KLASIFIKASI SUARA SIRENE MENGGUNAKAN STFT (SHORT-TERM FOURIER TRANSFORM)
| Autor: | Muchamad fajar Permana, Farrady alif Fiolana, Diah Arie W.K. |
|---|---|
| Rok vydání: | 2022 |
| Zdroj: | Jurnal Ilmiah Sistem Informasi. 1:44-58 |
| ISSN: | 2809-1507 2809-1531 |
| DOI: | 10.51903/juisi.v1i3.414 |
| Popis: | Sirene merupakan sebuah alat yang mampu menghasilkan bunyi yang mendengung keras, digunakan sebagai tanda bahaya dan sebagainya. Sirene dipergunakan pada kendaraan darurat seperti untuk ambulance, polisi dan pemadam kebakaran.. Selain itu sirene juga digunakan untuk alarm suatu bencana. Suara sirene pada kendaraan darurat juga memiliki bunyi yang berbeda-beda tergantung pada penggunaan dan penerapannya. Dalam penelitian ini data suara sirene diolah menggunakan algoritma STFT dan diklasifikasikan dengan menggunakan artificial neural network. Proses pengolahan data sirene menghasilkan bahwa nilai amplitude maksimal tertinggi sebesar 0,29(-11dB) pada frekuensi 800Hz milik sirene ambulance mode wail2. Sedangkan nilai amplitude maksimal terendah sebesar 0,03(-30dB) pada frekuensi 1,3KHz milik sirene kendaraan pemadam kebakaran. Proses learning data menghasilkan nilai MSE terkecil sebesar 0,0000066218 pada epoch ke 1000. Kemudian dari uji coba proses training data untuk pencocokan sirene kendaraan darurat, dihasilkan dari data yang di-training berjumlah 640 data, terdapat data sirene yang berjumlah 630 berhasil dan 10 gagal. Hasil uji coba memiliki persentase keberhasilan yang tinggi sesuai yang diharapkan yaitu sebesar 98,44%. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|