Identifikasi suara ucap berbasis fitur non-akustik dengan menggunakan jaringan syaraf tiruan
|
|
- Djaja Bambang Santoso
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Identifikasi suara ucap berbasis fitur non-akustik dengan menggunakan jaringan syaraf tiruan Muhammad Ambarjati (1), Bambang L Widjiantoro (2), Andi Rahmadiasah (3) (1)(2)(3) Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya andi@ep.its.ac.id, mochamadambarjati@yahoo.co.id Abstrak Telah dilakukan studi mengenai pengenalan suara ucap berbasis fitur non-akustik dengan menggunakan jaringan syaraf tiruan back propagation. Data yang digunakan berupa sinyal yang dihasilkan oleh perbedaan kapasitansi organ artikulator dibawah rahang bawah ketika berbicara tanpa suara. Data yang didapat kemudian diolah dengan menggunakan transformasi wavelet diskrit (DWT) yang menghasilkan delapan sinyal dekomposisi. Sinyal hasil dekomposisi kemudian diekstrasi fitur untuk mendapatkan input jaringan syaraf tiruan. Hasil identifikasi dengan jaringan syaraf tiruan mampu mengenali 14 kata dari 19 kata maju yang diidentifikasi atau sebesar 73,68%, dan mampu mengenali 13 kata dari 20 kata mundur yang diidentifikasi atau sebesar 65 %. Keywords JST, Suara ucap, artikulatori, wavelet. PENDAHULUAN Komunikasi di antara manusia dengan manusia dan manusia dengan mesin dapat dilakukan dengan banyak cara. Pada faktanya informasi visual dan verbal lebih banyak digunakan. Usaha untuk melakukan automasi kamunikasi diantara manusia dengan manusia dilakukan dengan alat komunikasi berdasarkan suara. Bagaimanapun, strategi komunikasi dengan suara memiliki ketidak-leluasaan dalam berkomunikasi. Ketidak-leluasaan itu seperti sangat sensitif pada ambient noise, syarat yang layak untuk pembentukan dan pengucapan kata, dan kesamaan bahasa. Keterbatasan fisik dalam menghasilkan suara juga akan menjadi kendala, seperti dilingkungan yang tidak memungkinkan misalnya didalam air ataupun lingkungan yang padat dan bising. Disamping itu komunikasi dengan suara tidak memungkinkan untuk digunakan dalam komunikasi yang bersifat privat dan memiliki kebisingan latar yang sangat keras seperti dalam situasi operasi militer atau perang yang memang sangat membutuhkan kerahasiaan informasi [1] Sistem produksi suara ucap pada manusia berawal dari udara yang dikompresi oleh paru-paru yang kemudian melewati vocal cord. Untuk menghasilkan bunyi sesuai dengan bentuk vocal cord. Setelah melewati vocal cord udara melewati vocal track hingga bagian bibir. Bagian vocal track inilah yang menentukan perbedaan suara antara manusia. Sistem produksi suara ucap semacam ini disebut sebagai sistem sistem produksi suara ucap akustik. Alternatif komunikasi yang bisa dilakukan untuk menjaga kerahaisan diantara dua orang dan tidak bergantung pada penggunaan sinyal suara adalah dengan menggunakan suara ucap yang dapat dilakukan dengan mengukur perubahan kapasitansi otot akibat pergerakan organ artikulatori. Metode pengenalan suara semacam ini memanfaatkan fitur non akustik. Berdasarkan latar Belakang yang telah dijelaskan diatas, maka pada tugas akhir ini difokuskan pada dua hal yaitu kerahasiaan dan metode alternatif komunikasi non akustik. Metode yang akan digunakan pada tugas akhir ini akan diujicoba terhadap aktivitas organ artikulatori khususnya rahang. STUDI LITERATUR A. PROSES PRODUKSI SUARA Suara adalah sebuah sinyal yang merambat melalui media perantara. Suara dapat dihantarkan dengan media air, udara, maupun benda padat. Dengan