41
3 METODOLOGI 3.1
Deteksi Perubahan Fase Dalam penelitian ini deteksi perubahan fase dari gerakan suatu target atau gerakan kawanan ikan dilakukan dengan menggunakan perangkat dengan diagram blok seperti pada Gambar 25.
TX
RX
AMPLIFIER PEMANCAR
OSILATOR
AMPLIFIER PENERIMA
PHASE SHIFTED DETECTOR
LPF
Gambar 25. Diagram blok perangkat pendeteksi fase gerakan kawanan jenis ikan . TX adalah transducer pemancar dan RX adalah transducer penerima. Pemancar mengirim gelombang akustik kontinyu (continues wave) ke arah horisontal (lateral aspect) gerakan kawanan ikan atau target yang bergerak dalam air melalui transducer pemancar. Daya pancar yang digunakan besarnya 10 Watt yaitu daya minimum dari transducer yang digunakan. Berbeda dengan perangkat echo sounder atau fish finder umumnya yang memancar gelombang akustik dengan teknik gelombang pulsa (pulse wave) atau single released wave (SRW). Dengan menggunakan gelombang kontinyu tidak diperlukan rangkaian pembangkit pulsa sehingga rangkaian lebih sederhana. Transducer diarahkan horisontal ke bagian samping ikan (lateral aspect) hal ini disebabkan bentuk ikan di bagian samping atau pandangan vertikal (lateral) dapat jelas dibedakan dibandingkan ke arah atas atau pandangan horisontal (dorsal). Disamping itu bentuk strukturnya selalu berubah-ubah. Hal ini dapat dilihat pada Subbab 2.1.
42
3.1.1 Frekuensi yang digunakan Frekuensi yang digunakan tergantung dari 3 (tiga) faktor yaitu : 1.
Perangkat transducer yang ada dipasaran
2.
Panjang ikan minimum yang dapat dideteksi
3.
Jarak jangkau untuk daya pemancar sekecil mungkin
1) Transducer yang terdapat dipasar Frekuensi transducer yang ada di pasaran adalah 38 khz, 70 kHz, 120 khz, 50 khz dan 200 khz. Jadi untuk perangkat pendeteksi perubahan fase menggunakan transducer dengan frekuensi di atas agar mudah diperoleh dengan harga pasar.. 2)
Hubungan frekuensi dengan panjang ikan Hubungan antara frekuensi dengan panjang ikan dapat dilihat pada Gambar 26. Panjang ikan L terhadap panjang gelombang besarnya adalah L = nλ1
dimana λ = 1500/φ dan n =1, 2, 3,….dan seterusnya. Agar
seluruh badan ikan terdeteksi nilai n minimum adalah n = 1, meskipun demikian
idealnya
n
=
2.
Untuk
frekuensi
f
=
50
kHz,
λ = 1500/50000 = 3 cm, dengan ukuran ikan l = 2 x 3 cm = 6 cm. Untuk frekuensi f = 200 kHz, λ = 1500/200000 = 0.75 cm untuk n = 2 dapat digunakan untuk mendeteksi ikan berukuran l = 1.5 cm. Jadi makin tinggi frekuensi yang digunakan makin kecil ukuran ikan yang dapat dideteksi, sehingga dengan menggunakan frekuensi 200 kHz dapat digunakan untuk melakukan pengamatan ikan berukuran sampai
5 cm
dengan
sempurna ( n = 4). . 3) Daya pancar yang digunakan Daya yang digunakan minimal 10 Watt sesuai dengan daya minimal yang dapat mengaktifkan transducer. Pada penelitian ini jarak jangkau tidak lebih dari 10 m, maka dengan menggunakan frekuensi 200 kHz daya 10 Watt lebih dari cukup karena berdasarkan persamaan (32) daya 10 Watt dapat mencapai jarak 50 m. Pada kondisi real, frekuensi yang digunakan diusahakan sekecil mungkin untuk mengatasi redaman yang besarnya
43
tergantung frekuensi. Makin kecil frekuensi yang digunakan makin kecil redamannya dalam air.
L
Gelombang akustik kontinyu
t
T1
λ1 L = 2 λ1, idealnya diambil L = 4 λ1,
Gambar 26. Hubungan panjang ikan dengan frekuensi.
Proses penerimaan gelombang perubahan fase Gelombang perubahan fase yang keluar dari rangkaian LPF di kirim ke komputer laptop yang selanjutnya direkam dengan menggunakan perangkat lunak Cool Edit Pro dalam file dengan nama *.wav.
