ABSTRAKSI: Telinga kita bisa membedakan suara – suara tertentu, Seperti contohnya suara knalpot motor. Beberapa motor bisa kita bedakan suaranya, beberapa tidak. Hal ini bisa dipengaruhi dengan kecil / tinggi nya nada, Ciri khas yang dikeluarkan knalpot tertentu juga bisa memudahkan kita untuk membedakan suara motor tertentu. Begitupun dengan system, apabila telinga kita bisa membedakan ciri suatu suara maka system juga bisa membedakannya, hanya dengan tingkat akurasi yang berbeda.
Dengan menggunakan sampel suara 4 jenis sepeda motor dengan pabrikan yang berbeda, dimana akan memungkinkan adanya perbedaan dalam sinyal audio. Pengolahan sinyal audio yang menggunakan suara knalpot sebagai inputan system akan bisa membedakan motor a dan motor b. Metode untuk ekstraksi ciri yang digunakan adalah Fast Fourier Transform dan Euclidean distance untuk mengklasifikasikan jenis suara dan membandingkan data uji dengan database.Sistem akan dibuat dengan berbasis Android.
Pada tugas akhir ini dibahas pengaruh titik FFT terhadap akurasi system, Pengaruh noise, dan Pengaruh besar kecil nya RPM pada saat pengambilan data uji. Dengan aplikasi ini kita bisa mengklasifikasikan 4 jenis sepeda motor dengan tingkat akurasi 75% saat system bekerja non real-time dan tanpa noise, Jika ditambahkan noise sebesar 10 dB akurasi berkurang menjadi 42,5% dan akurasi menjadi 32,5% dengan noise sebesar 40 dB, sedangkan saat system bekerja real-time didapatkan tingkat akurasi sebesar 30%.
Kata Kunci : FastFourier Transformation, Android, Sepeda Motor, Euclidean Distance, Voice Recognition, RPMABSTRACT: Our ear can differentiate some kind of voice. For example motorcylce’s exhaust sound. We can recognize some motorcycle’s sound while some can’t. This can be influenced by low or high it’s tone. Some Muffler can have a very characteristic tone and that make it easier for us to recognize the type of motorcycle. Same thing goes with system, if our ear can recognise some kind of voices then system can also do the same but with different level of accuration.
Using 4 kinds of motorcycle with different manufacturer, where there will be possibility to have difference in audio signal. Audio signal processing using muffler’s sound as system’s input can differentiate one motorcycle with others. Using Fast Fourier Transform as method for feature extraction and Euclidean distance as method to classify type of sound and compare data we had at database with one we will test. This system will be made using android based operating system.
This thesis will discuss influence from FFT point, noise influence, and the size of the RPM’s motor cycle to system accuracy. With this application we can classify 4 kinds of motorcylces with level of accuracy up to 75% when system works in non real time and without noise, when noise is added as big as 10 dB the level of accuracy decrease to 42,5%, and level of accuracy become 32,5% if noise added as big as 40 dB, while 30% is the level of accuracy while system is working real time.
Keyword: Fast Fourier Transformation, Android, Motorcylce, Euclidean Distance, Voice Recognition, RPM