Aplikasi Perintah Suara Dengan Metode Fast Fourier Tansform Dan Dividen And Conquer Pada Simulasi Rumah Pintar

SKRIPSI

Diajukan untuk Menempuh Ujian Akhir Sarjana Program Strata Satu Jurusan Teknik Informatika

Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia

KHRISNA NUGRAHA

10107276

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

2011

i

APLIKASI PERINTAH SUARA DENGAN METODE

FAST

FOURIER TRANSFORM

DAN

DIVIDE AND CONQUER

PADA SIMULASI RUMAH PINTAR

Oleh

Khrisna Nugraha

10107276

Pengaktifan suatu peralatan elektronik yang berada di dalam rumah biasanya perlu menekan suatu tombol atau saklar. Hal ini kadang membutuhkan penggunaan waktu yang tidak efisien, terutama bagi yang memiliki keterbatasan fisik.

Mengontrol peralatan elektronik seperti yang ada dirumah ternyata dapat dilakukan dengan hanya menggunakan perintah suara, dan dapat diimplementasikan dengan teknik speech recognition pada konsep rumah pintar. Metode yang digunakan dalam penelitian ini adalah pencocokan pola suara menggunakan algoritma Fast Fourier Transform dan Divide and Conquer. Metode ini membantu saat pengolahan dan pencocokan pola suara agar lebih cepat dan mengurangi kompleksitas waktu.

Pengujian untuk sampel masing-masing kata diucapkan oleh tiga orang pria dan dua orang wanita, sebanyak empat kali tiap kata sehingga jumlah keseluruhan dari sampel data dalam penelitian ini sebanyak 80 sampel data. Hasil pengujian menunjukkan pengenalan kata dengan rata-rata keakuratan perorang adalah 48,75% dan rata-rata keakuratan perkata adalah 48%.

Kata kunci : perintah suara, Fast Fourier Transform, Divide and Conquer,rumah pintar, dan elektronik.

ii

FAST FOURIER TRANSFORM AND DIVIDE AND CONQUER

METHODS IN THE SMART HOME SIMULATION

by

Khrisna Nugraha

10107276

Generally, an activation of dwelling electronic instrument is pushing the button or switch. Sometimes, the situation is inefficiency in time, especially to the individual with physical disorder.

In fact, the dwelling electronic instrument control could be done by using of voice command only that implememnted by speech recognition in the smart home concept. A method used in research is speech recognition with algorithm of Fast Fourier Transform and Divide And Conquer. It is sustain to process and speech recognition for accurately and wasting of time.

The sampling test is arranged by three mans and woman says the words in four times and result in 80 data sample in this research. The result shows that speech recognition level from every single person is 48,75% in accuracy and the word accuracy is 48%.

Keyword: voice command, Fast Fourier Transform, Divide and Conquer, smart home and electronic.

iii Assalamualaikum Wr.Wb.

Alhamdulillahi Rabbil’alamin, puji syukur penulis panjatkan kepada Allah SWT yang telah memberikan taufik dan hidayah-Nya kepada penulis sehingga penulis dapat menyelesaikan skripsi ini dengan judul Aplikasi Perintah Suara Dengan Metode Fast Fourier Transform danDivide And Conquer Pada Simulasi Rumah Pintar.

Banyak sekali kesulitan dan hambatan yang penulis hadapi dalam penyusunan skripsi ini, akan tetapi berkat bantuan, bimbingan dan dorongan dari banyak pihak, akhirnya skripsi ini dapat penulis selesaikan sebagaimana mestinya. Untuk itu penulis mengucapkan terima kasih dan penghargaan yang setinggi-tingginya kepada banyak pihak yang telah memberikan bantuan baik pikiran maupun tenaga, waktu, sehingga skripsi ini dapat diselesaikan. Dalam kesempatan ini penulis mengucapkan banyak terima kasih kepada :

1. Allah SWT yang telah memberikan anugerah kekuatan, keselamatan dan kesehatan serta bimbingan-Nya sehingga penulis bisa menyelesaikan skripsi ini.

2. Kedua orang tua tersayang dan tercinta, ibu yang selalu memberikan semangat serta doa yang tiada henti-hentinya, almarhum bapak yang memberikan motivasi besar kepada saya buntuk menyelesaikan skripsi ini, semua

iv

banyak ilmu, arahan dan masukkan selama massa perkuliahan berlangsung serta memberikan pelayanan yang terbaik bagi saya selaku mahasiswa.

4. Bapak Irawan Afrianto, S.T., M.T. selaku dosen wali kelas IF-7 dan selaku dosen pembimbing skripsi yang dengan segala kesabaran hatinya membimbing penulis dalam menulis skripsi ini.

5. Bapak Adam Mukharil Bachtiar, S.Kom. dan Ibu Nelly Indriani W,S.Si. selaku penguji sidang yang telah banyak memberikan arahan yang sangat bermanfaat untuk skripsi saya ini.

6. Eka Julia Purnama Sari yang telah sabar membantu dalam pembuatan perangkat keras, serta teman-teman yang membantu dalam penyusunan skripsi saya ini.

7. Isna Nurfaidah, yang secara tidak langsung telah memberikan semangat baru untuk tetap terus mengerjakan skripsi ini hingga akhir.

Akhir kata, penulis mohon maaf yang sebesar-besarnya atas keterbatasan dan kekurangan ini. Namun demikian penulis tetap berharap semoga skripsi ini dapat bermanfaat. Wassalamualaikum Wr. Wb.

Bandung, Agustus 2011

1 I.1. Latar Belakang Masalah

Proses pengenalan kata merupakan salah satu fungsi dari voice recognition. Voice recognition dibagi menjadi dua jenis, yaituspeech recognition dan speaker recognition. Berbeda dengan speaker recognition yang merupakan pengenalan identitas yang diklaim oleh seseorang dari suaranya (ciri khusus dapat berupa intonasi suara, tingkat kedalaman suara, dan sebagainya), speech recognition adalah proses yang dilakukan komputer untuk mengenali kata yang diucapkan oleh seseorang tanpa mempedulikan identitas orang terkait.

Ada beberapa metode yang bisa digunakan dalam pemrosesan sinyal suara dan pencocokan pola suara. Metode untuk pemrosesan sinyal suara antara lain Mel Frequency Cepstrum Coefisien (MFCC), Transformasi Wavelet, dan Linear Predictive Coding (LPC). Untuk metode untuk pencocokan pola suara antara lain Jaringan Saraf Tiruan (JST), Neuro-Fuzzy, Vector Quantization (VQ), Hidden Markov Model (HMM),Fast Fourier Transfrom (FFT) dan Divide and Conquer (D&C).

Metode yang akan dibahas dalam penelitian ini adalah pencocokan pola suara menggunakan algoritma Fast Fourier Transform danDivide and Conquer. Algoritma Fast Fourier Transform merupakan metode untuk mentransformasi sinyal suara menjadi sinyal frekuensi. Artinya proses perekaman suara disimpan dalam bentuk digital berupa gelombang spektrum suara berbasis frekuensi,

dimana sinyal yang sebelumnya berada dalam domain waktu akan dirubah dalam domain frekuensi. Divide and Conquer merupakan algoritma yang berprinsip memecah-mecah permasalahan yang terlalu besar menjadi beberapa bagian kecil sehingga mudah untuk diselesaikan. Alasan algoritma Divide and Conquer ini digunakan adalah untuk mengetahui hasil pencocokan suara dengan metode Divide and Conquer dan untuk mengoptimalkan waktu pencocokan/pencarian sehingga kompleksitas berkurang. Dengan proses awal mengkonversi data suara ke dalam bentuk bentuk diskrit (sampling), dari bentuk diskrit inilah diambil fiturnya denganfeature extractionkemudian pencocokan data suara menggunakan metodeDivide and Conquer.

Pengenalan kata ini dapat diimplementasikan ke dalam berbagai masalah kehidupan manusia, contohnya adalah sebagai pengontrol suatu sistem seperti peralatan elektronik pada konsep rumah pintar yang tentunya membuat efisiensi penggunaan waktu juga menawarkan kemudahan kepada pengguna, apalagi bagi yang mempunyai keterbatasan fisik.

Berdasarkan uraian permasalahan tersebut maka diperlukan pembangunan aplikasi pengenalan kata dari sebuah perintah suara yang diucapkan dan dapat dikenali oleh suatu mesin serta diterapkan pada kebutuhan kehidupan manusia, dari keinginan itulah maka pada penelitian skripsi ini mengambil judul Aplikasi Perintah Suara Dengan Metode Fast Fourier Transform dan Divide and Conquer Pada Simulasi Rumah Pintar.

I.2. Identifikasi Masalah

Berdasarkan latar belakang masalah yang telah diuraikan diatas, maka rumusan masalah dari penelitian ini adalah bagaimana cara membangun aplikasi perintah suara dari pengenalan kata yang diucapkan yang kemudian dirinci sebagai berikut :

1. Bagaimana membangun aplikasi perintah suara yang dapat menangkap sinyal suara dan kata yang diucapkan, diolah menggunakan Fast Fourier Transformlalu dicocokan pola suaranya menggunakan metode Divide and Conquer.

2. Bagaimana membuat sistem yang dapat mengenali kata yang diucapkan dan dikenali oleh suatu mesin sehingga menghasilkan keluaran yang sesuai dengan apa yang diucapkan.

3. Bagaimana cara agar aplikasi perintah suara ini dapat disimulasikan pada konsep rumah pintar.

I.3. Maksud dan Tujuan I.3.1. Maksud

Maksud dari penulisan skripsi ini adalah untuk membangun aplikasi perintah suara dari kata yang diucapkan dan diterapkan untuk kebutuhan kehidupan manusia.

I.3.2. Tujuan

Adapun tujuan dari penulisan skripsi ini, yaitu :

1. Menerapkan metodeFast Fourier Transform sebagai pengolah sinyal suara pada aplikasi pengenalan kata.

2. Menerapkan dan mengetahui hasil pencocokan pola suara dengan metode Divide and Conquer sebagai pencocokan pola suara pada aplikasi pengenalan kata.

3. Membuat aplikasi serta simulasi untuk menganalisis dan mengenali pola suara yang dapat menangkap suara ke dalam komputer pada setiap kata yang diucapkan.

4. Menguji kemampuan pengenalan kata pada aplikasi yang telah dibuat. 5. Mengimplementasikan aplikasi pada konsep rumah pintar untuk

mengaktifkan peralatan elektronik dengan perintah suara.

I.4. Batasan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya, maka dibuat batasan masalah agar ruang lingkup penelitian skripsi ini jelas batasannya. Adapun batasan masalah yang dibuat adalah sebagai berikut:

1. Metode pemrosesan sinyal yang digunakan adalah Fast Fourier Transform (FFT) untuk mentransformasi sinyal suara menjadi sinyal frekuensi. FFT ini digunakan saat proses pengolahan sinyal suara.

2. Algoritma Divide and Conquer diimplementasikan pada saat pencocokan data suara baru dengan data suara yang ada padatemplate.

3. Ada 4 (empat) kata yang akan diteliti, dikenali dan menjaditemplate dalam perintah suara ini, yaitu : garasi buka, garasi tutup, lampu on, dan lampu off. 4. Setiap pengucapan untuk template diucapkan dengan durasi inputan suara

5. Perintah suara untuktemplate pada saat pengujian dilakukan sebanyak 4 kali tiap kata, dan jumlah pembicara sebanyak 5 orang, yang terdiri dari 3 orang laki-laki dan 2 orang perempuan.

6. Pembicara untuk pengujian aplikasi ini adalah antara usia 15 s/d 40 tahun. 7. Pengguna aplikasi harus dapat menggunakansoftware Matlab.

8. Output yang dihasilkan adalah kata yang dikenali atau tidak dikenali dan pada simulasi adalah aktifnya peralatanprototype rumah pintar.

