Rancang Bangun Dapur Pada Smart Home Dengan Fitur Speech Recognition Menggunakan Aplikasi Labview Berbasis NI myRIO 1900
Vol. 2, No. 8, Agustus 2018, hlm. 2876-2881 http://j-ptiik.ub.ac.id
Rancang Bangun Dapur Pada Smart Home Dengan Fitur Speech
Recognition Menggunakan Aplikasi Labview Berbasis NI myRIO 1900
1 2 3 Hafizh Hamzah Wicaksono , Wijaya Kurniawan , Hurriyatul FitriyahProgram Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya 1 2 3 Email: hafizh20.hamzah@gmail.com, wjaykurnia@ub.ac.id, hfitriyah@ub.ac.id
Abstrak
Teknologi smart home sangatlah dibutuhkan karena dapat meningkatkan kualitas hidup seorang manusia. Sedangkan di Indonesia sendiri, perkembangan teknologi smart home saat ini masih lambat jika dibandingkan negara-negara tetangga seperti Singapura, Australia, dan Malaysia. Selain itu banyak dari pengguna dapur tidak paham akan tata cara dan resep memasaknya. Berdasarkan permasalahan tersebut, perlu adanya perkembangan dalam dunia smart home khususnya pada dapur. Peneliti menggunakan NI myRIO 1900 sebagai mikrokontroller, dan labview dan microsoft visual studio sebagai pembuatan program. Pada penelitian kali ini terdapat 5 fitur yaitu (1) Menyalakan dan
software
mematikan lampu secara otomatis menggunakan sensor PIR(Passive Infrared Reciver). (2) Menyalakan dan mematikan kran air secara otomatis menggunakan sensor IR(Infrared Reciver) obstacle. (3) Pendeteksian apabila terdapat titik api di dapur menggunakan sensor flame. (4) Menutup pintu kulkas secara otomatis dengan menggunakan motor DC. (5) Pencarian resep yang menggunakan teknologi speech recognition. Setelah penelitian dilakukan, terdapat beberapa kesimpulan. Kesimpulan pertama, yaitu mengukur tigkat keakurasian sensor PIR yang mencapai 83% dengan cara melakukan pergerakan tangan pada prototype dapur sebanyak 6 kali percobaan. Kedua, yaitu mengukur tingkat keakurasian sensor IR obstacle yang mencapai 86% dengan cara melakukan pendekatan tangan pada kran air sebanyak 6 kali percobaan. Ketiga, yaitu mengukur tingkat keakurasian sensor flame yang mencapai 86% dengan cara meletakan lilin sebagai titik api sebanyak 6 kali percobaan. Keempat, yaitu mengukur tingkat keakurasian speech recognition yang mencapai 83% dengan cara mengucapkan kata yang telah didaftarkan sebanyak 15 kali.
Kata kunci: rumah pintar, dapur pintar, speech recognition, labview, NI myRIO-1900
Abstract
Smart home technology is absolutely necessary because it can improve the quality of life of a human
being. In Indonesia, the smart home technology is currently still slow if compared to neighboring
countries such as Singapore, Australia, and Malaysia. In addition, many of users do not understand the
procedures and cooking recipes. Based on these problems, development smart home technology
especially in the kitchen is necessary. Researchers use NI myRIO 1900 as mikrokontroler, labview and
microsoft visual studio as a software development program. In this research there are 5 features that is
(1) Turns on and off lamp automatically using PIR(Passive Infared Reciver) sensors. (2) Turn on and
off the water faucet automatically using IR(Infared Reciver) obstacle sensor. (3) Detection when there
is fire in the kitchen using flame sensors. (4) Closes the refrigerator door automatically by using a Motor
DC. (5) Search recipe that uses speech recognition technology. After the researchers, there are several
conclusions. the first, measuring accuracy of the PIR sensor to reach 83% by movement of hands on a
prototype kitchen as much as 6 times the experiment. Second, that measure the level of accuracy of the
