perangkat lunak untuk membuka aplikasi pada komputer dengan perintah suara menggunakan metode

7/18/2019 Perangkat Lunak Untuk Membuka Aplikasi Pada Komputer Dengan Perintah Suara Menggunakan Metode

http://slidepdf.com/reader/full/perangkat-lunak-untuk-membuka-aplikasi-pada-komputer-dengan-perintah-suara 1/7

PERANGKAT LUNAK UNTUK MEMBUKA APLIKASI PADA KOMPUTER

DENGAN PERINTAH SUARA MENGGUNAKAN METODE

MEL FREQUENCY CEPSTRUM COEFFICIENTS

Bobi Tri Yuliansyah

II D (Dua)

Program Studi Informatika

Fakultas Teknik

Universitas Muhammadiyah Bengkulu

Email bobby!amsen"gmail#$om

ABSTRAK

Perangkat lunak yang dibangun %ada tugas

akhir ini adalah sebuah %rogram yang da%at

membuka a%likasi %ada kom%uter menggunakan

%erintah suara &voice command '# Se$ara umum

suara yang masuk akan di$o$okan dengan data

suara yang telah ada#

(ika hasil dari %en$o$okan sama) maka

sistem akan mengeksekusi a%likasi yang telah

ditentukan sebelumnya# Permasalahannya adalah

bagaimana kom%uter da%at mengerti %erintah yang

diu$a%kan oleh manusia#

Metode yang digunakan dalam feature

e*tra$tion adalah Mel frequency Cepstrum

Coefficients &MF++'# Dalam MF++ sendiri

terda%an tu!uh taha%an yaitu) Pre-emphasis, Frame

Blockin, !indo"in, Fast Fourier #ransform,

Mel Frequency !apin, Discrete Cosine

#ransform dan Cepstral $ifterin # Untuk

mengurangi ,aktu %emrosesan saat %en$o$okan

suara maka digunakan -.Means +lustering untuk

membuat vektor data sebagai re%resentasi dari

keseluruhan sam%el data yang ada# /%likasi voice

command ini dibangun menggunakan Mi$rosoftvisual basi$ 0#

Pada %engu!ian dida%atkan %ersentase

keberhasilan sebesar 12)34 dalam hal keakuratan

%erintah suara yang diu!ikan terhada% seribu

sam%el data yang ada# Data tersebut dida%atkan

dari se%uluh orang yang terdiri dari lima orang

,anita dan lima orang %ria# Untuk memaksimalkan

%erforma a%likasi) di%erlukansuasana lingkungan

yang tenang) agar a%likasi da%at ber!alan dengan

benar# Kata Kunci : %oice Command, Mel Frequency

Cepstrum Coefficients (MFCC)

1. PENDAHULUAN

Manusia meru%akan mahluk sosial yang

memerlukan komunikasi dengan sesamanya dalam

kehidu%an sehari.hari# Suara meru%akan salah satu

media komunikasi yang %aling sering dan

umum digunakan oleh manusia# Manusia da%at

mem%roduksi suaranya dengan mudah tan%a

memerlukan energi yang besar# Suara

meru%akan salah satu $ara alami manusia untuk

berkomunikasi# Dengan suara manusia da%at

memberikan informasi mau%un %erintah# 5leh

karena itu dibutuhkan suatu teknologi yang

memungkinkan manusia da%at berkomunikasi

melalui suara untuk berinteraksi dengan kom%uter &voice command '#Perkembangan teknologi) yang

semakin %esat telah men$i%takan sebuah dunia

informasi#

6al ini semakin memi$u kebutuhan akan

adanya kemudahan dalam berinteraksi dengan

kom%uter & Suara manusia meru%akan salah satu

bentuk 'iometric yang da%at digunakan untuk

person identification& Selain itu dibandingkan

'iometric person authentication yang lain)

%engenalan suara %embi$ara & speaker reconition'tidak membutuhkan biaya yang besar# Perangkat

lunak %engenalan suara ini meru%akan $ikal bakal

mun$ulnya %erangkat lunak %engenalan suara

&voice reconition'#

Dengan adanya %erangkat lunak %engenalan

suara) manusia $uku% memberika %erintah.%erintah

se$ara lisan ke%ada kom%uter selayaknya

memberikan %erintah ke%ada orang lain# Perangkat

lunak yang dibuat dalam tugas akhir ini meru%akan

salah satu bagian dari artificial intellient yang

mere%likasikan organ %endengaran manusia untuk

da%at mengenali %erintah %embi$ara berdasarkan

Tugas Statistika IID

Universitas Mua!!a"i#a $engku%u 7

mailto:[email protected]





suara yang dimasukan# Perangkat lunak ini da%at

meminimalisir %enggunaan mouse#

Perangkat lunak ini dibuat dengan

menggunakan metode MF++ & Mel Frequency

Cepstrum Coefficients' feature etraction dan

didukung dengan -Means clusterin& MF++

feature etraction mengkonversikan sinyal suarakedalam bebera%a vektor data berguna bagi %roses