9. Simulasi pada prototype rumah pintar dibatasi hanya untuk mengontrol peralatan seperti pintu garasi automatis dan lampu.

10. Metode analisis perangkat lunak menggunakan metode analisis terstruktur. 11. Perangkat keras yang dibutuhkan untuk membangun aplikasi antara lain :

soundcard, microphone, processor/computer, dan software pendukung untuk membuat aplikasinya yaitu Matlab R2009a.

I.5. Metodologi Penelitian

Metodologi yang digunakan dalam penulisan laporan tugas akhir ini adalah sebagai berikut :

1. Tahap pengumpulan data

Metode pengumpulan data yang digunakan dalam penelitian ini yaitu : a. Observasi

Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil

b. Studi Literatur

Pengumpulan data dengan cara mengumpulkan literatur, jurnal, dan bacaan-bacaan yang berkaitan dengan penelitan yang sedang dilakukan.

2. Tahap pembuatan perangkat lunak

Teknik analisa data dalam pembuatan perangkat lunak menggunakan paradigma perangkat lunak secara waterfall, yang digambarkan pada gambar I.1.

Gambar I.1. Skema Waterfall (Analisis dan Desain Informasi)

Pembangunan perangkat lunak meliputi beberapa proses yaitu :

a. Perencanaan sistem : tahap ini merupakan kegiatan pengumpulan data sebagai pendukung pembangunan sistem serta menentukan kearah mana aplikasi ini akan dibangun.

b. Analisis sistem : mengumpulkan kebutuhan secara lengkap kemudian dianalisis dan didefinisikan kebutuhan yang harus dipenuhi oleh aplikasi

yang akan dibangun. Tahap ini harus dikerjakan secara lengkap untuk bisa menghasilkan desain yang lengkap.

c. Perancangan sistem : perancangan antar muka dari hasil analisis kebutuhan yang telah selesai dikumpulkan secara lengkap.

d. Pengkodean sistem : hasil perancangan sistem diterjemahkan kedalam kode-kode dengan menggunakan bahasa pemrograman yang sudah ditentukan. Aplikasi yang dibangun langsung diuji baik secara unit.

e. Pengujian sistem : penyatuan unit-unit program kemudian diuji secara keseluruhan.

f. Pemeliharaan sistem : mengoperasikan aplikasi dilingkungannya dan melakukan pemeliharaan, seperti penyesuaian atau perubahan karena adaptasi dengan situasi yang sebenarnya.

g. Umpan balik : merupakan respon dari pengguna sistem yang bisa digunakan untuk mengetahui sejauh mana aplikasi yang dibangun diterima oleh penggunanya.

I.6. Sistematika Penulisan

Sistematika penulisannya disusun sebagai berikut : BAB I Pendahuluan

Bab ini berisi latar belakang, perumusan masalah, maksud dan tujuan, batasan masalah, metodologi penelitian, sistematika penulisan dari skripsi yang akan dibuat..

BAB II Landasan Teori

Bab ini membahas tentang teori-teori yang mendasari tugas akhir ini, meliputi pengenalan suara, pengolahan sinyal suara, metode pencocokan pola suara, analisis terstruktur, komunikasi data, pengenalan mikrokontroler dan pengenalan program yang digunakan.

BAB III Analisis dan Perancangan Sistem

Bab ini berisi analisis kebutuhan dalam membangun sistem ini, analisis sistem yang sedang berjalan sesuai metode analisis terstruktur dalam pembangunan perangkat lunak yang digunakan. Didalamnya terdapat analisis pengolahan sinyal suara, analisis ciri fitur suara dan analisis pengenalan kata. Selain itu terdapat juga kebutuhan fungsional dannon-fungsional dari sistem, perancangan antarmuka untuk aplikasi yang akan dibangun sesuai dengan hasil analisis yang telah dibuat.

Bab IV Implementasi dan Pengujian Sistem

Bab ini berisi tentang implementasi dari hasil analisis dan perancangan yang telah dibuat kepada suatu aplikasi perintah suara, disertai juga dengan hasil pengujian alpha dari aplikasi yang dibangun, sehigga diketahui apakah sistem yang dibangun telah memenuhi syarat dan keakuratan dari pengenalannya.

BAB V Kesimpulan dan Saran

Bab ini berisi kesimpulan berdasarkan data hasil analisa yang diperoleh dari pengujian aplikasi serta saran untuk pengembangan sistem lebih lanjut.

9 II.1. Pengenalan Suara Pada Manusia

Pada sistem pengenalan suara oleh manusia terdapat tiga organ penting yang saling berhubungan yaitu : telinga yang berperan sebagai transduser dengan menerima sinyal masukan suara dan mengubahnya menjadi sinyal syaraf, jaringan syaraf yang berfungsi mentransmisikan sinyal ke otak, dan otak yang akan mengklasifikasi dan mengidentifikasi informasi yang terkandung dalam sinyal masukan.

II.1.1. Proses Produksi Suara

Proses produksi suara pada manusia dapat dibagi menjadi tiga buah proses fisiologis, yaitu : pembentukan aliran udara dari paru-paru, perubahan aliran udara dari paru-paru menjadi suara, baikvoiced, maupununvoiced yang dikenal dengan istilah phonation, dan artikulasi yaitu proses modulasi atau pengaturan suara menjadi bunyi yang spesifik.

Organ tubuh yang terlibat pada proses produksi suara adalah : paru-paru, tenggorokan (trachea), laring (larynx), faring (pharynx), pita suara (vocal cord), rongga mulut (oral cavity), rongga hidung (nasal cavity), lidah (tongue), dan bibir (lips), seperti dapat dilihat pada gambar berikut ini.

Gambar II.1. Organ Sistem Suara Pada Manusia

Organ tubuh ini dapat dikelompokkan menjadi tiga bagian utama, yaitu : vocal tract (berawal di awal bukaan pita suara atau glottis, dan berakhir di bibir), nasal tract (dari velum sampai nostril), dansource generator (terdiri dari paru-paru, tenggorokan, dan larynx). Ukuran vocal tract bervariasi untuk setiap individu, namun untuk laki-laki dewasa rata-rata panjangnya sekitar 17 cm. Luas darivocal tract juga bervariasi antara 0 (ketika seluruhnya tertutup) hingga sekitar 20 cm2. Ketika velum, organ yang memiliki fungsi sebagai pintu penghubung antara vocal tract dengan nasal tract, terbuka, maka secara akustik nasal tract akan bergandengan denganvocal tract untuk menghasilkan suaranasal.

Aliran udara yang dihasilkan dorongan otot paru-paru bersifat konstan. Ketika pita suara dalam keadaan berkontraksi, aliran udara yang lewat membuatnya bergetar. Aliran udara tersebut dipotong-potong oleh gerakan pita

suara menjadi sinyal pulsa yang bersifat quasi-periodik. Sinyal pulsa tersebut kemudian mengalami modulasi frekuensi ketika melewatipharynx, rongga mulut ataupun pada rongga hidung. Sinyal suara yang dihasilkan pada proses ini dinamakan sinyal voiced. Namun, apabila pita suara dalam keadaan relaksasi, maka aliran udara akan berusaha melewati celah sempit pada permulaan vocal tract sehingga alirannya menjadi turbulen, proses ini akan menghasilkan sinyal unvoiced. Ketika sumber suara melalui vocal tract, kandungan frekuensinya mengalami modulasi sehingga terjadi resonansi pada vocal tract yang disebut formants. Apabila sinyal suara yang dihasilkan adalah sinyal voiced, terutama vokal, maka pada selang waktu yang singkat bentuk vocal tract relative konstan (berubah secara lambat) sehingga bentuk vocal tract dapat diperkirakan dari bentuk spektral sinyalvoiced.

Aliran udara yang melewati pita suara dapat dibedakan menjadi phonation, bisikan, frication, kompresi, vibrasi ataupun kombinasi diantaranya. Phonated excitation terjadi bila aliran udara dimodulasi oleh pita suara. Whispered excitation dihasilkan oleh aliran udara yang bergerak cepat masuk ke dalam lorong bukaan segitiga kecil antara arytenoids cartilage di belakang pita suara yang hampir tertutup. Frication excitationdihasilkan oleh desakan divocal tract. Compression excitation dihasilkan akibat pelepasan udara melalui vocal tract yang tertutup dengan tekanan tinggi. Vibration excitation disebabkan oleh udara yang dipaksa memasuki rusang selain pita suara, khususnya lidah. Suara yang dihasilkan oleh phonated excitation disebut voiced. Suara yang dihasilkan oleh phonated excitation ditambah frication disebut mixed voiced, sedangkan

yang dihasilkan oleh selain itu disebutunvoiced. Karakteristik suara tiap individu bersifat unik karena terdapat perbedaan dalam hal panjang maupun bentukvocal tract.

II.1.2. Karakteristik Telinga

Telinga terbagi menjadi tiga bagian, yaitu bagian luar, tengah, dan dalam. Pinna, sebagai bagian luar telinga, berfungsi sebagai corong, untuk mengumpulkan sinyal suara menuju auditory canal sehingga dapat memberikan kesan arah sinyal suara yang diterima.

Auditory canal adalah struktur berbentuk pipa lurus sepanjang 2,7 cm, dengan diameter sekitar 0,7 cm, yang pada bagian ujungnya terdapat selaput membrane, yaitu gendang telinga. Membran ini merupakan pintu masuk telinga bagian tengah, yaitu ruangan berisi udara dengan volume sebesar 2 cm3, yang terdiri dari tiga buah tulang, yaitu malleus (martil), incus (landasan), danstapes (sanggurdi). Bagian ini terhubung dengan tenggorokan melalui Eustachian tube. Getaran pada gendang telinga ditransmisikan ke malleus melalui incus, dan stapes, yaitu membentukoval window.

Telinga bagian dalam (labyrinth) memiliki tiga bagian, yaitu vestibule (ruang pintu masuk), semicular canal, dan cochlea. Vestibule terhubung dengan telinga bagian tengah melalui dua jalur, yaitu oval window, dan round window. Keduanya tertutup untuk mencegah keluarnya cairan yang mengisi telinga telinga bagian dalam. Padacochlea, yang berstruktur seperti rumah siput, terdapat syaraf pendengaran. Syaraf ini memanjang sampai ke basilar membrane. Pada bagian

atas basilar membrane terdapat organ of corty yang memiliki empat baris sel rambut (sekitar 3 x 104 sel seluruhnya).

II.1.3. Proses Pendengaran

Proses pendengaran pada telinga manusia dijelaskan sebagai berikut : 1) Sinyal suara memasuki saluran telinga dan variasi tekanan yang

dihasilkannya menekan gendang telinga. Karena sisi bagian dalam dari gendang telinga mempunyai tekanan yang nilainya dijaga konstan maka gendang telinga akan bergetar.

2) Getaran dari gendang telinga disalurkan pada tiga rangkaian tulang yaitu; martil, incus dan stapes. Mekanisme ini dirancang untuk mengkopel variasi suara dari udara luar ke telinga bagian dalam. Karena luas permukaan penampang yang ditekan stapes lebih kecil dari luas penampang gendang telinga maka tekanan suara yang sampai ke telinga bagaian dalam bertambah besar.

3) Cairan padacochlea bergetar dengan frekuensi yang sama dengan gelombang yang datang. Basilar membrane kemudian memisahkan sinyal berdasarkan frekuensinya. Basilar membrane berstruktur kuat dan panjang di daerah sekitar oval window namun bersifat lentur pada bagian ujungnya. Frekuensi resonansi yang dihasilkan membran tersebut berbeda sepanjang dimensi basilar membrane. Dimana resonansi frekuensi tinggi terjadi pada bagian bagianbasilar membrane yang berada dekat denganoval window, sedangkan resonansi frekuensi rendah terjadi pada daerah ujung lainnya. Syaraf yang berada pada membran kemudian mendeteksi posisi terjadinya resonansi yang

juga akan menentukan frekuensi suara yang datang. Ukuran dari basilar membrane rata-rata sekitar 35 mm. Dari ukuran panjang tersebut dapat dihasilkan 10 resolusi frekuensi, sehingga pada setiap 3.5 mm panjang membran terdapat 1 oktaf frekuensi resonansi.