3.2
Kegiatan Penelitian yang Dilakukan Penelitian ini dilakukan dengan 4 (empat) kegiatan yaitu : (1)
Simulasi pendeteksian perubahan fase digunakan untuk memperoleh gelombang perubahan fase untuk berbagai gerakan obyek dengan bermacam-macam ukuran, dimensi, jenis dan bentuk permukaan, kecepatan serta formasi dalam struktur kawanan atau kelompok dari obyek yang bergerak tersebut. Dalam penelitian ini akan dibuktikan adanya perbedaan perubahan fase untuk setiap parameter di atas.
(2)
Simulasi pengaruh gangguan. Tujuannya adalah untuk membuktikan pengaruh adanya macam-macam gangguan yang mungkin terjadi pada proses pendeteksian perubahan fase
44
(3)
Penelitian di lapangan (di kolam dan di laut) yang dilakukan untuk memperoleh data perubahan fase secara langsung dari gerakan beberapa jenis kawanan ikan.
(4)
Penelitian menggunakan metode Hidden Markov Model untuk proses pengenalan jenis ikan yang dideteksi agar dapat ditampilkan jenisnya.
Untuk penelitian (1) dan (3) data yang diperoleh adalah bentuk gelombang perubahan fase dari gelombang yang dipantulkan setiap sekelompok target yang bergerak atau gerakan berbagai jenis kawanan ikan yang dideteksi.
3.2.1 Simulasi pendeteksian perubahan fase Metodologi simulasi yang dilakukan dapat dilihat pada Gambar 27. Pada gambar, ikan-ikanan ditarik oleh motor listrik dengan kecepatan yang dapat diatur. Ikan-ikanan tersebut dapat diganti untuk berbagai ukuran bentuk, jenis permukaan dan lain-lain. Transducer dipasang horisontal dengan arah tegak lurus atau membentuk sudut tertentu terhadap gerakan ikan-ikanan. Agar ikan-ikanan dapat mudah diganti-ganti, digunakan carrier atau pembawa ikanikanan yang dihubungkan dengan tali penarik dan dapat di selipkan ikan-ikanan secara bergantian. Pada Gambar 27 (b) ditunjukkan beberapa ukuran dan struktur atau susunan ikan-ikanan secara vertikal. Ikan-ikanan yang ditarik oleh motor listrik akan melewati gelombang akustik yang dipancarkan dari transducer pemancar pada frekuensi 200 kHz.
Gelombang pantul akibat
gerakan sekawanan ikan-ikanan tersebut diterima oleh transducer penerima. Setelah dikuatkan oleh rangkaian penguat,
gelombang yang mengalami
perubahan fase tersebut akan dideteksi oleh rangkaian pendeteksi fase (phase detector). Setelah melewati rangkaian LPF, output LPF akan menghasilkan gelombang perubahan fase. Bentuk gelombang fase yang dideteksi tergantung dari ukuran, bentuk, jenis permukaan, susunan serta kecepatan ikan-ikanan yang ditarik (digerakkan). Gelombang perubahan fase tersebut diterima dengan menggunakan komputer, dari hasil ujicoba tersebut, gelombang perubahan fase dari setiap percobaan di analisis dengan memperhatikan spektrum frekuensinya dengan menggunakan perangkat lunak wavelab.
45
MOTOR LISTRIK
ikanikanan
PEMBAWA IKAN-IKANAN
Posisi 1350
Posisi 450
TRANSDUCER
(a)
PENDETEKSI PERUBAHAN FASE
Tali monofilament
Ikan-ikanan
(b)
Gambar 27. Konfigurasi pelaksanaan simulasi pendeteksian perubahan fase dari gelombang pantul gerakan kawanan ikan-ikanan (a) konstruksi kolam percobaan (b) Struktur unit ikan-ikanan.
