Penerapan MFCC dan Bidirectional RNN pada Sistem Kendali Navigasi Kursi Roda Pintar berbasis Jetson TX2
Kata Kunci:
Bidirectional RNN, kursi roda pintar, quadriplegia, Nvidia modul Jetson TX2, pengenalan suaraAbstrak
Quadriplegia adalah suatu bentuk kelumpuhan yang disebabkan oleh penyakit neurologis serius atau cedera otak/sumsum tulang belakang yang mengakibatkan hilangnya sebagian atau seluruh penggunaan kedua kaki maupun tangannya. Hal ini menyebabkan penderita Quadriplegia selalu membutuhkan bantuan orang lain dalam menjalankan aktifitas normal dalam kehidupan sehari-hari. Sehingga, untuk meringankan beban dan tantangan yang dialami oleh penderita Quadriplegia, penelitian ini akan berfokus pada penerapan MFCC dan Bidirectional RNN sebagai metode dalam sistem kendali navigasi Kursi Roda Pintar dengan perintah suara berbahasa Indonesia. Penelitian ini telah mengumpulkan 1703 sampel data perintah suara yang mencakup perintah “maju”, “mundur”, “kanan”, “kiri”, dan “berhenti”. Sampel data tersebut akan digunakan sebagai dataset untuk melatih model Bidirectional GRU dan Bidirectional LSTM. Sistem akan dijalankan menggunakan Single Board Computer Nvidia Modul Jetson TX2. Hasil pengujian sistem dengan mengucapkan setiap perintah sebanyak 10 kali berhasil mendapatkan hasil yang cukup memuaskan. Dengan nilai akurasi sebesar 100% dengan menggunakan Bidirectional LSTM dan 92% dengan menggunakan Bidirectional GRU. Serta, waktu komputasi sebesar 0,2835 detik untuk Bidirectional LSTM dan 0,29 detik untuk Bidirectional GRU.
Referensi
Julian, T., Utaminingrum, F., & Syauqy, D. Sistem Voice Command pada Kursi Roda Pintar menggunakan MFCC dan CNN berbasis Jetson TX2. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 11, p. 5505-5510, peb. 2023. ISSN 2548-964X. Tersedia pada: <https://j-ptiik.ub.ac.id/index.php/j-ptiik/article
/view/11917>. [Diakses 20 April 2023]
Bhuyain, M.F., Kabir Shawon, M.A.U., Sakib, N., Faruk, T., Islam, M.K. dan Salim, K.M., 2019. Design and development of an EOG-based system to control electric wheelchair for people suffering from Quadriplegia or Quadriparesis. 1st International Conference on Robotics, Electrical and Signal Processing Techniques, ICREST 2019, hal.460–465.
Chung, J., Gulcehre, C., Cho, K. dan Bengio, Y., 2015. Gated Feedback Recurrent Neural Networks. Proceedings of the 32nd International Conference on Machine Learning, [daring] 37. Tersedia pada: <http://proceedings.mlr.press/v37/chung15.pdf>. [Diakses 6 April 2023]
Dalsaniya, A.K. dan Gawali, D.H., 2016. Smart phone based wheelchair navigation and home automation for disabled. Proceedings of the 10th International Conference on Intelligent Systems and Control, ISCO 2016.
Malik, M., Malik, M.K., Mehmood, K. dan Makhdoom, I., 2021. Automatic speech recognition: a survey. Multimedia Tools and Applications, 80(6), hal.9411–9457.
Sharifuddin, M.S.I., Nordin, S. dan Ali, A.M., 2019. Voice control intelligent wheelchair movement using CNNs. 2019 1st International Conference on Artificial Intelligence and Data Sciences, AiDAS 2019, hal.40–43.
Shewalkar, A., nyavanandi, D. dan Ludwig, S.A., 2019. Performance Evaluation of Deep neural networks Applied to Speech Recognition: Rnn, LSTM and GRU. Journal of Artificial Intelligence and Soft Computing Research, 9(4), hal.235–245.
Siami-Namini, S., Tavakoli, N. dan Namin, A.S., 2019. The Performance of LSTM and BiLSTM in Forecasting Time Series. 2019 IEEE International Conference on Big Data, Big Data 2019, hal.3285–3292.
Zhang, Y., Suda, N., Lai, L. dan Chandra, V., 2017. Hello Edge: Keyword Spotting on Microcontrollers. [daring] hal.1–14.
Julian, T., Utaminingrum, F., & Syauqy, D. Sistem Voice Command pada Kursi Roda Pintar menggunakan MFCC dan CNN berbasis Jetson TX2. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 11, p. 5505-5510, peb. 2023. ISSN 2548-964X. Tersedia pada: <https://j-ptiik.ub.ac.id/index.php/j-ptiik/article
/view/11917>. [Diakses 20 April 2023]
Bhuyain, M.F., Kabir Shawon, M.A.U., Sakib, N., Faruk, T., Islam, M.K. dan Salim, K.M., 2019. Design and development of an EOG-based system to control electric wheelchair for people suffering from Quadriplegia or Quadriparesis. 1st International Conference on Robotics, Electrical and Signal Processing Techniques, ICREST 2019, hal.460–465.
Chung, J., Gulcehre, C., Cho, K. dan Bengio, Y., 2015. Gated Feedback Recurrent Neural Networks. Proceedings of the 32nd International Conference on Machine Learning, [daring] 37. Tersedia pada: <http://proceedings.mlr.press/v37/chung15.pdf>. [Diakses 6 April 2023]
Dalsaniya, A.K. dan Gawali, D.H., 2016. Smart phone based wheelchair navigation and home automation for disabled. Proceedings of the 10th International Conference on Intelligent Systems and Control, ISCO 2016.
Malik, M., Malik, M.K., Mehmood, K. dan Makhdoom, I., 2021. Automatic speech recognition: a survey. Multimedia Tools and Applications, 80(6), hal.9411–9457.
Sharifuddin, M.S.I., Nordin, S. dan Ali, A.M., 2019. Voice control intelligent wheelchair movement using CNNs. 2019 1st International Conference on Artificial Intelligence and Data Sciences, AiDAS 2019, hal.40–43.
Shewalkar, A., nyavanandi, D. dan Ludwig, S.A., 2019. Performance Evaluation of Deep neural networks Applied to Speech Recognition: Rnn, LSTM and GRU. Journal of Artificial Intelligence and Soft Computing Research, 9(4), hal.235–245.
Siami-Namini, S., Tavakoli, N. dan Namin, A.S., 2019. The Performance of LSTM and BiLSTM in Forecasting Time Series. 2019 IEEE International Conference on Big Data, Big Data 2019, hal.3285–3292.
Zhang, Y., Suda, N., Lai, L. dan Chandra, V., 2017. Hello Edge: Keyword Spotting on Microcontrollers. [daring] hal.1–14.
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.