2.6.1 Hamming
Hamming adalah suatu jendela yang dapat digunakan untuk keperluan windowing.
Hamming window digunakan untuk menaikan dan menghimpitkan bentuk gelombang
sehingga bantuk gelombang yang turun mempunyai nilai puncak. Hamming window dapat juga digunakan untuk perhitungan sinyal yang efektif dengan meminimalkan sinyal yang
terdiskontinuitas. Hamming window dapat dirumuskan sebagai berikut[11] :
Gambar 2.7. memperlihatkan contoh hamming window.
Gambar 2.7. Spektrum dengan Window Hamming.
2.7 Discrete Cosine Transform DCT
DCT merupakan suatu jenis transformasi yang banyak digunakan untuk
pemampatan sinyal. DCT dari suatu runtun u n dengan panjang N titik, dirumuskan secara matematis sebagai berikut [12]:
∑ 2.2
Dengan:
{ √
2.3
Gambar 2.9 memperlihatkan contoh pengaruh windowing. Pada gambar terlihat sinyal DCT hasil windowing terlihat lebih rapat, karena sinyal-sinyal frekuensi tinggi tidak
tampak.[10].
Gambar 2.8. Contoh DCT Dari Sinyal Dengan Menggunakan DCT 256 Titik
2.8 Fungsi Jarak Divergensi
Fungsi jarak divergensi digunakan untuk pengenalan ucapan atau suara. Jarak divergensi dirumuskan dengan[13]
∑ Di mana:
= Jarak Divergensi = Dua vektor yang akan dicari jaraknya
n = Ukuran vektor
2.9 Metode Template Matching
Template Matching adalah sebuah operasi dalam pengenalan pola yang digunakan
untuk menentukan ada tidaknya perbedaan antara dua entitas titik, kurva atau bentuk dari jenis template acuan yang sama. Metode template matching adalah salah satu metode
terapan, biasanya digunakan untuk mengidentifikasi citra angka, sidik jari dan aplikasi pencocokan citra lainnya. Secara umum template matching diartikan sebagai suatu cara
untuk membandingkan dua deret angka untuk menentukan kesamaannya.[14]
2.10 Metode K-Nearest Neighbor KNN [15]
Algoritma k-nearest neighbor adalah sebuah metode untuk melakukan klasifikasi terhadap obyek berdasarkan data pembelajaran yang jaraknya paling dekat dengan obyek
tersebut. Dari gambar yang diberi vector x dan ukuran jarak, maka: a.
Dari vector N, mengidentifikasi k-nearest neighbor KNN,yang lepas dari label kelas. k adalah yang dipilih untuk menjadi dua kelas bermasalah, dan secara umum
tidak menjadi kelipatan dari jumlah kelas M. b.
Dari sample k, mengidentifikasi untuk jumlah vector, ,
yang termasuk dalam kelas
, i = 1,2,…,M. tentunya∑
c. Penetapan x untuk kelas
dengan maksimal jumlah sampel dari .
2.11 Modul Serial K 125 R
Modul serial K 125 R merupakan USB atmel AVR ISP Programmer yang dilengkapi dengan komunikasi USB ke serial. K 125 R membantu dalam memprogram
Mikrokontroler. Bentuk fisik K 125 R diperlihatkan pada gambar 2.9.
Gambar 2.9. Bentuk fisik modul serial K 125 R
Gambar 2.10. Bentuk fisik port ISP pada modul serial K 125 R Modul K 125 R memiliki spesifikasi sebagai berikut:
a. Format file yang didukung adalah .hex b. Target In system Programmer ISP
c. Kompatibel dengan Windows XP, Windows Vista dan Windows 7 d. Didukung oleh software CodeVision AVR Evaluasi, AVR OSP II dan AVR Studio 4.
e. Tidak membutuhkan catu daya tambahan dari luar. f. Terdapat selector jumper untuk power board mikrokontroler AVR jika membutuhkan
power dari USB untuk download program[16]
2.12 Mikrokontroler ATMega8535
Atmel adalah salah satu vendor yang bergerak di bidang mikroelektronika, telah mengembangkan AVR
Alf and Vegard’s Risc Processor. Berbeda dengan mikrokontroler MCS51, AVR menggunakan arsitektur RISC Reduce Instruction Set Computer yang
mempunyai lebar bus data 8 bit. Perbedaan ini bisa dilihat dari frekuensi kerjanya. MCS51 memiliki frekuensi kerja seperduabelas kali frekuensi osilator sedangkan frekuensi kerja
AVR sama dengan frekuensi osilator. Jadi dengan frekuensi osilator yang sama kecepatan AVR dua belas kali lebih cepat dibandingkan dengan MCS51. Secara umum AVR dibagi
menjadi 4 kelas, yaitu ATtiny, AT90Sxx, ATMega dan AT86RFxx[18].
2.12.1 Arsitektur ATMega 8535
a. Fitur
a. 8 bit AVR berbasis RISC dengan performa tinggi dan konsumsi daya rendah b. Kecepatan maksimal 16 MHz
c. Memori : 8 KB Flash, 512 byte SRAM, 512 byte EEPROM
Kategori