PERANCANGANDAN PEIVTBUATAN PERANGI(AT LUNAK PENGENAI,AN SUARA UNTUK PEMBELAJARAN ANAK KECIL DENGAN GAMBAR BUAH MENGGUNAI(AN JST
otsT/oz >> \ e , - i l oO
**^l
I jI
Olch: TT-C
HERNAWATI
l-le-t
Pd-r
NRP : SllXi0ll7fitE NIRDf z fi.7.00l.3t0f73.3t694
r. p KE
FAKULTAS TEKNIK JURUS$I TEKNIK ELEKTRO IJNTVERSITASKATOLIK WIDYA MANDALA SURABAYA 2002
Grr_l
I
PERANCANGAN DAN PEMBUATAI{ PERANGKAT LUNAK PENGENALAI\ SUARA UNTUK PEMBELAJARAN ANAK KECIL DENGAN GAMBAR BUAH MENGGUNAKAN JST
SKRIPSI DIAJTJKAN KEPADA FAKULTAS TEKNIK TJNIVERSITAS KATOLIK WIDYA MANDAIA
-
W UNTUK MEMENUHI SEBAGIANPERSYARATAN MEMPEROLEHGELAR SARIANA TEKNIK BIDANG TEKNIK ELEKTRO Oleh : I{AMA NRP I{IRM
: HERNAWATI : 5103097008 : 97- 7-003-31073
-38694
LEMBAR PENGESAHAN
Nama
: FIERNAWATI
NRP
.5103097008
NIRM
.97.7.003.3tAT38694
Telahdiselenggarak an pada: Tanggal
:3A ludi2002
Karena yang bersangkutandengan Skripsi ini dinyatakan telah memenuhi sebagianpersyaratankurikulum guna memperolehgelar SARIANA TEKNIK bidangTEKNIK ELEKTRO Surabaya, 30 Juli2002
IT.MELANI SATYOADI PembimbingI
Ketua Il
t
WilO@. Ir. VINCENT W.P..M.Sc Anggota
JIIRUS$I TEKNIK ELEKTRO
LANNY AGUSTINE.S.T Anggota
FAKULTAS TE DEKAN
'-1 NIK. 511.94.0209
r'ffi NIK.521.86.0121
ABSTRAK
Dahulunya interaksi manusia dengan komputer melalui media papan ketik (keyboard) dan mouse saja, tetapi dengan peningkatan pengetahuin setiap tahunnya, maka diciptakan berbagai alat guna membantu tugas manusia. Salah satunya adalahmenghasilkanperangkatlunak (sofmare) yang mampu mengenali suara. Tujuannya sebagai alat bantu belajar anak kecil yang mulai belajar mengenali namabuah-buahanmelalui gambar. Dalam tugas akhir ini akan dibuat perangkat lunak untuk mensimulasi pengenalansuaradenganmenggunakanJaringan Saraf Tiruan (JST) sebagaisalah satu cara dalam menciptakan jaingan untuk mengenal suara manusia. Salah satu metode jaringan saraf tiruan yang akan digunakan adalah metode SoM (setf Organizingfbature Mapg Kohonen. Pada awal sinyal direkam dan simpan sebagai format wav, kemudian dilanjutkan ketahap pemrosesan awal sinyal yang melibatkan framing dan windowing didalamnya, yang disebut dengan Linear predictive C'ode (LpC). Kode prediksi ini lalu dipetakandi titik-titik tertentu dan masing-masingunit akan memberikan tanggapan terhadap unit pemenang (winner), sebab hanya unit pemenang saja yang mengontrol input untuk neuron yang lain. Unit pemenang disini adalah unit yang vektor bobotnya paling mendekati veklor input, kohonen adalah metode pembelajaran yang tidak diawasi (Llnsupervised learning). Dari JST akan didapatkan suatu nilai bobot yang akan digunakan dalam membantu pengenalansuara,jika suaradikenali sesuaidengangambar yang telah diacak dan ditampilkan terlebih dahulu oleh komputer, maka akan keluar tanda benar atau salah. Gambar buah yang diacak komputer sebanyak 5 dengan masing-masing variasi 5 macam. Berdasarkan hasil pengujian menunjukkan bahwa sistem dengan metode Kohonen memiliki akurasi yang lumayan tinggi untuk mengenali suarayang telah dilatihkan. Sementara untuk suara yang belum dilatihkan, persentase rata-rata pengenalannyarendahhanyasebesar66.7 %.
