Tabel 4.19 Hasil Pengukuran Tegangan Keluaran Driver L298
PWM Vout
Vsat
686 7,8 Volt
3,84 Volt 770
7,9 Volt 3,72 Volt
897 8,04 Volt
3,53 Volt 1023
8,14 Volt 3,37 Volt
Dari perbandingan antara tabel 4.19 dan tabel 1.6 pada lampiran L3 didapatkan kesimpulan bahwa terdapat galat yang cukup besar antara proses perancangan dengan hasil
tegangan keluaran pada driver L298. Berikut adalah tabel pembandingan antara perancangan dan hasil pengukuran keluaran pada driver L298.
Tabel 4.20 Tabel Pembandingan Antara Perancangan Dan Hasil Pengukuran Keluaran Pada Driver L298
PWM Perancangan Volt
Driver L298 Volt Galat
1023 12
8,14 32,16
897 10,53
8,04 23,64
770 9,04
7,9 12,61
686 8,058
7,8 3,20
75
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari percobaan dan pengujian sistem pengenalan ucapan disimpulkan sebagai berikut: 1. Implementasi aplikasi pengenalan suara pengontrol tingkat kecerahan lampu DC
dapat bekerja sesuai dengan perancangan. Program pengenalan ucapan mampu mengenali ucapan mati, hidup, terang dan gelap.
2. Pengenalan secara real time menggunakan parameter terbaik yaitu batas potong 0,3 , standar deviasi 1,7 dan segment averaging 64. Untuk user satu tingkat pengenalan
mencapai 92,5 . Untuk user dua dan tiga tingkat pengenalannya mencapai 95. 3. Pengiriman character dari matlab ke mikrokontroler berjalan sesuai dengan
perancangan dan mampu mengatur kecerahan lampu DC.
5.2. Saran
Saran untuk pengembangan sistem pengenalan ucapan untuk mengontrol kecerahan lampu DC:
1. Pengembangan sistem dengan menambahkan lebih banyak user sehingga pengenalan ucapan bisa dilakukan oleh banyak orang.
2. Pengembangan sistem kebidang yang lebih komplex seperti untuk rumah cerdas.
76
DAFTAR PUSTAKA
[1] http:eprints.undip.ac.id43101mar08_t05_ucapan_ayub.pdf, diakses pada tanggal
12 mei 2014
[2] https:www.google.comurl?sa=trct=jq=esrc=ssource=webcd=11cad
=rjauact=8ved=0CCYQFjAAOAourl=http3A2F2Fn12y3.lecture.ub.ac.id 2Ffiles2F20132F102FAspek-Fisiologis-bahasa.pptxei=1aZWU6v
RGM6xrgeM5oGwBgusg=AFQjCNE6ufCM2jBm2ZVEhMvGLqK8IRfuPQsig2= JwSDi12W8aaAIPcYP58Cuwbvm=bv.65177938,d.bmk , diakses pada tanggal 11
april 2014 [3]
http:artsites.ucsc.eduEMSMusictech_backgroundTE-20teces_20.html ,
diakses pada tanggal 28 maret 2014
[4] http:www.webopedia.comTERMSsound_card.html, diakses pada tanggal 30 maret
2014 [5]
http:computer.howstuffworks.comsound-card.htm, diakses pada tanggal 30 maret 2014
[6] Eka Kartikasari, Yesika, 2006, Pembuatan Software Pembuka Program aplikasi
Komputer Berbasis Pengenalan Sinyal Suara, PENS-ITS, Surabaya [7]
Sumarno, Linggo., 2013, Pengenalan Nada Pianika Menggunakan Jendela Gaussian DCT dan Jarak Kosinus., vol. 17, no 1, hal 8-11.
[8] Harris, F.J. On the Use of Windows for Harmonic Analysis with the Discrete Fourier
Transform. Proceedings of the IEEE. Vol. 66, No. 1 January 1978 [9]
Jain, A.K. Fundamentals of Digital Image Processing. Englewood Cliffs, NJ: Prentice-Hall, 1989
[10] Pratt, William K. Digital Image Processing Second Edition. New York: John Wiley
Sons, Inc, 1991 [11]
Setyawan, Yohanes Robby, 2014, Pengenalan Ucapan Angka Secara Real Time menggunakan Ekstraksi Ciri FFT dan Fungsi Similaritas Kosinus, Jurusan Teknik
Elektro-USD,Yogyakarta [12]
http:www.mathworks.comhelpsymbolicmupad refstats-correlation.html diakses
pada tanggal 2 juli 2014