PERANCANGAN DAN IMPLEMENTASI ALAT BANTU BELAJAR MEMBACA HURUF BRAILLE BERBASIS PENGOLAHAN SUARA DAN ARDUINO MENGGUNAKAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT  DAN K-NEAREST NEIGHBOR

AZRI FATHUL AKBAR

Informasi Umum

Kode

20.04.3503

Klasifikasi

621.38 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal

Dilihat

79 kali

Informasi Lainnya

Abstraksi

Membaca akan membangun suatu pondasi kuat untuk dapat mempelajari dan memahami berbagai disiplin ilmu. Membaca itu penting bagi semua orang, terutama untuk para tunanetra. Tanpa memiliki kemampuan membaca huruf braille siswa tunanetra akan mengalami kesulitan untuk belajar, karena hampir seluruh pembelajaran melalui aktivitas membaca dan menulis huruf braille. Pada penelitian sebelumnya yang berjudul “Kannada Speech Recognition Using MFCC and KNN Classifier for Banking Applications” melakukan penelitian speech recognition menggunakan metode mel frequency cepstral coefficient dan k-nearest neighbor dengan akurasi yang didapatkan 91,5% dan dalam penelitian sebelumnya terdapat mahasiswa ITS yang tergabung dalam tim MOCO Warrior dengan produk edu braille yang dipresentasikan dalam final Gemastik 9 di Universitas Indonesia, mereka membuat suatu alat belajar membaca untuk tunanetra berbasis arduino. Namun pada penelitian sebelumnya hanya dilakukan pengolahan suara menjadi suatu text dan pada penilitian alat edu braille dalam data inputnya hanya terbatas dari database belum berbasis suara, sedangkan dalam tugas akhir ini akan dibuat suatu alat seperti edu braille namun dalam data inputnya berupa suatu sinyal suara. Pada Tugas Akhir ini akan dibuat suatu alat untuk membantu tunanetra untuk belajar membaca huruf braille. Alat ini akan mengolah sinyal suara menjadi suatu text menggunakan metode mel frequency cepstral coefficient dan k-nearest neighbor. Kemudian text tersebut akan diubah menjadi pola huruf braille menggunakan arduino UNO. Hasil pengujian menunjukkan bahwa kombinasi metode mel frequency cepstral coefficient dan k-nearst neighbor mampu mengenali sinyal suara berupa huruf alphabet dengan akurasi tertinggi mencapai 87,3%.

Kata Kunci: Speech Processing, Braille, Arduino, MFCC, KNN, Tunanetra