Usulan Penelitian S2

KLASIFIKASI NYAMUK BERDASARKAN SUARANYA DENGAN

METODE FAST FOURIER TRANSFORMASI DAN JARINGAN SYARAF

TIRUAN

Diajukan Oleh:

Nama : Achmad Lukman

NIM : 09/292116/PPA/03023

PROGRAM STUDI S2 ILMU KOMPUTERFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS GADJAH MADAYOGYAKARTA

2011

Usulan Penelitian S2

KLASIFIKASI NYAMUK BERDASARKAN SUARANYA DENGAN

METODE FAST FOURIER TRANSFORMASI DAN JARINGAN SYARAF

TIRUAN

Yang Diajukan Oleh:

Nama : Achmad Lukman

NIM : 09/292116/PPA/03023

Telah Disetujui

Pada Tanggal Mei 2011

Pembimbing,

Drs. Agus Harjoko, M.Sc., Ph.DNIP. 196008041987031003

2

KLASIFIKASI NYAMUK BERDASARKAN SUARANYA DENGAN

METODE FAST FOURIER TRANSFORMASI DAN JARINGAN SYARAF

TIRUAN

1. LATAR BELAKANG

Perkembangan teknologi dalam bidang ilmu komputer khususnya yang

mempelajari tentang sinyal processing saat ini semakin banyak. Masyarakat sudah

menganggap bahwa teknologi merupakan alat bantu yang sangat penting termasuk

juga dalam dunia kesehatan serta dalam dunia ilmu biologi.

Indonesia sering dilanda bencana penyakit yang diakibatkan beberapa jenis

nyamuk, contohnya nyamuk Culex dan Mansonia vektor cacing Filariasis yang

menyebabkan penyakit kuning, cikungunya dan penyakit infeksi lainnya, Aedes

yang merupakan vektor demam berdarah, dan Anopheles yang merupakan vektor

malaria (Syachrial, Z., dkk. 2004). Telah kita ketahui bahwa kita sulit

menghindari jenis nyamuk berbahaya karena iklim tropis merupakan tempat jenis

nyamuk ini hidup dan berkembang biak. Sebagai orang yang awam terkadang kita

tidak dapat membedakan nyamuk secara pasti karena bentuk tubuh yang kecil dan

hampir mirip.

Oleh sebab itu pada kesempatan ini penulis ingin mengadakan sebuah

penelitian Klasifikasi beberapa jenis nyamuk dengan menggunakan sinyal

processing, dimana penulis mengetahui secara fisiologi nyamuk-nyamuk tersebut

punya bentuk tubuh dan bentuk sayap yang berbeda antara jenis yang satu dengan

jenis yang lain sehingga memungkinkan frekuensi yang dihasilkan olehnya

masing-masing berbeda. Dengan perbedaan frekuensi inilah penulis tertarik untuk

menelitinya dengan cara membuat sebuah perangkat lunak lengkap dengan alat

microphone untuk merekam suara nyamuk yang ditaruh dalam media tertentu

untuk proses training serta pengujian.

2. RUMUSAN MASALAH

Masalah yang muncul adalah bagaimana cara mengenali nyamuk dengan

jenis tertentu bagi orang awam dan peneliti.

3. BATASAN MASALAH

Untuk memberikan ruang lingkup yang jelas terhadap masalah ini, maka

dibuat batasan-batasan masalah dalam menentukan jenis nyamuk, yaitu :

a. Mengambil data pelatihan nyamuk ditempatkan pada media tertentu untuk

diambil sampel suaranya dengan menggunakan microphone.

b. Penelitian ini berfokus pada nyamuk betina dan tidak membahas tentang

rangkaian amplifier microphone.

c. Melakukan pengujian klasifikasi nyamuk dalam media tertentu.

4. TUJUAN

Tujuan dari penelitian ini adalah membuat suatu perangkat lunak

Klasifikasi nyamuk dengan metode Fast Fourier Transformasi dan Jaringan Syaraf

Tiruan agar nantinya orang awam dapat mengenali beberapa jenis nyamuk.

4

5. MANFAAT PENELITIAN

Penelitian ini diharapkan menghasilkan sebuah perangkat lunak beserta

perlengkapan perangkat kerasnya dalam mengklasifikasi beberapa jenis nyamuk

yang selanjutnya diharapkan dapat membantu orang awam serta para peneliti di

bidang nyamuk.

