Sistem keamanan suatu kendaraan bermotor saat ini seolah sudah menjadi suatu
masalah yang patut untuk dipikirkan dengan serius. Tingginya tingkat kehilangan
kendaraan bermotor khususnya kendaraan roda empat saat ini sudah menjadi masalah
yang harus dipikirkan jalan keluarnya. Sistem pengenalan suara (voice recognition
system) dirasa dapat menjadi suatu solusi untuk meningkatkan sistem keamanan dari
suatu kendaraan bermotor.
Pada penelitian kali ini digunakan suatu metode yaitu jaringan syaraf tiruan
propagasi balik (back propagation) yang dirasa sangat baik untuk dapat bekerja dan
bersinergi untuk dapat menjalankan suatu sistem pengenalan suara dengan tingkat
akurasi dan kepresisian data serta respon waktu yang baik. Model jaringan saraf back
propagation digunakan di sini bersama-sama dengan metode linear predictive coding
yang dipakai sebagai ekstraksi ciri file suara. Di sini dilakukan eksperimen variasi
struktur dan parameter jaringan (jumlah hidden layer, hidden neuron, learning rate,
serta fungsi aktivasi) serta parameter orde LPC untuk mendapatkan performansi
jaringan yang optimum dan efisien dari segi waktu komputasi sistem. Pencarian
struktur dan parameter ini bertujuan agar jaringan dapat secara cepat belajar dan dapat
mengenali suara dengan error sekecil mungkin. Hasil dari proses sinyal suara ini akan
masuk ke sebuah mikrokontroller untuk dilakukan interfacing dengan rangkaian
output LED dan LCD sebagai indikator keberhasilan pengenalan suara.
Setelah dilakukan penelitian dan pengujian, didapatkan struktrur jaringan dengan
2 hidden layer, 10 hidden neuron, learning rate 0.1, dengan fungsi aktifasi {tansig,
logsig} serta jumlah orde LPC 5 yang menghasilkan persentase pengenalan sebesar
100% pada pelatihan jaringan dan 95% pada pengujian jaringan.
Sinyal Suara, Jaringan Syaraf Tiruan Propagasi Balik, Linear Predictive Coding, Mikrokontroller, hidden layer, hidden neuron, learning rate, fungsi aktifasi