Deteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice
|
|
- Devi Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Teknik Elektro dan Komputer, Vol.I, No.2, Oktober 21, Deteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice Luqman Hakim Program Studi Teknik Mekatronika, Politeknik Caltex Riau, Pekanbaru Abstrak Dalam makalah ini akan dikemukakan satu metode untuk melakukan pemisahan sinyal suara (voice) dengan sinyal bukan suara (unvoice). Langkah pemisahan tersebut penting untuk dilakukan sebelum sebuah sinyal suara diolah ataupun dianalisa lebih lanjut. Metoda yang dilakukan untuk pemisahan tersebut dilakukan dengan menerpkan moving standar deviasi. Untuk menentukan titik awal dan akhir sinyal voice dalam metode ini, secara umum terdiri atas dua tahap, yaitu analisa sinyal unvoice yang disebut sebagai noise latar belakang (background noise) untuk membuat nilai ambang batas (threshold), dan kemudian membuat deret logika. Dari pengujian yang dilakukan didapatkan tingkat keberhasilan 8% dari sinyal suara yang dijadikan sampel secara acak. Pendeteksian dengan cara ini masih mempunyai kelemahan yaitu dengan masih ada ketergantungan dengan pemilihan jumlah sampel dan threshold. Kata kunci: titik awal, titik akhir, sinyal voice, unvoice Abstract In this paper will put forward a method to separate the voice signal with the unvoice signal. Separation steps are necessary to be done before a sound signal is processed or analyzed further. The method for the separation is done by applying a moving standard deviation. To determine the start and end voice signal in this method, generally consisting of two phases, namely analysis unvoice signals are referred to as background noise to make a threshold value, and then make a series of logic. Obtained from tests performed 8% success rate of the 59 signal is sampled at random. Detection by this method still has the drawback that there is still a dependency with the selection of sample size and threshold. Keywords: start point, end point, voice signal, unvoice 1 Pendahuluan Dalam makalah ini akan dikemukakan satu metode untuk melakukan pemisahan sinyal suara (voice) dengan sinyal bukan suara (unvoice). Pada saat dilakukan perekaman suara, sering terjadi jeda antara titik mulai perekaman dengan titik awal pengucapan suara sampel. Di akhir perekaman juga terjadi sebuah kejadian di mana akhir pengucapan suara sampel tidak sama dengan titik akhir perekaman. Dari dua kejadian tersebut, maka sinyal yang terekam terdiri dari sinyal periode diam (silient periode) yang menghasilkan sinyal bukan suara (unvoice) dan sinyal suara (voice) sampel yang diinginkan. Langkah pemisahan tersebut penting untuk dilakukan sebelum sebuah sinyal suara diolah ataupun dianalisa lebih lanjut. Proses pemisahan tersebut dilakukan dengan terlebih dahulu mendeteksi titik awal dan titik akhir dari sebuah sinyal suara[1][2]. Penelitian mengenai pendeteksian sinyal voice dan unvoice telah dilakukan oleh para peneliti bidang pengolahan sinyal suara. Salah satunya adalah yang dikemukakan Saha G dkk.
2 126 Luqman Hakim Metoda yang digunakan adalah dengan mengaplikasikan windowing Gaussian.[] Metoda yang dikemukakan menggunakan statistic dan pembuatan threshold berdasarkan fungsi jarak mahalanobis (mahalanobis distance function). Pengujian dilakukan pada teks berjalan dan suara yang menyebutkan angka. Tingkat keberhasilan mencapai 8% pada deteksi suara angka dan 7% teks berjalan. Pada makalah ini disampaikan teknik pemisahan dengan menggunakan moving standar deviasi. Proses pendeteksian masih berdasarkan perhoitungan statistic, tetapi perlakuan dan pembuatan threshold yang berbeda dari yang telah dipublikasikan Saha G. dkk. Pengujian yang dilakukan pada metoda yang diterapkan dilakukan pada 59 sampel rekaman suara dari 18 orang yang terdiri atas 1 laki-laki dan perempuan. Apa yang disampaikan pada makalah ini diharapkan dapat menambah wacana dalam melakukan pemisahan sinyal voice dan unvoice pada pengolahan sinyal suara. 