II.2. Proses Pengenalan Suara Secara Umum

Secara umum, model untuk proses pengenalan suara diperlihatkan pada gambar II.2 :

Gambar II.2. Diagram Blok Sistem Pengenalan Suara Secara Umum

Prinsip kerja dari sistem ini diawali ketika sinyal suara berupa ucapan diberikan oleh pengguna (user) untuk memerintahkan suatu tugas tertentu, kemudian sinyal suara ini akan dikodekan dalam serangkaian kode-kode informasi yang disusun berdasarkan suatu acuan yang sudah ditentukan. Acuan tersebut disebut dengantemplate.

Makna kata dapat dikenali dengan bantuan representasi pengetahuan dinamis (dynamic knowledge representation) yang akan melakukan modifikasi pada sintaks, semantik dan pragmatic yang mengacu pada konteks yang telah

dikenali sebelumnya. Dengan cara ini, hal-hal yang mengganggu dapat dihilangkan sehingga mengurangi resiko kesalahpahaman. Umpan balik dari bagian prosessor tingkat tinggi (high level processing) mengurangi kompleksitas model pengenalan dengan membatasi pelacakan untuk ucapan atau kalimat yang dapat diterima (valid) dari pengguna.

Sistem pengenalan suara akan memberikan respon terhadap pengguna dalam bentuk keluaran (output) yang berbeda-beda, baik berupa suara maupun melakukan tindakan lain. Dalam skripsi ini, keluaran yang diinginkan berupa tindakan mengaktifkan peralatan elektronik pada konsep rumah pintar seperti telah dijelaskan sebelumnya.

II.3. Pendekatan Sistem Pengenalan Suara Otomatis (Automatic Speech Recognition)

Secara umum pendekatan terhadap sistem pengenalan suara ada 3 macam yaitu :

1) Pendekatanartificial intelegence, 2) Pendekatanaccoustic-phonetic, 3) Pendekatanpattern recognition,

II.3.1. Pendekatan Kecerdasan Buatan (Artificial Intelligence Approach) Ide dasar dari pendekatan ini adalah mengkompilasi dan menggabungkan pengetahuan dari berbagai sumber pengetahuan dan menggunakannya untuk mengatasi masalah yang dihadapi. Sumber-sumber pengetahuan yang digunakan pada pendekatan kecerdasan buatan dalam sistem pengenalan ucapan antara lain adalah sebagai berikut :

1) Pengetahuan akustik (Accoustic Knowledge)

Pengetahuan akustik merupakan keterangan mengenai sinyal dari bunyi yang di ucapkan dalam basis pengukuran spektral dan untuk mengetahui ada atau tidaknya sifat-sifat akustik.

2) Pengetahuan leksikal (Lexical Knowledge)

Pengetahuan leksikal merupakan keterangan mengenai kombinasi sinyal-sinyal akustik yang menyatakan suatu kata yang dispesifikasikan berdasarkan leksikon yang memetakan suara dalam kata-kata (memecah kata dalam bunyi-bunyi ucapan).

3) Pengetahuan sintaksis (Syntactic Knowledge)

Pengetahuan sintaksis merupakan keterangan mengenai kombinasi kata-kata yang membentuk suatu kalimat atau frasa secara gramatikal.

II.3.2. Pendekatan Akustik-Fonetik (Accoustic-Phonetic Approach)

Pendekatan akustik-fonetik berdasarkan pada teori akustik-fonetik dimana teori tersebut mengatakan bahwa terdapat unit fonetik yang terbatas dan khusus pada bahasa yang dipakai untuk berbicara dan unit tersebut mempunyai karakteristik umum yang ditunjukkan oleh sekumpulan properties yang terdapat pada sinyal suara seperti spektrum. Pendekatan ini memliki beberapa tahapan.

Tahapan-tahapan tersebut antara lain adalah menganalisa ucapan, mendeteksi sifat-sifat ucapan, melakukan segmentasi dan labelling (yang merupakan bagian utama dalam sistem pengenalan ucapan akustik fonetik dan akhirnya ucapan tersebut dikenali dengan mencari sifat-sifat yang cocok dari kosakata yang ada.

II.3.3. Pendekatan Pengenalan Pola (Pattern Recognition Approach) Pendekatan pengenalan pola ini dapat diperlihatkan oleh gambar II.3 :

Gambar II.3. Diagram Blok Sistem Pengenalan Suara Secara Umum

Proses pengenalan ucapan dengan pendekatan ini memiliki berapa langkah yaitu :

1) Pengukuran parameter, yang dapat dilakukan dengan menggunakan berbagai metode seperti analisis filter bank, pengkodean terprediksi linear (linear predictive coding), dan transformasi fourier diskrit (discrete fourier transform).

2) Pembandingan pola, yang dilakukan dengan mengukur perbedaan antara parameter pola yang diuji (test pattern) dengan pola referensi (reference pattern).

3) Pengambilan keputusan, didasarkan pada hasil perbandingan antara pola yang diuji dengan pola referensi.

Dalam metode ini ucapan yang ingin dikenali sebelumnya harus sudah ada dalam kumpulan data pola referensi yang dikumpulkan melalui proses latihan sebelumnya.

II.3.4. Sinyal Suara Ucapan

Sinyal suara ucapan manusia dapat dipandang sebagai sinyal yang berubah lambat terhadap waktu (slowly time varying signal), jika diamati pada selang waktu yang singkat yaitu 5-100 ms. Pada selang waktu tersebut, katakteristik sinyal suara ucapan dapat dianggap stasioner. Untuk selang waktu yang lebih panjang (dengan orde 0.2 detik atau lebih), karakteristik sinyal berubah untuk merefleksikan suara berbeda yang diucapkan.

II.3.5. Klasifikasi Berdasarkan Sinyal Eksitasi

Berdasarkan sinyal eksitasi yang dihasilkan pada proses produksi suara, sinyal suara ucapan dapat dibagi menjadi tiga bagian yaitusilence, unvoiced, dan voiced:

1) Sinyalsilence : sinyal pada saat tidak terjadi proses produksi suara ucapan, dan sinyal yang diterima oleh pendengar dianggap sebagai bising latar belakang.

2) Sinyalunvoiced : terjadi pada saat pita suara tidak bergetar, dimana sinyal eksitasi berupa sinyalrandom.

3) Sinyal voiced : terjadi jika pita suara bergetar, yaitu pada saat sinyal eksitasi berupa sinyal pulsa kuasi-periodik. Selama terjadinya sinyal voiced ini, pita suara bergetar pada frekuensi fundamental – inilah yang dikenal sebagaipitch dari suara tersebut.

II.3.6. Analisis Sinyal Ucapan

Informasi yang terdapat di dalam sebuah sinyal ucapan dapat dianalisis dengan berbagai cara. Beberapa peneliti telah membagi beberapa level pendekatan

untuk menggambarkan informasi tersebut, yaitu level akustik, fonetik, fonologi, morfologi, sintatik, dan semantik.

1. Level Akustik

Sinyal ucapan merupakan variasi tekanan udara yang dihasilkan oleh sistem artikulasi. Untuk menganalisa aspek-aspek akustik dari sebuah sinyal ucapan, dapat dilakukan dengan transformasi dari bentuk sinyal ucapan menjadi sinyal listrik dengan menggunakan tranduser seperti microphone, telepon, dan sebagainya. Setelah melalui berbagai pengolahan sinyal digital, maka akan di peroleh informasi yang menunjukkan sifat-sifat akustik dari sinyal ucapan tersebut yang meliputi frekuensi fundamental, intensitas, dan distribusi energi spektral. 2. Level Fonetik

Level ini menggambarkan bagaimana suatu sinyal suara diproduksi oleh organ-organ di dalam tubuh manusia.

3. Level Fonologi

Di dalam level ini, dikenal istilah fonem yang merupakan unit terkecil yang membentuk sebuah kalimat atau ucapan. Deskripsi ini memuat informasi durasi, intensitas, danpitch dari fonem-fonem yang membangun kalimat tersebut.

II.4. Masalah-masalah yang Penting Pada Sistem Pengenalan Ucapan

Pada kenyataannya, Sistem Pengenalan Ucapan sampai saat ini masih perlu meningkatkan bebrapa hal guna memperbaiki kinerjanya, terutama masalh akurasi. Dalam pengenalan ucapan disebutkan beberapa masalah mengapa sulit meningkatkan akurasi. Masalah tersebut dijelaskan sebagai berikut :

1) Semakin besar ukuran kosakata, semakin tinggi kesalahan dalam pengenalan ucapan. Sebagai contoh, 10 digit dari “nol” sampai “sembilan” dapat dengan mudah dikenali. Tetapi dengan meningkatkannya ukuran vocabulary menjadi 200, 5000, atau 100000 maka bisa terjadi rata-rata kealahan 3%, 7%, atau 45% sementara itu, setiap bahasa mempunyai huruf ketika diucapkan sulit untuk dibedakan. Sebagai contoh huruf C, D. J dalam kasus bahasa Indonesia.

2) Tingkat ketergantungan kepada pembicara. Sistem pengenalan ucapanSpeaker Dependence hanya ditujukan unutk pembicara tunggal. Sedangkan Speaker Indenpence ditujukan untuk siapapun. Jenis Speaker Independence sulit untuk dilakukan karena parameter suatu system pengenalan ucapan biasanya dilatih menggunakan Speaker tertentu, yang sangat spesifik ucapannya. Hasil penelitian menunjukan bahwa Speaker Independence mempunyai kesalahan rata-rata 3 sampai 5 kali lebih besar dibandingSpeaker Dependence.

3) Penggalan ucapan, Isolated Speech berarti ucapan kata tunggal. Discontinuous Speech berarti satu kalimat penuh tetapi kata dipilah berdasarkan keadaan diam (silence). Isolated dan Continous Speech relatif lebih mudah karena pengglan kata dapat dikenali dan kata per kata dapat diucapkan lebih “bersih”. Sedangkan Contionous Speech lebih sulit dilakukan karena tidak diketahui pengaglan kata dan juga dipengaruhi oleh artikulasi gabungan kata.

4) Persyaratan bahasa. Berbagai pekerjaan sulit untuk dilakukan bilamana tidak memenuhi syarat-syarat penggunaan bahasa. Termasuk didalamnya adalah Sintaks, Simantik dan Grammarnya. Sebagai contoh, query terhadapa jasa penerbangan dengan pernyataan ‘Pesawat itu berwarna merah’, diterima oleh

Sintaks, Simantik maupun Grammar. Sedangkan pernyataan ‘Pesawat itu sedang marah’, diterima Sintaks dan Grammar tetapi ditolak oleh Simantik. Sehingga, semua struktur bahasa perlu ditinjau dalam membangun sistem pengenalan ucapan.

5) Ucapan Spontanitas. Sistem pengenalan ucapan dapat ditinjau dari pembicara yang sedang membaca skrip atau berbicara secara spontan. Pembicara spontan seperti emm, uh, e dan lain-lain, lebih sulit dikenali.

6) Kondisi lingkungan. Kinerja system pengenalan ucapan dapat juga di uji melalui lingkungan alamiah yang terdapat banyak interferensi, derau dan lain-lain. Sehingga usaha untuk dapat mengenali ucapan dari pembicara yang dimaksudkan dengan suara bersih telah banyak diteliti dengan berbagai metode. Diantaranya, penghilangan derau, penggandaan mikrofon, pembatas lebar pita frekuensi, dan perubahan gaya ucapan.