6. KEASLIAN PENELITIAN

Lauren, dkk., (2009) melakukan penelitian harmonisasi getaran sayap

nyamuk jantan dan betina dalam nyanyian cinta dari nyamuk vektor dengue.

dengungan nyamuk yang terbang adalah sinyal penting untuk kawin, dengan

frekuensi dasar dari nyamuk betina yang terbang adalah isyarat keberadaanya.

pada demam kuning dan vektor dengue Aedes Aagypti, keduanya berinteraksi

secara akustik dengan merubah-ubah nada terbangnya untuk menyesuaikan dan

menghasilkan duet kawin. Pencocokan tidak dibuat pada frekuensi dasar dari 400

Hz (betina) atau 600 Hz (jantan) tetapi pada sebuah pembagian harmonic dari

1200 hz, yang melebihi batas atas pendengaran nyamuk.

Suwito, (2007) melakukan penelitian Keanekaragaman jenis nyamuk

(Diptera: Culicidae) yang dikoleksi dari tunggul bambu Taman Nasional Gn.

Gede-Pangrango dan Taman Nasional Gn. Halimun. Hasil koleksi larva nyamuk

pada tunggul bambu dan ruas bambu di Cikaniki dan Bodogol menunjukkan hasil

yang menarik, yaitu jenis Aedes (Stegomyia) albolineatus, Orthopodomyia

albipes, Heizmannia (Heizmannia) communis, Uranotaenia (Pseudoficalbia)

bimaculata Tripteroides (Rachionotomya) aranoides, Toxorhynchites kempi

Aedes (Finlaya) sp., Tripteroides (Tripteroides) sp. and Armigeres (Leicester)

sp. Jenis-jenis ini diduga sebagai jenis yang umum ditemukan di hutan sekunder

atau primer dan jarang dijumpai di sekitar pemukiman. Hasil tangkapan ini

menjadi lebih menarik, karena ditemukan jenis Heizmannia communis and

Uranotaenia bimaculata yang merupakan catatan baru untuk sebaran jenis nyamuk

di Pulau Jawa dan Indonesia.

7. TINJAUAN PUSTAKA

Basuki, dkk. (2006) Mengimplementasikan aplikasi Pengenalan Suara

Dengan Request Lagu. Mereka melakukan percobaan dengan ucapan manusia

sebagai masukan diubah menjadi perintah yang berfungsi untuk memanggil file

musik. Hasil dari penelitian mereka menggambarkan dari lima kali kombinasi

jaringan syaraf tiruan yang dilakukan, pembuat aplikasi ini menemukan

persentase kesalahan terkecil untuk pengenalan pengucapan dengan kombinasi

berikut : Frame 80, Input 2560, Hidden 30, Output 10, Learning Rate 0.5, Target

Error 0.1. Dengan data tersebut keakuratan sistem pengenalan suara untuk

pengenalan training data set mencapai 100% dan untuk pengenalan blind data set

mencapai 98%.

Rizal, dkk. (2002) melakukan penelitian tentang Pengenalan Suara Paru-

paru normal menggunakan Linier Predictive Coding dan Jaringan Syaraf Tiruan

Backpropagation. Hasilnya Penggunaan metode LPC, FFT dan JST

Backpropagation untuk pengenalan suara paru-paru normal menunjukkan hasil

yang cukup baik dengan akurasi mencapai 98.33%.

6

Saragih, dkk. (2009) melakukan penelitian tentang Penentuan Akor Gitar

Dengan Menggunakan Algoritma Short Time Fourier Transform. Dalam

penelitian dilakukan pengujian terhadap Short Time Forier Transform (STFT)

untuk mengenali akor gitar. Menggunakan metode STFT, komponen frekuensi

tiap saat dari sinyal akan dapat diamati. Dengan menghitung komponen frekuensi

tertinggi tiap saat maka akan dapat dihitung akor gitar yang terjadi saat itu. Hasil

penelitian mereka memperlihatkan bahwa program simulasi ini mempunyai

tingkat akurasi yang berkisar 60% sampai 70%, akurasi ini cukup baik sehingga

program simulasi ini dapat direalisasikan.

Sitanggang, dkk. (2002) melakukan penelitian Pengenalan Vokal Bahasa

Indonesia Dengan Jaringan Syaraf Tiruan Melalui Transformasi Fourier.