111
KATA PENGANTAR
Puji syukur yang sebesar-besarnyapenulis ucapkan ke hadirat Tuhan Yang Maha Esa, karena berkat kuasaNya dan kasihNya penulis dapat menyelesaikanpenyusunanskripsi denganjudul: ..PERANCANGAN
DAN PEMBUATAN PERANGKAT LUNAK
PENGENALAN SUARA LINTUK PEMBELATARAN ANAK KECIL DENGAN GAMBAR BUAH MENGGUNAKAN JST ". Skripsi ini
disusun dalam rangka memenuhi persyaratan untuk
memperolehgelar SarjanaTeknik, di FakultasTeknik UniversitasKatolik Widya Mandala Surabaya.Sehubungandenganhal di atas,makaperkenankanlahpenulis menyampaikanucapanterima kasih atas segalabantuanyang telah diberikan oleh: L Ir. Melani
Satyoadi, selaku Dosen Pembimbing dan Kepala Laboratorium
Komputer JurusanTeknik Elektro FakultasTeknik UniversitasKatolik Widya Mandala Surabaya 2. Drs. Peter R.A, M.Komp, atas kesediaanya meluangkan waktu untuk memberikan sarandan masukankepadapenulis. 3. Albert Gunadhi, S.T., M.T., selaku Ketua JurusanTeknik Elektro Fakultas Teknik Universitas Katolik Widya Mandala Surabaya. 4. Mama tercinta yang memberikan dorongan dan dukungan, serta selalu menyertaipenulis. 5. Buat rekan asisten Laboratorium Komputer yang telah menyumbangkan suaranyauntuk dijadikan sampel.
iv
6. Buat rekan-rekan mahasiswa dan semua pihak yang telah membantu kelancaranpembuatandan penulisanskripsi. Akhir kata, semogaSkripsi ini dapatbermanfaatbagi semuapihak.
Surabava. Juli2002
Penulis
DAFTAR IST Halaman Halaman Judul Lembar Pengesahan
Abstrak Kata Pengantar
DaftarTabel Daftar Gambar Bab I PENDAHULUAN l.l. LatarBelakang
I
1.2.Tujuan
2
1.3. Batasan Masalah 1.4.Metodologi ......... 1.5. Sistematika Pembahasan Bab II
DASAR TEORI 2.1. FileWav
4
2.2. Pengolahan Sinyal
6
2.2.1.TahapPre_emphasis ............. 2.2.2.TahapFraming danWindowing.........
7
2.2.3. TahapFastFourierTransform(FFT)
7
2.2.3. l . Al goritmaTransformasi Fourier Di skrit 2.3.4.TahapAnalisisAutocorellation .........
vi
8
vii
2.2.5. LinearPredictiveCoding
9
2.2.6.Cepstral Analysis
9
2.2.7. Parameter Weighting
l0
2.3. J aringanSaraf Tiruan
2.3.1.Pengertian Jaringan Saraf........
10
2.3.2.MetodePendekatan NeuralNetwork
14
2.4. Self Organizingfeature Maps(SOM) 2.4.1. AlgoritmaPembelajaran SOM Bab III
Bab IV
10
l5 t6
PERENCANAAN Pengolahan Awal Sinyal......
2T
lnisialisasiParameter
25
Pelatihan dalam Kohonen
26
Prosespengenalan
29
3.4.1.ProsesData GambarBuah
29
3"4.2.ProsespengenalanInput denganGambar
31
PENGUJIAN DAN ANALISA
4.1. Pengenalan5 macamsuaradenganmasing-masing1 variasi ........ 33 4.2. Pengenalan5 macamsuaradenganmasing-masing3 variasi ........ 35 4.3. Pengenalan5 macamsuaradenganmasing-masing5 variasi ........ 35 4-4- Pengenalan5 macamsuaradenganmasing-masing10 variasi ....-. 36 Bab V
KESIMPULAN
5.1. Kesimpulan DaftarPustaka
37 38
Lampiran
DAFTAR TABEL Halaman Table 4.1
Tabel Pengenalan5 signal denganI variasi
33
Table 4.2
Tabel Pengenalan5 signal dengan3 variasi
35
Table 4 3
Tabel Pengenalan5 signal dengan5 variasi
35
Table 4.4
Tabel Pengenalan5 signal dengan10 variasi
36
ix
DAFTAR GAMBAR Halaman
2.1. Gambar
Blok DiagramProsesPembuatan Software
Gambar2.2
Cara Kerja Jaringan Saraf
13
Gambar2.3
StrukturNeuron
14
Gambar2.5
ProsesSOM TahapPertama
l8
Gambar2.6
ProsesSOM Tahap Kedua
l8
Gambar2.7
SOM mengatur pelatihan mengambil letak
l8
Gambar2.8
Arsiteklur jaringan SOM
19
Gambar3.1
Blok Diagram Pelatihandan PengenalanSinyal
20
Gambar3.2
Procedure Olah Sinyal................
2T
Gambar3.3
TahapPemotongan Framing
23
Gambar3.4
ProsesPengaturanParameter
26
Gambar3.5
SinyalSuarayangdilatihkan
27
Gambar3.6
ProcedurePerekaman Suara
28
Gambar3.7
ProsesPelatihanKohonen
29
Gambar3.8
DataGambarBuahyangdigunakan
30
Gambar3.9
ProsesPenginputanData buah
31
3.10 Gambar
ProsesPengenalanData
32
Gambar4.1
SampelSinyalDurian dari 3 orang
33
