Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pengenalan Suara Berbasis Mel-Frequency Cepstrum Coefficients (MFCC) dan Adaptive Neuro-Fuzzy Inference System (ANFIS) Untuk Mengendalikan Mobile Robot
Mulya Tri Ramadhan (2018) | Skripsi | Teknik Elektro
Bagikan
Ringkasan
Penelitian ini menggambarkan implementasi pengenelan pola suara untuk menggerakan mobile robot. Suara untuk menggerakan mobile robot adalah suara berupa âÃâ¬ÃÅMaju, Mundur, Kiri, Kanan, dan DiamâÃâ¬Ã�. Dalam penelitian ini metode yang digunakan adalah Mel-Frequency Cepstrum Coefficients (MFCC) dan Adaptive Neuro-Fuzzy Inference System (ANFIS). Metode MFCC digunakan untuk ekstraksi ciri sinyal suara, sedangkan ANFIS digunakan sebagai metode pembelajaran untuk pengenalan pola suara. Pada proses pembelajaran ANFIS data latih yang digunakan sebanyak 6 ciri. Hasil pengujian menunjukkan tingkat keberhasilan data suara sebesar 65%. Keluaran data suara dikirimkan ke kontroler Arduino menggunakan komunikasi Bluetooth HC-05 dengan jarak Maksimal komunikasi yaitu 35 meter dan delay pengiriman bluetooth sebesar 5 detik. Masukan data suara dapat diproses oleh rangkaian kontrol untuk mengeluarkan sinyal PWM ke rangkaian driver motor DC. Berdasarkan pengujian alat rangkaian kontrol dapat mengeluarkan nilai PWM sesuai dengan masukan suara. Kata Kunci: MFCC, ANFIS, Pengenalan Suara, Bluetooth HC-05, Mobile Robot.
Ringkasan Alternatif
This study illustrates the implementation of the sound pattern recording to move the mobile robot. The sound to move the mobile robot is a sound in the form of "Maju is mine Forward, Mundur is mine Backward, Kiri is mine Left, Kanan is mine Right, and Diam is mine Silent". In this study the methods used are Mel-Frequency Cepstrum Coefficients (MFCC) and Adaptive Neuro-Fuzzy Inference System (ANFIS). The MFCC method is used for the extraction of voice signal features, while ANFIS is used as a learning method for sound pattern recognition. In the ANFIS learning process, the training data used are 6 characteristics. The test results show the success rate of voice data is 65%. The output of voice data is sent to the Arduino controller using Bluetooth HC-05 communication with a maximum communication distance of 35 meters and a bluetooth delay of 5 seconds. Voice data input can be processed by the control circuit to output PWM signals to the DC motor driver circuit. Based on testing the control circuit device can issue PWM values according to the sound input. Keywords: MFCC, ANFIS, Voice Recognition, Bluetooth HC-05, Mobile Robots.