Perekaman suara vokal mengambil 20 responden dan mengucapkan kelima vokal

dalam bahasa Indonesia. Tiap vokal diambil 5 suara jadi satu responden memiliki

25 data suara rekaman. Data dari 20 responden dibagi dua macam, data 10

responden digunakan untuk pelatihan jaringan dan sisanya untuk pengujian

jaringan. Spesifikasi file perekaman adalah format mono, frekuensi cuplikan 8

KHz, dan dikodekan dalam 8 bit. Hasil penelitian mereka menunjukkan bahwa

Persentase pengenalan masing-masing vokal adalah vokal /a/ dikenal sebagai /a/

yaitu 98 % untuk data lama (data pelatihan) dan 92 % untuk data baru, vokal /i/

dikenal sebagai /i/ yaitu 74 % untuk data lama (data pelatihan) dan 74 % untuk

data baru, vokal /u/ dikenal sebagai /u/ yaitu 80 % untuk data lama (data

pelatihan) dan 38 % untuk data baru, vokal /e/ dikenal sebagai /e/ yaitu 66 %

untuk data lama (data pelatihan) dan 52 % untuk data baru, vokal /o/ dikenal

sebagai /o/ yaitu 20 % untuk data lama (data pelatihan) dan 20 % untuk data baru.

Lauren, dkk. (2009) melakukan penelitian harmonisasi getaran sayap nyamuk

jantan dan betina dalam nyanyian cinta dari nyamuk vektor dengue. dengungan

nyamuk yg terbang adalah sinyal penting untuk kawin, dengan frekuensi dasar

dari nyamuk betina yang terbang adalah isyarat keberadaanya. pada demam

kuning dan vektor dengue Aedes Aagypti, keduanya berinteraksi secara akustik

dengan merubah-ubah nada terbangnya untuk menyesuaikan, menghasilkan duet

kawin. pencocokan tidak dibuat pada frekuensi dasar dari 400 Hz(betina) atau 600

Hz(jantan) tetapi pada sebuah pembagian harmonic dari 1200 hz, yang melebihi

batas atas pendengaran nyamuk.

Secara umum tinjauan pustaka ini dirangkum dalam tabel 1 dibawah ini :

Tabel 1 Daftar Perbandingan Penelitian Sebelumnya

NO. Peneliti Judul Metode Hasil1. Basuki, dkk.

(2006)Aplikasi

Pengolahan Suara untuk

Request Lagu

Jaringan Syaraf Tiruan dan FFT Dengan lima kali

kombinasi jaringan syaraf tiruan yang dilakukan, pembuat aplikasi ini menemukan persentase kesalahan terkecil untuk pengenalan pengucapan dengan kombinasi berikut : Frame 80, Input 2560, Hidden 30, Output 10, Learning Rate 0.5, Target Error 0.1. Dengan data tersebut keakuratan sistem pengenalan suara untuk pengenalan training data set mencapai 100% dan untuk pengenalan blind data set mencapai 98%

8

Tabel 1 Lanjutan Tinjauan Pustaka

3.Saragih, dkk.

(2009)

Penentuan Akor Gitar Dengan Menggunakan

Algoritma Short Time Fourier

Transform

Short Time Fourier Transform (STFT)

Hasil penelitian mereka memperlihatkan bahwa program simulasi ini mempunyai tingkat akurasi yang berkisar 60% sampai 70%, akurasi ini cukup baik sehingga program simulasi ini dapat direalisasikan

4Sitanggang, dkk.

(2002)

Pengenalan Vokal Bahasa Indonesia Dengan Jaringan

Syaraf Tiruan Melalui

Transformasi Fourier

Jaringan Syaraf Tiruan dan FFT

Persentase pengenalan masing-masing vokal adalah vokal /a/ dikenal sebagai /a/ yaitu 98 % untuk data lama (data pelatihan) dan 92 % untuk data baru, vokal /i/ dikenal sebagai /i/ yaitu 74 % untuk data lama (data pelatihan) dan 74 % untuk data baru, vokal /u/ dikenal sebagai /u/ yaitu 80 % untuk data lama (data pelatihan) dan 38 % untuk data baru, vokal /e/ dikenal sebagai /e/ yaitu 66 % untuk data lama (data pelatihan) dan 52 % untuk data baru, vokal /o/ dikenal sebagai /o/ yaitu 20 % untuk data lama (data pelatihan) dan 20 % untuk data baru.

5.Lauren dkk.