kata lain Suara adalah gelombang yang merambat dengan dengan frekuensi dan amplitudo tertentu. Suara yang dapat didengar oleh manusia berkisar antara 20 Hz sampai dengan 20 KHz, dimana Hz adalah satuan frekuensi yang artinya banyaknya getaran per detik. Perlengkapan produksi suara terdapat pada gambar 2.1 yang secara garis besar terdiri dari jalur suara (vocal track), dan jalur hidung (nasal track). Jalur suara dimulai dari pita suara (vocal cords), celah suara (glottis), dan berakhir pada bibir. Jalur hidung dimulai dari belakang langit langit (velum) dan berakhir pada cuping hidung (nostrils). Proses menghasilkan suara dimulai dari udara masuk ke paru paru melalui pernapasan, kemudian melalui trakea, udara masuk ke batang tenggorokan dimana didalam batang tenggorokan ini terdapat pita suara. Pita suara ini kemudian bergetar dengan frekuensi tertentu karena adanya aliran udara tersebut sehingga dihasilkan suara. Suara yang dihasilkan ini berbeda beda bergantung pada posisi lidah, bibir, mulut, langit- langit pada saat itu. 1
2 Parameter a dan b didefinisikan sebagai a = 2 jቧ,b= 2 -j k. Persamaan invers dapat dituliskan sebagai, (2) (3) Gambar 1 Organ pembentuk suara manusia B. DISCRETE WAVELETE TR ANSFORM (DWT) Kata wavelet berarti sebuah gelombang kecil. Kecil merujuk kepada kondisi jika fungsi jendela merupakan panjang terbatas (compactly supported). Gelombang merujuk pada kondisi bahwa fungsi ini oscillatory. Sedangkan kata mother merujuk pada fungsi dengan daerah berbeda yang digunakan pada proses transformasi yang diturunkan dari sebuah dungsi utama, atau mother wavelet. Dengan kata lain, mother wavelet ialah prototipe untuk membangkitkan fungsi jendela lainnya. Contoh mother wavelet dapat dilihat pada gambar berikut. Jika framebound persamaan A=B=1, maka transformasi ini adalah ortogonal. Wavelet dapat dikontruksi dari analisis multiresolusi yang akan didiskusikan selanjutnya. WT dapat diasumsikan sebagai bagian dari FT klasik, akan tetapi analisa yang dilakukan tidak dalam satu dimensi saja (frekuensi atau waktu). Analisa dengan WT dilakukan dalam basis multi dimensi. Sehingga dapat dilakukan suatu dekomposisi pada suatu sinyal dalam beberapa tahap/level, yang mana tiap tahap merepresentasikan suatu informasi yang terkandung dalam suatu sinyal. Secara skematis tahapan untuk melakukan multiresolution decomposition dapat dilihat melalui Gambar 3 Gambar 3. Penerapan dekomposisi pada DWT; g[n] merupakan HPF; h[n] merupakan LPF. Gambar 2. Beberapa keluarga wavelet Proses perhitungan koefisien-koefisien wavelet pada setiap skala yang memungkinkan merupakan sebuah pekerjaan yang berat dan hal ini menghasilkan data yang terlalu banyak. Dari hal ini, dimunculkan sebuah metode untuk memilih skala dan posisi berdasarkan powers of two yang juga disebut skala dan posisi dyadic, maka analisis yang dihasilkan akan lebih efisien dan akurat. Diketahui sebuah fungsi f(n) dan definisi DWT dapat dipenuhi dengan, Proses dekomposisi dapat berulang dengan koefisienkoefisien aproksimasi terbaru yang terus di-dekomposisi sehingga satu sinyal dapat didekomposisi hingga banyak komponen resolusi. Secara teori, pengulangan ini dapat diteruskan tanpa batas. Namun dalam kenyataannya, proses dekomposisi hanya dapat berlangsung hingga masing-masing detail mengandung sebuah sampel dari sinyal terdekomposisi saja. Pada prakteknya, penentuan level dekomposisi dapat didasarkan pada kebutuhan dan sifat-sifat alami sinyal. Dimana ialah wavelet diskrit sebagaimana, (1) Gambar 4. Filtering pada dekomposisi wavelet Seluruh hasil dari WT dapat didefinisikan sebagai keluaran dari low pass filter (LPF), h. 2
