<![CDATA[Abstrak. Feedback akustik merupakan masalah umum pada sistem penguatan suara (sound reinforcement), khususnya pada aplikasi outdoor dan sound system rental yang berpindah lokasi dengan kondisi akustik ruang yang berbeda-beda. Metode deteksi feedback konvensional seperti Adaptive Notch Filter (ANF) dan pendekatan deep learning umumnya membutuhkan komputasi tinggi sehingga sulit diimplementasikan pada mikrokontroler berdaya rendah. Penelitian ini mengusulkan metode deteksi karakteristik feedback akustik berbasis analisis pola spektrum yang ringan secara komputasi, dengan memanfaatkan tiga karakteristik utama sinyal feedback: (1) kecepatan kenaikan level sinyal pada suatu pita frekuensi, (2) durasi sinyal bertahan pada level puncak, dan (3) dominansi puncak pada satu frekuensi tertentu. Meskipun sistem yang dikembangkan secara keseluruhan mengimplementasikan mekanisme auto feedback suppression (deteksi dan peredaman otomatis), penelitian ini secara khusus difokuskan pada perancangan dan evaluasi metode deteksinya. Sistem diimplementasikan pada ESP32-S3 dengan arsitektur dual-core, Core 0 menangani akuisisi sinyal I2S dari ADC PCM1808, sementara Core 1 menjalankan analisis spektrum 120-band (1/12 oktaf), deteksi feedback, dan visualisasi pada TFT LCD. Pengujian tahap ini dilakukan pada skala bangku (bench test) untuk memvalidasi performa metode deteksi, sebagai tahap awal sebelum pengujian lapangan bersama mitra AUDI Sound System, Jepara, pada kondisi outdoor riil. Metode ini diharapkan mampu memberikan deteksi feedback yang cepat dan akurat tanpa membebani sumber daya komputasi mikrokontroler. Abstract. Acoustic feedback is a common problem in sound reinforcement systems, particularly in outdoor and rental sound system applications operating in varying room-acoustic conditions. Conventional detection methods such as Adaptive Notch Filters (ANF) and deep-learning approaches typically require high computational load, making them difficult to implement on low-power microcontrollers. This research proposes a computationally lightweight acoustic-feedback detection method based on spectral pattern analysis, exploiting three main signal characteristics: (1) the rate of level rise at a given frequency band, (2) the duration a signal remains at its peak level, and (3) the dominance of the peak at a single frequency. Although the overall system implements an automatic feedback suppression mechanism (detection and automatic attenuation), this research specifically focuses on the design and evaluation of the detection method. The system is implemented on an ESP32-S3 with a dual-core architecture, where Core 0 handles I2S signal acquisition from a PCM1808 ADC, while Core 1 performs 120-band (1/12 octave) spectrum analysis, feedback detection, and TFT LCD visualization. Testing at this stage was conducted as a bench test to validate the performance of the detection method, as a preliminary stage before field testing in collaboration with industry partner AUDI Sound System, Jepara, under real outdoor conditions. This method is expected to provide fast and accurate feedback detection without overloading the microcontroller's computational resources.]]>
Copyrights © 2026