sensor IR obstacle to reach 86% by way of doing the hands on approach to tap water as much as 6 times
the experiment. Third, that measures the level of accuracy of the flame sensor reaches 86% by the way
put a candle flame as much as 6 times the experiment. Fourth, measuring the level of accuracy of speech
recognition to reach 83% by way of pronouncing the words that have been registered as many as 15
times.Keywords: Smart home, Smart Kitchen, Speech recognition, labview, NI myRIO-1900 Fakultas Ilmu Komputer Universitas Brawijaya
2876
1. PENDAHULUAN
Smart home bukan hanya menawarkan fitur
keamanan namun lebih dari itu. Mulai dari pengelolaan rumah yang baik, serta aspek lain yang terdapat di dalamnya, seperti keamanan, penghematan energi dan kontrol penuh atas apa yang terjadi pada tempat tinggal anda (Suhendro, 2015). Teknologi rumah pintar atau smart home terdiri dari sensor, monitor, antarmuka, peralatan dan perangkat yang bekerja bersama-sama untuk memungkinkan otomatisasi, baik dari jarak jauh maupun dari jarak dekat (Aldrich, 2003). Berdasarkan survey State of Smarthome pada tahun 2014, 90% responden tertarik dengan
Smart home karena fitur keamanannya untuk
personal dan keluarga di rumah. Unsur-unsur pendukung dari tempat tinggal yang ideal antara lain: teras depan, ruang tamu, dapur, ruang keluarga, ruang makan, ruang tidur, kamar mandi, gudang, garasi, ruang/ kamar tambahan (Ahandi, 2011). Menurut Sudiara dan Sabudi (1996:76) Dapur adalah suatu ruangan khusus yang difungsikan sebagai tempat pengolahan makanan.
Perkembangan teknologi dalam bidang pengolahan sinyal digital telah membawa perubahan positif dalam kehidupan manusia. Pemrosesan sinyal digital sudah banyak diterapkan dalam berbagai aplikasi. Sebagai contoh, aplikasi-aplikasi tersebut meliputi teknik pengenalan suara, televisi atau telepon digital, dan kompresi sinyal (gambar, dan data) (Gunawan & Juwono, 2012). Teknologi pengenalan suara atau speech recognition bekerja dengan menangkap suara manusia yang dan dirubah menjadi format digital sehingga dapat diterjemahkan dalam suatu sistem. Kemudian sistem tersebut yang akan membandingkan antara informasi masukkan yang telah berupa format digital tersebut dengan database suara yang digunakan (Darma, 2009).
Sedangkan di Indonesia sendiri, perkembangan teknologi smart home saat ini masih lambat jika dibandingkan negara-negara tetangga seperti Singapura, Australia, dan Malaysia (Osay, 2106). Padahal teknologi smart
home sangatlah dibutuhkan karena dapat meningkatkan kualitas hidup seorang manusia.
Selain itu fitur yang harus dimiliki Smart home ialah keamaanan. Semisal sistem harus dapat menangani apabila pengguna lupa mematikan perangkat elektronik. Seperti kejadian yang terjadi di situbondo(13/2/2017), terjadi kebakaran karena pengguna lupa mematikan kompor. "kebakaran itu terjadi karena korban lupa mematikan kompor gas didapurnya" kata Hadi Siswoyo ketua Damkar pemkab Situbondo. Dari 222 kasus yang terjadi di DKI jakarta tahun 2016, 15 terjadi karena pengguna lupa mematikan kompor(Kemenristek, 2016).
Indonesia merupakan negara yang memiliki keberagaman kebudayaan, hal ini dapat dicerminkan dari makanan yang dimiliki pada setiap daerah. Masakan Indonesia mempunyai ciri yaitu berupa cita rasa yang kuat, karena hampir seluruh masakan Indonesia kaya akan bumbu yang berasal dari rempah-rempah. Tata cara memasak suatu masakan sesuai dengan urutan proses atau instruksi serta mencakup alat dan bahan yang digunakan dan diperlukan disebut dengan resep dari suatu masakan (Badudu & Zain, 1994). Akan tetapi banyak dari pengguna dapur tidak tau akan tata cara dan resep memasaknya.