3 C. JARINGAN SYARAF TIRUAN Seperti halnya model Jaringan Saraf Tiruan yang lain, Backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukkan yang serupa (tapi tidak sama) dengan pola yang dipakai selama pelatihan.(laurene Fausett, 1994) Pelatihan backpropagation meliputi tiga fase. Fase pertama adalah fase maju. Pola masukkan dihitung maju mulai dari layer masukkan hingga layer keluaran menggunakan fungsi aktifasi yang ditentukan. Fase kedua adalah fase mundur. Selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasi mundur, dimulai dari garis yang berhubungan langsung dengan unit unit dilayer keluaran. Fase ketiga adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi. Fase 1 : Propagasi maju Selama propagasi maju, sinyal masukkan (x i )dipropagasikan ke layer tersembunyi menggunakan fungsi aktifasi yang ditentukan. Keluaran dari setiap unit layer tersembunyi (z j ) tersebut selanjutnya dipropagasikan maju lagi ke layer tersembunyi diatasnya menggunakan fungsi aktifasi yang ditentukan. Demikian seterusnya hingga menghasilkan keluaran jaringan (y k ). Berikutnya, keluaran jaringan (y k ) dibandingkan dengan terget yang harus dicapai (t k ). Selisih t k -y k adalah kesalahan yang terjadi. Jika kesalahan ini lebih kecil dari batas toleransi yang ditentukan, maka iterasi dihentikan. Akan tetapi apabila kesalahan masih lebih besar dari batas toleransinya, maka bobot setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan yang terjadi. Fase 2 : Propagasi mundur Berdasarkan kesalahan t k -y k, dihitung faktor k (k = 1,2,...,m) yang dipakai untuk mendistribusikan kesalahan diunit y k kesemua unit tersembunyi yang terhubung langsung dengan y k. k juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran. Dengan cara yang sama, dihitung faktor j disetiap unit dilayer tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi dilayer bawahnya. Demikian seterusnya hingga semua faktor diunit tersembunyi yang berhubungan langsung dengan unit masukan dihitung. Fase 3 : Perubahan bobot Setelah semua faktor dihitung, bobot semua garis dimodifikasi bersamaan. Perubahan bobot suatu garis didasarkan atas faktor neuron dilayer atasnya. Sebagai contoh, perubahan bobot garis yang menuju ke layer keluaran didasarkan atas k yang ada di unit keluaran. Ketiga fase tersebut diulang ulang terus hingga kondisi penghentian dipenuhi. Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan. (J.J. Siang, 2005) METODOLOGI PENELITIAN Tahapan-tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut : Gambar 5. Skema metodologi perancangan A. PEMBANGKITAN DATA INPUT Tahapan-tahapan dalam pembangkitan data input adalah sebagai berikut a. Pengambilan dan perekaman data Data rekaman EEG yang digunakan dalam penelitian tugas akhir ini diperoleh dari perekaman yang dilakukan di Klinik Parahita. Data dalam tugas akhir ini dilakukan di Klinik Parahita dengan menggunakan alat EEG. Dimana spesifikasi EEG yang digunakan untuk pengukuran adalah sebagai berikut : 3
