Sistem Pemilihan Menu pada Kursi Roda Pintar menggunakan Suara berbasis MFCC dan CNN pada Jetson TX2 NX

Sistem Pemilihan Menu pada Kursi Roda Pintar menggunakan Suara berbasis MFCC dan CNN pada Jetson TX2 NX

Penulis

  • Abdan Idza Hurmuzi Fakultas Ilmu Komputer, Universitas Brawijaya
  • Fitri Utaminingrum Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

ALS, CNN, Disabilitas, MFCC, Perintah Suara

Abstrak

Disabilitas adalah kondisi dimana tubuh ataupun mental mengalami gangguan yang dapat membuat seseorang kesulitan dalam melakukan aktivitas ataupun berinteraksi dengan lingkungan sekitar. Orang yang memiliki keterbatasan pada kemampuan berpindah tempat seperti berjalan umumnya menggunakan bantuan kursi roda, yaitu alat yang digunakan untuk mengatasi keterbatasan tersebut. Kursi roda tradisional memiliki kekurangan pada pengguna yang menderita paralisis pada anggota gerak seperti lengan. Kursi roda pintar umumnya dibekali piranti berbasis hand-operated seperti joystick ataupun layar sentuh untuk pengoperasiannya. Akan tetapi terdapat beberapa batasan pada Human Machine Interface tersebut terutama pada penderita tetraplegia, locked-in syndrome dan amyotrophic lateral sclerosis (ALS). Penelitian ini akan berfokus pada penerapan MFCC dan Convolutional Neural Network (CNN) untuk sistem pemilihan menu pada Kursi Roda Pintar menggunakan perintah suara dalam bahasa Indonesia. Pada penelitian ini sebanyak 5,600 data perintah suara telah dikumpulkan. Data tersebut mencangkup 14 perintah, yaitu, “Satu”, “Dua”, “Tiga”, “Empat”, “Lima”, “Enam”, “Mati”, “Nyala”, “Oke”, “Tidak”, “Info”, “Next”, “Back”, dan “Keluar”. Hasil dari pengujian sistem dengan dua jenis gender mendapatkan hasil yang terbilang sangat baik dengan nilai akurasi sebesar 99.64%. Selain itu, besar waktu komputasi adalah 0,2103 detik dalam melakukan proses pengenalan suara.

Referensi

Centers for Disease Control and Prevention, 2020. cdc.gov. [Online] [Diakses 28 Februari 2023].

World Health Organization, 2022. Blindness and vision impairment. [Online] Tersedia di: https://www.who.int/en/news-room/fact-sheets/detail/blindness-and-visual-impairment. [Diakses 25 Februari 2023].

World Health Organization, 2023. Disability. [Online] Tersedia di: https://www.who.int/news-room/fact-sheets/detail/disability-and-health#:~:text=Key%20facts,earlier%20than%20those%20without%20disabilities. [Diakses 25 Februari 2023].

Sukerkar, K. et al., 2018. Smart Wheelchair: A Literature Review. International Journal of Informatics and Communication Technology (IJ-ICT), hal. 63.

Mahmood, A. & Kose, U., 2021. Speech recognition based on Convolutional neural networks and MFCC. Advances in Artificial Intelligence Research (AAIR), Volume 1, hal. 6-7.

Passricha, V. & Aggarwal, R. K., 2018. Convolutional Neural Network for Raw Speech Recognition. In: From Natural to Artificial Intelligence: Algorithms and Applications. London, United Kingdom: IntechOpen, hal. 33.

Ashar, A., Bhatti, M. S. & Mushtaq, U., 2020. Speaker Identification Using a Hybrid CNN-MFCC. 2020 International Conference on Emerging Trends in Smart Technologies (ICETST).

Unduhan

Diterbitkan

09 Okt 2023

Cara Mengutip

Hurmuzi, A. I., & Utaminingrum, F. (2023). Sistem Pemilihan Menu pada Kursi Roda Pintar menggunakan Suara berbasis MFCC dan CNN pada Jetson TX2 NX. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 7(7), 3321–3325. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12916

Terbitan

Bagian

Artikel
Loading...