2. PERANCANGAN DAN
IMPLEMENTASI
2.1 Perancangan Perangkat Keras Gambar 1 Diagram Blok Sistem
Pada gambar 1 merupakan blok diagram dari sistem secara umum. Pada blok masukan terdapat sensor PIR yang berfungsi mendeteksi keberadaan pengguna. Sensor Infrared berfungsi untuk mendeteksi tanggan pengguna untuk menyalakan kran air. Sensor flame berfungsi untuk mendeteksi titik api pada dapur yang mengindikasi bahwa terjadi kebakaran. Push button berfungsi untuk mendeteksi apakah pintu kulkas terbuka atau tertutup. Potensiometer berfungsi untuk menyalakan dan mematikan kompor. Microphone berfungsi sebagai masukan suara untuk diolah menggunakan
speech recognition . Semua masukan dikirm ke
mikrokontroller myRIO-1900 untuk kemudian diproses sebelum dikeluarkan. Keluaran pada sistem yang pertama yaitu motor DC yang berfungsi untuk menutup pintu kulkas apabila tidak ditutup oleh pengguna selama 5 detik. LED berfungsi sebagai keluaran dari lampu ruangan, air pada kran, dan kompor. Sedangkan monitor berfungsi sebagai tampilan kepada pengguna dan resep yang ditampilkan berdasarkan kata yang diucapkan.
Gambar 4 Flow chart Kompor
Gambar 4 merupakan flow chart dari fitur kompor. Apabila terdeteksi titik api pada sekitaran kompor maka kompor akan mati dan buzzer akan berbunyi. Begitupun sebaliknya, apabila tidak terdeteksi titik api maka kompor akan tetap menyala dan buzzer tidak berbunyi.
Gambar 2 Flow Chart Lampu Ruangan
Gambar 2 merupakan flow chart dari lampu ruangan. Apabila terdeteksi manusia melalui sensor PIR pada prototype dapur maka LED dalam dapur akan menyala. Dan apabila tidak terdeteksi manusia dalam dapur maka lampu akan otomatis mati.
Gambar 5 Flow Chart Kulkas
Gambar 5 merupakan flow chart dari fitur kulkas. Pendeteksian terbuka atau tertutupnya pintu kulkas menggunakan reed switch yang ditaruh di ujung pintu kulkas. Apabila pintu terbuka selama lebih dari 5 detik maka motor DC akan berputar menutup pintu kulkas.
Gambar 6 merupakan flow chart dari fitur
Gambar 3 Flow Chart Kran Air speech recognition menggunakan microsoft
visual studio. Masukan suara menggunakan Gambar 3 merupakan flow chart dari fitur
, yang apabila terdeteksi 5 kata pada
microphone
kran air. Pendeteksian adanya tangan dilakukan database(cake tape, martabak mini, ayam pedas, oleh sensor infrared. Apabila terdeteksi adanya jasuke, dan bakso) maka pada keluaran akan tangan kurang dari 3 cm maka LED yang menampilkan resep dan cara memasaknya. diilustrasikan air akan menyala. Begitupun sebaliknya, apabila tangan mulai menjauh dari 3 cm dari sensor maka LED akan mati. dilakukan pada labview. Program disesuaikan dengan perancangan perangkat keras. Yang dimana masing-masing masukan dari sensor dibaca kemudian di keluarkan melalui aktuator yang telah dirancang sebelumnya. Pada pemrograman kali ini pun merancang fornt panel yang nantinya akan menjadi antarmuka terhadap pengguna.
Tabel 1. Kata Pada Speech Recognition No Kata
1 Cake Tape
2 Martabak Mini Gambar 6 Flow Chart Speech Recognition
3 Ayam Pedas
4 Bakso
5 Jasuke
2.3 Implementasi Perangkat Keras
Pada tahap implementasi perangkat keras ini, dilakukan pembuatan sistem dengan menggunakan perangkat keras yang telah dirancang sebelumnya. Sesuai dengan perancangan sebelumnya, sensor yang digunakan yaitu sensor PIR, IR, dan flame dan
Gambar 7 Rangkaian Perangkat Keras aktuator berupa motor DC, LED dan buzzer.