46
Spektrum frekuensi yang dihasilkan dari setiap percobaan, nilai amplitude setiap komponen spektral dari setiap spektrum diubah kedalam bentuk tabel melalui MS Excel. Dari nilai amplitude setiap spektral dibuat grafik sehingga perbedaan bentuk spektrum dari setiap percobaan dilihat dari sudut kemiringan garis puncak dari spektrum yang akan dibandingkan. Dalam simulasi tersebut kawanan jenis ikan diwakili dengan ikanikanan untuk berbagai ukuran, dimensi, jenis permukaan, kecepatan dan kondisi lainnya, yaitu : 1)
Ikan-kanan berbadan/berukuran lebar 20 x 25 cm
2)
Ikan-ikanan berbadan/ berukuran panjang 30 cm
3)
Ikan-ikanan berukuran kecil 10 cm
4)
Ikan-ikanan dengan permukaan keras dari teripleks
5)
Ikan-ikanan dengan permukaan lembut dari karet
6)
Ikan-ikanan dengan permukaan cembung
7)
Berbagai struktur kawanan pada bidang vertikal (lateral aspect)
8)
Jumlah lapisan kawanan dengan berbagai jarak (misalnya 5 dan 10 cm)
9)
Posisi transducer terhadap arah gerakan sekelompok ikan-ikanan yang diamati. (90o, 45o, dan 1350)
10) Berbagai kecepatan (1 m/detik dan 1.5 m/detik) Agar ikan-ikanan dapat mudah diganti-ganti, digunakan carrier atau pembawa ikan-ikanan yang dihubungkan dengan tali penarik (belt) dan dapat di selipkan ikan-ikanan secara bergantian. 3.2.2 Simulasi pengaruh gangguan. Tujuan simulasi ini
adalah untuk mensimulasikan pengaruh
gangguan terhadap deteksi perubahan fase
gelombang pantul dari gerakan
sekelompok ikan yang diterima oleh perangkat penerima. Gangguan tersebut meliputi gangguan : 1)
Gangguan dari pantulan gelombang yang dipancarkan dari obyek di sekitarnya.
2)
Gangguan dari gelombang dengan frekuensi di bawah frekuensi kerja alat.
47
3)
Gangguan dari gelombang dengan frekuensi dan fase sama dengan frekuensi alat.
4)
Gangguan dari suara mesin
5)
Gangguan dari pantulan gelombang pantul dari gerakan kawanan ikan yang diterima bersamaan dengan gelombang pantul gerakan kawanan ikan itu sendiri. Simulasi ini dilakukan secara elektronik. Diagram blok simulasi
pengaruh gangguan dapat dilihat pada Gambar 28. Rangkaian phase modulator digunakan sebagai pembangkit gelombang 200 kHz yang fasenya berubah-ubah akibat pantulan gerakan ikan, dimana carrier generator sebagai pembangkit gelombang akustik dengan frekuensi 200 kHz dan signal generator sebagai pembangkit gerakan kawanan ikan yang diwakili oleh gelombang sinusoida. Pembangkit gelombang pantul diwakili rangkaian penggeser fase (phase shifter) yang dapat diatur fasenya melalui tahanan putar (variable resistor). Hubungan antara fase dengan gelombang pantul dapat dijelaskan melalui Gambar 29 Beda fase gelombang pantul dengan gelombang langsung besarnya adalah : ϕ = τ/T x 3600
(55)
dimana τ adalah waktu tunda yang besarnya adalah :
τ = dimana l1 + l2
(l1 + l2 ) − L c
(56)
jarak tempuh gelombang pantul, L adalah jarak tempuh
gelombang langsung dan c adalah kecepatan rambat suara di air 1500 m/det.
48
#1
CARRIER GENERA TOR
#2
PHASE MODULATOR
#3
PHASE MODULATOR
#4
PENDETEKSI FASE
ADDER / MIXER
PHASE DETECTOR
LPF
OSILATOR 200 KhZ
#5
SIGNAL GENERATOR
PHASE MODULATOR
MEWAKILI GERAKAN IKAN
Keterangan :
#1 : Mewakili gangguan gelombang dengan frekuensi tertentu #2 : Mewakili gangguan suara mesin #3 : Mewakili gelombang pantul dari pantulan gerakan kawanan ikan dengan gelombang pembawa diperoleh dari keluaran rangkaian #5 yaitu rangkaian yang mewakili gelombang pantul gerakan kawanan ikan #4 : Mewakili gelombang pantul dari gelombang pembawa 200 kHz
#5 : Mewakili pantulan gerakan kawanan ikan
Gambar 28. Diagram blok simulasi pengaruh gangguan.
49
L Kawanan ikan
TX/RX l1
l2 Dinding dasar perairan
Gambar 29. Lintasan gelombang pantul dan gelombang langsung.
