IDENTIFIKASI FREKUENSI SUARA NYAMUK BETINAMENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM

Achmad LukmanTeknik Komputer, STMIK EL RHAMA Yogyakarta

e-mail: mecaman@gmail.com

AbstractDigital signal processing is the most popular and sizeable positive impact is digital

sound processing. Digital sound processing can be developed with a variety of applicationthat can facilitate human life, one of research that can be made is the identification of amosquito noise. FFT algorithm is the process to get the value of the fundamentalfrequency for each type of noise, including the noise of mosquitoes. In this research theprocesses used to obtain the fundamental frequency of mosquitoes, among others, theprocess of pre-emphasis, frame blocking, windowing and FFT for every type of mosquitonoise. The results of this research are Aedes aegypti mosquitoes 367 Hz, anophelesmosquitoes 565 Hz and Culex pipiens mosquitoes 331 Hz.Keywords— FFT, Frame blocking, windowing, pre-emphasis.

PENDAHULUANPerkembangan teknologi dalam bidang ilmu komputer khususnya yang mempelajari

tentang sinyal processing saat ini semakin banyak dan membawa dampak positif dalamkehidupan manusia. Salah satu disiplin ilmu dalam pengolahan sinyal digital yang palingpopuler dan dampaknya positifnya cukup besar adalah bidang pengolahan suara digital.

Pengolahan suara digital dapat dikembangkan dengan berbagai aplikasi yang dapatmempermudah kehidupan manusia. Salah satu aplikasi yang dapat dibuat adalah pengenalansuara nyamuk. Nyamuk adalah hewan kecil yang mempunyai banyak jenis, contohnyanyamuk culex pipens dan mansonia vektor cacing filariasis yang menyebabkan penyakitkuning, cikungunya dan penyakit infeksi lainnya, aedes yang merupakan vektor demamberdarah, dan anopheles yang merupakan vektor malaria [1]. Nyamuk mengeluarkan suaradengan kepakan sayapnya baik saat ingin mencari mangsa ataupun pada saat kawin.

Salah satu menjadi daya tarik penulis untuk melakukan penelitian klasifikasi suaranyamuk disebabkan karena penulis bermaksud mengetahui perbedaan suara nyamuk antaranyamuk aedes aegypti, nyamuk anopheles dan nyamuk culex pipiens. Hasil penelitian [3] bahwakepakan sayap nyamuk aedes aegypti berada pada frekuensi 400Hz sampai 600Hz dan padasaat melakukan duet kawin bisa mencapai frekuensi 1200Hz dan penelitian [4] yangmenghasilkan frekuensi nyamuk Culex jantan yang terikat 542.4 ± 81.60Hz (rata-rata ±standar deviasi; n=20 adalah jumlah nyamuk setiap jenis kelamin ). Untuk culex betina yangterikat 428.3 ± 42.92 dan pada saat duet kawin bisa mencapai frekuensi 1200Hz untukharmonisasi frekuensi kedua jenis kelamin.

METODE PENELITIAN2.1 Lokasi penelitian

Penelitian dilaksanakan pada laboratrium parasitologi fakultas biologi UniveristasGajahmada Yogyakarta. Adapun sampel yang akan diteliti adalah nyamuk anopheles, nyamukculex pipiens dan nyamuk aedes aegypti. Sampel tersebut adalah hasil praktikum yang telahselesai diamati ditetaskan dan diobservasi oleh mahasiswa Fakultas Biologi Universitas

IJCCS Vol. x, No. x, July 201x : first_page – end_page

Gajah Mada Yogyakarta sehingga tidak setiap waktu bisa didapatkan sampel ketiga nyamuktersebut.

2.2 Alat dan bahan2.2.1 Alat

Alat yang digunakan dalam penelitian ini berupa,a. Aspirator

Alat ini digunakan untuk menangkap nyamuk yang telah dikelompokkan didalammasing-masing kandang. Alat ini berbentuk seperti Gambar 1.