%engenalan %embi$ara# Terda%at 1 taha%an dalam

MF++ yaitu Pre *mphasi+e, Frame

Blockin,!indo"in, Fast Fourier #ransform,

Mel Frequency !arpin, Discrete Cosine

#ransform, dan Cepstral $ifterin& 6asil dari

MF++ feature etraction berukuran besar)

sehingga membutuhkan ,aktu %roses yang lama

bila langsung digunakan untuk %roses %engenalan

suara# 5leh karena itu) dibutuhkan %eranan darimetode -Means clusterin untuk membuat

bebera%a vektor %usat sebagai ,akil dari

kesuluruhan vektor data yang ada#

Metode Mel Frequency Cepstrum

Coefficients ini memiliki bebera%a kelebihan

diantaranya adalah mam%u menangka% informasi

%enting dalam sinyal suara) menghasilkan data

seminimal mungkin tan%a menghilangkan

informasi.informasi yang ada) dan mere%likasikan

organ %endengaran manusia dalam melakukan %erse%si terhada% sinyal suara#

Berdasarkan uraian di atas) %embangunan

%erangkat lunak ini da%at memudahkan user dalam

berinteraksi dengan kom%uter menggunakan

%erintah suara& 5leh karena itu) tugas akhir ini

diberi !udul Perangkat 8unak Untuk Membuka

/%likasi Pada -om%uter Dengan Perintah Suara

Menggunakan Metode Mel Frequency Cepstrum

Coefficients (MFCC) #

1.1 Maksud Dan Tujuan

1.1.1 Maksud

Maksud dari %enulisan tugas akhir ini adalah

untuk membangun %erangkat lunak yang

da%at membuka a%likasi di kom%uter dengan

%erintah suara menggunakan metode Mel

Frequency Cepstrum Coefficients &MF++' untuk

mem%ermudah user berinteraksi dengan kom%uter#

1.1.2 Tujuan

/da%un tu!uan dari tugas akhir ini adalahsebagai alat yang mem%ermudah manusia untuk

berinteraksi dengan kom%uter#

2. MODEL, ANALISA, DESAIN DAN

IMPLEMENTASI

Proses voice command %ada sistem da%at

di!elaskan sebagai berikut# Pertama.tama)

%engguna menentukan kata yang akan di!adikan

sebagai %erintah untuk membuka a%likasi tertentu

kemudian mengu$a%kannya %ada microfone )danmemilih a%likasi a%a yang akan dibuka oleh

%erintah tersebut#

Sistem akan menyim%an data tersebut dalam

sebuah database# Setelah itu barulah %engguna

mengu$a%kan kata yang men!adi %erintah tadi#

Sistem akan men$o$okan sinyal suara yang masuk

dengan data yang terda%at dalam tem%late# (ika

data sinyal sama) maka kom%uter akan

mengeksekusi a%likasi yang telah ditentukan

sebelumnya#

Feature etraction mengkonversikan sinal

suara kedalam bebera%a vektor data berguna bagi %roses %engenalan suara# Dalam MF++ & Mel

Frequency Cepstrum Coefficients ' sendiri terda%at

tu!uh taha%an yaitu Pre *mphasi+e, Frame

Blockin, !indo"in, Fast Fourier #ransform,

Mel Frequency !arpin, Discrete Cosine

#ransform, dan Cepstral lifterin )yang telah

di!elaskan %ada bab sebelumnya# Data hasil MF++

& Mel Frequency Cepstrum Coefficients ' Feature

etraction kemudian akan memasuki taha% -

Means Clusterin taha% ini membuat bebera%a

vektor %usat sebagai ,akil dari kesuluruhan vektor

data yang ada# Taha% men$o$okan sinyal adalah

taha% %erhitungan pro'a'ilitas kemiri%an %ola dari

tia%.tia% model sinyal yang mem%unyai

pro'a'ilitas kemiri%an yang tertinggi dan

berdasarkan %ada template&

2.1 Suara

Pada sistem %engenalan suara oleh manusia

terda%at tiga organ %enting yang saling

berhubungan yaitu telinga yang ber%eran sebagai

transduser dengan menerima sinyal masukan suara

dan mengubahnya men!adi sinyal syaraf) !aringan





syaraf yang berfungsi mentransmisikan sinyal ke

otak) dan otak yang akan mengklasifikasi dan

mengidentifikasi informasi yang terkandung dalam

sinyal masukan#

2.2 Analss P!n"!nalan Suara

Dalam a%likasi ini terda%at : taha%an yaitu)