Bising yang ditimbulkan suara mesin dibangkitkan dari dalam cassette recorder dan pembangkit gelombang untuk frekuensi yang sama atau berbeda di wakili oleh carrier generator yang dapat diatur frekuensinya sebesar 200 kHz, 50 kHz dan 210 kHz. Untuk menggabungkan gelombang pantul kawanan ikan dengan gelombang gangguan dilakukan melalui rangkaian penggabung atau mixer. Gelombang pantulan kawanan ikan dan gelombang gangguan dideteksi oleh rangkaian phase detector serta rangkaian low pass filter (LPF) yang keluarannya dihubungkan ke osiloskop pada kanal 1, sedangkan kanal 2 dihubungkan ke signal generator sehingga pada monitor dapat dilihat perbandingan gelombang gerakan ikan yang diperoleh dari signal generator dengan gelombang yang keluar dari low pass filter (LPF).
3.2.3 Uji coba di kolam Uji coba dilakukan di kolam untuk mengamati pengaruh pantulan terhadap perubahan fase gelombang pantul yang diterima berbagai jenis ikan dengan konfigurasi, bentuk dan ukuran berbeda.. Gambar 30 memperlihatkan diagram blok uji coba di kolam. Kolam yang digunakan harus memenuhi syarat sebagai berikut : 1) Bentuk lingkaran 2) Diameter minimum 4 m 3) Kedalaman kolam minimum 1.1/2 m dan kedalaman air 1 m
50
4) Dilengkapi dengan airgenerator agar udara (02) tersirkulasi serta air kolam tersaring.
Bentuk gelombang
TX Perangkat pendeteksi perubahan fase
Cool Edit Pro RX Jaring penggiring
Gambar 30. Uji coba di kolam.
Proses uji coba mengikuti prosedur sebagai berikut : 1) Jarak transducer dengan obyek minimum 2 m maksimum 10 m 2) Setiap jenis ikan dilakukan percobaan 5 kali 3) Sebelum uji coba di lakukan terlebih dahulu di uji dalam kondisi tanpa ikan untuk melihat pengaruh pantulan 4) Uji coba dilakukan untuk 3 posisi transducer terhadap arah gerakan kawanan ikan yaitu 300, 1500 dan tegak lurus tetapi jarak 1 m terhadap gerakan kawanan ikan. 5) Uji coba dilakukan dengan adanya suara bising dari motor. Hasil uji coba ditampilkan di monitor
komputer dengan bantuan
perangkat lunak Cool Edit Pro yang selanjutnya disimpan dalam file dengan nama *. wav”contoh ”bandeng 2.wav.
3.2.4 Uji coba di laut Uji coba di laut dilakukan dengan menggunakan keramba jaring berukuran 4 x 4 m yang ditengahnya terdapat jaring penggiring berukuran 2 x
51
2 cm dimaksud untuk menggiring kawanan ikan mengelilingi keramba. Konstruksi uji coba di laut dapat dilihat pada Gambar 31.
Pelampung keramba utama
Jaring penggiring
2–5m
Perangkat pendeteksi perubahan fase
transducer
Jaring dengan jenis bahan dengan efek pantul yang rendah seperti dari katun
Pantai
Gambar 31. Uji coba dengan keramba di laut. .
3.3
Metode untuk Memperlihatkan Perbedaan Karakteristik Sekelompok Obyek Bergerak atau Gerakan Jenis Kawanan ikan. Cara untuk melihat perbedaan karakteristik gerakan sekelompok obyek bergerak atau jenis kawanan ikan
yang diamati dilakukan dengan
membandingkan garis puncak kemiringan spektrum frekuensi yang dihasilkan dari gelombang perubahan fase hasil uji coba beberapa jenis sekelompok obyek yang bergerak atau dari beberapa jenis gerakan kawanan ikan yang dideteksi. Hal ini dilakukan karena bentuk gelombang yang dihasilkan sulit diidentifikasi dengan mata (visual) Dari hasil uji coba di atas diperoleh bentuk gelombang dalam domain waktu.. Untuk mengetahui perbedaan secara visual dapat dilakukan dengan mengamati
kemiringan
puncak
permukaan
(envelope)
dari
spektrum
frekuensinya. Untuk memperoleh kemiringan puncak permukaan dari spektrum frekuensi tersebut dilakukan dengan metode pada Gambar 32.
