Kemacetan sering terjadi di tempat persimpangan jalan yang mempunyai lampu lalu lintas. Salah satu dampak krusial dari kemacetan terjadi pada bidang kesehatan. Kemacetan dapat mengganggu perjalanan ambulans ketika terjadi keadaan darurat, seperti ambulans yang mendapat panggilan gawat darurat dan mengantar pasien yang gawat darurat. Dalam hal ini, kemacetan yang terjadi pada lampu lalu lintas sering mengakibatkan ambulans tidak dapat bergerak dengan cepat karena harus menunggu lampu lalu lintas yang dimana nyawa pasien sedang dipertaruhkan.
Convulutional Neural Network (CNN) adalah salah satu bentuk penerapan dari jaringan saraf tiruan karena terdiri dari neuron yang mengoptimalkan diri melalui pembelajaran. Setiap neuron akan menerima input dan melakukan operasi berdasarkan fungsi aktivasi seperti jaringan saraf tiruan. Pada pengembangannya CNN juga digunakan dalam permasalahan klasifikasi audio. Ekstraksi feature pada dataset gambar yang ada pada CNN dimanfaatkan untuk mengektrasi feature yang ada pada dataset audio.
Dataset audio yang berhasil dikumpulkan sebanyak 2198 data audio dengan panjang 5 detik. data audio kelas sirine lain pada keseluruhan dataset mempunyai proporsi sebesar 50.91% atau sebanyak 1119 data audio. Sedangkan data audio kelas sirine ambulans memiliki proporsi sebesar 49.09% dari dataset atau sebanyak 1078 data audio. Penerapan Mel-Frequency Cepstral Coeficients (MFCC) dalam ekstraksi fitur dari data yang dikumpulkan. Epoch yang digunakan dalam pembuatan model sebanyak 50 epoch.
Model tersebut dievaluasi menggunakan confusion matrix dan diperoleh akurasi sebesar 0.97 dan Skor F1 sebesar 0.97. Deployment model dibuat dalam bentuk website yang bisa diakses menggunakan link https://emergency-sound-classification.up.railway.app. Gambar 1 merupakan tampilan website deployment.
Gambar 1. Tampilan Website Aplikasi Klasifikasi Sirine Ambulans
Pengguna website dapat menginput audio kedalam aplikasi dan aplikasi tersebut mengklasifikasikan apakah audio tersebut merupakan sirine ambulans atau tidak
1. Meningkatkan respon darurat di jalan sehingga pengemudi lain dapat segera memberikan prioritas dalam membuka jalur
2. Pengoptimalan pengaturan lampu lalu lintas di jalur yang dilalui ambulans
3. Efisiensi antara ambulans dan fasilitas kesehatan dalam memberikan informasi jalur yang lebih aman dan cepat