Klasifikasi Dan Lokalisasi Kejadian Suara Klakson Kendaraan Dan Sirine Ambulans Pada Lingkungan Sekitar Mobil Berbasis CNN

Diandra Rizqy Yodatama, Muhammad Idham Ananta Timur, M.Kom. , Dr. Danang Lelono, S.Si, M. T.,

2025 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI

Sound Event Localization and Detection (SELD) adalah bidang yang berkembang dalam pemetaan lingkungan akustik, khususnya untuk kendaraan otonom. Penelitian ini fokus pada klasifikasi dan lokalisasi suara klakson kendaraan dan sirine ambulans di sekitar mobil untuk meningkatkan persepsi lingkungan. Sistem menggunakan arsitektur Convolutional Neural Network (CNN) dan larik mikrofon melingkar dengan 4 mikrofon. Fitur diekstraksi menggunakan metode GCC-PHAT dan Log-Mel Spectrogram. Model CNN memiliki dua cabang klasifikasi untuk mengenali jenis suara dan estimasi arah datangnya. Pengujian pada kondisi tanpa noise dan dengan noise menunjukkan akurasi klasifikasi sebesar 96,4?n estimasi arah 94,07%. Hasil ini membuktikan bahwa sistem SELD yang dikembangkan efektif untuk lingkungan dinamis di sekitar kendaraan. 

Sound Event Localization and Detection (SELD) is a growing field in acoustic environment mapping, particularly for autonomous vehicles. This study focuses on the classification and localization of vehicle horn and ambulance siren sounds around a car to enhance environmental perception. The system employs a Convolutional Neural Network (CNN) architecture and a circular microphone array with 4 microphones. Features are extracted using the GCC-PHAT and Log-Mel Spectrogram methods. The CNN model has two classification branches to identify sound types and estimate their direction of arrival. Testing in both noise-free and noisy conditions shows a classification accuracy of 96.4% and a direction estimation accuracy of 94.07%. These results demonstrate that the proposed SELD system is effective in dynamic environments surrounding vehicles.

Kata Kunci : Klasifikasi kejadian suara, Lokalisasi suara, CNN, GCC-PHAT, Log-Mel Spectrogram