(2009)

Harmonisasi Getaran Sayap Nyamuk Jantan

Dan Betina Dalam Nyanyian Cinta Dari Nyamuk

Vektor Dengue

-

menghasilkan duet kawin. pencocokan tidak dibuat pada frekuensi dasar dari 400 hz(betina) atau 600 hz(jantan) tetapi pada sebuah pembagian harmonic dari 1200 hz, yang melebihi batas atas pendengaran nyamuk

Tabel 1 Lanjutan Tinjauan Pustaka

6.Suwito,

2007

Keanekaragaman jenis nyamuk

(Diptera: Culicidae) yang dikoleksi dari

tunggul bambu Taman Nasional

Gn. Gede-Pangrango dan

Taman Nasional Gn. Halimun

-

Hasil tangkapan ini menjadi lebih menarik, karena ditemukan jenis Heizmannia communis and Uranotaenia bimaculata yang merupakan catatan baru untuk sebaran jenis nyamuk di Pulau Jawa dan Indonesia

7. Rizal, dkk.

(2002)

Pengenalan Suara Paru-Paru Normal

Menggunakan LPC dan Jaringan

Syaraf Tiruan Back-Propagation

LPC,FFT, JST Backpropagation

Penggunaan metode LPC, FFT dan JST Backpropagation untuk pengenalan suara paru-paru normal menunjukkan hasil yang cukup baik dengan akurasi mencapai 98.33%.

8.Lukman, (2011)

Klasifikasi Nyamuk Dengan Suaranya Dengan Metode FFT dan Jaringan Syaraf

Tiruan

Fast Fourier Transformation (FFT) dan Jaringan Syaraf

Tiruan

Dari penelitian ini diharapkan untuk nilai akurasi pengenalan suara jenis nyamuk dapat mencapai atau mendekati 100%.

8. METODE PENELITIAN

Metode penelitian yang akan dilakukan terdiri atas beberapa tahapan

sebagai berikut :

a. Pengumpulan Spesimen Jenis Nyamuk

Pada tahapan ini, dilakukan pengumpulan Spesimen 4 jenis nyamuk yaitu

culex fatiqan, aedes aegipty, aedes albopictus, anopheles. Masing-masing jenis

nyamuk ini berjumlah 25 ekor untuk diambil suaranya. Penulis akan

mengadakan kerjasama dengan Laboratorium Parasitologi Fakultas Biologi

Universitas Gajah Mada

10

b. Rancang Bangun Sistem

Pada tahapan ini, dilakukan perancangan sistem dengan langkah-langkah pada

gambar 1 dan 2 :

Gambar 1. Pemodelan Sinyal

Pada gambar 1 diatas terdapat proses pemodelan sinyal yaitu :

1. Frame blocking

Sebelum dilakukan analisa frekuensi, sinyal suara dibagi menjadi frame-frame

dengan masing-masing frame berisi N buah sampel. Hal ini dilakukan untuk

mempercepat proses komputasi

2. Windowing

Windowing memproses frame-frame secara individual ke dalam window untuk

meminimalkan diskontinuitas sinyal pada bagian awal dan akhir pada setiap frame.

Window berupaya untuk mengurangi kerusakan spektrum dengan cara

meruncingkan sinyal dengan menset nol pada awal dan akhir tiap frame.

3. Fast Fourier Transformasi

Transformasi Fourier merubah sebuah sinyal domain waktu untuk ditampilkan

menjadi sinyal domain Frekuensi. Bagaimanapun juga, sebuah sample yang

berbentuk gelombang (waveform) dan ditransformasikan dalam bentuk nilai

diskrit. Karena transformasi ini, transformasi Fourier tidak akan bekerja dalam

bentuk data diskrit. Akhirnya digunakan Discrete Fourier Transform (DFT),

yang menghasilkan hasil akhir dalam domain frekuensi dengan nilai diskrit

Frame blocking Windowing Algoritma FFT

atau disebut bins. Fast Fourier Transform merupakan algoritma yang efisien

untuk proses perhitungan DFT (Discrete Fourier Transform) dan inversenya

dengan membutuhkan sedikit proses aritmetika.