Bahkan ada kelemahan sistem pengenalan ucapan yang mendasar, yaitu bahasa pembicaraan akan lebih efektif bila diterapkan pada interaksi antara manusia dengan komputer. Hal ini diakibatkan oleh lambatnya komputer merepresentasikan informasi dan sulitnya melakukan review dan edit. Sehingga perancangan Sistem Pengenalan Ucapan harus mengerti tentang acoustic memory danprosody.

II.5. Konversi Sinyal Analog ke Digital

Sinyal yang terdapat pada kehidupan sehari-hari disebut dengan sinyal analog. Untuk dapat memproses sinyal analog tersebut, maka harus diubah terlebih dahulu menjadi sinyal digital atau sinyal diskrit. Sinyal analog memiliki

sifat kontinu pada domain waktu dan amplitudo, sedangkan sinyal digital memiliki sifat diskrit pada domain waktu dan amplitudo. Untuk mengubah sinyal analog menjadi sinyal digital maka diperluas proses “digitalisasi”. Proses ini terdiri dari 3 tahap, yaitu :

1) Sampling

Sampling mengambil bagian sinyal analog yang kontinu dan membagi menjadi beberapa bagian diskrit dalam domain waktu yang dilakukan dengan cara periodik menganalisis sinyal analog dengan menggunakan frekuensisampling tertentu. Untuk mengetahui frekuensisampling yang digunakan, sesuai dengan teoriNyquist, frekuensi sampling sebaiknya 2 kali dari frekuensi tertinggi dari sinyal yang akan di analisis. Perusahaan telepon sebagai contoh menggunakan frekuensi sampling sebesar 8kHz sebab suara manusia berkisar antara 3-4kHz. Dengan adanya frekuensi sampling ini maka sinyal diatas 4kHz akan dibuang.

2) Quantization

Quantization akan mengubah sinyal analog menjadi bentuk digital. Tahap ini akan mengambil suatu nilai tertentu untuk mengubah bentuk digital. Sebagai contoh pada perusahaan telepon membagi sinyal analog menjadi 256 bagian. Hal ini diperlukan sebab sinyal analog memiliki kemungkinan nilai yang tidak terbatas.

3) Coding

Coding mengubah sinyal digital menjadi angka biner. Setelah sinyal di sampling, misal menggunakan frekuensi sampling 8kHz, maka angka

biner yang dihasilkan memiliki jangkauan antara 1 sampai dengan 256 (28 = 256). Dengan menggunakan frekuensi sampling yang semakin besar maka akan didapatkan tingkat akurasi atau ketelitian yang lebih tinggi.

Apabila frekuensi sampling yang dipilih lebih rendah dari frekuensi tertinggi yang terdapat pada sinyal maka terjadi suatu fenomena yang disebut dengan aliasing dimana fenomena tersebut muncul ketika sinyal digital diubah kembali ke sinyal analog. Aliasing merupakan munculnya komponen yang tidak diinginkan pada saat mengubah sinyal digital ke sinyal analog. Komponen-komponen tersebut tidak terdapat pada sinyal analog awal (original). Selain itu, aliasing juga menyebabkan beberapa bagian dari sinyal analog awal hilang pada saat diubah kembali dari sinyal digital menjadi sinyal analog.

Selain itu, frekuensi tertinggi dari sinyal terkadang hanya berupanoise saja. Oleh karena itu untuk mencegah agarnoise tidak ter-sampling pula dan mencegah aliasing, maka dapat digunakan filter terlebih dahulu. Filter yang digunakan adalah filter low-pass karena filter ini akan melakukan penyaringan terhadap frekuensi atas dan membiarkan frekuensi bawah.

II.6. Fast Fourier Transform(FFT)

TransformasiFourier adalah suatu model transformasi yang memindahkan domain spasial atau domain waktu menjadi domain frekuensi.

Transformasi Fourier merupakan suatu proses yang banyak digunakan untuk memindahkan domain dari suatu fungsi atau obyek ke dalam domain frekuensi. Di dalam pengolahan citra digital atau simyal suara, transformasi fourier digunakan untuk mengubah domain spasial pada citra/sinyal menjadi domain frekunsi. Analisa-analisa dalam domain frekuensi banyak digunakan seperti filtering. Dengan menggunakan transformasifourier, sinyal suara atau citra dapat dilihat sebagai suatu obyek dalam domain frekuensi.

FFT (Fast Fourier Transform) adalah teknik perhitungan cepat dari DFT (Discrete Fourier Transform). Transformasi fourier diskrit atau disebut dengan Discrete Fourier Transform (DFT) adalah model transformasi fourier yang dikenakan pada fungsi diskrit, dan hasilnya juga diskrit.

FFT adalah DFT dengan teknik perhitungan yang cepat dengan memanfaatkan sifat periodikal (konjugasi) dari transformasi fourier. Perhatikan rumus dari DFT :

(2.1) Gambar II.4. Transfrormasi Fourier

Atau dapat ditulis dengan :

(2.2)

II.7. AlgoritmaDivide and Conquer

AlgoritmaDivide and Conquer merupakan algoritma yang sangat populer di dunia ilmu komputer. Divide and Conquer merupakan algoritma yang berprinsip memecah-mecah permasalahan yang terlalu besar menjadi beberapa bagian kecil sehingga mudah untuk diselesaikan. Langkah-langkah umum algoritma Divide and Conquer :

- Divide : membagi masalah menjadi beberapa sub-masalah yang memiliki kemiripan dengan masalah semula namun berukuran lebih kecil (idealnya berukuran hampir sama).

- Conquer : memecahkan atau menyelesaikan masing-masing sub-masalah secara rekursif.

- Combine : menggabungkan solusi masing-masing sub-masalah sehingga membentuk solusi masalah semula.

Objek masalah yang dibagi adalah masukan (input) atau instances yang berukuran n: tabel (array), matriks, dan sebagainya, bergantung pada masalahnya. Tiap-tiap sub-masalah mempunyai karakteristik yang sama (the same type) dengan karakteristik masalah asal, sehingga metode Divide and Conquer lebih natural diungkapkan dalam skema rekursif.

Sesuai dengan karakteristik pembagian dan pemecahan masalah tersebut, maka algoritma ini dapat berjalan baik pada persoalan yang bertipe rekursif

(perulangan dengan memanggil dirinya sendiri). Dengan demikian, algoritma ini dapat diimplementasikan dengan cara iteratif (perulangan biasa), karena pada prinsipnya iteratif hampir sama dengan rekursif.

Salah satu penggunaan algoritma ini yang paling populer adalah dalam hal pengolahan data yang bertipe array (elemen larik). Karena pada umumnya pengolahan array pada umumnya selalu menggunakan prinsip rekursif atau iteratif. Penggunaan secara spesifik adalah untuk mencari nilai minimal dan maksimal serta untuk mengurutkan elemen array. Dalam hal pengurutan ini ada empat macam algoritma pengurutan yang berdasar pada algoritma Divide and Conquer, yaitu merge sort, insert sort, quick sort, danselection sort. Merge sort danquick sort mempunyai kompleksitas algoritmaO(n 2log n). Hal ini lebih baik jika dibandingkan dengan pengurutan biasa dengan menggunakan algoritmaBrute Force. Berikut skema umum algoritmaDivide and Conquer:

procedure DIVIDE_n_CONQUER(input n : integer)

{Masukan: masukan yang berukuran n Keluaran: solusi dari maslah semula }

Deklarasi

r, k : integer

Algoritma

if n n0 then {masalah sudah cukup kecil}

SOLVE sub-masalah yang berukuran n ini

else

Bagi menjadi r sub-masalah, masing-masing berukuran n/k

for masing-masing dari r sub-masalah

do

endfor

COMBINE solusi dari r sub-masalah menjadi solusi masalah semula

endif

II.7.1. Binary Search AlgoritmaDivide and Conquer

Binary Search (Pencarian Biner) dapat dilakukan jika data sudah dalam keadaan urut. Dengan kata lain, apabila data belum dalam keadaan urut, pencarian biner tidak dapat dilakukan. Dalam kehidupan sehari-hari, sebenarnya kita juga sering menggunakan pencarian biner. Misalnya saat ingin mencari suatu kata dalam kamus.

Prinsip dari pencarian biner dapat dijelaskan sebagai berikut : 1. Mula-mula diambil posisi awal = 1 dan posisi akhir = N

2. Cari posisi data tengah dengan rumus (posisi awal + posisi akhir) / 2 3. Data yang dicari dibandingkan dengan data tengah.

4. Jika lebih kecil, proses dilakukan kembali tetapi posisi akhir dianggap sama dengan posisi tengah – 1.

5. Jika lebih besar, proses dilakukan kembali tetapi posisi awal dianggap sama dengan posisi tengah + 1.

6. Demikian seterusnya sampai data tengah sama dengan yang dicari.

Untuk lebih jelasnya, perhatikan contoh berikut. Misalkan kita ingin mencari 17 pada sekumpulan data berikut :

3 9 11 12 15 17 23 31 35

awal tengah akhir 1. Mula–mula dicari data tengah, dengan rumus (1+ 9) / 2 = 5.

2. Berarti data tengah adalah data ke-5, yaitu 15.

3. Data yang dicari, yaitu 17, dibandingkan dengan data tengah ini.

4. Karena 17 > 15, berarti proses dilanjutkan tetapi kali ini posisi awal dianggap sama dengan posisi tengah + 1 atau 6.

3 9 11 12 15 17 23 31 35

awal tengah akhir 1. Data tengah yang baru didapat dengan rumus (6 + 9) / 2 = 7. Berarti data

tengah yang baru adalah data ke-7, yaitu 23.

2. Data yang dicari, yaitu 17 dibandingkan dengan data tengah ini.

3. Karena 17 < 23, berarti proses dilanjutkan tetapi kali ini posisi akhir dianggap sama dengan posisi tengah – 1 atau 6.

3 9 11 12 15 17 23 31 35

awal akhir

1. Data tengah yang baru didapat dengan rumus (6 + 6) / 2 = 6. Berarti data tengah yang baru adalah data ke-6, yaitu 17.

2. Data yang dicari dibandingkan dengan data tengah ini dan ternyata sama. Jadi data ditemukan pada indeks ke-6.

3. Bagaimana jika data yang dicari tidak ada, misalnya 16?

4. Pencarian biner ini akan berakhir jika data ditemukan atau posisi awal lebih besar dari posisi akhir.

5. Jika posisi awal sudah lebih besar daripada posisi akhir berarti data tidak ditemukan.

Untuk lebih jelasnya perhatikan proses pencarian 16 pada data di atas. Prosesnya hampir sama dengan pencarian 17. Tetapi setelah posisi awal = posisi akhir = 6, proses masih dilanjutkan lagi dengan posisi awal = 6 dan posisi akhir=5.

3 9 11 12 15 17 23 31 35

akhir awal

Disini dapat dilihat bahwa posisi awal lebih besar daripada posisi akhir, yang artinya data tidak ditemukan.

Secara umum, algoritma pencarian biner dapat dituliskan sebagai berikut : 1. l 1.

2. r N.

3. ketemu false.

4. selama ( l < = r ) dan (not ketemu) kerjakan baris 5 sampai dengan 8. 5. m ( l + r ) / 2

6. Jika ( Data [m] = x ) maka ketemu true. 7. Jika ( x < Data [m] ) maka r m – 1. 8. Jika ( x > Data [m] ) maka l m + 1.

9. If (ketemu) maka m adalah indeks dari data yang dicari, jika tidak data tidak ditemukan.

II.7.2. AlgoritmaDivide and Conquer Dalam Pencocokan Suara

Algoritma Divide and Conquer dapat diiplementasikan untuk masalah pencocokan pola suara. Proses awalnya ialah mengkonversi data spektrum suara ke dalam bentuk diskrit. Dari bentuk diskrit itulah yang kemudian diambil nilai fiturnya lalu mengaplikasikan algoritma Divide and Conquer untuk mengoptimalkan waktu pencocokan (kompleksitas berkurang). Ketika mengkonversi gelombang suara ke bentuk diskrit, gelombang diperlebar dengan cara memperinci berdasarkan frekuensi. Hal ini dilakukan agar proses algoritma selanjutnya lebih mudah dilakukan. Namun, efek buruknya ialah array of array data yag terbentuk akan lebih banyak. Dari tiap elemen array data tersebut, diambil ciri fiturnya. Ciri fitur tersebut yang nantinya akan dibandingkan dengantemplate data suara.

