Rancang Bangun Lampu Sein Dengan Perintah Suara Menggunakan Platform Edge Impulse

Sari

Salah satu fitur penunjang keselamatan pengendara di jalan umum adalah lampu sein. Lampu sein berfungsi sebagai tanda atau informasi kepada penggendara lain bahwa kita akan melakukan perubahan arah ke kanan atau ke kiri. Pentingnya menyalakan lampu sein pada sepeda sebelum berbelok, sering dilupakan oleh para pengendara sepeda, dikarenakan sepeda jarang dipasangkan dengan lampu sein seperti pada sepeda motor. Oleh karena itu, di berikan solusi mengaktifkan lampu sein otomatis menggunakan teknologi machine learning atau pembelajaran mesin yang pengenalan suaranya yang mengontrol lampu sein bekerja. Metode Penelitian yang digunakan merancang sebuah prototipe sistem lampu sein otomatis menggunakan perintah suara berbasis pembelajaran mesin Edge impulse. Edge Impulse merupakan merupakan layanan cloud untuk mengembangkan model pembelajaran mesin (machine learning) di perangkat  yang ditargetkan perangkat TinyML. Prototipe ini menggunakan Arduino Nano 33 BLE Sense sebagai mikrokontroller dan Lampu LED sebagai keluarannya. Dari hasil ujicoba sistem diperoleh hasil rata-rata delay lampu LED sebesar 0.988 detik, persentase pengujian keberhasilan respon perintah suara pada kebisingan kurang dari 60 dBA mencapai 80%. Untuk uji kebisingan lebih dari 70 dBA adalah 50% dan pengujian respon perintah suara individu yang berbeda pada kebisingan kurang dari 60 dBA 70% sedangkan persentase keberhasilan lebih dari 70 dBA adalah 30%. Secara keseluruhan prototipe sistem ini dapat berjalan dengan baik.

One of the supporting features for driver safety on public roads is the turn signal. The turn signal is a sign or information to other motorists that we will change direction to the right or left. The importance of turning on the turn signal on a bicycle before turning is often forgotten by cyclists because bicycles are rarely paired with turn signals like motorbikes. Therefore, a solution is to activate the automatic turn signal using machine learning technology or machine learning, where the voice recognition that controls the turn signal works. The research method used is to design a prototype of an automatic turn signal system using voice commands based on Edge impulse machine learning. Edge Impulse is a cloud service for developing machine learning models on devices targeted by TinyML devices. This prototype uses Arduino Nano 33 BLE Sense as a microcontroller and an LED as the output. From the system's test results, the average delay of the LED lights is 0.988 seconds. The percentage of successful voice command response tests at noise less than 60 dBA reaches 80%, noise more than 70 dBA is 50%, and individual voice command response tests differ at noise less than 60 dBA 70%, while the percentage of success more than 70 dBA is 30%. Overall this prototype system can run well.