KLASIFIKASI SUARA SIRENE MENGGUNAKAN STFT (SHORT-TERM FOURIER TRANSFORM)

Abstract

Sirene merupakan sebuah alat yang mampu menghasilkan bunyi yang mendengung keras, digunakan sebagai tanda bahaya dan sebagainya. Sirene dipergunakan pada kendaraan darurat seperti untuk ambulance, polisi dan pemadam kebakaran.. Selain itu sirene juga digunakan untuk alarm suatu bencana.  Suara sirene pada kendaraan darurat juga memiliki bunyi yang berbeda-beda tergantung pada penggunaan dan penerapannya. Dalam penelitian ini data suara sirene diolah menggunakan algoritma STFT dan diklasifikasikan dengan menggunakan artificial neural network. Proses pengolahan data sirene menghasilkan bahwa nilai amplitude maksimal tertinggi sebesar 0,29(-11dB) pada frekuensi 800Hz milik sirene ambulance mode wail2. Sedangkan nilai amplitude maksimal terendah sebesar 0,03(-30dB) pada frekuensi 1,3KHz milik sirene kendaraan pemadam kebakaran. Proses learning data menghasilkan nilai MSE terkecil sebesar 0,0000066218 pada epoch ke 1000. Kemudian dari uji coba proses training data untuk pencocokan sirene kendaraan darurat,  dihasilkan dari data yang di-training berjumlah 640  data, terdapat  data sirene yang berjumlah 630 berhasil dan 10 gagal. Hasil uji coba memiliki  persentase keberhasilan yang tinggi sesuai yang diharapkan yaitu sebesar  98,44%.