4 Merk : Compu Medic Frekuensi sampling 512 Hz 32 Channel Dalam eksperimen ini dilakukan perekaman sinyal yang dihasilkan karena perbedaan kapasitansi aktifitas organ artikulatori dibawah rahang bawah dari satu orang naracoba dengan jenis kelamin laki-laki dan umur 19 tahun. Aturan dalam melakukan perekaman adalah sebagai berikut : Dilakukan di tempat yang sepi dan tenang. Sensor pada elektrode EEG diletakkan didaerah bawah rahang depan dan sebuah channel referensi diletakkan pada daun telinga bagian bawah. Sebelum melakukan pengambilan data, naracoba diminta untuk menelan ludah sebanyak lima kali. Kemudian diminta untuk tenang selama 10 detik. Naracoba diminta untuk mengucapkan kata maju tanpa mengeluarkan suara sebanyak sepuluh kali, dimana untuk pengucapan antara kata maju yang satu dengan kata maju setelahnya ada jeda 0,5 detik. Naracoba diminta untuk mengucapkan kata mundur tanpa mengeluarkan suara sebanyak sepuluh kali, dimana untuk pengucapan antara kata mundur yang satu dengan kata mundur setelahnya ada jeda 0,5 detik. Naracoba diminta mengucapkan kata maju dan mundur secara bergantian masing masing sebanyak sepuluh kali. Dengan menggunakan data video yang direkam secara bersamaan dengan pengambilan data EEG, didapatkan sinkronisasi event pengucapan naracoba dengan data EEG b. Konversi data perekaman EEG Data perekaman yang diperoleh masih berbentuk data.raw yang belum bisa dibaca oleh matlab dan belum terpisahkan setiap datanya. Sehingga diperlukan sebuah tahapan untuk mengkonversi dan melakukan segmentasi data menjadi.mat. Pada awalnya data hasil rekaman dibuka dengan menggunakan software Persys. Berikut ini tampilan dari sinyal kata maju dalam software persys seperti pada gambar 6 dibawah. Gambar 6. Sinyal EEG untuk pengucapan kata maju. Data hasil rekaman kemudian dengan menggunakan software itu data dipotong berdasarkan suku kata yang diucapkan dalam perekaman yaitu kata maju dan mundur. Pemotongan dilakukan berdasarkan panjangnya waktu perekaman untuk perkata.dalam waktu pemotongan sinyal digunakan data video yang direkam secara bersamaan dengan pengambilan data EEG untuk mendapatkan sinkronisasi event pengucapan naracoba dengan data EEG. Data dengan format.xls inilah yang kemudian dipanggil dengan meggunakan matlab dengan dan disimpan sesuai dengan nama kata yang direkam oleh data tersebut, dengan format.mat. Gambar 7. Sinyal EEG untuk pengucapan kata mundur c. Normalisasi Data Sebuah cara normalisasi yang paling umum adalah dengan memposisikan data tepat berada ditengah rataan nolnya dan menskalanya berdasarkan standar deviasinya [9]. Persamaan normalisasi dapat dituliskan : ( a mean ( a)) b std ( a) (10) Dengan a adalah sinyal asli dan b adalah sinyal normalisasi. B. TAHAP PRA PROSES Tahapan-tahapan dalam pra proses ini ada dua yaitu : dekomposisi dengan menggunakan DWT dan ekstraksi fitur a. Dekomposisi Wavelet Dalam proses DWT ini sinyal hasil normalisasi kemudian didekomposisi dengan menggunakan dekomposisi tujuh level. Dengan dilakukan proses dekomposisi ini diharapkan akan didapat koefisiean aproksimasi dan koefisien detail. Kedelapan komponen tersebut yaitu koefisien detail 1 (cd1), koefisien detail 2 (cd2), koefisien detail 3 (cd3), koefisien detail 4 (cd4), koefisien detail 5 (cd5), koefisien detail 6 (cd6), koefisien detail 7 (cd7), dan koefisien aproksimasi 7 (ca7). b. Ekstraksi Fitur Ekstraksi fitur ini diterapkan pada delapan koefisien hasil dekomposisi. Fitur yang akan diekstrak adalah mean, standar deviasi, nilai maksimum, dan nilai minimum. Sehingga 4
