Tugas 2(Pemograman Jaringan)

Nama Kelompok

Edy Prasetyo(52411324)

Haries Yoga Pratama

Raden Moch Ryansah


Syatria Babullah (56411992)



Tentang Aplikasi

Aplikasi yang kelompok kami buat akan menjadi alternatif pemecahan masalah yang selama ini masih terjadi pada sebuah aplikasi berbasis pengenalan suara, masalah tersebut adalah aplikasi berbasis pengenalan suara masih mengembangkan bagaimana cara supaya aplikasi pengenalan suara tersebut dapat bersifat adaptif pada lingkungan yang berisik(banyak mengandung noise). bahkan aplikasi seperti siri(apple) dan google now(google) pun masih terus mengembangkan aplikasinya dapat tahan terhadap lingungan yang berisik. aplikasi yang kelompok kami buat adalah aplikasi preprocessing yang berguna sebagai filtering suara agar mampu bertahan pada lingkungan yang berisik menggunakan bahasa pemogramam matlab.

Latar Belakang Masalah

Bunyi atau suara didefenisikan sebagai serangkaian gelombang yang merambat dari suara sumber getar sebagai akibat perubahan kerapatan dan juga tekanan udara (Gabriel, 1996). Suara merupakan salah satu media komunikasi yang paling umum digunakan manusia, kualitas suara dapat terganggu bila lingkungan sumber suara banyak mengandung noise yang melatarbelakangi informasi suara tersebut.

Rekaman suara yang terdistorsi noise menyebabkan terganggunya proses pengenalan suara terutama pada rekaman pembicaraan, karena penurunan kualitas suara yang dikehendaki, sehingga perlu adanya perbaikan kualitas sinyal suara sebelum dilakukan proses pengenalan suara.

Noise gate telah diimplementasi dengan mendeteksi ambang batas bawah dan atas pada sinyal suara, ketika level sinyal suara berada dibawah ambang batas bawah selama durasi penahanan maka sinyal akan dilemahkan ke nol dan dibangkitkan lagi saat waktu serang dan ketika level sinyal suara berada diatas ambang batas atas selama durasi penahanan maka sinyal akan diperkuat sampai waktu rilis(Gerald Leung, 2008).

Terdapat 4 macam klasifikasi filter dalam audio signal processing diantaranya low pass filter, band pass filter, band stop filter dan high pass filter. Low pass filter memungkinkan frekuensi yang berada di bawah batas dapat lolos tanpa distorsi dan terjadi pelemahan pada frekuensi yang berada di atas batas(Dagmawi Mallie, 2014).

Pada penelitian oleh(G. Saha Dkk, 2011)dilakukan penelitian tentang seberapa efisien penggunaan metode untuk silence removal menggunakan metode Probability Density Function dengan Linear Pattern Classifier dibandingkan dengan Zero Crossing Rate (ZCR) and Short Time Energy (STE). Metode yang diangkat dalam penulisan ini adalah metode noise gate untuk meredam bagian yang hanya mengandung noise dan low pass filtering untuk menghilangkan high frequency noise serta metode probability density function(PDF) dan linear pattern classifier(LPC) untuk menghilangkan bagian yang tidak bersuara(silence).

Audio signal processing(pengolahan suara) adalah suatu bentuk proses/serangkaian proses untuk memanipulasi sinyal dengan input suara(audio) yang ditransformasikan menjadi suara lain sebagai keluarannya dengan tujuan tertentu. Pengolahan suara dilakukan untuk memperbaiki kualitas data sinyal suara digital agar lebih mudah diinterpretasikan oleh sistem pendengaran manusia.

Landasan Teori

a. Speech Recognition

Speech Recognition atau disebut juga dengan Automatic Speech Recognition atau dalam Bahasa Indonesia adalah pengenalan suara otomatis atau pengenalan ucapan. Speech Recognition mengkonversi kata-kata untuk teks. Istilah "pengenalan suara" kadang-kadang digunakan untuk merujuk ke sistem pengenalan yang harus dilatih untuk pembicara. Speech Recognition dapat menyederhanakan tugas penerjemah pidato.

Pengenalan ucapan adalah solusi yang lebih luas yang mengacu pada teknologi yang dapat mengenali pidato tanpa ditargetkan pada pembicara tunggal seperti pusat panggilan sistem yang dapat mengenali suara yang berubah-ubah.

Aplikasi pengenalan ucapan termasuk pengguna antarmuka suara seperti panggilan suara (misalnya, "Call home"), call routing (misalnya, "Saya ingin membuat collect call"), domotic kontrol alat, pencarian (misalnya, menemukan podcast di mana tertentu Kata-kata itu diucapkan), sederhana entri data (misalnya, memasukkan nomor kartu kredit), persiapan dokumen terstruktur (misalnya, sebuah laporan radiologi),-untuk-pengolahan teks pidato (misalnya, kata prosesor atau email), danpesawat(biasanya disebut Input langsung suara ).

b. Speech Syntesis

Speech synthesis merupakan pelengkap dari speech recognition. Ide agar dapat berbicara dengan komputer merupakan hal yang menarik bagi banyak user, khususnya bagi mereka yang tidak bisa komputer.

Masalah yang ada pada speech synthesis:

· User sangat sensitif terhadap variasi dan informasi bicara. Sebab itu mereka tidak dapat mentolerir ketidaksempurnaan pada speech synthesis.

· Output dalam bentuk suara (spoken output) tidak dapat diulang atau di browse dengan mudah.

· Meningkatkan noise (berisik) pada lingkungan kantor. Atau bila menggunakanheadphone akan meningkatkan biaya.
Lingkungan aplikasi speech synthesis:

· Bagi tuna netra, speech synthesis menawarkan media komunikasi dimana merekamemiliki akses yang tidak terbatas.

· Lingkungan dimana visual dan haptic skill user sedang terfokus pada hal lain. Contohnya signal bahaya pada aircraft cockpit.

NON-SPEECH SOUND
Digunakan sebagai alarm dan warning, atau status information. Penampilan informasi yang redundan dapat meningkatkan kinerja user.
Contohnya, user dapat mengingat suara yang mencerminkan icon tertentu, tapi bukan tampilan visualnya.

Ujicoba Dan Hasil

Berikut adalah tampilan aplikasi filtering suara pada lingkungan yang berisik yang telah kelompok kami buat yaitu dengan memotong bagian yang memiliki banyak noise serta meredam high frekuensi.

dari gambar tersebut  diketahui bahwa bagian diam(silence part) ikut terpotong dengan metode ini sehingga yang tersisa hanya bagian penting dari source suara. hasil tersebut dapat digunakan sebagai input pada aplikasi pengenalan suara sehingga akan meningkatkan  akurasi dari pengenalan suara tersebut.