Pendahuluan Blok Diagram Perancangan Sistem

mempengaruhi setiap bagian komponen utama maupun pendukung dalam saat dijalankan selama proses berlangsung. Untuk itu diperlukan sebuah blok diagram yang akan membantu penulis dan pembaca dalam memahami sistem perancangan pengenalan pembicara secara keseluruhan. Pada Gambar 3.1 terdapat blok diagram sistem secara keseluruhan yang menjadi garis besar tentang cara kerja sistem perancangan pengenalan pembicara. Gambar 3.1Blok diagram Perancangan sistem pengenalan pembicara Blok diagram yang dijelaskan pada penelitian ini mencakup blok diagram mengenai perancangan sistem pengenalan pembicara. Berdasarkan gambar blok diagram diatas, fungsi kerja dari masing – masing blok, adalah sebagai berikut : 1. Suara Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitude tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun benda padat. Manusia dapat berkomunikasi dengan manusia lainnya dengan suara. Jika seseorang mendengarkan gelombang sinus murni dimulai pada 20 Hz 20 siklus per detik atau suara terendah telinga manusia sehat dapat menerima dan naik secara bertahap sampai 20 kHz 20.000 siklus per detik dan merupakan suara tertinggi yang bisa kita dengar. Dalam perancangan sistem ini telah ditentukan bahwa frekuensi sampling 8000 kHz berasal dari kelipatan teorema nyquist yang mengharuskan frekuensi sampling 2 kali lipat dari frekuensi sinyal suara. Pada penelitian ini besar sinyal suara sebesar 4 kHz dengan ketentuan percakapan manusia sebesar 340-3400 Hz. 2. Perangkat Pengolahan suara Untuk perangkat perancangan sistem ini menggunakan Filter Anti Aliasing yang dapat meminimalisir munculnya sinyal baru yang berbeda dengan frekuensi sinyal aslinya. Filter yang akan digunakan adalah filter low pass chebyshev dengan rentang frekuensi yang dilewatkan dibawah 5 kHz. Dalam perancangan sistem pengenalan pembicara ini terdiri dari penguat mikrofon dan anti aliasing filter. Tahap pertama dalam proses perekaman adalah mengubah gelombang akustik suara menjadi sinyal analog menggunakan mikrofon. Sinyal analog yang masih lemah ini perlu dikuatkan. Sebagai penguat dibutuhkan IC LM567. 3. Perangkat pengirim informasi data Perangkat pengirim informasi data merupakan perangkat yang memiliki komunikasi data serial to USB. Secara umum komunikasi serial merupakan komunikasi USART Universal syncronus asyncronus receiver transmitter. Perangkat ini terdapat pada fungsi khusus mikro kontroler Arduino UNO. 4. Laptop atau Komputer Perancangan sistem pengenalan pembicara ini menggunakan laptop atau komputer. Secara umum komputer adalah sistem elektronik yang memiliki kemampuan memanipulasi data dengan cepat dan tepat serta dirancang dan diorganisasikan agar secara otomatis menerima dan menyimpan data input, memprosesnya, dan menghasilkan output dibawah pengawasan suatu langkah–langkah instruksi program yang tersimpan didalam penyimpanannya. 5. Matlab Pada perancangan sistem ini software digunakan untuk mengolah data digital yang dikirim oleh arduino dan akan dikonversikan kembali ke sebuah file suara dalam format wav yang kemudian akan ditampilkan dalam bentuk grafik. Matlab adalah suatu bahasa tingkat tinggi yang digunakan untuk komputasi teknik. Bahasa ini mengintegrasi proses komputasi, visualisasi, dan pemrograman dengan environment yang mudah digunakan dengan mengekspresikan masalah dan solusi kedalam notasi – notasi matematika. 6. Sistem pengenalan pembicara berbasis coding Matlab Merupakan sistem yang dibuat menggunakan software Matlab berbentuk program pengkodingan, yang dirancang pada format m-file. Program ini berisi algoritma dan urutan struktur program yang dibuat sedemikian rupa berdasarkan algoritma pengenalan pembicara. 7. Display grafik informasi data pengolahan dan pengenalan suara Merupakan tampilan yang dihasilkan oleh sistem setelah program dijalankan.

3.3 Algoritma sistem pengenalan pembicara

Pada perancangan sistem dibutuhkan beberapa langkah awal atau pandangan dasar yang digunakan untuk mempermudah merancang program sistem pengenalan pembicara. Salah satu alternatife adalah membuat flow-chart atau bagan alir program, dimana bagan alir merupakan bagan yang menggambarkan arus logika dari data yang akan diproses dalam suatu program dari awal sampai akhir. Bagan alir program merupakan metode yang berguna bagi seorang perancang program untuk mempersiapkan program yang rumit. Bagan alir terdiri dari simbol – simbol yang mewakili fungsi – fungsi langkah program dan garis alir flow lines menunjukkan urutan dari simbol – simbol yang akan dikerjakan. Jadi, flow-chart adalah gambaran aliran data suatu program dengan menggunakan simbol – simbol suatu fungsi yang telah ditentukan. Pada Gambar 3.2 telah dirancang sebuah bagan alir yang mempermudah penulis untuk membuat program sistem pengenalan suara pembicara Gambar 3.2 Bagan alir algoritma program perancangan sistem pengenalan pembicara.

Dokumen yang terkait

Implementasi Metode Mel-Frequency Cepstrum Coefficients (MFCC) Dalam IDentifikasi jenis Suara Burung Berkicau

15 74 61

Penerapan Mel Frequency Cepstrum Coefficients (MFCC) sebagai ekstraksi ciri pada pengenalan fonem dengan Probabilistic Neural Network (PNN) sebagai classifier

0 8 48

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 1 8

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 0 1

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 2 5

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 0 12

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 1 1

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 0 12

SIMULASI DAN ANALISIS SPEAKER RECOGNITION MENGGUNAKAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENT (MFCC) DAN GAUSSIAN MIXTURE MODEL (GMM) SPEAKER RECOGNITION SIMULATION AND ANALYSIS USING MEL FREQUENCY CEPSTRUM COEFFICIENT (MFCC) DAN GAUSSIAN MIXTURE MODEL

0 0 7

IDENTIFIKASI PENUTUR MENGGUNAKAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENTS (MFCC) DAN JARINGAN SYARAF TIRUAN MODEL MADALINE Speaker Identification using Mel Frequency Cepstrum Coefficients (MFCC) and Madaline Neural Network

0 1 12