Gambar 1. Aspirator penangkap nyamuk

b. MicrophoneAlat ini disambungkan langsung ke laptop dan ujung microphonenya dimasukkankedalam botol kecil, digunakan untuk mendapatkan suara nyamuk yang akandirekam. Microphone berjenis Aiwa WR – 601. Terlihat seperti Gambar 2.

Gambar 2. Microphone berjenis Aiwa WR – 601c. Laptop

laptop yang telah dipasang Cooleditpro 2.0 digunakan untuk merekam suaranyamuk.

2.2.2 Bahana. Botol kecil

Botol kecil kosong berbahan kaca ukuran 250 ml yang akan digunakan untukmenampung nyamuk hasil tangkapan aspirator

b. Kain kasaDigunakan untuk menutup botol agar sampel nyamuk tidak terbang keluar

2.3 Prosedur kerja dan pengumpulan data2.3.1 Prosedur kerja

Penelitian ini penulis menyusun prosedur kerja untuk pengumpulan data suaranyamuk

1. Menyiapkan alat dan bahan2. Setiap nyamuk didalam kandang diidentifikasi jenis kelaminnya dengan

memasukkan seekor kelinci percobaan kedalam kandang nyamuk dan larutan gulapasir, jika nyamuk menggigit dan menghisap darah kelinci maka diidentifikasi jeniskelamin betina dan jika nyamuk hinggap dilarutan gula pasir maka diidentifikasijenis kelamin jantan.

3. Mengambil nyamuk diidentifikasikan jenis kelamin betina dengan memakai alataspirator secara perlahan dan menjaga agar nyamuk tidak mengalami stress, jikanyamuk mengalami stress pada saat perekaman nyamuk langsung pingsan dan mati.

4. Menempatkan nyamuk satu persatu kedalam botol kecil yang ditutupi kain kasayang telah dilengkapi microphone didalamnya.

5. Melakukan perekaman satu nyamuk satu proses perekaman.

2.3.2 Pengumpulan data1. Nyamuk yang telah ditempatkan di botol kecil kemudian direkam suara

dengungannya selama 2 detik satu persatu dengan menggunakan softwareCoolEditpro 2.0. setelah perekaman selesai nyamuk dilepas kembali kekandang lainyang menandakan nyamuk tersebut telah direkam suaranya.

2. Suara nyamuk berupa file wav yang telah direkam dikumpulkan tiap jenis dalam satufolder suara yang bernama DataNyamuk pada laptop. Setiap data suara nyamukdibersihkan dari noise berupa suara latar yang tidak diiinginkan denganmenggunakan software CoolEditpro 2.0 sehingga benar-benar didapatkan suaranyamuk yang diinginkan.

3. Pengumpulan data selesai.

Identifikasi suara nyamuk betina merupakan proses untuk menentukan frekuensijenis nyamuk berdasarkan input suara nyamuk yang direkam. Secara umum rancangansistem identifikasi jenis suara nyamuk terlihat pada Gambar 3.

Sistem identifikasi jenis suara nyamuk merupakan proses perekaman suara nyamukbetina yang terdiri dari tiga jenis yaitu nyamuk anopheles, nyamuk aedes aegypti dannyamuk culex. Setelah perekaman, dilakukan proses preprosessing untuk membersihkansuara nyamuk dari derau yang tidak diinginkan sehingga suara yang didapatkan sesuaidengan suara nyamuk aslinya.

Gambar 3. Blog Diagram Proses Identifkasi Jenis Suara Nyamuk

Sinyal suara adalah sinyal yang berubah terhadap waktu secara perlahan. Menurut[2], dalam bukunya menjelaskan secara detail mengenai proses FFT. Penjelasan berikutsesuai dengan blog diagram Gambar 3.

