E Mati G M E G E Terang E E E E E Gelap E E E M E Keterangan: H : Dikenali Sebagai Hidup G : Dikenali Sebagai Gelap M: Dikenali Sebagai Mati E : Dikenali Sebagai Error Dari data di atas diketahui bahwa dari 20 kali percobaan sistem hanya bisa mengenali sebanyak 2 kali. Perekaman yang tidak sempurna sehingga data hasil rekaman tidak mengandung sinyal data ucapan. Hasil perekaman yang tidak sempurna tadi kemudian dibandingkan dengan database menggunakan korelasi pada program L20. Hasil perekaman yang tidak sempurna mengakibatkan hasil penghitungan korelasi pada program L20 tidak memenuhi permintaan kelas sehingga pada saat penentuan keluaran ucapan tidak dapat dikenali. Ketidakmampuan sistem mengenali ucapan yang tidak sempurna merupakan keterbatasan sistem yang dibuat oleh penulis. Hasil plot dari pengujian waktu perekaman terbaik dapat dilihat pada lampiran L48.

4.2.4. Gambar Fisik Hardware

Subsistem alat dibagi menjadi dua bagian, pertama bagian mekanik alat dan bagian subsistem elektronik.

4.2.5. Mekanik Lampu Belajar

Kotak lampu dibuat berbeda dari Gambar 3.15. Hal ini diakibatkan karena pada perancangan gambar 3.15 belum memperhitungkan besar dan susunan rangkaian lampu belajar. Selain itu tinggi lampu belajar juga mengalami perubahan desain karena keterbatasan bahan pembuatan lampu belajar. Gambar 4.12 memperlihatkan hasil perancangan lampu belajar. Gambar 4.12 Lampu Belajar Tampak Dari Depan Gambar 4.13 Lampu Belajar Tampak Dari Samping Gambar 4.14 Lampu Belajar Tampak Dari Belakang Keterangan gambar 4.13 : 1. Port Kabel Jalur Serial 2. Saklar AC 3. Port AC

4.2.6. Subsistem Elektronik

Subsistem elkonik terdiri atas rangkaian catu daya, minimum sistem mikrokontroler, driver L298 dan modul K-125R. Penulis menggunakan rangkaian minimum sistem yang didapatkan ketika penulis membeli modul K-125R. Rangkaian catu daya dan driver L298 dibuat seperti perancangan pada gambar 3.19 dan 3.21. Berikut secara berturut-turut gambar rangkaian minimum sistem, catu daya, driver L298 dan modul K-125R. Gambar 4.15 Subsistem Elektronik Keterangan Gambar 4.15 : 1. Rangkaian Minimum Sistem Mikrokontroler 2. Rangkaian Driver L298 3. Trafo CT 4. Rangkaian Catu Daya