MF++) -. Means Clusterin ) %en$o$okan sinyal)

dan eksekusi %rogram# Se$ara umum %rogram

mengikuti alur berikut ini

2.2.1 Pr! Pr#$!ssn"

Sinyal suara yang akan di%roses bersifat

analog sehingga !ika akan dilakukan %engolahan

se$ara digital) sinyal suara tersebut harus

dikonversi men!adi sinyal digital) beru%a urutan

angka dengan tingkat %resisi tertentu yang

dinamakan analo to diital conversion denganmenggunakan analo-todiital converter &/D+'&

-onse% -er!a /D+ terdiri dari tiga %roses

-eterangan konse% ker!a /D+

7# amplin adalah konversi sinyal kontinu dalam

domain ,aktu men!adi sinyal diskrit) melalui

%roses samplin sinyal %ada selang ,aktutertentu#

Sehingga !ika *2&t' adalah sinyal in%ut) maka

out%utnya adalah *2&nT') dengan T adalah

interval samplin #

& -uantisasi adalah %roses untuk membulatkan

nilai data kedalam bilangan bilangan tertentu

yang telah ditentukan terlebih dahulu&

;# Codin ) %ada %roses ini) tia% nilai diskrit yang

telah dida%at) dire%resentasikan dengan angka

binary n.bit#

%.1.1 Akuss Da&a

Data beru%a sinyal suara di%eroleh dengan

$ara merekam suara melalui mikrofon yang

dihubungkan dengan kom%uter# Perekaman suara

di dalam a%likasi menggunakan frekuensi sam%ling

standar <2226=#

Suara dengan format #"av ini bisa

menggunakan 70 'its> sample dan 7 untuk channel

mono& Durasi suara yang direkam a%abila lebih

%endek lebih mudah untuk diambil %erbedaanfiturnya# Dalam analisis ini digunakan $ontoh

durasi rekaman yang diambil adalah 9 detik#

dimana

? @ data sam%ling sinyal

Fs @ frekuensi sam%ling

dt @ durasi rekaman &detik'

bit @ !umlah bit resolusi

! @ 7 untuk mono atau 9 untuk stereo

2.2.% M'((


Universitas Mua!!a"i#a $engku%u ;



Metode Mel Frequency Cepstrum

Coefficients &MF++' ini menggunakan bebera%a

%arameter yang akan ber%eran %enting dalam

menentukan tingkat keberhasilan %engenalan

sinal suara# Berikut ini adalah keseluruhan %roses

MF++ Feature etraction

2.2.%.1 Pr!)E*+ass

Pre-emphasis dilakukan untuk mem%er.baiki

sinal dari gangguan noise, sehingga da%at

meningkatkan tingkat akurasi dari %roses feature

etraction& Default dari nilai al%ha yang digunakan

dalam %roses pre-emphasis filterin adalah 2)A1#

2.2.%.2 'ra*! Bl#$kn"

6asil %erekaman suara meru%akan sinyal

analog yang berada dalam domain ,aktu yang

bersifat variant time) yaitu suatu fungsi yang

bergantung ,aktu# 5leh karena itu sinyal tersebut

harus di%otong.%otong dalam slot.slot ,aktu

tertentu agar da%at diangga% invariant# Sinyal suara

di%otong se%an!ang 92 milidetik #Setia% %otongan

tersebut disebut frame#

Untuk menghitung !umlah Frame digunakan

rumus

(umlah frame @ && I.'>M'C7'

I @ Sam%le rate

@ Sam%le %oint & Sam%le rate ,aktu framing

&s''

M @ >9

Potongan frame digambarkan se%erti gambar

diba,ah ini

2.2.%.% -nd#n"