2 Metodologi Metode penemuan titik awal dan titik akhir sinyal suara yang dikemukakan dalam makalah ini menggunakan prinsip standar deviasi yang digerakkan atau diterapkan per bagian sepenjang sinyal tererkam (moving standard deviation). Ilustrasi bagian voice dan unvoice sebuah sinyal rekaman ditunjukan pada Gambar 1. Moving standar deviasi untuk sebuah sinyal digital x[i], dapat digambarkan dengan persamaan sebagai berikut: di mana μ w nilai rata rata atau mean nilai x dalam frame yang dirumuskan: (1) (2) N w menunjukan lebar frame atau jumlah data yang diambil untuk dicari standar deviasinya. Dengan melakukan perhitungan standar deviasi dari setiap frame sinyal, maka untuk keseluruhan sinyal akan diperoleh sederetan nilai standar deviasi dari frame pertama dan terakhir. Untuk menentukan titik awal dan akhir sinyal voice dalam metode ini, secara umum terdiri atas dua tahap, yaitu analisa sinyal unvoice yang disebut sebagai noise latar belakang (background noise) untuk membuat nilai ambang batas (threshold), dan kemudian membuat deret logika. Gambar 1 Ilustrasi sinyal voice dan unvoice
3 Deteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Analisa Sampel Sinyal Unvoice Langkah-langkah untuk menganalisa sinyal unvoice atau noise latar belakang adalah sebagai berikut: 1. Mengambil sampel pada durasi unvoice (Estimasi berdasarkan pengamatan terhadap sinyal) 2. Menghitung moving standar deviasi (setiap 1 ms). Sampel unvoice dibagi ke dalam frame yang lebih kecil (setiap 1 ms / 1 sampel pada frekuensi sampling 1 Hz), kemudian dicari standar deviasi dari tiap frame.. Mencari standar deviasi terbesar dari setiap frame sampel unvoice. Membuat threshold dari standar deviasi terbesar, 5. () 6. di mana C adalah faktor pengali. 2.2 Membuat Deret Logika (logical series) Deret logika adalah sebuah bentuk deret baru yang terdiri atas nilai dan 1 yang dibuat berdasarkan perhitungan standar deviasi. Langkah-langkah pembuatan deret logika yang dimaksud adalah sebagai berikut: 1. Melakukan framing 1 ms pada seluruh sinyal 2. Menghitung standar deviasi pada setiap frame, kemudian dibandingkan dengan threshold yang telah dibuat.. Dari sini dibuat deret logika. Deret logika bernilai 1 jika nilai standar deviasi pada titik tersebut lebih tinggi daripada thershold, sebaliknya berniali.. Menentukan titik awal dan akhir sinyal dari deret logika yang terbentuk dengan mencari di index ke berapa titik awal sinyal voice dan titik akhirnya berada. Dalam konteks di atas, nilai N w adalah sejumlah data pada setiap frame 1 ms atau sebanyak 1 data. Dalam menyelesaikan masalah pemisahan noise latar belakang ini, penentuan jumlah sampel dan koefisien pengali threshold dilakukan secara manual berdasarkan pengamatan terhadap sinyal yang ada. Threshold berkisar sampai dengan kali standar deviasi maksimum noise sudah dapat memisahkan sinyal suara dari noise latar belakang dengan baik. Hasil Dan Pembahasan Pengujian terhadap metoda di atas telah diuji untuk memisahkan sinyal voice dan unvoice sampel rekaman suara dari 1 orang laki-laki dan 5 orang perempuan. Ilustrasi bentuk sinyal rekaman suara, deret logika, dan hasil pemisahan voice dan unvoice ditunjukan pada Gambar 2, Gambar dan Gambar. Pada Gambar 2 ditampilkan salah satu sinyal suara yang baru direkam. Pada sumbu horizontal ditampilkan jumlah N data sinyal keseluruhan sampel bersangkutan. Pada Gambar ditampilkan deret logika yang dibentuk berdasarkan analisa standar deviasi seperti yang telah disebutkan. Pada Gambar 2 terlihat bahwa hasil deret logika membentuk selubung sinyal voice dan unvoice secara tepat. Kemudian pada Gambar ditampilkan sinyal hasil pemisahan. Hasil pemisahan ini baru dapat digunakan untuk analisa sinyal suara lebih lanjut. Dengan melakukan pemisahan sinyal voice ini secara langsung akan mengurangi jumlah data sehingga memperingan proses komputasi selanjutnya. Hal ini karena data digital dari latar
4 128 Luqman Hakim belakang perekaman merupakan data-data yang tidak diperlukan. Dari Gambar 2 dan Gambar dapat dilihat dari jumlah data yang sebelumnya ribuan berkurang hingga tinggal 2ribuan. Gambar 2 Sampel sinyal rekaman suara Gambar Deret logika dan sinyal suara Gambar Hasil pemisahan voice dan unvoice Hasil pengujian dengan sampel suara yang lain, selengkapnya ditampilkan dalam Tabel 1. Dari total 59 kali pengujian, didapatkan 9 kali berhasil dan 1 kali tidak berhasil. Berdasarkan data pengujian tersebut keberhasilan mencapai 8% dari 59 pengujian. Kegagalan banyak didapatkan pada keadaan noise yang cukup besar. Jika fluktuasi noise tidak terlalu besar, dengan mengambil sampel noise sekitar 1 data sudah menghasilkan pendeteksian yang cukup baik.