IJCCS Vol. x, No. x, July 201x : first_page – end_page

2.1 Pre-emphasisProses pre-emphasis adalah proses yang didesain untuk mengurangi efek tidak baik

dari transmisi dan gangguan suara latar [6]. Perhitungan proses pre-emphasis dilakukanpada saat sampel sinyal digital suara berada pada domain waktu. Adapun perumusan untukproses pre-emphasis dituliskan :[ ] = [ ] − [ − 1] (1)

di mana,x adalah nilai sinyal digital sebelum proses pre-emphasisy adalah nilai sinyal setelah proses pre-emphasis

adalah nilai koefisien pre-emphasis yang berkisar (0.95 ≤ ≤ 1).

Sebagai contoh perhitungan digunakan jumlah contoh data sebanyak 8 titik sampel.Data sinyal tersebut adalah (-1598, -2662, -2529, -2195, -1724, -2204, -2319, -2807).Dengan menggunakan persamaan (1) dengan memakai nilai α = 0.97 diperoleh:

Y0 = -1598Y1 = (-2662) - (-1598 * 0.97) = -1111.94Y2 = (-2529) - (-2662 * 0.97) = 53.13Y3 = (-2195) - (-2529 *0.97) = 258.13Y4 = (-1724) - (-2195 * 0.97 ) = 405.15Y5 = (-2204) - (-1724 * 0.97) = -531.72Y6 = (-2319) - (-2204 * 0.97) = -181.12Y7 = (-2807) - (-2319 * 0.97) = -557.57

2.2 Frame BlockingHasil dari proses pre-emphasis kemudian dipotong-potong menjadi beberapa

potongan kecil, setiap potongan tersebut disebut frame. Jumlah data dalam satu frame (N)berisi 512 buah. Sedangkan jarak antar frame (M) adalah 200 buah. Sehingga, jumlah frame(L) untuk data sebanyak 4000 (nilai ini diambil setengah dari frekuensi sampling) dapatdihitung dengan L = (data-(N-M))/M = (4000-(512-200))/200 = 18 buah frame. Sehinggadidapatkan hasil sejumlah banyak frame (L) * banyak data dalam satu frame (N) = 18*512=9216 buah. Potongan frame digambarkan seperti Gambar 4

Gambar 4 Frame Blocking

2. 3 WindowingProses window ini berfungsi untuk mengurangi diskontinyu pada ujung-ujung

frame akibat dari proses framing Persamaan Window Hamming yaitu( ) = 0,54 − 0,46 1 − 2 (2)

Window Hamming diperoleh dengan memodifikasi koefisien window Hanning untukmencegah dengan tepat pada sidelobe pertama, tapi menjadi sangat kurang tepat bernilai nolpada tiap tepi. Dengan menggunakan rumus (2) diperoleh hasil sebagai berikut:

= 0.54 − 0.46 cos(2 ∗ 3.14 ∗ 0512 − 1 ) = 0.08untuk data hasil frame blocking yaitu (-1111.94, 53.13, 258.13, 405.15, 531.72, 181.12,557.57, 448.79) sehingga, = 0.08 ∗ (−1111.94) = −1.77 Dengan cara yang samadilakukan untuk data sampel yang lain, dan diperoleh nilai hasil windowing (-88.99, 4.258,20.73117, 32.6373, 42.99, 14.716, 45.555, 36.9011).

2. 4 Fast Fourier TransformTahapan selanjutnya ialah mengubah tiap frame dari domain waktu ke domain

frekuensi. FFT adalah algoritma yang mengimplementasikan Discrete Fourier Transform(DFT). Hasil DFT adalah bilangan kompleks dengan persamaan (3) untuk mencari nilai realdan persamaan (4) untuk mencari nilai imaginer.( ) = ∑ ( ) ∗ ( ) (3)( ) = − ∑ ( ) ∗ ( ) (4)

Keterangan: N = jumlah data, k = 0,1,2,...,N/2 dan ( ) = nilai data pada titik ke-i. Proses selanjutnya adalah menghitung nilai magnitude FFT [3]. Magnitude dari bilangankompleks c = a + bi adalah( ) = | ( )| = ( ( )) + ( ( )) . (5)

