REDUKSI BACKGROUND NOISE PADA REKAMAN KULIAH ONLINE MENGGUNAKAN ADAPTIVE FILTER LEAST MEAN SQUARE (LMS)

Abstract

ABSTRAK
Proses rekaman video kuliah online yang dilakukan oleh dosen ketika mengajar online biasa
terdistorsi oleh background noise. Hal ini karena keterbatasan alat rekam atau proses rekaman tidak
dilakukan di studio rekaman. Oleh karena itu penelitian ini bertujuan untuk mengimplementasi filter adaptif
menggunakan algoritma LMS untuk mereduksi background noise tersebut. Adaptif filter mampu
mengupdate koefisien bobot filter secara langsung untuk mereduksi background noise. Audio sinyal yang
digunakan adalah hasil rekaman video yang kemudian diambil audionya dan ditambahkan dengan
background noise dengan level daya tertentu. Data atau sinyal audio inilah yang kemudian difilter dan
tingkat keberhasilannya diukur dengan nilai Mean Square Error (MSE) dan Signal to Noise Ratio (SNR).
Hasil yang diperoleh menunjukan bahwa filter adaptif dengan algoritma LMS mampu mereduksi
background noise tersebut. Hal tersebut dapat dilihat dari nilai SNR setelah filter yang lebih besar dari nilai
SNR sebelum dilakukan filter. Kami juga menemukan bahwa nilai step-size dan orde filter sangat
berpengaruh terhadap kualitas sinyal setelah filter. Semakin besar nilai step-size dan semakin panjang
koefisien filter, maka nilai SNR akan semakin besar dan nilai MSE semakin kecil.
Kata Kunci: Reduksi Noise. Adaptive Filter, LMS, Kuliah online

ABSTRACT

The recording process of online lecturing videos by lecturers when teaching online is usually distorted
by background noise. This issue is due to limited recording equipment, or the recording process is not
carried out in a recording studio. Therefore, this study aims to implement an adaptive filter using the LMS
algorithm to reduce the background noise. An adaptive filter can update the filter weight coefficient directly
to reduce background noise. The audio signal used results from a video recording which was then taken
the audio and added with background noise with a certain power level. This data or audio signal was then
filtered, and the success rate was measured by the Mean Square Error (MSE) and Signal to Noise Ratio
(SNR) values. The results showed that the adaptive filter with the LMS algorithm was able to reduce the
background noise. The SNR value indicated noise reduction after the filter, which was greater than the SNR
value before applying the filter. We also found that the step size and filter order greatly affected the signal
quality. The larger the step-size value and the longer the filter coefficient, the larger the SNR value and the
smaller the MSE value.

Keywords: Noise Reduction, Adaptive Filter, LMS, Online Lecturing