5 dari hasil ekstraksi fitur ini didapatkan matrik yang berukuran sama yaitu [4x8]. Dari hasil ekstraksi fitur inilah yang kemudian akan dijadikan sebagai inputan untuk jaringan syaraf tiruan. Untuk menghitung ekstrasi fitur dapat dilakukan dengan menggunakan persamaan dibawah ini : C. TAHAP PROSES a. Membangun Arsitek Jaringan Syaraf Tiruan. Arsitektur jaringan syaraf tiruan yang digunakan dalam tugas akhir ini adalah dengan menggunakan algoritma pembelajaran back propagation. Arsitekturnya adalah dengan menggunakan 4 layer, yaitu 1 layer input yang terdiri dari 4 node, 2 hidden layer yang masing masing terdiri dari 5 dan 6 node, dan 1 layer output yang terdiri dari 1 node. Tabel 1. Ekstraksi fitur koefisien dekomposisi kata maju1 Maksimum Minimum Mean Standar Deviasi cd E cd cd cd cd cd cd ca Tabel 2. Ekstraksi fitur koefisien dekomposisi kata mundur5 Maksimum Minimum Mean Standar Deviasi cd cd cd cd cd cd cd ca Gambar 7. Arsitektur Jaringan Syaraf Tiruan b. Melakukan training jaringan syaraf tiruan Setelah arsitektur jaringan syaraf tiruan terbentuk, langkah selanjutnya adalah melakukan training pada jaringan syaraf tiruan untuk masing-masing sinyal kata yang akan diuji yaitu kata maju dan mundur. Dari training ini kemudian mendapatkan bobot akhir yang akan dijadikan sebagai bobot untuk proses identifikasi. c. Melakukan Identifikasi Identifikasi kata maju dan mundur dilakukan dengan menggunakan jaringan syaraf tiruan yang sama dengan jaringan syaraf tiruan buat training dengan bobot yang digunakan adalah bobot akhir hasil dari training. ANALIS A DAN PEMBAHASAN A. EKSTRAKSI FITUR Hasil ekstraksi fitur memiliki dimensi matriks [8 x 4]. Berikut akan dipaparkan contoh proses ekstraksi fitur pada sinyal kata maju1 dan mundur5 yang masing-masing mewakili kata maju dan kata mundur. B. TRAINING JST Karena bobot awal training adalah random maka saat dilakukan training lagi (tanpa adanya perubahan konstruksi JST) akan didapat bobot training yang berbeda, sehingga hasil yang didapat pun akan berbeda pula. Dalam training untuk kata maju ini ditentukan targetnya adalah matrik T=[ ]. Dalam training untuk kata maju ini ditentukan targetnya adalah matrik T=[ ]. C. HASIL IDENTIFIKASI Tabel 3 Hasil Identifikasi Kata Maju No Input Error Keputusan 1 Maju Dikenali 2 Maju Dikenali 3 Maju Dikenali 4 Maju Dikenali 5 Maju Dikenali 6 Maju Tidak Dikenali 7 Maju Tidak Dikenali 5
6 No Input Error Keputusan 8 Maju Tidak Dikenali 9 Maju Dikenali 10 Maju Dikenali 11 Maju Dikenali 12 Maju Dikenali 13 Maju Dikenali 14 Maju Dikenali 15 Maju Dikenali 16 Maju Tidak Dikenali 17 Maju Tidak Dikenali 18 Maju Dikenali 19 Maju Dikenali Dari hasil identifikasi terhadap kata maju didapatkan hasil bahwa sistem hanya mampu mengenali kata maju sebesar 14 kata dari 19 kata maju yang diidentifikasi. Presentase tingkat keberhasilan sistem dalam mengenali kata maju sebesar 73,68%. Sedangkan Dari hasil identifikasi terhadap kata mundur didapatkan hasil bahwa sistem hanya mampu mengenali kata mundur sebesar 13 kata dari 20 kata mundur yang diidentifikasi. Presentase tingkat keberhasilan sistem dalam mengenali kata mundur sebesar 65%. Adapun tabelnya adalah sebagai berikut. Tabel 4 Hasil Identifikasi Kata Mundur No Input Error Keputusan 1 Mundur Dikenali 2 Mundur Dikenali 3 Mundur Tidak Dikenali 4 Mundur Dikenali 5 Mundur Dikenali 6 Mundur Tidak Dikenali 7 Mundur Dikenali 8 Mundur Tidak Dikenali 9 Mundur Tidak Dikenali 10 Mundur Dikenali 11 Mundur Tidak Dikenali 12 Mundur Dikenali 13 Mundur Dikenali 14 Mundur Dikenali 15 Mundur Dikenali 16 Mundur Tidak Dikenali 17 Mundur Dikenali 18 Mundur Dikenali 19 Mundur Tidak Dikenali 20 Mundur Dikenali DAFTAR PUSTAKA 1. Jorgensen, Chuck; Binstek, Kim : Web Browser Control Using EMG Based Sub