KLASIFIKASI SUARA SIRENE MENGGUNAKAN STFT (SHORT-TERM FOURIER TRANSFORM)

Authors

  • Muchamad fajar permana UNIVERSITAS ISLAM KADIRI KEDIRI
  • Farrady alif fiolana
  • Diah Arie W.K.

DOI:

https://doi.org/10.51903/juisi.v1i3.414

Keywords:

sirene, STFT, artificial neural network.

Abstract

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%.

References

[1] P. P. R. I. Nomor, “Presiden republik indonesia,” Peratur. Pemerintah Republik Indones. Nomor 1Tahun 2001, vol. 2003, no. 1, pp. 1–5, 2001, [Online]. Available: https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=2ahUKEwjWxrKeif7eAhVYfysKHcHWAOwQFjAAegQICRAC&url=https%3A%2F%2Fwww.ojk.go.id%2Fid%2Fkanal%2Fpasar-modal%2Fregulasi%2Fundang-undang%2FDocuments%2FPages%2Fundang-undang-nomo.
[2] D. U. Suwarno et al., “Analisis frekuensi sinyal sirine menggunakan spectrogram,” pp. 125–132.
[3] I. Kurniawan, “Implementasi dan Studi Perbandingan Steganografi pada File Audio WAVE Menggunakan Teknik Low-Bit Encoding dengan Teknik End Of File,” J. Informatics Technol., vol. 2, no. 3, pp. 0–11, 2013.
[4] S. Santoso, A. Arisman, and W. Sentanu, “Steganografi Audio (Wav) Menggunakan Metode Lsb (Least Significant Bit),” CCIT J., vol. 9, no. 2, pp. 214–224, 2016, doi: 10.33050/ccit.v9i2.500.
[5] S. Marcellinus, “Ekstraksi Fitur Peneliti Menggunakan Numpy dan Pandas,” 2020.
[6] A. T. D. Saragih, A. Rizal, and R. Magdalena, “Penentuan Akor Gitar Dengan Menggunakan Algoritma Short Time Fourier Transform,” Semin. Nas. Apl. Teknol. Inf. 2009 (SNATI 2009), vol. 2009, no. Snati, pp. 114–119, 2009.
[7] Farhiah Luluk, “Transposisi nada lagu menggunakan algoritma,” pp. 1–85, 2015.
[8] N. Hadianto, H. B. Novitasari, and A. Rahmawati, “Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 163–170, 2019, doi: 10.33480/pilar.v15i2.658.
[9] J. W. G. Putra, “Bagian III Artificial Neural Network,” 2020.

Downloads

Published

2022-10-07

Issue

Vol. 1 No. 3 (2022): November : Jurnal Ilmiah Sistem Informasi

Section

Articles