52
Bila dua gelombang mempunyai garis kemiringan saling sejajar berarti kedua gelombang tersebut dapat dikatakan mempunyai bentuk yang sama, tetapi bila garis kemiringannya membentuk suatu sudut kedua gelombang tersebut dapat dikatakan mempunyai bentuk yang tidak sama. Untuk beberapa uji coba dari satu jenis ikan
yang sama, seyogianya garis kemiringan puncaknya saling
sejajar dan sebaliknya untuk dua jenis kawanan ikan yang berbeda garis kemiringan puncaknya saling membentuk sudut tertentu, makin besar sudutnya makin besar perbedaannya.
FFT
dengan Wavelab
Spektrum frekuensi (gambar)
Besaran ASCII dengan MS EXCEL
Tabel spektrum dalam dB
Spektrum ikan ikanan berbadan lebar 4.50E+05
Amplituda (mV)
Gelombang perubahan fase hasil deteksi
Dibaca dari gambar spektrum
4.00E+05
perc 1
3.50E+05
perc 2
3.00E+05
perc 3
2.50E+05
perc 4
2.00E+05
perc 5
1.50E+05 1.00E+05 5.00E+04
64 ,6 0
86 ,1 3 10 7,6 7 12 9,2 0 15 0, 73
43 ,0 7
21 ,5 3
0, 00
0.00E+00
Frekuensi (Hz)
Tabel spektrum dalam skala mV
Gambar 32.
MS EXCEL
Grafik
Gambar kurva envelope spektrum
Metode untuk memperoleh kurva kemiringan puncak (envelope) spektrum frekuensi.
53
3.4
Proses Pengenalan dengan Metode HMM Untuk menampilkan nama jenis ikan yang akan didentifikasikan atau dikenal (recognized) dilakukan dengan menggunakan metode Hidden Markov Model (HMM) yang diproses dengan menggunakan perangkat lunak MATLAB ver 7. Diagram blok proses pengenalan dapat dilihat pada tinjauan pustaka pada Gambar 18. Selama ini untuk membandingkan perbedaan gelombang perubahan fase dari setiap jenis kawanan ikan dilakukan dengan menampilkan spektrum frekuensi dari masing-masing jenis ikan. Metode ini tidak dapat menampilkan nama jenis ikan yang dikenal secara langsung. Untuk mengatasi hal tersebut digunakan metode Hidden Markov Model, salah satu metode Kecerdasan Tiruan (Artificial Intellegent). Sebelum proses pengenalan dilakukan, terlebih dahulu dibangun basis data untuk menyimpan data codeword dan parameter HMM dari beberapa jenis kawanan ikan untuk 20 (dua puluh) bentuk gelombang. Parameterparameter di dalam basis data
selanjutnya digunakan sebagai pembanding
dalam proses pengenalan. Proses ekstraksi adalah proses pemenggalan gelombang sedemikian rupa agar diperoleh pengenalan yang akurat. penelitian ini
uji coba
dilakukan
Dalam
untuk memperoleh parameter ekstraksi
dan parameter HMM yang optimum (hasil pengenalan yang paling akurat dengan waktu proses yang paling cepat). Dalam penelitian ini proses pembelajaran untuk setiap jenis kawanan ikan dilakukan sebanyak 5 (lima) kali. Untuk memperoleh hasil yang optimal dalam penelitian ini dilakukan pengamatan pada beberapa nilai atau ukuran parameter HMM yang diterapkan yaitu : 1. Waktu durasi pencuplikan dari gelombang yang diamati yaitu untuk 2 (dua) proses waktu periode yaitu proses dengan waktu periode pendek (short periode of time) dan proses dengan waktu periode panjang (long periode of time) 2. Penerapan waktu periode : aplikasi hanya dengan waktu periode pendek, aplikasi hanya dengan waktu periode panjang dan gabungan kedua waktu periode 3. Jumlah repetisi (proses pengulangan) pada proses pembelajaran.
54
4. Ukuran Codebook misalnya 32 bit, 64 bit, 128 bit dan seterusnya.
3.4.1 Pembentukan basis data Gambar 33 memperlihatkan diagram alir pembentukan basis data.
MULAI
Menangkap gelombang perubahan fase
Sampling
Ekstraksi (matriks sample point)
Vector quantization (Codebook)
Trainning HMM
Pembentukan HMM
Data Base
SELESAI
Gambar 33. Diagram alir proses pembentukan basis data.