5 Deteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Tabel 1 Hasil Pengujian Sampel Total Uji Jumlah Hasil Uji Berhasil Gagal Total Kesimpulan Dari hasil pengujian terhadap sistem yang dibangun untuk melakukan pendeteksian sinyal voice dan unvoice dengan metode moving standar deviasi, dapat dilakukan dengan tingkat keberhasilan sekitar 8%. Pendeteksian dengan cara ini masih mempunyai kelemahan yaitu dengan masih ada ketergantungan dengan pemilihan jumlah sampel dan threshold. 5 Daftar Pustaka [1] Rabiner, L.R. and R.W. Scafer, Digital Processing For Speech Signals, Prentice Hall, 1978 [2] Oppenheimer, Priscilla, Digitizing Human Vocal Communication, Desember 211 : 9:28 WIB [] G. Saha, Sandipan Chakroborty, Suman Senapati, A New Silence Removal and Endpoint Detection Algorithm for Speech and Speaker Recognition Applications, India
Identifikasi Suara Serak Berbasis Transformasi Wavelet Dan Algoritma Jaringan Syaraf Tiruan
9 Identifikasi Suara Serak Berbasis Transformasi Wavelet Dan Algoritma Jaringan Syaraf Tiruan Luqman Hakim *, Achmad Arifin, Tri Arief Sardjono Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember
Lebih terperinciPerbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) ABSTRAK
Perbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) Bogerson/0322076 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS Ambrosius Jonathan / 0222202 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciJony Sitepu/ ABSTRAK
PERBANDINGAN ESTIMASI SELUBUNG SPEKTRAL DARI BUNYI VOICED MENGGUNAKAN METODE AUTO-REGRESSIVE (AR) DENGAN OPTIMIZATION OF THE LIKELIHOOD CRITERION (OLC) Jony Sitepu/0422166 Jurusan Teknik Elektro, Fakultas
Lebih terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN METODE PENDEKATAN SUBRUANG ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN METODE PENDEKATAN SUBRUANG David Paroki Butarbutar / 0322138 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciAPLIKASI PENGENALAN SUARA UNTUK SIMULASI PENGUNCI PINTU ABSTRAK
APLIKASI PENGENALAN SUARA UNTUK SIMULASI PENGUNCI PINTU Stephanus Arnold / 0222021 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jln. Prof. Drg. Surya Sumantri 65, Bandung 40164,
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciAplikasi Teknik Speech Recognition pada Voice Dial Telephone
Aplikasi Teknik Speech Recognition pada Voice Dial Telephone Oleh: Ahmad Irfan Abdul Rahman Tri Budi Santoso Titon Dutono Laboratorium Sinyal, Politeknik Elektronika Negeri Surabaya (PENS) Institut Teknologi
Lebih terperinciMODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA
MODUL PENGHIUNGAN ENERGI PADA SINYAL WICARA I. UJUAN - Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara dengan menggunakan perangkat lunak. II. DASAR EORI.1. Energi Suatu Sinyal
Lebih terperinciBAB IV SIMULASI DAN ANALISA DATA
BAB IV SIMULASI DAN ANALISA DATA IV.1 Karakteristik Sinyal Input Sinyal suara yang akan disimulasikan dengan menggunakan 3 buah sampel suara yang diucapkan oleh satu orang wanita dan 2 orang laki-laki
Lebih terperinciLAPORAN PRAKTIKUM DSP
LAPORAN PRAKTIKUM DSP MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA Disusun Oleh : Yuli Yuliantini (121014 7021) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya Surabaya 2015
Lebih terperinciIDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY
IDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY Erni Seniwati 1), Ninik Tri Hartanti 2) 1 Sistem Informasi, STMIK Amikom erni.s@amikom.ac.id 2 Sistem Informasi, STMIK Amikom
Lebih terperinciPENDETEKSIAN TINGKAT USIA MUDA, DEWASA DAN TUA MENGGUNAKAN METODE MFCC DAN FUZZY LOGIC BERBASISKAN SPEECH RECOGNITION
PENDETEKSIAN TINGKAT USIA MUDA, DEWASA DAN TUA MENGGUNAKAN METODE MFCC DAN FUZZY LOGIC BERBASISKAN SPEECH RECOGNITION DETECTION OF THE LEVEL OF YOUTH, ADULTS AND ELDERLY BY USING MFCC METHOD AND FUZZY
Lebih terperinciAnalisa Suara Normal Dan Suara Gangguan Tenggorokan Dalam Domain Waktu-Frekuensi Menggunakan Transformasi Wavelet