Gambar 2. Kerangka Sistem Secara Umum

Penjelasan kerangka sistem :

Ada dua langkah pengolahan suara nyamuk yaitu:

1. Proses training

Suara nyamuk yang didapatkan dari hasil rekamanan selama 1 detik

berupa sinyal di potong-potong dalam beberapa bagian dalam proses

framing, kemudian dari hasil frame tersebut di lakukan proses windowing

untuk memisahkan sinyal-sinyal yang berupa noise dengan sinyal nyamuk

yang akan di teliti, setelah proses windowing ini di hitung dengan

algoritma Fast Fourier Transformasi sehingga didapatkan titik-titik

frekuensi yang akan dimasukkan kedalam jaringan syaraf tiruan

backpropagation, didalam jaringan syaraf tiruan diproses lagi sehingga

mendapatkan bobot yang errornya paling kecil kemudian bobot tersebut

disimpan kedalam database.

12

Data Training

Pemodelan Sinyal

DataBase

Data Uji Pemodelan Sinyal

JST

JST

Hasil

2. Proses pengujian

Pada proses pengujian ini suara nyamuk lain direkam dulu selama 1 detik

kemudian dilakukan proses di potong-potong dalam beberapa bagian

dalam proses framing, kemudian dari hasil frame tersebut di lakukan

proses windowing untuk memisahkan sinyal-sinyal yang berupa noise

dengan sinyal nyamuk yang akan di teliti, setelah proses windowing ini di

hitung dengan algoritma Fast Fourier Transformasi sehingga didapatkan

titik-titik frekuensi yang langsung dimasukkan kedalam jaringan syaraf

tiruan dengan memakai bobot yang sudah didapat dari hasil proses training

sehingga jenis nyamuk tersebut langsung bisa diklasifikasikan.

c. Implementasi

Pada tahapan ini, dilakukan pembuatan perangkat lunak lengkap dengan

microphone serta medianya untuk training dan implementasi Klasifikasi jenis

nyamuk, setelah perangkat lunak selesai, dilakukan training dan implementasi

tersebut untuk spesimen jenis nyamuk yang telah disiapkan.

d. Testing

Pada tahapan ini, dilakukan perhitungan kinerja dan akurasi dari implementasi

yang telah dilakukan.

9. JADWAL PENELITIAN

Jadwal penelitian ini direncanakan seperti terlihat pada tabel 2 dibawah ini:

Tabel 2. Jadwal Penelitian

Bulan

No Kegiatan Maret April Mei Juni Juli Agustus

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 41. Proposal2. Studi Pustaka

3.Analisis dan Perancangan

4. Implementasi6. Pengujian7. Evaluasi

14

DAFTAR PUSTAKA

Basuki, A., H., Miftahul., S., dan Amaliah T., 2006, Aplikasi Pengolahan Suara Untuk Request Lagu, Industrial Electronics Seminar (IES) 2006 – Politeknik Elektronika Negeri Surabaya – Institut Teknologi Sepuluh Nopember, Surabaya.

Saragih, A.,T.,D., Rizal, A., dan Magdalena, R., 2009, Penentuan Akor Gitar dengan Menggunakan Algoritma Short Time Fourier Transform, Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009), Yogyakarta.

Rizal, A., Anggraeni, L., dan Suryani, V., 2002, Pengenalan Suara Paru-paru Normal Menggunakan LPC dan JST BP, Industrial Electronics Seminar (IES) 2002 – Politeknik Elektronika Negeri Surabaya – Institut Teknologi Sepuluh Nopember, Surabaya.

Sitanggang, D., Sumardi, dan Hidayatno, A., 2002, Pengenalan Vokal Bahasa Indonesia Dengan Jaringan Syaraf Tiruan Melalui Transformasi Fourier, Seminar Nasional I Rekayasa Aplikasi dan Industri 2002 (RAPI 2002). Semarang.

Syachrial, Z., Martini, S., dan Yudhastuti, R., dan Hasan, H.A., Populasi Nyamuk Dewasa di daerah endemis Filariasis studi di desa empat kecamatan simpang empat kabupaten banjar tahun 2004, Jurnal Kesehatan Lingkungan Universitas Airlangga, Surabaya.

Lauren J. C., Ben J. A., Laura C.H., and Ronald R. H., harmonic convergence in the love songs of the Dengue Vector Mosquito, Published Online 8 January 2009 Science 20 February 2009:Vol. 323 no. 5917 pp. 1077-1079 DOI: 10.1126/science.1166541

Suwito, A., 2007, Keanekaragaman jenis nyamuk (Diptera: Culicidae) yang dikoleksi dari tunggul bambu Taman Nasional Gn. Gede-Pangrango dan Taman Nasional Gn. Halimun. Zoo Indonesia. Vol. 16 (1): 31-47