Desain Dan Implementasi Sistem Peringatan Lingkungan Sekitar Bagi Pengendara Penyandang Tunarungu Dengan Menggunakan Metode Lstm (Long Short Term Memory)

Huzaini, Alfian Nur Rafli (2022) Desain Dan Implementasi Sistem Peringatan Lingkungan Sekitar Bagi Pengendara Penyandang Tunarungu Dengan Menggunakan Metode Lstm (Long Short Term Memory). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111840000230-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB)

Abstract

Tunarungu merupakan keadaan dimana seseorang mengalami gangguan pada organ pendengarannya sehingga tidak mampu mendengar dengan baik. Gangguan ini di klasifikasikan karena tuli (deaf) dan kurang dengar (hard of hearing). Adanya peluang kerja yang diberikan kepada penyandang tunarungu terutama di bidang transportasi oleh perusahaan taksi online di Indonesia di bagian pengemudi motor atau mobil membuat penyandang tunarungu mempunyai peluang kemandirian. Akan tetapi, menjadi pengemudi motor atau mobil perlu kepekaan terhadap lingkungan sekitar, terutama kepekaan dalam suara. Maka dibutuhkan sebuah sistem peringatan lingkungan sekitar untuk memberikan informasi suara yang diolah menjadi tampilan peringatan. Dalam hal ini yang dimaksud dengan lingkungan sekitar adalah suara pada lingkungan yang membutuhkan perhatian khusus seperti misalkan, suara sirine dan suara peringatan pada pintu kereta api. Pada penelitian ini, sistem peringatan lingkungan sekitar bagi pengendara penyandang tunarungu dikembangkan dengan menggunakan metode recurrent neural network, long short term memory (RNN-LSTM) yang di implementasikan pada Raspberry Pi. Komponen yang digunakan pada penelitian ini terdiri dari Raspberry Pi 4, mikrofon, LCD TFT, dan juga LED. Prinsip kerja pada alat ini nantinya suara sirine ditangkap oleh mikrofon kemudian suara tersebut diproses di Raspberry Pi 4 yang menggunakan sistem dengan metode RNN-LSTM. Hasil pengenalan suara lingkungan sekitar di tampilkan dalam bentuk teks peringatan di layar LCD dan juga pada LED ditampilkan sesaat (blink). Pengujian pada sistem menggunakan variabel durasi pengenalan suara dengan rentang waktu 2 detik, 3 detik, dan 4 detik dengan setiap variabel waktu diambil data uji sebanyak 30 kali untuk setiap suara sirine ambulan, sirine pemadam kebakaran, dan juga suara lalu lintas jalan raya. Dari hasil pengujian diperoleh akurasi pengenalan untuk masing-masing rentang waktu 2, 3, dan 4 detik adalah sebesar 78%, 82%, dan 91%. Dari pelaksaan dan pengujian alat yang telah dilakukan sistem alat menerima input suara dan sistem memberikan output berupa tampilan layar pada LCD TFT dan juga kedipan lampu LED. Berdasarkan hasil pengujian, waktu dapat berpengaruh terhadap hasil prediksi alat. Dan untuk penelitian ini dapat dikembangkan dengan menggunakan Raspberry Pi 4 dengan jumlah RAM yang lebih besar dan juga menggunakan mikrofon yang lebih peka terhadap suara dan mengurangi noise.
==============================================================================================================================
Deafness is a condition in which a person experiences a disturbance in the hearing organ that causes the inability to hear properly, which is classified into two conditions, namely deafness and hard of hearing. The existence of job opportunities given to people with hearing impairment, especially in the field of transportation, as was done by one of the online taxi companies in Indonesia, especially in the motorbike or car driver section, makes it easier for deaf people to find work. However, being a motorbike or car driver requires sensitivity to the surrounding environment, especially sensitivity to sound. So we need an environmental warning system to provide sound information that is processed into an icon display. In this case what is meant by the surrounding environment is the sound in the environment that requires special attention, for example, the sound of sirens and warning sounds on train doors. In this study, an environmental warning system for deaf drivers was developed using the recurrent neural network, long short term memory (RNN-LSTM) method which was implemented on the Raspberry Pi. The results of the sound recognition of the surrounding environment are displayed in the form of warning text on the LCD screen and also on the LED displayed for a moment (blink). Testing on the system used a variable duration of speech recognition with a time span of 2 seconds, 3 seconds, and 4 seconds with each time variable taken 30 times test data for each sound of ambulance siren, fire engine siren, and also the sound of road traffic. Where the recognition accuracy is obtained for each of these time spans for 2 seconds by 78%, for 3 seconds by 82%, and for 4 seconds by 91%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pengenalan suara. Raspberry Pi. RNN-LSTM. Sirine. Tunarunggu Deafness. Voice Recognation. Ambient. RNN LSTM. Raspberry Pi
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	15 Jun 2026 04:26
Last Modified:	15 Jun 2026 04:26
URI:	http://repository.its.ac.id/id/eprint/133806

Actions (login required)

View Item