55
Dari Gambar 33 di atas dapat dijelaskan sebagai berikut : (1)
Tahap pertama gelombang perubahan fase setiap gerakan jenis kawanan ikan yang diperoleh dari keluaran perangkat pendeteksi gerakan jenis kawanan ikan di rekam di komputer dengan menggunakan perangkat lunak Cool Edit Pro ke file dengan nama *.wav, contoh : bandeng1.wav. Setiap jenis kawanan ikan trainning dilakukan sebanyak 5 kali percobaan.
(2)
Selanjutnya gelombang yang direkam tersebut
dipenggal dengan
panjang waktu 0.1 ms yang dilakukan dengan bantuan Cool Edit Pro. (3)
Kemudian penggalan gelombang perubahan fase tersebut di sampling sebanyak 800 samples. (8000 Hz * 0.1 detik).
(4)
Selanjutnya sample penggalan gelombang perubahan fase tersebut di blocking atau di dibagi-bagi dalam beberapa frame di mana satu frame terdiri dari N frame yang dalam penelitian ini terdiri dari 256 sample.
(5)
Proses
windowing
dilakukan
dengan
menggunakan
Hamming
windowing (6)
Selanjutnya setelah dilakukan windowing, sample tersebut dikonversi ke domain frekuensi dengan menggunakan Fast Fourier Transform (FFT) sehingga diperoleh spektrum frekuensinya. Dalam proses FFT hasilnya dibagi 1000 agar spektrum yang dihasilkan tidak terlalu besar dan dibatasi pada spektrum dari frekuensi 20 Hz sampai 500 Hz.
(7)
Komponen spektrum yang diperoleh merupakan nilai vector real dan imaginer dari semua jenis ikan.
(8)
Selanjutnya nilai vektor tersebut diplot dalam suatu
bidang datar yang
disebut dengan nama titik sample. atau codeword (9)
Selanjutnya beberapa titik-titik sample yang terdekat dikuantisasikan ke satu titik vektor yang dinamakan centroid sehingga diperoleh beberapa titik centroid. Proses tersebut dinamakan vector quantization (VQ).
(10)
Pada penelitian ini algoritma VQ yang digunakan adalah algoritma LBG.
(11)
Nilai titik sample setiap jenis kawanan ikan untuk 5 (lima) kali pembelajaran direkam menjadi sebuah codebook dalam suatu basis
56
data dengan nama label tertentu, misalnya bandeng1, bandeng2, kerong1 dan seterusnya. (12)
Berdasarkan nilai centroid dari setiap label dihitung jumlahnya untuk menentukan jumlah state dari HMM chain
(13)
Berdasarkan jumlah state tersebut dan urutan penggalan sampling yang diwakili oleh masing-masing centroid, dari gelombang perubahan fase untuk semua jenis ikan berikut beberapa hasil percobaan diperoleh nilai-nilai. parameter HMM yang kemudian direkam dalan sebuah basis data.
3.4.2 Proses pengenalan Diagram alir proses pengenalan dapat dilihat pada Gambar 34. Pada gambar dapat dilihat prosesnya mirip dengan proses pembentukan basis data hanya pada proses pengenalan tidak dilakukan proses pembelajaran. Pada proses pengenalan gelombang jenis ikan yang diamati (yang akan dikenal) dipenggal menjadi sample-sample yang selanjutnya di blok menjadi 256 samples. Kemudian sample-sample tersebut diubah dengan
FFT.
ke domain
frekuensi
Hasilnya membentuk titik-titik sample dan dicari nilai
centroidnya dalam basis data. Berdasarkan nilai centroid tersebut dihitung besar log of probability (LoP) untuk semua nilai parameter HMM yang diperoleh. Demikian pula dengan nilai parameter HMM dari semua jenis ikan yang terdapat dalam basis data dihitung LoP-nya . Dari nilai LoP untuk semua ikan dalam basis data dan LoP jenis ikan yang diamati dicari nilai yang terbesar. Bila nama ikan dalam basis data mempunyai nilai LoP nya yang sama dengan nama ikan yang diamati maka nilai untuk jenis ikan yang diamati mempunyai nilai LoP terbesar. Bila ternyata nilai LoP nya yang paling besar adalah untuk jenis ikan lainnya berarti proses pengenalan mengalami galat (error).