Jurnal Teknik Elektro dan Komputer, Vol 2, No 2, Oktober 2014, 173-180 173 Analisa Suara Normal Dan Suara Gangguan Tenggorokan Dalam Domain Waktu-Frekuensi Menggunakan Transformasi Wavelet Luqman Hakim
Lebih terperinciPENGATURAN POSISI KAMERA CCTV DENGAN PERINTAH SUARA
PENGATURAN POSISI KAMERA CCTV DENGAN PERINTAH SUARA David Abriman Simatupang 1, Irianto 2, Suhariningsih 3 1 Mahasiswa Teknik Elektro Industri PENS-ITS, Surabaya, 2 Dosen Teknik Elektro Industri PENS-ITS,
Lebih terperinciImplementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik
Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik Hendawan Soebhakti, Rifqi Amalya Fatekha Program Studi Teknik Mekatronika, Jurusan Teknik Elektro Politeknik Negeri Batam Email : hendawan@polibatam.ac.id
Lebih terperinciIMPLEMENTASI METODE NOISE GATE, LOW PASS FILTER DAN SILENT REMOVAL UNTUK MENGHILANGKAN NOISE PADA FILE SUARA MENGGUNAKAN PARAMETER DINAMIS
IMPLEMENTASI METODE NOISE GATE, LOW PASS FILTER DAN SILENT REMOVAL UNTUK MENGHILANGKAN NOISE PADA FILE SUARA MENGGUNAKAN PARAMETER DINAMIS Setia Wirawan 1 Edy Prasetyo 2 Teknik Informatika, Universitas
Lebih terperinciSISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM. Ivanna K. Timotius, Danie Kurniawan. Intisari
SISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM SISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM Fakultas Teknik Elektronika dan Komputer, Program Studi Teknik Elektro, Universitas Kristen Satya Wacana, Salatiga,
Lebih terperinciMODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA
MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara dengan menggunakan perangkat lunak. II. DASAR TEORI 2.1. Energi Suatu
Lebih terperinciPENGENALAN NADA SULING REKORDER MENGGUNAKAN FUNGSI JARAK CHEBYSHEV
PENGENALAN NADA SULING REKORDER MENGGUNAKAN FUNGSI JARAK CHEBYSHEV Marianus Hendra Wijaya 1), Linggo Sumarno 2) 1) Program Studi Teknik Elektro Fakultas Sains dan Teknologi Universtas Sanata Dharma Yogyakarta
Lebih terperinciPENGENALAN NADA PIANIKA MENGGUNAKAN JENDELA SEGITIGA, DCT, DAN FUNGSI JARAK EUCLEDIAN
PEGEALA ADA PIAIKA MEGGUAKA JEDELA SEGITIGA, DCT, DA FUGSI JARAK EUCLEDIA Linggo Sumarno Jurusan Teknik Elektro, Universitas Sanata Dharma Kampus III, Paingan, Maguwoharjo, Depok, Sleman, Yogyakarta 558
Lebih terperinciIdentifikasi Speech Recognition Manusia dengan Menggunakan Average Energy dan Silent Ratio Sebagai Feature Extraction Suara pada Komputer
Identifikasi Speech Recognition Manusia dengan Menggunakan Average Energy dan Silent Ratio Sebagai Feature Extraction Suara pada Komputer Identification Human speech recognition using Average energy and
Lebih terperinciPENGUKURAN SPEKTRUM SUARA MANUSIA LANSIA BERDASARKAN JENIS KELAMIN DAN SUKU MENGGUNAKAN SOFTWARE PRAAT
PENGUKURAN SPEKTRUM SUARA MANUSIA LANSIA BERDASARKAN JENIS KELAMIN DAN SUKU MENGGUNAKAN SOFTWARE PRAAT Salomo, Natalia, Erwin Jurusan Fisika FMIPA Universitas Riau Pekanbaru email:m.cnatalia@yahoo.co.id
Lebih terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciSISTEM AKSES BUKU PERPUSTAKAAN JURUSAN TEKNIK ELEKTRO UNIVERSITAS ANDALAS MENGGUNAKAN APLIKASI PENGENALAN WICARA DENGAN METODA MFCC-VQ dan SSE
SISTEM AKSES BUKU PERPUSTAKAAN JURUSAN TEKNIK ELEKTRO UNIVERSITAS ANDALAS MENGGUNAKAN APLIKASI PENGENALAN WICARA DENGAN METODA MFCC-VQ dan SSE TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Menyelesaikan
Lebih terperinciAPLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER
APLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER Leo Willyanto Santoso 1, Resmana Lim 2, Rony Sulistio 3 1, 3 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciSistem Verifikasi Penutur menggunakan Metode Mel Frequensi.
SISTEM VERIFIKASI PENUTUR MENGGUNAKAN METODA MEL FREQUENCY CEPSTRAL COEFFICIENTS-VECTOR QUANTISATION (MFCC-VQ) SERTA SUM SQUARE ERROR (SSE) DAN PENGENALAN KATA MENGGUNAKAN METODA LOGIKA FUZZY Oleh : Atik
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses penelitian penerapan Hidden Markov Models : 40 Studi Literatur dan Kepustakaan Rumusan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. yang digunakan dapat dilihat pada Tabel 4.1 dan Tabel 4.2.