Analisa berdasarkan fourier transform sama artinya dengan analisa spektrum,karena fourier transform merubah signal digital dari time domain ke frequency domain.FFT dilakukan dengan membagi N buah titik pada transformasi diskrit menjadi 2, masing-masing (N/2) titik transformasi. FFT (Fast Fourier Transform) adalah teknik perhitungancepat dari DFT. FFT adalah DFT dengan teknik perhitungan yang cepat denganmemanfaatkan sifat periodikal dari transformasi fourier dengan memakai persamaan (3), (4)dan persamaan (5) seperti terlihat pada Gambar 5

IJCCS Vol. x, No. x, July 201x : first_page – end_page

Gambar 5 Proses Fast Fourier Transformation

Pada Gambar 5 terdapat 2000 titik frekuensi dari setengah frekuensi sampling yaitu4000Hz. Tujuan dari FFT ini adalah untuk mendapatkan informasi spektrum frekuensipada seluruh nilai amplitudo yang telah melalui proses windowing.

Diketahui sinyal hasil windowing :(-88.99, 4.258, 20.73117, 32.6373, 42.99, 14.716, 45.555, 36.9011)Untuk F0, maka diperoleh perhitungan sebagai berikut :

( ) = – . ∗ ∗ − ∗ ∗ +. ∗ ∗ − ∗ ∗ +. ∗ ∗ − ∗ ∗ +. ∗ ∗ − ∗ ∗ +. ∗ ∗ − ∗ ∗ +. ∗ ∗ − ∗ ∗ +. ∗ ∗ − ∗ ∗ +. ∗ ∗ − ∗ ∗ = 10741.93 + 0 j = 10741.93

Dengan menggunakan rumus| ( )| = [ + ] / = |10741.93| = 10741.93Didapat nilai f0 = 10741.93 dan dengan cara yang sama dilakukan pada tujuh data

sinyal lainnya. Sehingga diperoleh data sinyal FFT adalah (10586.015, 10130.51, 9410.63,8480.16, 7404.94, 6255.21, 5098.74), sehingga untuk menentukan frekuensi utama darisebuah sinyal suara nyamuk dengan melihat angka frekuensi yang nilai magnitudonyatertinggi.

HASIL DAN PEMBAHASANPengukuran unjuk kerja dari sistem klasifikasi nyamuk berdasarkan suaranya dengan

mencari persentase kesalahan pencocokan yang menyatakan probabilitas terjadinyakesalahan pada sistem. Pada pengujian ini penulis menggunakan 3 jenis nyamuk betina yaituAnopheles, Aedes Aegypti dan Culex Pipiens dengan masing-masing 1 sampel suara untukpengujian.

3.1 Analisa frekuensi Masing-Masing Jenis NyamukPengujian frekuensi dilakukan dengan menggunakan masing-masing sampel satu jenis

nyamuk yang hasilnya dapat dilihat pada Tabel 1.

Tabel 1. Pengujian Frekuensi Tiga Jenis NyamukJenis Nyamuk Frekuensi (Hz)Aedes Aegypti 367

Anopheles 565Culex Pipiens 331

Dari Tabel 1 terlihat bahwa hasil pengujian frekuensi tiga jenis nyamuk masing-masingdengan satu sampel acak. Secara detail pengujian frekuensi dasar suara jenis nyamukdiperlihatkan pada Gambar 6, 7 dan 8.

Gambar 6. Algoritma FFT untuk Suara Anopheles Betina

Pada pengujian satu ekor nyamuk anopheles betina memperlihatkan grafikfrekwensi yang dihasilkan berada pada level 565 Hz. Nilai frekuensi diambil dengan melihatnilai magnitudo tertinggi pada saat titik frekuensi seperti terlihat pada Gambar 6.

IJCCS Vol. x, No. x, July 201x : first_page – end_page

Gambar 7. Algoritma FFT untuk Suara Aedes aegypti Betina

Pada pengujian satu ekor nyamuk Aedes Aegypti betina memperlihatkan grafikfrekwensi yang dihasilkan berada pada level 367 Hz.

