Implementasi Real-Time Noise Suppression pada Komunikasi Peer-to-Peer WebRTC menggunakan Metode Pre-Trained DualSignal Transformation LSTM Network (DTLN)

Moch. Nadi Rafli Maulana

Abstrak

Komunikasi real-time melalui WebRTC seringkali terdegradasi oleh gangguan suara dari lingkungan sekitar. Penelitian ini mengimplementasikan metode noise suppression menggunakan model pre-trained Dual-Signal Transformation LSTM Network (DTLN) untuk meningkatkan kualitas audio pada komunikasi peer-to-peer WebRTC. Sistem dibangun sebagai aplikasi web berbasis Next.js, dengan proses noise suppression dieksekusi sepenuhnya di sisi client menggunakan ONNX Runtime-Web di dalam Web Worker untuk menjaga performa real-time. Pengujian dilakukan secara komprehensif dengan 1360 kasus uji yang mencakup audio berbahasa Inggris dan Indonesia, 17 jenis derau dalam 6 kategori, dan 4 level Signal-to-Noise Ratio (SNR) yang berbeda. Hasil evaluasi kuantitatif menunjukkan bahwa model DTLN berhasil meningkatkan kualitas perseptual audio secara signifikan, dibuktikan dengan skor rata-rata PESQ sebesar 1.656. Sistem juga menunjukkan kinerja yang luar biasa dengan latensi pemrosesan sangat rendah (rata-rata 1.057 ms) dan tanpa kehilangan data (buffer drop). Kinerja model terbukti konsisten pada kedua bahasa, yang menunjukkan kemampuan generalisasi yang baik. Meskipun efektif dalam mereduksi derau, penelitian ini mengidentifikasi bahwa peningkatan kualitas perseptual tidak diiringi dengan peningkatan signifikan pada tingkat pemahaman ucapan (intelligibility), yang diukur dengan metrik STOI. Disimpulkan bahwa DTLN adalah solusi yang kuat dan efisien untuk real-time noise suppression pada platform web, meskipun terdapat ruang untuk perbaikan dalam aspek peningkatan kejelasan ucapan.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.20.5 · 33e0fa7