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuhan Sistem Sebelum melakukan perbandingan sinyal suara jantung dibutuhkan perangkat lunak yang dapat menunjang penelitian. Perangkat keras dan lunak yang digunakan
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Sinyal PCG Denoising Dekomposisi Frekuensi cuplik 8Khz Frekuensi cuplik 44,1Khz Frekuensi cuplik 48Khz Coiflet Symlet Daubechies Biorthogonal
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
58 BAB IV HASIL DAN PEMBAHASAN 4.1 Spesifikasi Data Pengambilan data dilakukan dengan spesifikasi yang telah ditentukan sebagai berikut: Pengujian : Sembilan kecepatan motor (1000 RPM, 1200 RPM, 1400 RPM,
Lebih terperinciMODUL 1 PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA
MODUL 1 PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan proses perekaman dan pengeditan sinyal wicara dengan menggunakan perangkat lunak. II. DASAR TEORI 2.1. Pembangkitan
Lebih terperinciPENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM
PENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM Agustina Trifena Dame Saragih 1, Achmad Rizal 2, Rita Magdalena 3 Departemen Teknik Elektro Institut Teknologi Telkom Jl.
Lebih terperinciDAFTAR ISI. i ABSTRACT. ii KATA PENGANTAR. viii DAFTAR GAMBAR
ABSTRAK Keberadaan noise dalam sinyal elektrokardiograf (EKG) dapat menyebabkan kesalahan interpretasi informasi jantung, yang pada akhirnya menyebabkan kesalahan pada penilaian kondisi jantung. Untuk
Lebih terperinciTEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA
TEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA Teuku Reza Auliandra Isma Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: reza.auliandra@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Suara Suara adalah sebuah sinyal yang merambat melalui media perantara. suara dapat didefinisikan sebagai gelombang yang merambat dengan frekuensi dan amplitudo tertentu. Suara
Lebih terperinciPengukuran Waktu Tunda (Time Delay) pada Dua Sinyal dengan Cross Correlation Function (CCF)
Jurnal Penelitian Sains Volume 12 Nomer 1(B) 12102 Pengukuran Waktu Tunda (Time Delay) pada Dua Sinyal dengan Cross Correlation Function (CCF) Erry Koriyanti Jurusan Fisika FMIPA, Universitas Sriwijaya,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan ucapan (speech recognition) merupakan sistem yang dirancang untuk dapat mengenali sinyal suara, sehingga menghasilkan keluaran berupa tulisan. Input dari
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian Penelitian ini dilakukan dengan menggunakan satu set komputer dengan prosesor berkecepatan 1,18 GHz,
Lebih terperinciPEMBANGKITAN SINYAL DAN FUNGSI FFT
PEMBANGKITAN SINYAL DAN FUNGSI FFT P R A K T I K U M 3 P E N G A N T A R P E M R O S E S A N B A H A S A A L A M I D O W N L O A D S L I D E : H T T P : / / B I T. L Y / N L P _ 8 SIGNAL DI MATLAB Beberapa
Lebih terperinci10/22/2015 PEMBANGKITAN SINYAL DAN FUNGSI FFT SIGNAL DI MATLAB SAWTOOTH DAN SQUARE
PEMBANGKITAN SINYAL DAN FUNGSI FFT P R AK T I K U M 3 P E N G AN T A R P E M R O S E S AN B AH A S A AL A M I D O W N L O AD S L I D E : H T T P : / / B I T. L Y / N L P _ 8 SIGNAL DI MATLAB Beberapa contoh
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Riset di bidang sistem pengenalan ucapan otomatis (Automatic Speech Recognition) merupakan salah satu riset yang banyak ditekuni dan terus dikembangkan hingga saat
Lebih terperinciKOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4
KOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4 Disusun Oleh : Nama : Michael Darmawan Nrp : 0322130 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria Sumantri,
Lebih terperinciANALISIS PENGURANGAN DERAU PADA SINYAL LOUDSPEAKER MENGGUNAKAN FILTER ADAPTIF KALMAN
SINGUDA ENSIKOM VOL. 6 NO.3 /Maret 4 ANALISIS PENGUANGAN DEAU PADA SINYAL LOUDSPEAKE MENGGUNAKAN FILTE ADAPTIF KALMAN Fitriani Christhien Simbolon, Arman Sani Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciMODUL II : SPEECH AND AUDIO PROCESSING
MODUL II : SPEECH AND AUDIO PROCESSING TUJUAN 1. Memahami karakteristik sinyal suara dan audio 2. Mampu melakukan pengolahan terhadap sinyal suara dan audio 3. Mampu menggunakan tool untuk pengolahan sinyal
Lebih terperinciDESAIN MESIN PRESENSI BERBASIS IDENTIFIKASI SUARA PENUTUR