ProsesDivide and Conquer :

1) Bagi dua proses pecocokan menjadi beberapa sub-masalah.

2) Urutkan data fitur suara, bagi dua data fitur suara, ambil bagian yang terkecil atau terbesar dari data yang masuk.

3) Untuk setiap elemen data pada template, dicocokan dengan data baru menggunakanbinary search Divide and Conquer.

4) Setiap sub-masalah disatukan kembali dan dianalisis, kecocokan dari segi data fitur dan apakah data yang diucapkan sesuai dengan kata yang tersedia padatemplate data.

5) Hitung nilai peramalan error terkecil, yang terkecil adalah solusi atau output yang dihasilkan.

6) Verifikasi data, jika sesuai maka akan masuk ke proses selanjutnya, sesuai dengan aplikasi yang mengimplementasikan algoritma ini.

II.8. Pemodelan Sistem

II.8.1. Bagan Alir Sistem(Flow Chart)

Bagan alir sistem (flowchart) merupakan bagan yang menunjukkan arus pekerjaan dari sistem secara keseluruhan, menjelaskan urutan dari prosedur-prosedur yang ada di dalam sistem serta menunjukkan apa yang dikerjakan di dalam sistem.

II.8.2. Diagram Konteks

Yaitu diagram tingkat atas, merupakan diagram dari sebuah sistem yang menggambarkan aliran-aliran data yang masuk dan keluar dari sistem dan dari entitas luar. Hal yang harus diperhatikan adalah :

1) Memberikan gambaran tentang seluruh sistem.

2) Terminal yang memberikan masukan ke sistem disebutsource. 3) Terminal yang telah menerima keluaran disebutsink.

4) Hanya ada satu proses. 5) Tidak boleh ada datastore.

Gambar II.5. Contoh Diagram Konteks

II.8.3. Data Flow Diagram (DFD)

DFD adalah suatu model logika data atau proses yang dibuat untuk menggambarkan darimana asal data dan kemana tujuan data yang keluar sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tersimpan dan proses yang akan dikenakan pada data tersebut.

DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan sacara logika tanpa mempertimbangkan lingkungan fisik dimana data tersebut mengalir (misalnya lewat telepon, surat dan sebagainya). Atau lingkungan fisik dimana data tersebut akan disimpan (misalnya file kartu,hard disk, tape, disket dan sebagainya). DFD merupakan alat yang cukup populer saat ini, karena dapat menggambarkan arus data didalam sistem dengan terstruktur dan jelas. Lebih lanjut DFD merupakan dokumentasi dari sistem yang baik. Beberapa simbol yang akan digunakan di dalam DFD antara lain adalah sebagai berikut :

1. Kesatuan luar (External Entity )

Setiap sistem pasti mempunyai batas sistem yang memisahkan suatu sistem dengan lingkungan luarnya. Sistem akan menerima input dan menghasilkan output kepada lingkungan luarnya. Kesatuan luar (external entity) merupakan kesatuan dilingkungan luar sistem dapat berupa orang, organisasi atau sistem lainnya yang berada dilingkungan luarnya yang akan memberikan input atau menerima output dari sistem. Kesatuan luar ini kebanyakan adalah salah satu dari berikut ini: a. Suatu kantor, departemen atau divisi dalam perusahaan tetapi di

luar sistem yang sedang dikembangkan.

b. Orang atau sekelompok orang di organisasi tetapi di luar sistem yang sedang dikembangkan.

c. Suatu organisasi atau orang di luar organisasi.

d. Sistem informasi yang lain di luar sistem yang sedang dikembangkan.

e. Sumber asli dari suatu transaksi.

f. Penerimaan akhir dari suatu laporan yang dihasilkan oleh sistem.

2. Aliran Data(Data Flow)

Aliran data di DFD diberi simbol suatu panah. Aliran data ini mengalir diantara proses (process), simpan data (data store) dan kesatuan luar (external entity). Aliran data ini menunjukkan aliran dari data yang dapat berupa masukkan untuk sistem atau hasil dari proses sistem.

3. Proses (Process)

Proses adalah kegiatan atau kerja yang dilakukan oleh orang, mesin atau komputer dari hasil suatu arus data yang masuk ke dalam proses untuk dihasilkan arus data yang akan keluar dari proses yang digambarkan secara umum. Suatu proses dapat ditunjukkan dengan simbol lingkaran atau dengan simbol empat persegi panjang tegak dengan sudut – sudutnya tumpul.

4. Berkas atau Simpanan Data (Data Store )

Berkas atau simpanan data merupakan simpanan dari data yang dapat berupa :

a) Suatu file atau database di sistem komputer.

b) Suatu arsip atau catatan manual.

II.9. Metode Pengembangan Perangkat Lunak

Merupakan sebuah model chaos yang menggambarkan “perkembangan P/L sebagai sebuah kesatuan dari pemakai ke pengembang dan ke teknologi” disebut dengan “prescriptive” karena Menentukan sekumpulan elemen proses (aktivitas, aksi, tugas, produk kerja, jaminan kualitas, dll untuk setiap proyek), setiap model proses juga menentukan alur kerjanya.

Pada saat kerja bergerak maju menuju sebuah sistem yang lengkap, keadaan yang digambarkan secara rekursif diaplikasikan kepada kebutuhan pemakai dan spesifikasi teknis P/L pengembang Saat ini, prescriptivememberikan

jawaban secara definitive untuk masalah pengembangan P/L dalam setiap perubahan lingkungan komputasi

II.9.1. Model Sekuensial Linear/Terstruktur

Pada Tugas akhir ini menggunakan metode penggunaan perangkat lunak siklus kehidupan klasik atau model air terjun (waterfall). Model ini mengusulkan sebuah pendekatan kepada perkembangan software yang sistematik dan sekuensial yang mulai pada tingkat dan kemajuan sistem pada seluruh analisis, desain, kode, pengujian, dan pemeliharaan. Dimodelkan setelah siklus rekayasa konvensional, model sekuensial linier melingkupi aktivitas – aktivitas sebagai berikut :

1. Rekayasa dan pemodelan sistem/informasi

Karena sistem merupakan bagian dari sebuah sistem yang lebih besar, kerja dimulai dengan membangun syarat dari semua elemen sistem dan mengalokasikan beberapa subset dari kebutuhan ke software tersebut. Pandangan sistem ini penting ketikasoftware harus berhubungan dengan elemen-elemen yang lain seperti software, manusia, dan database. Rekayasa dan anasisis system menyangkut pengumpulan kebutuhan pada tingkat sistem dengan sejumlah kecil analisis serta disain tingkat puncak. Rekayasa informasi mancakup juga pengumpulan kebutuhan pada tingkat bisnis strategis dan tingkat area bisnis. 2. Analisis kebutuhanSoftware

Proses pengumpulan kebutuhan diintensifkan dan difokuskan, khusunya pada software. Untuk memahami sifat program yang dibangun, analis harus memahami domain informasi, tingkah laku, unjuk kerja, dan interface yang

diperlukan. Kebutuhan baik untuk sistem maupun software didokumentasikan dan dilihat lagi dengan pelanggan.

3. Desain

Desain software sebenarnya adalah proses multi langkah yang berfokus pada empat atribut sebuah program yang berbeda; struktur data, arsitektur software, representasi interface, dan detail (algoritma) prosedural. Proses desain menterjemahkan syarat/kebutuhan ke dalam sebuah representasi software yang dapat diperkirakan demi kualitas sebelum dimulai pemunculan kode. Sebagaimana persyaratan, desain didokumentasikan dan menjadi bagian dari konfigurasisoftware.

4. Generasi Kode

Desain harus diterjemahkan kedalam bentuk mesin yang bias dibaca. Langkah pembuatan kode melakukan tugas ini. Jika desain dilakukan dengan cara yang lengkap, pembuatan kode dapat diselesaikan secara mekanis.

5. Pengujian

Sekali program dibuat, pengujian program dimulai. Proses pengujian berfokus pada logika internal software, memastikan bahwa semua pernyataan sudah diuji, dan pada eksternal fungsional, yaitu mengarahkan pengujian untuk menemukan kesalahan – kesalahan dan memastikan bahwa input yang dibatasi akan memberikan hasil aktual yang sesuai dengan hasil yang dibutuhkan.

6. Pemeliharaan

Software akan mengalami perubahan setelah disampaikan kepada pelanggan (perkecualian yang mungkin adalah software yang dilekatkan).

Perubahan akan terjadi karena kesalahan – kesalahan ditentukan, karena software harus disesuaikan untuk mengakomodasi perubahan – perubahan di dalam lingkungan eksternalnya (contohnya perubahan yang dibutuhkan sebagai akibat dari perangkat peripheral atau sistem operasi yang baru), atau karena pelanggan membutuhkan perkembangan fungsional atau unjuk kerja. Pemeliharaan software mengaplikasikan lagi setiap fase program sebelumnya dan tidak membuat yang baru lagi.

Gambar II.6. Model Sekuensial Linear

Masalah yang kadang terjadi ketika model sekuensial linier diaplikasikan adalah :

1. Jarang sekali proyek nyata mengikuti aliran sekuensial yang dianjurkan oleh model. Meskipun model linier bisa mengakomodasi iterasi, model ini melakukannya dengan cara tidak langsung. Sebagai hasilnya, perubahan – perubahan dapat menyebabkan keraguan pada saat tim proyek berjalan. 2. Kadang – kadang sulit bagi pelanggan untuk menyatakan semua

kebutuhannya secara eksplisit. Model linier sekuensial memerlukan hal ini dan mengalami kesulitan untuk mengakomodasi ketidakpastian natural yang ada pada bagian awal beberapa proyek.

3. Pelanggan harus bersifat sabar. Sebuah versi kerja dari program – program kerja itu tidak akan diperoleh sampai akhir waktu proyek dilalui. Sebuah kesalahan besar, jika tidak terdeteksi sampai program yang bekerja tersebut dikaji ulang, bisa menjadi petaka.

4. Pengembang sering melakukan penundan yang tidak perlu. Sifat alami dari siklus kehidupan klasik membawa kepada blocking state di mana banyak anggota tim proyek harus menunggu tim yang lain untuk melengkapi tugas yang saling memiliki ketergantungan.Blocking statecenderung menjadi lebih lazim pada awal dan akhir sebuah proses sekuensial linier.

II.9.2. Model Prototype

Model prototype dibangun dari mengumpulkan berbagai kebutuhan, kemudian tim pengembang akan nertemu dengan pelanggan untuk menentukan tujuan dari perangkat lunak, dan mengidentifikasi kebutuhan-kebutuhan yang telah diketahui oleh pelanggan, dan batasan-batasan apa saja yang dapat dikategorikan sebagai tugas utama. Hasilnya akan dibangun rancangan sementara yang mewakili berbagai aspek dari perangkat lunak yang kelak akan digunakan oleh pelanggan/pengguna (seperti bentuk pendekatan input yang digunakan dan bentuk output). Idealnya model prototype melayani sebuah mekanisme untuk mengidentifikasi kebutuhan perangkat lunak. Dimana jika nantinya sebuah model prototype berhasil dibuat, seorang developer harus berusaha mendayagunakan tools yang ada (semisal, report generator, windows manager) dapat bekerja dengan baik (cepat).