Fungsi ,indo, yang %aling sering

digunakan dalam a%likasi s%eaker re$ognation

adalah 6amming indo,# Fungsi ini

menghasilkan sidelobe level yang tidak terlalu

tinggi &kurang lebih .:;dB' selain itu noise yang

dihasilkan %un tidak terlalu besar &kurang lebih

7#;0 BIS'#

indo, hamming

2.2.%./ ''T

FFT &Fast Fourier Transform' adalah teknik

%erhitungan $e%at dari DFT# FFT adalah DFT

dengan teknik %erhitungan yang $e%at dengan

memanfaatkan sifat %eriodikal dari transformasi

fourier# Perhatikan definisi dari FFT

/tau da%at dituliskan dengan

Untuk melihat nilai hasil FFT digunakan rumus


Universitas Mua!!a"i#a $engku%u :



2.2.%.0 'l&!rank

Filter'ank menggunakan re%resentasi

konvolusi dalam melakukan filter terhada% sinyal#

-onvolusi da%at dilakukan dengan melakukan

multi%likasi antara s%ektrum sinyal dengan

koefisien filter'ank # Berikut ini adalah rumus yang

digunaka dalam %erhitungan filter'ank s#

2.2.%. D(T

Proses ini meru%akan langkah akhir dari

feature etraction# 6asil dari D+T ini adalah fitur.

fitur yang dibutuhkan oleh %enulis untuk

melakukan %roses analisa terhada% %engenalan

suara tersebut#

Menggunakan rumus

2.2.%.3 (!+s&ral L4&!rn"

6asil dari fungsi D+T adalah $e%strum

yang sebenarnya sudah meru%akan hasil akhir

dari %roses feature etraction# Teta%i) untuk

meningkatkan kualitas %engenalan) maka $e%strum

hasil dari D+T harus mengalami cepstral lifterin&

8 @ !umlah $e%stral $oeffi$ients

@ inde* dari $e%stral $oeffi$ients

2.2./ K)M!ans (lus&!rn"

Clusterin meru%akan faktor yanng %aling

fundamental dalam pattern reconation# Masalah

utama dari clusterin adalah menda%atkan

bebera%a nilai vektor %usat yang da%at me,akili

keseluruhan vektor dari hasil feature etraction# -.

means Clusterin adalah salah satu metode yangdigunakan untuk mem%artisi vektor hasil feature

etraction ke dalam k vektor %usat;G#

-Means Clusterin adalah %rroses

memetakan vektor.vektor yang berada %ada

lingku% ,ilayah yang luas besar men!adi se!umlah

tertentu &k' vektor# ilayah yang ter,akili oleh

vektor %usat hasil dari %roses kuantisasi disebut

sebagai cluster # Sebuah vektor %usat hasil dari

%roses kuantisasi dikenal sebagai code"ords#Sedangkan kum%ulan dari vektor %usat dikenal

sebagai code'ooks# Hambar berikut menun!ukan

hasil ilustrasi -Means Clusterin&

Ga*ar . 'ra*n"

-euntungan dari diim%lementasikannya . Means

Clusterin dalam mere%resentasikan speech

spectral vectors adalah

7# Mengurangi storae memory yang digunakan

untuk analisis informasi s%ektral#

9# Mengurangi %erhitungan yang digunakanuntuk menentukan kemiri%an dari vektor

s%ektral#

-elemahan dari %enggunaan . Means Clusterin

code'ooks dalam mere%resentasikan speech

spectral vectors adalah

7# Timbulnya s%ektral distorsi# 6al ini ter!adi

karena vektor yang dianalisa bukanlah vektor

asli) teta%i sudah mengalami %roses kuantisasi

9# torae yang digunakan untuk menyim%ancode'ooks vektor sering kali men!adi masalah#

Untuk !umlah code'ooks yang besar)

membutuhkan storage yang $uku% besar !uga#

2.2.0 P!n$#$#kan suara

Untuk da%at membuka a%likasi yang

diinginkan) maka data sinal baru yang masuk

akan di$o$okan dengan data yang telah ada dalam

data'ase sebelumnya# Setia% vektor dari model

yang diu!i$obakan) dibandingkan dan dihitung

euclidean distance-nya dengan semua vektor yang

ada %ada salah satu model database se$ara

bergantian#





-emudian diambil distance yang %aling

minimum antara sebuah vektor %ada model yang

diu!i $obakan dengan semua vektor yang ada %ada

salah satu model database# Sehingga dida%atkan

minimum distance#

Berikut ini adalah gambar %erhitungan distan$e

6itung minimal distan$e dari setia%

$odebook yang ada# Disitulah diangga% sebagai

kemiri%an sinyal#

%. HASIL DAN DISKUSI

Dalam %engu!ian %engenalan suara ini)