REKAYASA LAPORAN PENELITIAN HIBAH BERSAING DESAIN MESIN PRESENSI BERBASIS IDENTIFIKASI SUARA PENUTUR Oleh : Hernawan Sulistyanto, ST, MT Nurgiyatna, ST. MSc DIBIAYAI OLEH DIREKTORAT JENDERAL PENDIDIKAN
Lebih terperinciIDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK Ade Fruandta dan Agus Buono Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Jl. Meranti
Lebih terperinciPemodelan dan Animasi Ikan Dalam Simulasi Akuarium Maya
Pemodelan dan Animasi Ikan Dalam Simulasi Akuarium Maya Ricki Effendy, Meilany Dewi, Erwin Setyo Nugroho Politeknik Caltex Riau RickiEffendy@gmail.com, meilany@pcr.ac.id, erwinsn@pcr.ac.id Tel : + 6285278343178
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Indera pendengaran manusia tidak dapat mengetahui secara pasti jenis nada apa yang didengar olehnya, terkecuali para pemusik profesional. Hal
Lebih terperinciANALISIS DAN PERANCANGAN PROGRAM APLIKASI. mahasiswa Binus University secara umum. Dan mampu membantu
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI 3.1. Analisa Sistem 3.1.1. Sejarah Umum Perusahaan Binus Learning Community adalah komunitas belajar binus yang berada dibawah sub unit mentoring Student
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciPEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION ABSTRAK
PEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION Berkat Willmart Telaumbanua / 0322055 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciFrekuensi Dominan Dalam Vokal Bahasa Indonesia
Frekuensi Dominan Dalam Vokal Bahasa Indonesia Tjong Wan Sen #1 # Fakultas Komputer, Universitas Presiden Jln. Ki Hajar Dewantara, Jababeka, Cikarang 1 wansen@president.ac.id Abstract Pengenalan ucapan
Lebih terperinciDETEKSI SINYAL FLICKER MENGANDUNG NOISE BERBASIS HILBERT HUANG TRANSFORM
DETEKSI SINYAL FLICKER MENGANDUNG NOISE BERBASIS HILBERT HUANG TRANSFORM Mohammad Jasa Afroni 1), Oktriza Melfazen 2) 1),2), Jurusan Teknik Elektro,Fakultas Teknik Universitas Islam Malang Jl. MT Haryono
Lebih terperinciDigital Audio Watermarking dengan Fast Fourier Transform
Digital Audio Watermarking dengan Fast Fourier Transform Otniel 13508108 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciREALISASI ACTIVE NOISE REDUCTION MENGGUNAKAN ADAPTIVE FILTER DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) BERBASIS MIKROKONTROLER LM3S6965 ABSTRAK
REALISASI ACTIVE NOISE REDUCTION MENGGUNAKAN ADAPTIVE FILTER DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) BERBASIS MIKROKONTROLER LM3S6965 Nama : Wito Chandra NRP : 0822081 Jurusan Teknik Elektro, Fakultas
Lebih terperincii. Perangkat Keras Prosesor Intel Pentium(R) Dual-Core CPU 2.20 GHz
Data yang pada awalnya berupa chanel stereo diubah ke dalam chanel mono. Kemudian data tersebut disimpan dengan file berekstensi WAV. Praproses Pada tahap ini dilakukan ekstraksi ciri menggunakan metode
Lebih terperinciANALISA PENGGUNAAN METODE FILTER BANK PADA KONVERSI SPEECH TO TEXT LAYANAN MAILBOX
1, Inovtek, Volume 4, Nomor 1, April 2014, hlm. 1-9 ANALISA PENGGUNAAN METODE FILTER BANK PADA KONVERSI SPEECH TO TEXT LAYANAN MAILBOX Reni Soelistijorini, Mike Yuliana, Rizki Nurhidayati Prodi Teknik
Lebih terperinciKONSTRUKSI ESTIMATOR FUNGSI LINIER PIECEWISEUNTUK DATA RUNTUN WAKTU
UJM 1 (2) (2012) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm KONSTRUKSI ESTIMATOR FUNGSI LINIER PIECEWISEUNTUK DATA RUNTUN WAKTU Raras Setya Astuti, Scolastika Mariani, dan
Lebih terperinciBAB I PENDAHULUAN. manusia satu dengan manusia lainnya berbeda-beda intonasi dan nadanya, maka
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Suara adalah suatu alat komunikasi paling utama yang dimiliki oleh manusia. Dengan suara, manusia dapat berkomunikasi dengan manusia lainnya. Melalui suara,
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciAplikasi Pengolahan Suara untuk Request Lagu
Aplikasi Pengolahan Suara untuk Request Lagu Achmad Basuki [1], Miftahul Huda [2], Tria Silvie Amalia [1] [1] Jurusan Teknologi Informasi [2] Jurusan Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciOTOMATISASI PENGARAHAN KAMERA BERDASARKAN ARAH SUMBER SUARA PADA VIDEO CONFERENCE
