Danudoro, Kevin and Prof. Dr. Eng. Fitri Utaminingrum, S.T., M.T. (2024) Sistem Pengenalan Suara Pada Lingkungan Bising Untuk Kursi Roda Pintar Menggunakan MFCC dan ResNet50V2. Sarjana thesis, Universitas Brawijaya.
Abstract
Indonesia pada tahun 2022 kurang lebih mencapai 900.000 jiwa. Pada kasus tertentu, terdapat juga seseorang yang mengidap lebih dari 1 jenis disabilitas sehingga dikategorikan sebagai penyandang disabilitas ganda. Untuk membantu penyandang disabilitas ganda dalam beraktivitas sehari-hari, terutama dalam meningkatkan mobilitasnya, maka dilakukan sebuah penelitian dengan judul ”Pengenalan Papan Nama Ruangan untuk Kendali Kursi Roda Pintar menggunakan YOLOv7-Tiny dan EasyOCR berbasis TX2" (Alqadri & Utaminingrum, 2023) untuk mengembangkan sistem navigasi otonom pada kursi roda yang dapat mengantarkan pengguna ke ruangan yang dituju. Namun sistem tersebut masih memerlukan input dari keyboard sehingga belum dapat menyelesaikan permasalahan yang dialami penyandang disabilitas ganda. Oleh sebab itu, diperlukan pengembangan input alternatif lainnya yang dapat mengurangi interaksi fisik pengguna dengan sistem, salah satunya adalah dengan menggunakan suara. Sistem pengenalan suara sendiri memiliki beberapa rintangan yang perlu dihadapi, salah satunya adalah noise yang dapat mengurangi keandalan sistem. Oleh sebab itu, diperlukan pengembangan sistem pengenalan suara yang mampu beroperasi pada lingkungan bising dengan menggunakan metode noise reduction Spectral Gating, ekstraksi ciri MFCC dan model deep learning ResNet50v2. Berdasarkan pengujian yang dilakukan, diketahui bahwa epoch ke-37 merupakan epoch terbaik yang digunakan untuk melatih model. Selain itu, diketahui bahwa rata-rata waktu komputasi sistem adalah sebesar 2385.2 ms. Kemudian berdasarkan pengujian oleh 5 subjek, diketahui bahwa rata-rata akurasi pada ruang hening dan bising secara berturutturut sebesar 91% dan 81%.
English Abstract
Badan Pusat Statistik Indonesia (BPS) 2022 menunjukkan bahwa jumlah difabel di Indonesia pada tahun 2022 kurang lebih mencapai 900.000 jiwa. Pada kasus tertentu, terdapat juga seseorang yang mengidap lebih dari 1 jenis disabilitas sehingga dikategorikan sebagai penyandang disabilitas ganda. Untuk membantu penyandang disabilitas ganda dalam beraktivitas sehari-hari, terutama dalam meningkatkan mobilitasnya, maka dilakukan sebuah penelitian dengan judul ”Pengenalan Papan Nama Ruangan untuk Kendali Kursi Roda Pintar menggunakan YOLOv7-Tiny dan EasyOCR berbasis TX2" (Alqadri & Utaminingrum, 2023) untuk mengembangkan sistem navigasi otonom pada kursi roda yang dapat mengantarkan pengguna ke ruangan yang dituju. Namun sistem tersebut masih memerlukan input dari keyboard sehingga belum dapat menyelesaikan permasalahan yang dialami penyandang disabilitas ganda. Oleh sebab itu, diperlukan pengembangan input alternatif lainnya yang dapat mengurangi interaksi fisik pengguna dengan sistem, salah satunya adalah dengan menggunakan suara. Sistem pengenalan suara sendiri memiliki beberapa rintangan yang perlu dihadapi, salah satunya adalah noise yang dapat mengurangi keandalan sistem. Oleh sebab itu, diperlukan pengembangan sistem pengenalan suara yang mampu beroperasi pada lingkungan bising dengan menggunakan metode noise reduction Spectral Gating, ekstraksi ciri MFCC dan model deep learning ResNet50v2. Berdasarkan pengujian yang dilakukan, diketahui bahwa epoch ke-37 merupakan epoch terbaik yang digunakan untuk melatih model. Selain itu, diketahui bahwa rata-rata waktu komputasi sistem adalah sebesar 2385.2 ms. Kemudian berdasarkan pengujian oleh 5 subjek, diketahui bahwa rata-rata akurasi pada ruang hening dan bising secara berturutturut sebesar 91% dan 81%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150116 |
| Uncontrolled Keywords: | Disabilitas Ganda, Kursi Roda, Klasifikasi Suara, ResNet50v2, Mel Frequency Cepstral Coefficients-Disabilitas Ganda, Kursi Roda, Klasifikasi Suara, ResNet50v2, Mel Frequency Cepstral Coefficients |
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 22 Feb 2024 07:57 |
| Last Modified: | 22 Feb 2024 07:57 |
| URI: | http://repository.ub.ac.id/id/eprint/215738 |
![[thumbnail of Kevin Danudoro.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Kevin Danudoro.pdf Download (20MB) |
Actions (login required)
 |
View Item |