Gambar II.7. Model Prototype

II.9.3. Model RAD

Rapid Aplication Development (RAD) adalah sebuah model proses perkembangan perangkat lunak sekuensial linier yang menekankan siklus perkembangan yang sangat pendek. Model RAD ini merupakan sebuah adaptasi “kecepatan tinggi” dari model sequensial linier dimana perkembangan cepat dicapai dengan menggunakan pendekatan konstruksi berbasis komponen.

II.9.4. Model Evolusioner

Model evolusioner adalah model iterative. Model itu ditandai dengan tingkah laku yang memungkinkan perekayasa perangkat lunak mengembangkan versi perangkat yang lebih lengkap sedikit demi sedikit.

analysis design code test

System/information engineering

analysis design code test

analysis des ign code test

analysis design code test

increment 2 increment 3 increment 4 increment 1 delivery of 1st increment delivery of 2nd increment delivery of 3rd increment delivery of 4th increment calendar time

Gambar II.9. Model Evolusioner

II.10. MATLAB (Matrix Laboratory)

Bahasa pemograman sebagai media untuk berinteraksi antara manusia dan komputer saat dibuat semakin mudah dan cepat. Sebagai contoh, dapat dilihat dari perkembangan bahasa pemograman Pascal yang terus memunculkan varian baru sehingga akhirnya menjadi Delphi, demikian pula dengan Visual Basic serta C dengan C++ Builder. Pada akhirnya semua bahasa pemograman akan semakin memberikan kemudahan pemakainya (programmer) dengan penambahan fungsi-fungsi baru yang sangat mudah digunakan bahkan oleh pemakai tingkat pemula.

Matlab muncul di dunia bahasa pemrograman yang cenderung dikuasai oleh bahasa yang telah mapan. Tentu saja sebagai bahasa pemrograman yang baru

Matlab akan sukar mendapat hati dari pemakai. NamunMatlab hadir tidak dengan fungsi dan karakteristik yang umumnya ditawarkan bahasa pemrograman lain yang biasanya hampir seragam. Matlab dikembangkan sebagai bahasa pemrograman sekaligus alat visualisasi, yang menawarkan banyak kemampuan untuk menyelesaikan berbagai kasus yang berhubungan langsung dengan disiplin keilmuan matematika. Matlab memiliki kemampuan mengintegrasikan komputasi, visualisasi, dan pemrograman dalam sebuah lingkungan yang tunggal dan mudah digunakan. Matlab menyediakan beberapa pilihan untuk dipelajari, mempelajari metode visualisasi saja, pemograman saja, atau kedua-duanya.

Matlab adalah bahasa pemograman level tinggi yang dikhususkan untuk komputasi teknis. Bahasa ini mengintegrasikan kemampuan komputasi, visualisasi dan pemrograman dalam sebuah lingkungan yang tunggal dan mudah digunakan. Matlab memberikan sistem interaktif yang menggunakan konsep array tanpa membutuhkan pendeklarasian array seperti pada bahasa pemrograman yang lain. Selain itu, Matlab juga memberikan kemudahan bagi programmer/developer program yaitu untuk menjadi pembanding yang sangat handal, hal tersebut dapat dilakukan karena kekayaannya akan fungsi matematika, fisika, statistika, dan visualisasi

II.10.1. Lingkungan Kerja MATLAB

Sebagaimana bahasa pemrograman lainnya, Matlab juga menyediakan lingkungan kerja terpadu yang sangat mendukung dalam membangun sebuah aplikasi. Pada setiap versi Matlab terbaru, lingkungan terpadu akan semakin dilengkapi. Lingkungan terpadu ini terdiri dari beberapa form yang memiliki

kegunaan masing-masing. Setiap pertama kali membuka aplikasi Matlab, maka akan menyimpan mode/setting terakhir lingkungan kerja yang digunakan sebagai mode/setting lingkungan kerja pada saat membuka palikasi Matlab di waktu berikutnya.

Gambar II.10. Tampilan Utama MATLAB II.10.2. GUIDE MATLAB

GUIDE atau GUI Builder merupakan sebuah Graphical User Interface (GUI) yang dibangun dengan objek grafis seperti tombol (pushbutton), edit, slider, text, combo, sumbu (axes), maupun menu dan lain-lain utnuk kita gunakan. Sebagai contoh, ketika menggerakan slider, maka akan bisa melihat perubahan sebuah nilai. Kemudian ketika menekan tombol OK, maka aplikasi akan dijalankan. Aplikasi yang menggunakan GUI umumnya lebih mudah dipelajari

dan digunakan karena orang yang menjalankannya tidak perlu mengetahui perintah yang ada dan bagaimana perintah bekerja.

Tidak seperti bahasa pemrograman lainnya,GuideMatlab memiliki banyak keunggulan tersendiri, antara lain :

1. GuideMatlab cocok untuk aplikasi-aplikasi berorientasi sains.

2. Matlab memiliki banyak fungsibuilt-in yang siap digunakan dan pemakai tidak perlu repot membuatnya sendiri.

3. Ukuran file, baik Fig-file maupun M-file yang dihasilkan relatif kecil. 4. Kemampuan grafisnya cukup handal dan tidak kalah dengan bahasa

pemrograman yang lainnya. II.10.2.1. Memulai GUIDE

Untuk memulai penggunaan GUI Matlab, dapat dilakukan dengan dua cara yaitu :

1. Melalui commandMatlab kita ketikan>>guide, atau

2. Klik tombol Start pada window utama dan pilihMatlab, lalu pilih GUIDE (GUI Builder).

Selanjutnya, akan dibawa ke sebuah kotak dialog pilihan GUIDE Quick Start.

Gambar II.11. GUIDE Quick Start MATLAB II.10.2.2. Komponen GUIDE

Untuk membuat sebuahGraphical User Interface Matlab dengan fasilitas GUIDE, dimulai dengan membuat desain sebuah figure. Untuk membuat sebuah desain figure, dapat memanfaatkanUicontrol (control user interface) yang telah tersedia pada editorfigure. Banyak sekalicontrol user interface (komponen) yang ada pada GUIDEMatlab.

II.10.3. AplikasiM-File

Dalam membuat program GUI, matlab membuat program aplikasi berupa M-file yang menyediakan kerangka untuk mengontrol GUI. Kerangka dapat membantu membuat program menjadi lebih efisien dan sempurna. Semua kode termasuk kode callback dimasukan dalam sebuah subfungsi dalam M-file. Pendekatan ini memungkinkan M-file memiliki titik masukan tunggal (single entry point) yang dapat memanggil callback yang sesuai, atau sebuah subfungsi penolong yang ingin digunakan dalam GUI.

Fungsi M-file mirip denganscript M-file dimana keduanya merupakan file teks dengan ekstensi (.m). Sebagaimana script M-file, fungsi M-file tidak dimasukan ke dalam jendelacommand, tetapi merupakan suatu file tersendiri yang dibuat dengan editor teks. Fungsi M-file menyediakan cara sederhana untuk menambah kemampuan Matlab, bahkan banyak fungsi standar Matlab yang merupakan fungsiM-file.

Gambar II.13. Contoh Bagian M-file Matlab

Aplikasi M-file mengerjakan sesuatu yang berbeda tergantung pada argumen yang dilewatkan ketika dipanggil. Subfungsi yang ditambahkan ke dalam GUIDE memerlukan argumen tertentu, tetapi memiliki daftar panjang argumen variabel. Karena argumen terakhir adalah varargin, maka akan dapat menambahkan argumen apapun yang diinginkan ke dalam subfungsi. Perlu diperhatikan, jika menggunakan aplikasi M-file yang dibuat oleh GUIDE, maka Fig-file danM-file harus disimpan dengan nama yang sama.

II.11. Mikrokontroler ATmega8535

Mikrokontroler adalah IC yang dapat diprogram berulang kali, baik ditulis atau dihapus. Biasanya digunakan untuk pengontrolan otomatis dan manual pada perangkat elektronika.

Beberapa tahun terakhir, mikrokontroler sangat banyak digunakan terutama dalam pengontrolan robot. Seiring perkembangan elektronika, mikrokontroler dibuat semakin kompak dengan bahasa pemograman yang juga ikut berubah. Salah satunya adalah mikrokontroler AVR (Alf and Vegard’s Risc processor) ATmega8535 yang menggunakan teknologi RISC(Reduce Instruction Set Computing) dimana program berjalan lebih cepat karena hanya membutuhkan siklus clockuntuk mengeksekusi satu instruksi program.

Secara umum, AVR dapat dikelompokan menjadi 4 kelas yaitu kelas ATtiny, keluarga AT90Sxx, keluarga ATmega, dan AT86RFxx. Pada dasarnya yang membedakan masing-masing kelas adalah memori, peripheral, dan fungsinya. Dari segi arsitektur dan instruksi yang digunakan, mereka bisa dikatakan hampir sama.

Mikrokontroler AVR ATmega8535 memiliki fitur yang cukup lengkap. Mikrokontroler AVR ATmega8535 telah dilengkapi dengan ADC internal, EEPROM internal, Timer/Counter, PWM, analog comparator, dll. Sehingga dengan fasilitas yang lengkap ini memungkinkan kita belajar mikrokontroler keluarga AVR dengan lebih mudah dan efisien, serta dapat mengembangkan kreativitas penggunaan mikrokontroler ATmega8535.

Fitur-fitur yang dimiliki oleh mikrokontroler ATmega8535 adalah sebagai berikut:

1) Saluran I/O sebanyak 32 buah, yaitu port A, port B, port C, dan port D. 2) ADC internal sebanyak 8 saluran.

4) CPU yang terdiri atas 32 buah register. 5) SRAM sebesar 512 byte.

6) Memori Flash sebesar 8 kb dengan kemampuanRead While Write. 7) Port antarmuka SPI.

8) EEPROM sebesar 512 byte yang dapat diprogram saat operasi. 9) Antarmuka komparator analog.

10) Port USART untuk komunikasi serial.

11) Sistem mikroprosesor 8 bit berbasis RISC dengan kecepatan maksimal 16 MHz.

12) Dan lain-lainnya.

II.11.1. Konstruksi ATmega8535

Mikrokontroler ATmega8535 memiliki 3 jenis memori, yaitu memori program, memori data dan memori EEPROM. Ketiganya memiliki ruang sendiri dan terpisah.

a) Memori program

ATmega8535 memiliki kapasitas memori progam sebesar 8 Kbyte yang terpetakan dari alamat 0000h – 0FFFh dimana masing-masing alamat memiliki lebar data 16 bit. Memori program ini terbagi menjadi 2 bagian yaitu bagian programboot dan bagian program aplikasi.

b) Memori data

ATmega8535 memiliki kapasitas memori data sebesar 608 byte yang terbagi menjadi 3 bagian yaitu register serba guna, register I/O dan SRAM. ATmega8535 memiliki 32 byte register serba guna, 64 byteregister I/O yang

dapat diakses sebagai bagian dari memori RAM (menggunakan instuksi LD atau ST) atau dapat juga diakses sebagaiI/O (menggunakan instruksiIN atau OUT), dan 512 byte digunakan untuk memori data SRAM.

c) Memori EEPROM

ATmega8535 memiliki memori EEPROM sebesar 512 byte yang terpisah dari memori program maupun memori data. Memori EEPROM ini hanya dapat diakses dengan menggunakan register-register I/O yaitu register EEPROMAddress, register EEPROM Data, dan register EEPROM Control. Untuk mengakses memori EEPROM ini diperlakukan seperti mengakses data eksternal, sehingga waktu eksekusinya relatif lebih lama bila dibandingkan dengan mengakses data dari SRAM.

