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
Top Related