Vocal Speech Recognition 2. Gordan, Cornelia : EEG Signal Processing Using Wavelet: Rumania : University of Oradea 3. Arman, Akhmad, : Proses Pembentukan Dan KarakteristikSinyal Ucapan. Bandung : Teknik Elektro ITB 4. Gunawan, Adi : Mekanisme dan Mekanika Pergerakan Otot. 5. Qureshi, Shehrzad Embedded Image Processing on the TMS320C6000tm DSP. California: Springer Science and Business Media 6. Adiputra, Andrew Identifikasi Kelainan Otak Jenis Epilepsi melalui Sinyal Electroencephalogram (EEG) dengan Metode Neuro Fuzzy. Surabaya: Jurusan Teknik Fisika ITS 7. Roddlin Billah, Muhammaad Identifikasi Perubahan Segmen ST Sinyal keluaran ECG Menggunakan Transformasi Wavelet. Surabaya: Jurusan Teknik Fisika ITS 8. Novak, Daniel et.al Denoising Electrocardiogram Signal Using Adaptive Wavelets (extended abstract). Czech: Czech Technical University 9. Oppenheim G. et.al Wavelet Toolbox User s Guide. Massachusetts: The MathWorks, Inc. BIO DATA PENULIS: Nama : Mochamad Ambarjati NRP : TTL : Ponorogo, 10 Maret 1985 Alamat : Gebang Roda Sekolah No. 6 Riwayat Pendidikan : SDN Simo I SLTPN 1 Slahung SMAN 2 Ponorogo Teknik Físika ITS 6
PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA
RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Suara Manusia Menurut Inung Wijayanto (2013), produksi suara manusia memerlukan tiga elemen, yaitu sumber daya, sumber suara dan pemodifikasi suara. Ini adalah dasar dari teori
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 terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
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 terperinciSIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT
SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT ( Kristiawan Purwanto, Tutug Dhanardono) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciIDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Seminar Tugas Akhir O L E H : M I F T A H U D D I N P E M B I M B I N G : I R. Y E R R
Lebih terperinciEKSTRAKSI FITUR SINYAL ELEKTROENSEFALOGRAF (EEG) UNTUK IDENTIFIKASI UNSPOKEN-SPEECH MENGGUNAKAN EEGLAB
EKSTRAKSI FITUR SINYAL ELEKTROENSEFALOGRAF (EEG) UNTUK IDENTIFIKASI UNSPOKEN-SPEECH MENGGUNAKAN EEGLAB Pembimbing : Ir. Syamsul Arifin, MT. Andi Rahmadiansah, ST. MT. oleh : Bagas Isadewa 2406100077 Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Suara adalah merupakan gabungan berbagai sinyal, tetapi suara murni secara teoritis dapat dijelaskan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Suara adalah merupakan gabungan berbagai sinyal, tetapi suara murni secara teoritis dapat dijelaskan dengan kecepatan osilasi atau frekuensi yang diukur dalam Hertz
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
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 masing-masing komponen perangkat.
Lebih terperinciPRISMA FISIKA, Vol. I, No. 1 (2013), Hal ISSN :
Prediksi Tinggi Signifikan Gelombang Laut Di Sebagian Wilayah Perairan Indonesia Menggunakan Jaringan Syaraf Tiruan Metode Propagasi Balik Abraham Isahk Bekalani, Yudha Arman, Muhammad Ishak Jumarang Program
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciANALISA DAN PENGENALAN SUARA JANTUNG MENGGUNAKAN WAVELET DAN JST DALAM MENGKLASIFIKASIKAN JENIS KELAINAN KATUP JANTUNG PADA MANUSIA
ANALISA DAN PENGENALAN SUARA JANTUNG MENGGUNAKAN WAVELET DAN JST DALAM MENGKLASIFIKASIKAN JENIS KELAINAN KATUP JANTUNG PADA MANUSIA Sidang Tesis S2 Teknik Sistem Pengaturan FTI-ITS Surabaya EDY SETIAWAN
Lebih terperinciBAB I PENDAHULUAN ! <!!!!!