ATmega8535 merupakan tipe AVR yang telah dilengkapi dengan 8 saluran ADC internal dengan fidelitas 10 bit. Dalam mode operasinya, ADC ATmega8535 dapat dikonfigurasi, baik secara single ended input maupun differential input. Selain itu, ADC ATmega8535 memiliki konfigurasi pewaktuan, tegangan referensi, mode operasi, dan kemampuan filter derau yang amat fleksibel, sehingga dengan mudah disesuaikan dengan kebutuhan ADC itu sendiri. ATmega8535 memiliki 3 modul timer yang terdiri dari 2 buah timer/counter 8 bit dan 1 buahtimer/counter 16 bit. Ketiga modultimer/counter ini dapat diatur dalam mode yang berbeda secara individu dan tidak saling mempengaruhi satu sama lain. Selain itu, semua timer/counter juga dapat difungsikan sebagai sumber interupsi. Masing-masing timer/counter ini memiliki register tertentu yang digunakan untuk mengatur mode dan cara kerjanya.

Serial Peripheral Interface (SPI) merupakan salah satu mode komunikasi serial syncrhronous kecepatan tinggi yang dimiliki oleh ATmega8535.Universal Syncrhronous and Asyncrhronous Serial Receiver and Transmitter (USART) juga merupakan salah satu mode komunikasi serial yang dimiliki oleh ATmega8535. USART merupakan komunikasi yang memiliki fleksibilitas tinggi, yang dapat digunakan untuk melakukan transfer data baik antar mikrokontroler maupun dengan modul-modul eksternal termasuk PC yang memiliki fitur UART.

USART memungkinkan transmisi data baik secara syncrhronousmaupun asyncrhronous, sehingga dengan memiliki USART pasti kompatibel dengan UART. Pada ATmega8535, secara umum pengaturan modesyncrhronous maupun asyncrhronous adalah sama. Perbedaannya hanyalah terletak pada sumber clock saja.

Jika pada mode asyncrhronous masing-masing peripheral memiliki sumberclock sendiri, maka pada modesyncrhronous hanya ada satu sumberclock yang digunakan secara bersama-sama. Dengan demikian, secara hardware untuk modeasyncrhronous hanya membutuhkan 2 pin yaitu TXD dan RXD, sedangkan untuk modesyncrhronous harus 3 pin yaitu TXD, RXD dan XCK.

II.11.2. Arsitektur Pin Mikrokontroler ATmega8535

Agar dapat berkomunikasi antara komputer dengan mikrokontroler, perlu mengenal arsitektur dari mikrokontroler dan teknik komunikasi secara serial di komputer.

Gambar II.14. Arsitektur Pin Mikrokontroler ATmega8535

Tabel II.2 berikut adalah keterangan setiap fungsi Pin dari gambar arsitektur pin mikrokontroler Atmega8535 :

Tabel II.2. Fungsi Tiap-tiap Pin Mikrokontroler ATmega8536

Pin Fungsi

VCC Input sumber tegangan (+)

GND Ground (-)

Port A (PA7 … PA0)

sebagai input analog dari ADC (Analog to Digital Converter). Port ini juga berfungsi sebagai port I/O dua arah, jika ADC tidak digunakan.

Port B (PB7 … PB0)

sebagai port I/O dua arah. Port PB5, PB6 dan PB7 juga berfungsi sebagai MOSI, MISO dan SCK yang dipergunakan pada prosesdownloading.

Port B (PC7 … PC0) sebagai port I/O dua arah Port B (PD7 … PD0)

sebagai port I/O dua arah. Port PD0 dan PD1 juga berfungsi sebagai RXD dan TXD, yang dipergunakan untuk komunikasi serial RESET Input reset

XTAL1 Input keamplifier inverting osilator dan input kesirkuit clock internal

XTAL2 Output dariamplifier inverting osilator AVCC Input tegangan untuk Port A dan ADC AREF Tegangan referensi untuk ADC

II.12. Komunikasi Data Serial

Komunikasi data pada umumnya dapat dilakukan dengan dua cara, yaitu secara serial dan paralel. Komunikasi data serial dilakukan dengan mengirimkan dan menerima data 8 bit secara satu per satu sehingga akan lebih lambat dibandingkan komunikasi data paralel yang dapat melakukan pengiriman dan menerima data hingga 8 bit sekaligus. RS232 (Recomended Standard number 232) merupakan seperangkat alat yang diciptakan oleh Electrical Industry Association yang berfungsi sebagai antarmuka dalam melakukan transfer data dengan komputer yang mana pengiriman data dilakukan dengan mengirimkan kode biner. Pada seperangkat komputer biasanya tersedia dua bahCommunication Port yang sering disebut COM, yaitu COM1 dan COM2.

Pada dasarnya ada dua jenis komunikasi serial, yaitu komunikasi data serial sinkron dimana pengiriman clock dilakukan secara bersamaan dengan data serial dan komunikasi data serial asinkrin dimana pengiriman clock dilakukan secara dua tahap, yaitu saat data dikirimkan dan saat data diterima. RS232 pada komputer memiliki konektor, yaitu konektor dengan 25 pin (DB-25 connector) dan konektor dengan 9 pin (DB-9 connector). Pada dasarnya hanya 3 pin yang terpakai, yaitu pin pengirim, pin penerima dan pin untukground. Pada pengiriman data serial, semakin jauh jarak kirim maka kemungkinan terjadinya derau (noise) semakin besar.

Dalam setiap proses transfer data serial, RS232 memerlukan sebuahData Terminal Equipment (DTE) dan Data Communication Equipment (DCE) pada masing-masing terminal. Pengiriman data dilakukan secara bit per bit dan

kecepatan transfer data juga harus sama antara penerima dan pengirim. Jika kecepatannya tidak sama maka akan terjadi overflow. Kecepatan transmisi tersebut biasanya disebut dengan baud rate. Baud rate yang biasa dipakai antara lain adalah 110, 300, 1200, 2400, 4800, 19200, 38400, 57600, 115200, 230400, 460800, atau 921600 bps. Panjang data bit yang sering digunakan di antaranya adalah 4, 5, 6, 7, dan 8bit.

Pada komunikasi data serial pada dasarnya yang dikirimkan adalah tegangan dan kemudian dibaca dalam data bit. Besar level tegangannya adalah antara -25 sampai +25 Volt. Untuk bit dengan logika 1 maka besar level tegangannya adalah antara +3 sampai -25 Volt, sedangkan untuk logika0 maka besar level tegangannya adalah antara +3 sampai dengan +25 Volt.

Konektor port serial terdiri dari dua jenis, yaitu konektor 25 pin (DB25) dan 9 pin (DB9) yang saling berpasangan (male danfemale). Bentuk dari konektor DB25 sama persis dengan port paralel. Konektor DB-9 dan DB-25 diperlihatkan pada gambar II.16 :

Gambar II.15. Konektor Serial DB-9, DB-25, dan Data Equipment Communication

Tabel II.3 berikut adalah penggunaan pin pada konektor serial DB-9 dan konektor serial DB-25.

Tabel II.3. Tabel Penggunaan Pin Pada DB-9 dan DB-25

Pin DB-9 Pin DB-25 Nama Sinyal Jenis

1 8 Data Carrier Detect Input

2 3 Received Data (RxD) Input

3 2 Transmitted Data (TxD) Output 4 20 Data Terminal Ready (DTR) Output

5 7 Ground

-6 6 Data Set Ready (DSR) Input

7 4 Request To Send (RTS) Output

8 5 Clear To Send (CTS) Input

9 22 Ring Indicator Input

Keterangan :

1) Pin 1 (Data Carrier Detect) berfungsi untuk mendeteksi boleh atau tidaknya DTE menerima data.

2) Pin 2 (Received Data) berfungsi sebagai jalur penerimaan data dari DCE ke DTE.

3) Pin 3 (Transmitted Data) berfungsi sebagai jalur pengiriman data dari DTE ke DCE.

4) Pin 4 (Data Terminal Ready) berfungsi untuk memberitahu kesiapan terminal DTE.

5) Pin 5 (Ground) berfungsi sebagai saluranground.

6) Pin 6 (Data Set Ready) berfungsi untuk menyatakan bahwa status data tersambung pada DCE.

7) Pin 7 (Request To Send) berfungsi untuk mengirim sinyal informasi dari DTE ke DCE bahwa akan ada data yang akan dikirim.

8) Pin 8 (Clear To Send) berfungsi untuk memberitahu pada DTE bahwa DCE siap untuk menerima data.

9) Pin 9 (Ring Indicator) berfungsi untuk memberitahu pada DTE ada terminal yang menginginkan komunikasi dengan DCE.

57 III.1. Analisis Sistem

Analisis sistem dapat didefinisikan sebagai penguraian suatu sistem yang utuh kedalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi dan mengevaluasi permasalahan-permasalahan, hambatan-hambatan yang terjadi dan kebutuhan-kebutuhan yang diharapkan sehingga dapat diusulkan perbaikan-perbaikannya.

Dalam proses pembuatan suatu sistem mutlak dilakukan penelitian dan penganalisaan tentang sistem yang akan dibangun, berikut adalah beberapa analisis yang dilakukan untuk membangun Aplikasi Perintah Suara dengan MetodeDivide and Conquer pada Simulasi Rumah Pintar.

III.1.1. Analisis Masalah

Proses pengenalan kata dan simulasi pada sistem harus melalui beberapa tahap proses agar kata dapat dikenali oleh sistem. Suara yang telah direkam berupa sinyal analog diolah menjadi sinyal digital untuk diubah menjadi data diskrit. Data suara hasil rekaman kembali diproses dalam pengolahan sinyal suara, di ekstraksi ciri fiturnya untuk mengetahui perbedaan dan ciri-ciri tiap suara agar memudahkan saat proses pengenalan kata. Setelah itu barulah sistem pengenalan kata akan mengenali ucapan dari pengguna setelah sistem memilikitemplate fitur yang akan dijadikan perbandingan. Hasil pengenalan kata dapat diproses lebih lanjut atau di implementasikan ke berbagai aplikasi.

III.1.1.1. Deskripsi Umum Sistem

Deskripsi secara umum dalam sistem perintah suara ini adalah dimulai dari tahap pengolahan sinyal suara. Tahap pengolahan sinyal suara adalah proses pengkondisian sinyal suara dimulai dari perekaman suara dan tahap analog to digital conversion. Setelah itu masuk pada tahap feature extraction dengan sebelumnya sinyal diolah menggunakan analisisFast Fourier Transform (FFT).

Gambar III.1. Proses Sistem Perintah Suara dan Simulasi

Gambar III.1. menunjukan garis besar proses perintah suara dan simulasi pada yang akan dirancang. Analisis FFT adalah tahap merubah sinyal suara dalam domain waktu menjadi sinyal suara dalam domain frekuensi. Tahap pengenalan kata adalah tahap yang menggunakan metode Divide and Conquer, tahap ini melakukan pembagian data masukan dan pencocokan pola diproses satu per satu berdasarkan urutan, lalu hasilnya digabungkan kembali dan menjadikan suatu solusi. Dalam proses pencocokan pola data baru dengan data yang ada pada template, dilakukan dengan fungsibinary search dengan teknik implementasi dari metode Divide and Conquer. Pada bagian simulasi sistem, hasil dari proses pengenalan kata berdasarkan template dimana nilai peramalan error terkecil saat pencocokan pola, maka itu akan menjadi keluaran atau kata yang dikenali.

III.1.2. Analisis Pengolahan Sinyal Suara

Dalam analisis pengolahan sinyal suara ini dibagi menjadi 3 tahap, tahap pertama adalah pre-processing, tahap kedua adalah tahap memproses sinyal berdasarkan frekuensi dengan FFT, lalu data hasil dari proses FFT diambil fiturnya pada proses feature extraction. Secara umum proses pengolahan sinyal suara pada program ini mengikuti alur sesuai yang ditunjukan pada gambar III.2.