Gambar 7 merupakan rangkaian sensor dan aktuator terhadap NI myRIO-1900. Pada fitur lampu, menggunakan sensor PIR yang dihubungkan dengan PIN C DI.4 dan aktuator LED yang dihubungkan dengan PIN C DO.7. Kemudian pada fitur kran air menggunakan sensor IR yang dihubungkan dengan PIN C DI.0 dan aktuator LED yang dihubungkan dengan PIN C DO.1. Kemudian pada fitur kompor menggunakan masukan potensiometer yang dihubungkan dengan PIN AI.0 dan sensor flame yang dihubungkan dengan PIN C DI.2, aktuator yang digunakan yaitu buzzer yang dihubungkan dengan PIN DO.5.
Gambar 9 Prototype Dapur
2.2 Perancangan Perangkat Lunak
Gambar 9 merupakan implementasi dari
protoype dapur yang telah dirancang. Prototyppe
ini berukuran 70*58 cm dengan masing-masing fitur yang sudah diletakan diatasnya. NI myRIO- 1900 diletakan dibawah prototype, sehingga meminimalkan kabel yang terlihat diatas
prototype .
2.4 Implementasi Perangkat Lunak
Pada tahapan implementasi perangkat lunak ini program yang telah dirancang sebelumnya
Gambar 8 Pemrograman Pada Labview akan di upload kan kepada NI myRIO-1900.
Gambar 8 merupakan program yang
Gambar 10 Antarmuka Program
3. PENGUJIAN DAN ANALISIS
3.1 Pengujian Sensor PIR
Tabel 5 Pengujian Speech Recognition No Kata Yang Diucapkan Pembacaan
3 Titik 3 LED Menyala
4 Titik 4 LED Menyala
5 Titik 5 LED Menyala
6 Titik 6 LED Tidak Menyala
Berdasarkan tabel 4 yang merupakan hasil pengujian sensor flame 460nm 1100nm diperoleh tingkat keakurasian sensor sebesar 83%. Tidak terdeteksinya titik api dikarenakan keterbatasan sesnor dalam pembacaan yang mempunyai maksimum 5 cm.
3.4 Pengujian Speech Recognition
Langkah awal pada proses pengujian ini ialah memastikan program speech recognition dan labview telah sukses dijalankan. Kemudian peneliti menggunakan 15 kata yang telah didaftarkan secara acak untuk kemudian diucapkan kedalam sistem.
2 Martabak Mini -
1 Cake Tape Cake Tape
1 Titik 1 LED Menyala
3 Jasuke Jasuke
4 Bakso Bakso
5 Ayam Pedas Ayam Pedas
6 Ayam Pedas Ayam Pedas
7 Cake Tape Cake Tape
8 Jasuke Jasuke
9 Cake Tape Cake Tape
2 Titik 2 LED Menyala
Tabel 4 Pengujian sensor flame No Pergerakan Tanggan Pembacaan
Pada gambar 10 merupakan antarmuka pada sistem. Antarmuka akan bisa dijalankan pada saat program telah dimasukan kedalam myRIO.
3 Ada LED Menyala
3.3 Pengujian Sensor flame 460nm 1100nm
Berdasarkan tabel 3 yang merupakan hasil pengujian sensor IR pada kran air diperoleh tingkat keakurasian sebesar 83%. Tidak terbacanya halangan tangan pada jarak 3.5 cm dikarenakan keterbatasan sensor dalam pembacaan.
6 Ada(3.5 cm) LED Tidak Menyala
5 Ada(3.0 cm) LED Menyala
4 Ada(2.5 cm) LED Menyala
Proses pengujian pada tahap ini yaitu dengan membandingkan gerakan dan pembacaan sensor pada sistem, yang apabila terdeteksi maka LED ruangan akan menyala. Pengujian ini dilakukan sebanyak 6 kali dengan jarak yang berbeda.