57
MULAI
Inisialisasi
Menentukan urutan observasi
Menangkap gelombang perubahan fase
Tentukan nilai parameter dari HMM Data Base (HMM)
Sampling
Ekstraksi Data base (code book)
Hitung Log of Probability (LoP) Cari nilai LoP yang terbesar
Hitung distorsi berdasarkan data base
Tentukan nama jenis ikannya
D = min
SELESAI
Dapatkan nilai centroidnya
Gambar 34. Diagram alir proses pengenalan.
3.4.3 Proses ekstraksi Proses ekstraksi adalah proses dimana gelombang yang diterima dipenggal dengan waktu durasi tertentu yang besarnya perlu dilakukan uji coba.yang selanjutnya ditentukan codebooknya dari nilai sample point yang diperoleh. Gambar 35 memperlihatkan contoh proses pemenggalan gelombang. Panjang waktu penggalan (duration time) ditentukan untuk beberapa durasi yang setiap durasi dilakukan uji coba pengenalan (recognition) dengan HMM
58
sehingga akan diperoleh durasi yang optimum atau tingkat akurasi pengenalan yang paling tinggi.
3.4.4 Pembentukan state dari Markov chain Setiap penggalan gelombang dari satu jenis kawanan ikan pada contoh Gambar 35, dikonversi ke domain frekuensi dengan menggunakan metode FFT yang selanjutnya besaran vektor spektrum yang dihasilkan dari masing-masing penggalan gelombang
dikuantisasi untuk memperoleh nilai centroid-nya .
dalam hal ini kemungkinan beberapa bentuk penggalan gelombang yang mirip mempunyai nilai centroid yang sama. Hal ini disebabkan sample point yang diperoleh dari beberapa penggalan gelombang yamg mirip berada dalam satu cluster.
amplitude
W1
W2
W3
W4
W5
Waktu pengamatan
Gambar 35. Penggalan gelombang dari gelombang satu jenis kawanan ikan.
Contoh dari Gambar 35 di atas diperoleh nilai centroid sebagai berikut : Penggalan gelombang W1 Æ centroid 1 Penggalan gelombang W2 Æ centroid 2 Penggalan gelombang W3 Æ centroid 3 Penggalan gelombang W4 Æ centroid 4 Penggalan gelombang W5 Æ centroid 5
59
Demikian pula untuk bentuk gelombang jenis kawanan ikan lainnya akan diperoleh penggalan-penggalan gelombang lainnya atau sama dengan salah satu penggalan gelombang jenis kawanan ikan sebelumnya. Secara langsung penggalan-penggalan gelombang tersebut menyatakan state dari Markov chain, tetapi secara perhitungan tidak dapat dilakukan sehingga penggalan gelombang tersebut diwakili dari nilai centroid nya dalam menentukan state dari Markov chain.
3.4.5 Log of probability (LoP) Pada proses pengenalan titik sample dari kawanan ikan yang akan dikenal dicari nilai codeword nya pada basis data yang kemudian diperoleh jenis kawanan ikannya sesuai yang terdapat dalam basis data. Dari data jenis kawanan ikan tersebut ditentukan parameter HMM nya dan selanjutnya dihitung nilai LoP seperti contoh di bawah ini ikan 1 Æ (w1, w2, w2, w1, w1) = a12* b1* a22 *b2* a21*b2* a11*b1 ikan 2 Æ (w1, w2, w1, w3, w1) = a12* b1* a21 *b2* a13*b1* a31*b3 ikan x Æ (w4, w5, w4, w5, w4) = a45* b4* a54 *b5* a45*b4* a54*b5 dimana w1, w2, w2 dan seterusnya yang diwakili oleh nilai centroidnya menyatakan keadaan (state) dari Markov chain yang diambil berdasarkan jumlah centroid yang ada dalam basis data atau perpindahan suatu penggalan gelombang yang satu ke penggalan gelombang kedua dan selanjutnya perpindahan penggalan gelombang kedua ke penggalan gelombang yang sama. Adapun nilai aij pada contoh a12 adalah peluang transaksi (probability of transaction) yang dapat dijelaskan pada contoh di atas. Nilai bi adalah peluang munculnya state ke i. Proses ini diulang untuk semua jenis ikan dan selanjutnya dicari nilai LoP yang paling besar. Bila nama jenis kawanan ikan untuk nilai LoP yang besar namanya sama dengan jenis kawanan ikan yang akan dikenal berarti pengenalannya tepat dan sebaliknya bila tidak sama berarti proses pengenalannya salah