Alat Pengendali Peralatan Rumah Tangga Berbasis Pengenalan Suara

Abstract

Banyaknya inovasi baru dari teknologi yang semakin sering dikembangkan sehingga sampai saat ini banyak teknologi baru yang bertujuan untuk mempermudah pekerjaan manusia. Teknologi yang banyak dikembangkan saat ini salah satunya adalah teknologi biometrik. Teknologi biometrik yang masih belum banyak dikembangkan berbentuk suara. Sinyal suara dapat dimanfaatkan dalam sebuah teknologi yang bernama voice recognition dimana biasanya penerapan dari voice recognition pada smart home untuk mengendalikan peralatan rumah tangga secara otomatis dan praktis. Penerapan voice recognition ini juga bisa membantu mempermudah manusia yang memiliki kebutuhan khusus (disabilitas) atau yang memiliki mobilitas tinggi. Berdasarkan hal tersebut, maka dalam Tugas Akhir ini berfokus pada perancangan sistem pengendali peralatan rumah tangga berbasis pengenalan suara 2.0 menggunakan algoritma kecerdasan buatan dan menaikkan keakurasian sistem. Metode algoritma yang digunakan adalah Convolutional Neural Network atau CNN. Tujuan dari Tugas Akhir ini adalah merancang dan memodifikasi kembali alat dari Tugas Akhir sebelumnya dengan menaikkan akurasi dan membuat website yang digunakan agar bisa diakses secara online. Perintah suara yang digunakan dalam sistem ini seperti atas nyala, atas mati, bawah nyala, bawah mati, buka pintu dan tutup pintu. Penggunaan bahasa Indonesia sebagai masukan pada sistem ini dipilih dengan harapan supaya bahasa Indonesia mampu dilestarikan melalui bidang teknologi dan kecerdasan buatan sehingga tidak kalah dengan bahasa asing lainnya seperti bahasa Inggris. Metode CNN digunakan untuk ektraksi ciri suara, selanjutnya hasil ektraksi fitur tersebut digunakan untuk klasifikasi menggunakan metode CNN. Proses pengendalian dilakukan melalui aplikasi berbasis web yang terdiri dari sistem front-end dan back-end. Sistem front-end menggunakan HTML, CSS, dan Javascript, sedangkan sistem back-end menggunakan micro framework flask python. Sistem diimplementasikan pada miniatur rumah 2 lantai sederhana dengan penerapan Internet of Things (IoT) menggunakan mikrokontroller ESP 32. Proses penerapan alat kendali dengan basis pengenalan suara bukanlah suatu hal yang mudah untuk diproses dalam mesin. Proses kendali memerlukan motode-metode pembelajaran mesin agar dapat melakukan pengambilan informasi dari suatu gelombang suara. Metode pengambilan informasi atau yang bisa disebut dengan ekstraksi ciri akan menghasilkan beberapa parameter. Parameter tersebut akan digunakan untuk melakukan proses training atau pelatihan sehingga gelombang suara masukan tersebut dapat dilakukan klasifikasi. Sebelum dapat dilakukan proses pelatihan, pengumpulan data perlu dilakukan. Pengumpulan data tersebut nantinya akan dijadikan sebagai data latih dan validasi data. Kumpulan data tersebut dinamakan dataset. Pengambilan dataset dapat dilakukan secara offline dengan menginput suara dari rekaman suara atau secara online. Proses pelatihan dari sekumpulan dataset nantinya akan menghasilkan sebuah model yang Dari akan digunakan pada tahap selanjutnya, yaitu tahap klasifikasi atau pencocokan. Pada tahap ini, sistem akan melakukan prediksi mengenai suara masukan dengan cara pencocokan sinyal pada model hasil proses pelatihan. Hasil keluaran dari tahap pencocokkan ini akan berupa hasil prediksi berdasarkan model hasil latih dan pada akhirnya suara akan dapat didentifikasi. Metode identifikasi yang digunakan pada pengendalian peralatan rumah tangga berbasis pengenalan suara sebelumnya menggunakan adalah Mel-Frequency Cepstral Coefficient (MFCC). Namun, masih ada kekurangan dari pengendalian sebelumnya yaitu nilai akurasinya hanya mencapai kurang dari 70%. Kekurangan akurasi tersebut dapat ditemukan ketika simulasi alat dilakukan terdapat kesalahan pada saat melakukan input suara untuk menyalakan sebuah device. Oleh karena itu, pada perancangan pengendalian peralatan rumah tangga berbasis pengenalan suara versi terbaru akan dilakukan peningkatan nilai akurasi mencapai 80% dengan mengubah kata perintah menjadi lebih singkat dan menggunakan metode tambahan lainnya.