Tabel 2 Pengujian Sensor PIR No Pergerakan Tanggan Pembacaan
1 Ada LED Menyala
2 Ada LED Menyala
Proses pengujian pada tahap ini yaitu dengan membandingkan peletakan api menggunakan lilin dan pembacaan sensor pada sistem. pengujian dilakukan sebanyak 6 kali dengan titik api yang berbeda.
Berdasarkan tabel 2 yang merupakan hasil pengukuran pembacaan sensor PIR diperoleh tingkat keakurasian sebesar 83%.
6 Ada LED Tidak Menyala
5 Ada LED Menyala
4 Ada LED Menyala
3.2 Pengujian Sensor IR
Tabel 3 Pengujian Sensor IR No Pergerakan Tanggan Pembacaan
1 Ada(1.0 cm) LED Menyala
2 Ada(1.5 cm) LED Menyala
3 Ada(2.0 cm) LED Menyala
Proses pengujian pada tahap ini yaitu dengan membandingkan peletakan tanggan didepan kran dan pembacaan sensor pada sistem, yang apabila terdeteksi maka LED pada kran akan menyala. Pebgujian ini dilakukan sebanyak 6 kali dengan jarak halangan tangan yang berbeda.
10 Martabak Mini Martabak Mini Superposing Projection System
11 Jasuke Jasuke Devlopment of Superposing Projection
12 Bakso Bakso System fo Cooking Support . Kanagawa
Institute of Technology, p. 2.13 Ayam Pedas Ayam Pedas
14 Martabak Mini - Microsoft, 2012. Microsoft Visual Studio.
15 Bakso Bakso
[Online] Available at: https://www.visualstudio.com/ [Diakses Berdasarkan tabel 5 yang merupakan hasil 2017]. dari pengujian speech recognition diperoleh
National Instruments, 2016. [Online] Available tingkat keakurasian sebesar 86%.
at [Diakses 17 2 2017].
4. KESIMPULAN
Osay, G., 2106. [Online] Available at: http://www.rumahku.com/artikel/read/perk Berdasarkan hasil penelitian yang telah embangan-smart-home-di-indonesia-saat- dilakukan, maka didapatkan kesimpulan sebagai ini-dan-yang-akan-datang-412882 berikut.
1. Untuk menampilkan resep pada dapur dapat RAO, C., ANIRVAN, S., DEBASISH, T. & menggunakan teknologi speech recognition KLANIDHI, K., 2016. Smart Home yang kemudian resep dan cara memasak
Equipped With Voice Recognition .
dapat ditampilkan kedala front panel
International Journal of Industrial
labview, dengan tingkat kepuasan sebesar
Electronics and Electrical Engineering , 84.5%.
Volume IV, p. 3.
2. Penggunaan library speech recognition
Suhendro, P., 2015. Perkembangan Smart Home pada Microsoft Visual Studio dapat Di Indonesia. [Online] Available at: dikatakan berhasil, karena dari 15 kata yang http://ciptaalphateknologi.com/perkemban diucapkan hanya terdapat 2 kata yang tidak gan-smart-home-di-indonesia-2/ dapat terdeteksi oleh sistem atau memiliki tingkat keakurasian sebesar 86%.
3. Penggunaan sensor dapat dikatakan efektif karena berdasarkan hasil pengujian sensor
PIR memiliki tingkat akurasi 83%, sensor
IR obstacle memiliki tingkat akurasi 83%,
sensor flame memiliki tingkat keakurasian 83%. 4. error disebabkan oleh
Persentase keterbatasan sensor dalam pembacaan.
Yang dimana setiap sensor mempunyai batas maksimal dalam melakukan pembacaan.
DAFTAR PUSTAKA
Bishop, C., 2006. Pattern Recognition and
Machine Learning . Edinburgh: Royal
Society BNPB, 2016. [Online] Available at : http://dibi.bnpb.go.id/ [Diakses 8 july
2017]. Damien, 2009. [Online] Available at : http://subari.blogspot.co.id/2008/03/smart- home-sistem-pintar-di-rumah.html
Gunawan & Juwono, 2012. Pengolahan Sinyal Digital. Yogyakarta:Graha Ilmu. Kaneko, M. et al., 2016. Devlopment of