terda%at 72 orang yang men!adi bahan u!i untuk

a%likasi voice command # Diantaranya terda%at

lima orang ,anita dan lima orang %ria dengan usia

antara 92 tahun sam%ai 9: tahun# Setia% orang

menda%atkan kesem%atan sebanyak 72 kali untuk

setia% a%likasi#

Sehingga dalam satu kata terda%at 722 kali

%er$obaan# Perhitungan akurasi) digunakan untuk

mengetahui sebera%a besar kesuksesan a%likasi

voi$e $ommand ini# -eterangan dikenali

meru%akan ke$o$okan %erintah dengan a%likasi

yang dieksekusi#

%.1 Hasl P!n"ujan P!rn&a

Dari hasil %ersentase masing.masing kata

maka dida%atkan nilai %ersentase keseluruhan

yaitu

75+84+61+69+66+73+82+60+62+73

10

∗ 722 4 @

705

10 ∗ 722 4 @ 12)3 4

%.1.1 Gra4k Hasl P!n"ujan

Berikut ini adalah grafik keseluruhan hasil

%engu!ian dari se%uluh a%likasi yang diu!ikan

/. KESIMPULAN DAN SARAN

-esim%ulan meru%akan ringkasan yang

diambil dari hasil analisis yang telah dilakukan#

Berisi tentang hasil kiner!a metode Mel Frequency

Cepstrum Coefficients &MF++' %ada a%likasi voice

command yang telah dibuat# Sedangkan saran

ditu!ukan ke%ada %engguna agar da%at

memaksimalkan kiner!a %erangkat lunak voice

command ini#

/.1 K!s*+ulan

Berdasarkan analisis yang telah dilakukanterhada% %embangunan a%likasi voice command

menggunakan metode mel freuen$y $e%strum

$oeffi$ients &MF++' maka da%at disim%ulkan

bah,a

7# /%likasi ini memiliki tingkat keberhasilan

sekitar 12)3 4#

9# -eberhasilan a%likasi ini masih tergantung

%ada sebera%a besar noise yang datang#

;# Metode Mel Freuen$y +e%strum $oeffisien

&MF++' ini da%at di%akai sebagai metode

yang baik dalam melakukan feature e*tra$tion#

:# Tingkat sensitifitas mi$ro%hone yang

digunakan !uga da%at mem%engaruhi hasil dari

a%likasi ini#

3# Pengguna da%at berinteraksi dengan kom%uter

menggunakan %erintah suara#

/.2 Saran





/gar %erangkat lunak ini da%at berkembang

ke de%annya) %enulis menyarankan bebera%a hal

sebagai berikut yaitu

7# Meningkatkan kemam%uan sistem untuk

membedakan suara noise# Menambahkan

modul.modul %erintah se%erti short$ut %ada

a%likasi mi$rosoft ,ord dan lain.lain#9# /gar a%likasi voice command ini da%at

bermanfaat bagi %engguna kom%uter yang

mengalami $a$at fisik) maka di%erlukan

%erluasan %erintah %ada a%likasi#

;# Untuk kede%annya dihara%kan a%likasi ini

da%at meng$over semua %erintah dalam

kom%uter) sehingga da%at membantu interkasi

manusia dengan kom%uter men!adi lebih

mudah#

:# Dihara%kan ada metode yang benar.benar

da%at menghilangkan noise) sehingga

keberhasilan a%likasi akan semakin besar

DA'TAR PUSTAKA

-usumade,i) S#) .rtificial /ntellient ) ed# H# Ilmu#

922;) Yogyakarta#

%eo%le#revoledu#$om>$ardi#teknomo# &$ited 9277

7: !uni'#

%ra,ira) i#) soft"are pem'uka aplikasi komputer&

922A#

Bala)/#) %oice command reconation system 'ased

mfcc #922;#

Bimanto) I,an#) Multimedia Diital ,ed#andi#922;)

Yogyakarta

hadi)%#) penelompokan usia 'erdasarkan suara

menunakan metode -meansClusterin&922A#

Somantri)y #) penenalan pem'icara denan

ekstraksi ciri MFCC& 9220#

tanud!a!a) h#) penolahan sinyal diital 0sistem

pemrosesan sinyal ) ed# andi# 922A)

yogyakarta

Jesma,an)a#) /ll /bout Te$hnology# &$ited 9277

92 maret'



perangkat lunak untuk membuka aplikasi pada komputer dengan perintah suara menggunakan metode

Documents