OTOMATISASI PENGARAHAN KAMERA BERDASARKAN ARAH SUMBER SUARA PADA VIDEO CONFERENCE Disusun Oleh : Nama : Jan Sebastian Nrp : 0522008 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria Sumantri,
Lebih terperinciSOUND CONVERSION USING FAST FOURIER TRANSFORM ALGORITM
SOUND CONVERSION USING FAST FOURIER TRANSFORM ALGORITM Tan FerrdyHendrawan Program Studi Teknik Informatika, Universitas Katolik Soegijapranata f3rrdy.hendrawan@gmail.com Abstract The goal of voice conversion
Lebih terperinciJurnal Komputer Terapan Vol. 1, No. 2, November 2015, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 1, No. 2, November 2015, 121-132 121 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Aplikasi Pengenalan Ucapan Dengan Ekstraksi Ciri Mel- Frequency Cepstrum Coefficients
Lebih terperinciAplikasi Pengolahan Suara untuk Request Lagu
Aplikasi Pengolahan Suara untuk Request Lagu Achmad Basuki [1], Miftahul Huda [2], Tria Silvie Amalia [1] [1] Jurusan Teknologi Informasi [2] Jurusan Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciKRIPTOGRAFI VISUAL (4,4) UNTUK BERBAGI 3 CITRA RAHASIA LEWAT 4 CITRA TERSANDI. Jevri Eka Susilo
KRIPTOGRAFI VISUAL (4,4) UNTUK BERBAGI 3 CITRA RAHASIA LEWAT 4 CITRA TERSANDI Jevri Eka Susilo Email: jevriesusilo@gmail.com Jurusan Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciAPLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR KECEPATAN PUTARAN KIPAS ANGIN
APLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR KECEPATAN PUTARAN KIPAS ANGIN Riva Anggara Yudha*, Achmad Hidayatno, ST, MT **, Ajub Ajulian Z, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE
PERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE Dhina Bangkit Kumalasari Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.Drg.Suria
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
Lebih terperinciSimulasi Pendeteksian Sinyal Target Tunggal Yang Mengalami Gangguan Pada Radar ABSTRAK
Simulasi Pendeteksian Sinyal Target Tunggal Yang Mengalami Gangguan Pada Radar Imanudin Muchtiar / 0122180 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. database dan database query, secara keseluruhan menggunakan cara yang sama.
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Experimen Pada dasarnya tahapan yang dilakukan pada proses pengambilan sampel dari database dan database query, secara keseluruhan menggunakan cara yang sama. Berdasarkan
Lebih terperinciAnalisis Kinerja Modulasi M-PSK Menggunakan Least Means Square (LMS) Adaptive Equalizer pada Kanal Flat Fading
Jurnal Reka Elkomika 2337-439X Juli 2014 Jurnal Online Institut Teknologi Nasional Teknik Elektro Itenas Vol.2 No.3 Analisis Kinerja Modulasi M-PSK Menggunakan Least Means Square (LMS) Adaptive Equalizer
Lebih terperinciPENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
PENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Adiatandy Geovani (0722091 ) Jurusan Teknik Elektro email: adiatandy.mail@gmail.com
Lebih terperinciPENGENDALI CHANNEL DAN VOLUME TELEVISI DENGAN MENGGUNAKAN SENSOR EASY VR LAPORAN AKHIR
PENGENDALI CHANNEL DAN VOLUME TELEVISI DENGAN MENGGUNAKAN SENSOR EASY VR LAPORAN AKHIR Disusun Untuk Memenuhi Syarat Menyelesaikan Pendidikan Diploma III Pada Jurusan Teknik Elektro Program Studi Teknik
Lebih terperinciMODUL 2 SINYAL DAN SUARA
MODUL 2 SINYAL DAN SUARA 2.1. Pembangkitan Sinyal Ucapan pada Manusia Speech (ucapan/wicara) dihasilkan dari sebuah kerjasama antara paru-paru (lungs), pangkal tenggorokan pada pita suara (glottis) dan
Lebih terperinciPENGGUNAAN ALGORITMA LEARNING VECTOR QUANTIZATION DALAM MENGENALI SUARA MANUSIA UNTUK KENDALI QUADROTOR
PENGGUNAAN ALGORITMA LEARNING VECTOR QUANTIZATION DALAM MENGENALI SUARA MANUSIA UNTUK KENDALI QUADROTOR Veronica Indrawati 1, Yudianto Gunawan 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Surabaya
Lebih terperinciANALISA KARAKTERISTIK SPEKTRUM SUARA ANAK PAUD MENGGUNAKAN SOFTWARE PRAAT. Juli Hartanti *, Erwin, Riad Syech
ANALISA KARAKTERISTIK SPEKTRUM SUARA ANAK PAUD MENGGUNAKAN SOFTWARE PRAAT Juli Hartanti *, Erwin, Riad Syech Jurusan fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Manusia dianugrahi oleh Tuhan dua telinga yang memiliki fungsi untuk menangkap sinyal-sinyal suara. Namun untuk mengoptimalkan dari fungsi telinga tersebut manusia harus belajar
