KLASIFIKASI UCAPAN NOMOR LANTAI DAN PERINTAH SEDERHANA PADA PENGGUNA ELEVATOR MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN RANDOM FOREST

RETNO WATI, Afiahayati, S.Kom., M.Cs., Ph.D.

2022 | Skripsi | S1 ILMU KOMPUTER

Penggunaan elevator dapat memberikan keuntungan, di antaranya dapat menghemat waktu dan tenaga serta pengguna tidak perlu kerepotan untuk memindahkan barang – barang berat dari suatu lantai ke lantai yang lain. Namun, terkadang beberapa penyandang disabilitas yang memiliki keterbatasan fisik dapat mengalami kesulitan dalam mengoperasikan tombol – tombol pada elevator. Di sisi lain, pada masa pandemi COVID-19, tombol elevator dapat berpotensi sebagai media penularan COVID-19 melalui kontak fisik ketika pengguna menggunakan tombol elevator yang telah terkontaminasi virus corona SARS-CoV-2. Salah satu solusi yang dapat ditawarkan untuk mengatasi permasalahan tersebut adalah model pengenal ucapan otomatis yang dapat mengenali dan mengklasifikasikan ucapan nomor lantai dan perintah sederhana pada pengguna elevator. Penelitian ini bertujuan untuk mendesain, membangun, dan menganalisis kombinasi arsitektur pengenal ucapan yang mampu mengenali dan mengklasifikasikan ucapan nomor lantai dan perintah sederhana pada pengguna elevator. Metode klasifikasi yang digunakan pada penelitian ini adalah Convolutional Neural Network (CNN) yang dikombinasikan dengan Random Forest. Penelitian ini juga menggunakan Mel Frequency Spectral Coefficient (MFSC) beserta fitur dinamisnya yaitu delta dan double delta untuk mengekstrak fitur audio. Pada penelitian ini, kombinasi model CNN dan Random Forest yang diusulkan untuk mengklasifikasikan ucapan nomor lantai den perintah sederhana dapat menghasilkan akurasi uji dengan capaian sebesar 96,5%.

The use of an elevator can provide benefits, including saving time and energy and user do not need to be bothered to move heavy items from one floor to another. But sometimes people with disabilities who have physical limitations can have difficulty operating the buttons of the elevator. On the other hand, during the COVID-19 pandemic, the elevator button could be a medium for transmitting COVID-19 through physical contact when the user uses the elevator button contaminated with SARS-CoV-2 coronavirus. One solution that can be offered to overcome these problems is an automatic speech recognition that can recognize and classify floor numbers and simple commands speech for elevator users. This study aims to design, build, and analyze a combination of speech recognition architecture that can recognize and classify floor numbers and simple commands speech for elevator users. The classification method used in this study is Convolutional Neural Network (CNN) combined with Random Forest. This study also uses the Mel Frequency Spectral Coefficient (MFSC) with its dynamic features, namely delta and double delta to extract audio features. In this study, the model combination of CNN and Random Forest proposed to classify floor numbers and simple commands speech can produce a test accuracy of 96,5%.

Kata Kunci : Klasifikasi ucapan, Convolutional Neural Network, Random Forest, Mel Frequency Spectral Coefficient beserta fitur dinamisnya