BAB I PENDAHULUAN 1.1 Latar Belakang Tuna wicara merupakan seseorang yang mengalami kesulitan dalam berbicara. Hal ini disebabkan oleh kurang atau tidak berfungsinya organ-organ untuk berbicara, seperti
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan dan teknologi berkembang dengan pesat, terutama bidang elektronika dan komputer yang diterapkan pada bidang medis. Kemajuan teknologi
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 terperinciBAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Proses pengenalan kata merupakan salah satu fungsi dari voice recognition. Voice recognition dibagi menjadi dua jenis, yaitu speech recognition dan speaker
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 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 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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pengenalan fonem adalah implementasi dari speech to teks yang merupakan bagian dari speech recognition atau pengenalan ucapan. Pengenalan ucapan lebih dikonsentrasikan pada ekstraksi
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
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 terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Koefisien Maksimum Energi Maksimum Jarak Gelombang R - R
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database Sinyal EKG Ekstraksi Ciri Sinyal Jantung (Wibowo, 2016) Keluaran : Koefisien Maksimum Energi Maksimum Jarak Gelombang R -
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul
37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciBAB III METODE PENELITIAN. jantung pasien penyakit jantung secara elektro-akustik atau PCG
BAB III METODE PENELITIAN A. Metode Pengumpulan Data Data penelitian ini diperoleh melalui observasi terhadap pasien penyakit jantung. Penelitian ini menggunakan alat untuk mendeteksi dan perekaman detak
Lebih terperinciBAB III METODOLOGI PENELITIAN. Model sistem presensi biometri sidik jari yang dikembangkan secara garis
BAB III METODOLOGI PENELITIAN 3.1 Disain Penelitian Model sistem presensi biometri sidik jari yang dikembangkan secara garis besar terdiri atas bagian input, bagian proses, dan bagian output seperti gambar
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciDeteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih terperinciPERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN
PERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN Oleh : Hera Firdhausa Katili 2409100073 Dosen Pembimbing : Dr.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
60 BAB IV HASIL DAN PEMBAHASAN 41 Hasil Eksperimen E-nose terdiri dari 4 buah sensor gas dimana masing-masing dari sensor tersebut memiliki kepekaan yang berbeda pada saat pendeteksian aroma Jenis teh
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 yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciBAB III METODOLOGI. dari suara tersebut dapat dilihat, sehingga dapat dibandingkan, ataupun dicocokan dengan
23 BAB III METODOLOGI 3.1 Metodologi Penelitian Penelitian ini ingin membangun sistem yang dapat melakukan langkah dasar identifikasi, yaitu melakukan ektraksi suara Gamelan Bonang, dengan ekstrasi ini,
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,
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 terperinciMEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG)
MEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG) R. Ayu Mahessya, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1. Diagram Blok Rancangan Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium.
Lebih terperinciEVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN
EVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN (Studi Kasus pada Pengenalan Karakter Angka Tulisan Tangan) Iwan Suhardi Jurusan Teknik
Lebih terperinciEstimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan
Estimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan Andi Ihwan 1), Yudha Arman 1) dan Iis Solehati 1) 1) Prodi Fisika FMIPA UNTAN Abstrak Fluktuasi suhu udara berdasarkan
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
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 terperinciANALISIS UCAPAN VOKAL BAHASA INDONESIA DENGAN ALIHRAGAM PAKET GELOMBANG SINGKAT
1 ANALISIS UCAPAN VOKAL BAHASA INDONESIA DENGAN ALIHRAGAM PAKET GELOMBANG SINGKAT Herman Susilo L2F 300 531 Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro Semarang Abstrak Alihragam dinakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK ECG atau elektrocardiogram merupakan suatu perekaman aktivitas listrik dari pola sinyal detak jantung. Aktivitas listrik dari sel yang dicatat secara grafik dengan perantaraan elektroda intrasel
Lebih terperinciJournal of Control and Network Systems