Gambar 8. Algoritma FFT untuk Suara Culex Betina

Hasil Pengujian didapatkan dengan merekam satu ekor setiap jenis dari nyamukbetina yang didapatkan sehingga terlihat perbedaan masing-masing nyamuk yaitu memilikifrekuensi dasar yang dikeluarkan pada saat terbang baik untuk mencari mangsa maupununtuk mencari tempat bertelur. Nyamuk aedes aegypti betina dan nyamuk culex pipiensfrekuensi yang dikeluarkan berkisar 300an Hz sedangkan untuk nyamuk anophelesfrekuensi yang dikeluarkan mencapai 500an Hz.

Hasil pengujian pada Tabel 1 sedikit jauh berbeda dengan hasil penelitian Warren[6], yang menyebutkan bahwa culex betina yang terikat frekuensi sinyal suara berkisar antara428.3 ± 42.92 serta hasil penelitian [7], yang menghasilkan frekuensi dasar nyamuk aedesaegypti berkisar 400Hz. Perekaman sinyal suara nyamuk yang penulis lakukan di dalambotol sedangkan perekaman yang dilakukan [6] dan [7] dilakukan pada kondisi terbuka

didalam laboratorium kemudian sampel nyamuk tersebut direkatkan kepalanya pada sebuahjarum kecil.

KESIMPULANHasil pengujian frekuensi dasar pada 3 jenis nyamuk betina yaitu nyamuk aedes

aegypti 367 Hz, nyamuk anopheles 565 Hz dan nyamuk culex pipiens 331 Hz sehinggadapat disimpulkan bahwa untuk frekuensi terbang nyamuk betina aedes aegypti dan culexpipiens berkisar 300an Hz sedangkan untuk frekuensi terbang nyamuk anopheles berkisar500an Hz.

SARANRencana penelitian kedepan untuk meningkatkan sistem klasifikasi nyamuk

berdasarkan suaranya ada beberapa metode yang dapat diterapkan1. Microphone yang sangat senstitif dan ruang yang sangat tenang dapat membantu

pengambilan suara nyamuk sehingga perlu dipikirkan untuk penelitian selanjutnya.2. Pembuatan perangkat keras elektronika khusus untuk proses mendukung penelitian

klasifikasi nyamuk berdasarkan suaranya.3. Penambahan jenis sampel nyamuk sebaiknya dilakukan untuk melihat

kecendrungan frekuensi setiap nyamuk.

DAFTAR PUSTAKA[1] Suwito, A., 2007, Keanekaragaman jenis nyamuk (Diptera: Culicidae) yang dikoleksi dari tunggul

bambu Taman Nasional Gn. Gede-Pangrango dan Taman Nasional Gn. Halimun. ZooIndonesia. Vol. 16 (1): 31-47

[2] Jurafsky, D., & Martin, J.H., Speech and Language Processing: An introduction to naturallanguage processing, computational linguistics, and speech recognition. Draft of June 25,

[3] Lyons R. G., 2001. Understanding Digital Signal Processing. Prentice Hall PTR Canada.

[4] 2007Lauren J. C., Ben J. A., Laura C.H., and Ronald R. H., harmonic convergence in the lovesongs of the Dengue Vector Mosquito, Published Online 8 January 2009 Science 20 February2009:Vol. 323 no. 5917 pp. 1077-1079 DOI: 10.1126/science.

[5] Rabiner, L.R., A Tutorial on Hidden Markov Model and Selected Applications in SpeechRecognition, Proceeding IEEE 77/2 (1989) 257.

[6] Warren, B., Gibson, G.,Russel J.I., 2009. Sex recognition through Midflight Mating Duets inCulex Mosquitoes. Current Biology 19. March 24, 2009.

[7] Lauren J. C., Ben J. A., Laura C.H., and Ronald R. H., harmonic convergence in the love songsof the Dengue Vector Mosquito, Published Online 8 January 2009 Science 20 February2009:Vol. 323 no. 5917 pp. 1077-1079 DOI: 10.1126/science.