Lebih terperinciPerbandingan Ekstraksi Ciri Full, Blocks, dan Row Mean Spectrogram Image Dalam Mengidentifikasi Pembicara
IJCCS, Vol.8, No.2, July 2014, pp. 155~164 ISSN: 1978-1520 155 Perbandingan Ekstraksi Ciri Full, Blocks, dan Row Mean Spectrogram Image Dalam Mengidentifikasi Pembicara La Ode Hasnuddin S Sagala *1, Agus
Lebih terperinciPENINGKATAN KUALITAS SINYAL SUARA MENGGUNAKAN FILTER DIGITAL ADAPTIF DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) Ferdian Andrie/
PENINGKATAN KUALITAS SINYAL SUARA MENGGUNAKAN FILTER DIGITAL ADAPTIF DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) Ferdian Andrie/0022169 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Lebih terperinciSISTEM PENGAMANAN PEMBUKA PINTU MENGGUNAKAN KODE SUARA
SISTEM PENGAMANAN PEMBUKA PINTU MENGGUNAKAN KODE SUARA LAPORAN AKHIR Disusun Untuk Memenuhi Syarat Menyelesaikan Pendidikan Diploma III Pada Jurusan Teknik Elektro Program Studi Teknik Telekomunikasi Politeknik
Lebih terperinciPEMISAHAN VOICE DAN UNVOICE MENGGUNAKAN TEKNIK OVERLAPING BLOCK, ZERO CROSSING RATE, DAN SHORT TIME ENERGY DALAM PENGENALAN SUARA
PEMISAHAN VOICE DAN UNVOICE MENGGUNAKAN TEKNIK OVERLAPING BLOCK, ZERO CROSSING RATE, DAN SHORT TIME ENERGY DALAM PENGENALAN SUARA Ade Yusupa 1, Abdul Syukur 2, Ricardus Anggi Pramunendar 3 123 Pasca Sarjana
Lebih terperinciANALISA PERANCANGAN SISTEM
Gambar 2.16. Black Bo Pengujian black bo adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk mengetahui apakah perangkat lunak
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian yang dilakukan dapat dijelaskan dengan lebih baik melalui blok diagram seperti yang terliat pada Gambar 3.1. Suara Manusia Rekam suara Hasil rekaman
Lebih terperinciTUGAS AKHIR. Diajukan Sebagai Salah Satu Syarat untuk Menyelesaikan Program Strata I Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Andalas
TUGAS AKHIR PERANCANGAN DAN IMPLEMENTASI CONNECTED DIGIT RECOGNITION DENGAN METODE MEL FREQUENCY CEPSTRUM COEFFECIENT DAN HIDDEN MARKOV MODEL UNTUK VOICE DIALING PADA HANDPHONE TIGER C KF-828 Diajukan
Lebih terperinciAnalisa dan Pemodelan Kerumunan Orang pada Video Digital
Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka
Lebih terperinciBAB I PENDAHULUAN. pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran.
BAB I PENDAHULUAN 1.1 Latar Belakang Saat sesuatu diukur maka beberapa data didapatkan. Umumnya pengukuran tidak pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran. Mendapatkan data
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring berjalannya waktu dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan dari media digital (seperti citra digital, video digital,
Lebih terperinciudara maupun benda padat. Manusia dapat berkomunikasi dengan manusia dari gagasan yang ingin disampaikan pada pendengar.
BAB II DASAR TEORI 2.1 Suara (Speaker) Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitudo tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun
Lebih terperinciDr. R. Rizal Isnanto, S.T., M.M., M.T.
Ekstraksi Ciri Ucapan Menggunakan Analisis Komponen Utama (Principal Components Analysis - PCA) Matakuliah Speech Recognition (Pertemuan ke-6 dan ke-7) Dr. R. Rizal Isnanto, S.T., M.M., M.T. Program Studi
Lebih terperinciINDEPT, Vol. 3, No.1, Februari 2013 ISSN
SISTEM SPEAKER RECOGNITION (PENGENAL PENGUCAP) UNTUK MENCARI KARAKTERISTIK UCAPAN SESEORANG DENGAN METODE MEL FREQUENCY CEPTRUM COEFFISIENT (MFCC) MENGGUNAKAN SOFTWARE MATLAB Andriana, ST., MT. Dosen Fakultas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciPENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG
PENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG TUGAS AKHIR MUHAMMAD AGUNG NURSYEHA 2211100164 Pembimbing: Dr. Muhammad
Lebih terperinciAPLIKASI SUPPORT VEKTOR MACHINE (SVM) UNTUK PROSES ESTIMASI SUDUT DATANG SINYAL
APLIKASI SUPPORT VEKTOR MACHINE (SVM) UNTUK PROSES ESTIMASI SUDUT DATANG SINYAL Hosken Ginting / 0322173 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciPemodelan Markov untuk kanal HF Availability pada Link Malang-Surabaya
Pemodelan Markov untuk kanal HF Availability pada Link Malang-Surabaya Arif Fathoni #1, Wismanu Susetyo #2, Gamantyo Hendrantoro #3 Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya Kampus
Lebih terperinci