Mulai

Input suara

Proses FFT

Fearture Extraction

selesai

Pre-Processing

Pengenalan Kata

Gambar III.2. Alur Pengolahan Sinyal Suara

III.1.2.1. Pre-Processing

Sinyal suara yang akan diproses bersifat analog sehingga jika dilakukan pengolahan secara digital, sinyal suara tersebut harus dikonversi menjadi sinyal digital, berupa urutan angka dengan tingkat presisi tertentu yang dinamakan

analog to digital conversion dengan menggunakan analog-to-digotal conventer (ADC).

Gambar III.3. Konsep Kerja ADC (Analog to Digital Converter)

1. Sampling

Data berupa sinyal suara diperoleh dengan cara merekam suara melalui mikrofon yang dihubungkan dengan komputer. Perekaman suara di dalam aplikasi menggunakan bantuan function dari program dan aplikasi accessories windows, yaitu sound recorder dengan format .wav dan frekuensi sampling standar terbaik pada PC adalah 8000Hz, 11025Hz, 22050Hz dan 44100Hz. Suara dengan format .wav ini bisa menggunakan 8 atau 16bits/sampledan 1 untukchannel mono atau 2 untuk channel stereo. Durasi suara yang direkam apabila lebih pendek lebih mudah untuk diambil perbedaan fiturnya. Dalam analisis ini digunakan contoh durasi rekaman yang diambil adalah 0,8 detik.

(3.1)

Perhitungan pada proses akuisi data untuk pengambilan sampling : Tabel III.1. Perhitungan Sampling Data Sinyal Frekuensi

(Hz)

Bits/ Sample

Channel

Perhitungan Data

Sample

8000 8 mono 800*0.8*(8/8)*1 6400

11025 8 mono 11025*0.8*(8/8)*1 8820 22050 16 stereo 22050*0.8*(16/8)*2 70560 44100 16 stereo 44100*0.8*(16/8)*2 141120

2. Kuantisasi

Proses ini adalah proses pengkonversian nilai analog ke dalam suatu nilai diskrit. Selama proses kuantisasi, ADC menkonversi setiap nilai analog ke dalam bentuk diskrit. Diambil suatu input sinyal analog yang akan di kuantisasi, terlihat pada gambar III.4.

Gambar III.4. Input Sinyal Analog yang di Kuantisasi

Dari hasil kuantisasi padsa gambar III.4 maka dapat diambil data suara hasil sinyal diskrit dengan diwakili sebagai nilaif(x) sebagai berikut:

2 3 4 4 f(0) f(1) f(2) f(3)

3. Coding

Coding, pada proses ini, tiap nilai diskrit yang telah didapat, direpresentasikan dengan angka binary n-bit. Cara konversinya adalah dengan membagi bilangan desimal dengan bilangan biner dengan memperhatikan hasil sisa pembagian.

Tabel III.2. Perhitungan Konversi Sinyal Diskrit ke Biner

Nilai diskrit dari hasil kuantisasi

Konversi ke

biner Kode biner (8-bit) 2 2:2 = 1 sisa 0

1:2 = 0 sisa 1 00000010 3 3:2 = 1 sisa 1

1:2 = 0 sisa 1 00000011 4

4:2 = 2 sisa 0 2:2 = 1 sisa 0 1:2 = 0 sisa 1

00000100

4

4:2 = 2 sisa 0 2:2 = 1 sisa 0 1:2 = 0 sisa 1

00000100

Kode biner hasilcoding tidak akan dimasukan dalam perhitungan proses selanjutnya, karena kode biner ini hanya dibaca oleh processor komputer untuk pembacaan suatu sinyal digital.

III.1.2.2. ProsesFast Fourier Transform (FFT)

Fast Fourier Transform adalah suatu algoritma komputasi optimal yang mengimplemetasikan Discreet Fourier Transform (DFT) dengan teknik perhitungan yang cepat serta memanfaatkan sifat periodikal dari transformasi fourier. FFT merupakan operasi matematika yang bertujuan untuk dekomposisi dari suatu sinyal domain waktu ke sinyal domain frekuensi.

DFT dilakukan dengan mengimplementasikan sebuah transformasi, dengan panjang vektorNberdasarkan rumus :

(3.2)

(3.3)

Misal diambil data suara hasil kuantitasi sinyal diskrit dengan nilai f(x) sebagai berikut:

2 3 4 4 f(0) f(1) f(2) f(3)

nilai diskrit f(x) sebanyak 4 data, sehingga dapat ditentukan nilai N = 4 (banyak data), perhitungannya adalah:

Tabel III.3. Perhitungan DFT Sinyal Suara

N f(x) Perhitungan DFT ( Hasil dari

DFT /F(u)

1 f(0)

1/4[ 2(cos(2*pi*0*0/4) – j sin(2*pi*0*0/4) + 3(cos(2*pi*0*1/4) – j sin(2*pi*0*1/4) + 4(cos(2*pi*0*2/4) – j sin(2*pi*0*2/4) +

4(cos(2*pi*0*3/4) – j sin(2*pi*0*3/4) ] 3.25

1/4 [ 2(1-0) + 3(1-0) + 4(1-0) + 4(1-0) ]

2 f(1) 1/4[ 2(1-0) + 3(0-j) + 4(-1) + 4 (j) ] -0.5 + 0.25j

3 f(2) 1/4 [ 2(1-0) + 3(1-2) + 4(1-0) + 4(1-2) ] -0.25

4 f(3) 1/4[ 2(1-0) + 3(j) + 4(-1) + 4 (0-j) ] -0.5 - 0.25j

Perhitungan FFT mengimplementasikan pencerminan transformasi ganda hasil DFT dengan hanya menghitung nilai setengahnya data sinyal sehingga perhitungan akan lebih cepat, lalu nilai setengahnya lagi dihitung dengan cara conjugate nilai yang telah dihitung dengan DFT. Untuk membagi data sinyal adalah dengan fungsi (3.4) :

(3.4)

Berdasarkan fungsi (3.4) maka didapatkan , jadi perhitungan DFT hanya sampai data ke-3 / f(2)dan untuk data selanjunya hanya memakai fungsiconjugatedari nilai hasil DFT.

nilai tengah (b) hasil conjugate f(1) hasil conjugate f(0) Tabel III.4. Perhitungan FFT dari hasil DFT

f(x)hasil Hasil Perhitungan FFT /F(u)

f(0) 3.25

f(1) -0.5 + 0.25j

f(2) -0.25

f(3) -0.5 - 0.25j

f(4) 3.25

Alur masukan suara dimulai dari sinyal masuk, diproseses dengan rumus DFT, lalu setengah data hasil DFT di konjugasi agar menghasilkan nilai FFT.

Keterangan : Untuk hasil dari panjang sinyal FFT lebih detailnya dapat dilihat halaman lampiran.

M asuk Sinyal Suara

for u:=0to Ndo F(u):=0

for x:=0to Ndo

a:=a+(f x* cos((2* 3.14* u* x)/ N)); b:=b+(fx* sin((2* 3.14* u* x)/ N));

endfor; F(u):=a+b endfor;

for u:=(0+N-1) div2do F(u) :=0

for x:=0to N-1do

a:=a+(fx* cos((2* 3.14* u* x)/ N)) b:=b+(fx* sin((2* 3.14* u* x)/ N))

endfor; F(u) :=a+b endfor;

for u:=(0+n)div2+1to N-1do j:=u-((0+N-1)div2); y:= ((0+N-1)div2)-j; c[u]:=c[y]; endfor;

M enghasilkan sinyal FFT

126

Gambar IV.13. Foto Alat Dengan Perintah 'Lampu Off' 3. Perintah yang diucapkan ‘Garasi Buka’

Gambar IV.15. Foto Alat Dengan Perintah 'Garasi Buka' 4. Perintah yang diucapkan ‘Garasi Tutup’

128

129

Kesimpulan merupakan ringkasan yang diambil dari pembahasan perangkat lunak yang dibuat, dimana perangkat lunak yang dibuat adalah Aplikasi Perintah Suara Dengan MetodeFast Fourier TransformdanDivide And Conquer, sedangkan saran diberikan untuk penggunaan sistem ini yang merupakan hasil perancangan yang dapat menjadi bahan referensi untuk meningkatkan kinerja sistem ini agar lebih baik.

V.1. Kesimpulan

Dari hasil penelitian ini dapat ditarik kesimpulan mengenai aspek yang menjadi bahasan pada pembangunan Aplikasi Perintah Suara Dengan Metode Fast Fourier TransformdanDivide And Conquer, yaitu :

1. Pengolahan sinyal menggunakan Fast Fourier Transform dapat dengan baik diterapkan pada aplikasi, dan membantu dalam pencocokan suara.

2. Sistem perintah suara mengenali kata yang diucapkan dengan menggunakan metode Divide And Conquer masih kurang baik, karena dilihat dari hasil pengujian metode ini kurang baik untuk pengenalan suara.

3. Sistem perintah suara berhasil dengan keakuratan tiap orang 48,75% dan keakuratan tiap kata 48%

4. Aplikasi ini dapat diimplementasikan dengan baik untuk mengendalikan protoype peralatan elektronik pada simulasi rumah pintar.

130

V.2. Saran

Dari keterbatasan yang ada, dapat diajukan kemungkinan-kemungkinan untuk pengembangan aplikasi lebih lanjut, agar diperoleh kualitas program yang lebih baik. Kemungkinan pengembangan aplikasi yang dapat diajukan adalah : 1. Dalam pengembangan aplikasi ini berikutnya diharapkan pengenalan suara

tidak dibatasi oleh kondisi suara lagi sehingga sistem berinteraksi dengan lebih baik.

2. Dalam pengembangan selanjutnya, perlu dilakukan pengujian dengan menggunakan topologi lainnya sebagai bahan perbandingan.

3. Untuk pencocokan atau pengenalan suara lebih baik menggunakan kecerdasan buatan agar data pengenalan suara dapat dilatih dan hasilnya lebih dari 80% tingkat akurasinya.

Sistem perintah suara ini masih hanya menampilkan keluaran dikenali atau tidak kata yang diucapkan serta mengendalikan peralatan-peralatan elektronik pada simulasi rumah pintar, untuk kedepannya diharapkan aplikasi ini dapat berinteraksi dengan baik untuk kemudahan setiap kegiatan manusia lainnya.

131 Hawaii. 2003

[2] Melissa, Gressia. Makalah “Pencocokan Pola Suara (Speech Recognition) Dengan Algoritma FFT danDivide and Conquer”. ITB Bandung. 2008 [3] Sugiharto, Aris. “Pemograman GUI dengan MATLAB”. Yogyakarta.

PenerbitAndi. 2006

[4] Sumaryo, Sony. “Modul Mikrokontroler Robotik”. Bandung. RoboClub CV.Sona Jaya Technology. 2009

[5] http://www.isip.piconepress.com/publications/courses/msstate/ece_8463/ lecturle/current/ diakses pada tanggal 25 Januari 2011.

[6] http://www.faqs.org/docs/Linux-HOWTO/Speech-Recognition-HOWTO.html diakses pada tanggal 25 Januari 2011.

[7] http://www.innovativeelectronics.com/innovative_electronics/pro_dtio_r elayboard.htm diakses pada tanggal 30 Januari 2011.

[8] http://www.dspguide.com/ch12.htm diakses pada tanggal 9 Februari 2011.

[9] http://www.wisdom.weizmann.ac.il/~naor/COURSE/fft-lecture.pdf diakses pada tanggal 10 Februari 2011.

[10]http://ww3.algorithmdesign.net/handouts/DivideAndConquer.pdf diakses pada tanggal 11 Februari 2011.

[11] http://gapra.files.wordpress.com/2009/01/algoritma-divide-and-conquer.pdf diakses pada tanggal 11 Februari 2011.

[12]http://www.mathworks.com/help/techdoc/ref/f16-48518.html diakses pada tanggal 23 Februari 2011.