JCONES Vol. 5, No. 1 (2016) 177-183 Journal of Control and Network Systems Situs Jurnal : http://jurnal.stikom.edu/index.php/jcone IDENTIFIKASI SUARA MANUSIA BERDASARKAN JENIS KELAMIN MENGGUNAKAN EKSTRAKSI
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam metode penelitian ini dijelaskan bagaimana proses pendeteksian kebohongan menggunakan metode SVM untuk sinyal EEG. Metode penelitian dapat dilihat
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
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 terperinciPOSITRON, Vol. IV, No. 2 (2014), Hal ISSN :
Modifikasi Estimasi Curah Hujan Satelit TRMM Dengan Metode Jaringan Syaraf Tiruan Propagasi Balik Studi Kasus Stasiun Klimatologi Siantan Fanni Aditya 1)2)*, Joko Sampurno 2), Andi Ihwan 2) 1)BMKG Stasiun
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB I PENDAHULUAN. darah. Penyakit Jantung (cardiovascular disease) adalah setiap kondisi yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Jantung merupakan organ tubuh yang paling fungsional karena peranannya sebagai pemompa darah agar dapat mengalir ke seluruh tubuh melalui pembuluh darah. Penyakit
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciProses Pembentukan dan Karakteristik Sinyal Ucapan
Proses Pembentukan dan Karakteristik Sinyal Ucapan Oleh : Arry Akhmad Arman Dosen dan Peneliti di Departemen Teknik Elektro ITB email : aa@lss.ee.itb.ac.id, aa_arman@rocketmail.com 2.5.1 Sistem Pembentukan
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database sinyal EKG Pengambilan data dari database Visual Basic 6.0 Discrete Wavelet Transform (DWT) Dekomposisi Daubechies Orde 2
Lebih terperinciBAB I PENDAHULUAN. Penyakit jantung merupakan salah satu penyebab kematian terbesar di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit jantung merupakan salah satu penyebab kematian terbesar di Indonesia (Depkes, 2011). Penyakit jantung ini merupakan salah satu penyakit yang tidak
Lebih terperinciBAB I PENDAHULUAN. Otot adalah sebuah jaringan konektif dalam tubuh dengan tugas utamanya
BAB I PENDAHULUAN 1.1. Latar Belakang Otot adalah sebuah jaringan konektif dalam tubuh dengan tugas utamanya kontraksi. Kontraksi otot berfungsi untuk menggerakkan bagian-bagian tubuh dan substansi dalam
Lebih terperinciBAB 1 PENDAHULUAN. mengalami perubahan baik dari segi software maupun hardware. Komputer yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan dan teknologi yang semakin meningkat telah menimbulkan perubahan dalam kehidupan manusia sehari hari. Salah satu perkembangan teknologi
Lebih terperinciMETODOLOGI PENELITIAN
18 METODOLOGI PENELITIAN Kerangka Penelitian Sistem pengenalan roda kendaraan pada penelitian ini tampak pada Gambar 10, secara garis besar dapat dibagi menjadi dua tahapan utama yaitu, tahapan pelatihan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Dewasa ini penciptaan video game tidak hanya ditujukan untuk media hiburan saja melainkan juga diperuntukan sebagai media pendidikan bagi berbagai kalangan khususnya
Lebih terperinciBAB 3 PERANCANGAN SISTEM PENGENAL SUARA
BAB 3 PERANCANGAN SISTEM PENGENAL SUARA 3.1 Perangkat Keras yang Digunakan Untuk menunjang perancangan sistem pengenalan suara, maka digunakan perangkat keras ( Hardware ) dengan spesifikasi sebagai berikut
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciOPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG
OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG Oleh : Ellys Kumala P (1107100040) Dosen Pembimbing Dr. Melania Suweni Muntini, MT JURUSAN
Lebih terperinciSegitiga Fuzzy-Neural Network untuk Mengenali Pola dari Model Input Data yang Berdistribusi
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 1, May 2007, 9 16 Segitiga Fuzzy-Neural Network untuk Mengenali Pola dari Model Input Data yang Berdistribusi Hary Budiarto Pusat Teknologi Informasi
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciRANCANGAN APLIKASI BIOMETRIK BERDASARKAN FACIAL EMG
RANCANGAN APLIKASI BIOMETRIK BERDASARKAN FACIAL EMG (Risa, Andi Rahmadiansah) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo Surabaya 60111 Telp : +6231-5947188 Fax : +6231-5923626
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA
ISSN: 1693-6930 159 ANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA Iwan Suhardi, Riana T. Mangesa Jurusan
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2006/2007 ANALISIS DAN PERANCANGAN PERANGKAT LUNAK PENGENALAN JENIS ALAT MUSIK BERDASARKAN SUMBER SUARANYA
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciJaringan Syaraf Tiruan pada Robot
Jaringan Syaraf Tiruan pada Robot Membuat aplikasi pengenalan suara untuk pengendalian robot dengan menggunakan jaringan syaraf tiruan sebagai algoritma pembelajaran dan pemodelan dalam pengenalan suara.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinci