BAB 2 LANDASAN TEORI
|
|
- Sudomo Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6 BAB 2 LANDASAN TEORI 2.1 Disleksia Disleksia adalah ketidakmampuan bahasa, yang berpengaruh dalam hal membaca, menulis, berbicara dan mendengarkan. Ini adalah disfungsi atau gangguan dalam penggunaan kata-kata. Akibatnya, hubungan dengan orang lain dan kinerja dalam setiap mata pelajaran di sekolah dapat dipengaruhi oleh disleksia (Bolhasan, 2009). Masalah-masalah membaca dalam anak-anak disleksia dinyatakan dalam kesulitan ekstrim dalam memperoleh subskill dasar membaca seperti identifikasi kata dan decode fonologi (surat suara). Kesulitan seperti ini telah diperkirakan terjadi pada sekitar 10% sampai 15% dari usia anak sekolah dan cenderung disertai dengan kekurangan tertentu dalam kemampuan kognitif yang berkaitan dengan membaca dan keterampilan keaksaraan lainnya. Pola Gejala ini sering disebut disleksia, atau sebaliknya, ketidakmampuan membaca tertentu (Vellutino et al, 2004). Anak-anak disleksia membutuhkan seorang guru yang mengerti bagaimana frustasi dari anak-anak yang pintar, yang tidak mampu melakukan apa yang muridmurid lain lakukan dengan mudah yaitu membaca dan menghafal. Mereka membutuhkan seseorang yang guru yang memahami bahwa kesulitan ini adalah karena perbedaan otak, bukan karena kemalasan, kurangnya kecerdasan, ataupun kurangnya motivasi. Mereka membutuhkan seorang guru yang tidak akan menyerah pada mereka. Guru yang bersedia untuk belajar bagaimana mengajar semua kelemahan mereka. Mereka juga membutuhkan guru yang tahu bahwa mereka menderita dari kecemasan yang ekstrim. Lebih dari apa pun, siswa ini takut bahwa guru mereka akan membuat mereka terlihat bodoh di depan teman-teman mereka (Borton, 2003). Sejarah penelitian tentang perkembangan disleksia telah didominasi oleh teori visual. Secara historis, teori pengembangan dalam membaca juga diasumsikan bahwa pemrosesan visual adalah inti untuk perbedaan individu dalam akuisisi membaca (Goswami, 2008).
2 Bentuk Kesulitan Membaca Anak-Anak Disleksia Menurut Badan Penelitian dan Pengembangan Departemen Pendidikan Nasional pada tahun 2007, kesulitan membaca anak-anak disleksia adalah : a. Penambahan (Addition) Menambah huruf pada suku kata. Contoh : suruh -> disuruh, buku -> bukuku b. Penghilangan (Omission) Menghilangkan huruf pada suku kata. Contoh : kelapa -> lapa, kelas -> kela c. Pembalikan kiri-kanan (Inversion) Membalikkan bentuk huruf, kata, ataupun angka dengan arah terbalik kirikanan. Contoh : buku -> duku, palu -> lupa d. Pembalikan atas-bawah (ReversalI) Membalikkan bentuk huruf, kata, ataupun angka dengan arah terbalik atasbawah. Contoh : m -> w, u -> n, 6 -> 9 e. Penggantian (Substitusi) Mengganti huruf atau angka. Contoh : mega -> meja, nanas -> mamas, 3 -> Ciri-ciri Anak-anak Penderita Disleksia Masalah disleksia dirujuk kepada beberapa ciri (Ramasami, 2008) yaitu: a. Sukar dalam berbahasa. b. Ketidakseimbangan dengan kebolehan intelektual. c. Tidak lancar ketika membaca sesuatu. d. Tidak dapat menulis dengan lancar dan tepat (sukar dalam meniru tulisan). e. Mata mudah menjadi penat setelah beberapa menit jika perhatian menumpu kepada tulisan f. Pendengaran dan pengamatan visual yang kurang.
3 8 2.2 Metode Multisensori Pendekatan ini dikenal juga sebagai pendekatan system fonik-visual-auditorykinestetik. Pendekatan ini dikembangkan oleh Gillingham dan Stillman (Gearheart, 1976:93). Pada dasarnya pendekatan ini sangat baik digunakan dalam belajar membaca, khususnya membaca permulaan. Akan tetapi pendekatan ini dapat juga digunakan dalam meningkatkan pemahaman akan bahasa baik yang didengar maupun yang diucapkan oleh orang lain sebelumnya (Supriyanto, 2007). Pendekatan multisensori mendasarkan pada asumsi bahwa anak akan belajar lebih baik jika materi pelajaran disajikan dalam berbagai modalitas. Modalitas yang sering dilibatkan adalah visual (penglihatan), auditory (pendengaran), kinesthetic (gerakan), dan tactile (perabaan). Metode ini merupakan salah satu program remedial membaca untuk anak disleksia, namun dirasakan bahwa beberapa prinsip dalam metode ini dapat diterapkan, dan diharapkan mampu mengatasi beberapa kendala penerapan metode membaca dalam pembelajaran. Penggunaan berbagai alat bantu sebagai media pembelajaran dapat membangkitkan keinginan dan minat yang baru, membangkitkan motivasi, memberikan rangsangan kegiatan belajar, bahkan membawa pengaruhpengaruh psikologis pada siswa. Media akan dapat menarik minat anak dan akhirnya berkonsentrasi untuk belajar dan memahami pelajaran (Poppyariana, 2011). Pendekatan multisensori ini dilakukan berdasarkan prinsip pengamatan terhadap berbagai indera-indera secara terpadu yang dimiliki oleh seseorang. Multisensori artinya memfungsikan seluruh indera sensori (indera penangkap) dalam memperoleh kesan-kesan melalui perabaan, visual, perasaan, kinestetis, dan pendengaran. Dengan mengembangkan berbagai kemampuan pengamatan yang dimiliki oleh seseorang, guru memberikan rangsangan melalui berbagai modalitas sensori yang dimilikinya (Supriyanto, 2007). Metode multisensori ini baik digunakan untuk anak-anak disleksia. Sementara jika melihat prinsip dari metode multisensori ini didalam penerapannya memiliki beberapa kelebihan dalam memperbaiki dan mempercepat proses membaca (Poppyariana, 2011).
4 9 2.3 Speech Recognition Speech Recognition yang dikenal sebagai Automatic Speech Recognition (ASR), atau komputer pengenalan suara merupakan proses mengkonversi sinyal suara ke urutan kata-kata, melalui sebuah algoritma diimplementasikan sebagai komputer Program. (Anusuya & Katti, 2009) Speech Recognition juga merupakan pengenalan pola, dimana ada dua fase dalam pengenalan pola diawasi, yaitu, pelatihan dan pengujian. Proses ekstraksi fitur yang relevan untuk klasifikasi umum di kedua fase. Selama fase traning, parameter dari model klasifikasi yang diperkirakan dengan menggunakan sejumlah besar contoh kelas (data training). Selama fase pengujian atau fase pengenalan, fitur pola uji (data speech test) dicocokan dengan model yang dilatih dari masing-masing dan setiap kelas. Pola tes itu kemudian dinyatakan ke dalam model yang memiliki pola tes terbaik (Gaikwad et al, 2010) Teknik-Teknik dalam Speech Recognition Ada 4 teknik yang dapat dilihat dalam Speech Recognition (Gaikwad, Gawali & Yannawar, 2010) yaitu : a. Speech Analysis Technique Speech data mengandung berbagai jenis informasi yang menunjukkan identitas pembicara. Tahapan speech analysis berkaitan dengan ukuran frame yang cocok untuk segmentasi sinyal suara dalam analisa dan ekstraksi yang lebih lanjut. b. Feature Extraction Technique Ekstraksi fitur speech dalam kategorisasi masalah adalah tentang mengurangi dimensi dari vektor input ketika mempertahankan membedakan kekuatan sinyal. Seperti kita ketahui dari pembentukan dasar speaker identification dan sistem verifikasi, bahwa jumlah pelatihan dan vektor uji diperlukan untuk masalah klasifikasi yang tumbuh dengan dimensi masukan yang diberikan sehingga kita membutuhkan fitur ekstraksi dari sinyal suara.
5 10 c. Modeling Technique Tujuan dari modeling technique adalah untuk menghasilkan speaker models yang menggunakan fitur vektor pembicara khusus. Speaker modeling technique dibagi menjadi dua klasifikasi yaiut speaker recognition dan speaker identification. Speaker identification technique secara otomatis mengidentifikasi siapa yang berbicara berdasarkan informasi individual yang terintegrasi dalam sinyal suara. Speaker recognation juga dibagi menjadi dua bagian yaitu speaker dependant dan speaker independent. Dalam modus speaker independent dari speech recognation, komputer harus mengabaikan karakteristik khusus pembicara dari sinyal suara dan mengekstrak pesan yang dimaksudkan. Disisi lain dalam kasus speaker recognation machine harus mengekstrak karakteristik pembicara dalam sinyal akustik. Tujuan utama dari speaker identification adalah membandingkan sinyal pidato dari pembicara tak dikenal ke database pembicara yang sudah dikenal. Sistem ini dapat mengenali pembicara, yang telah dilatih dengan sejumlah pembicara. Speaker recognition juga dapat dibagi menjadi dua metode, text dependent and text independent. Dalam metode text dependent pembicara mengatakan kata kunci atau kalimat yang memiliki teks yang sama untuk menguji pelatihan dan pengenalan. Sedangkan text independent tidak bergantung pada teks tertentu yang diucapkan. d. Matching Techniques Mesin speech recognition mencocokkan sebuah kata yang terdeteksi dengan kata yang sudah diketahui salah satu dari teknik-teknik berikut : 1. Whole Word Matching Mesin membandingkan sinyal digital-audio yang datang terhadap template rekaman kata. Teknik ini membutuhkan waktu lebih sedikit pengolahan dari pencocokan sub-kata, tetapi mensyaratkan bahwa pengguna (atau seseorang) merekam setiap kata yang akan
6 11 dikenali, kadang-kadang beberapa ratus ribu kata. Template seluruh kata juga membutuhkan memori penyimpanan yang besar (antara 50 dan 512 byte per kata) dan hanya praktis jika pengenalan kosakata tersebut sudah dikenal ketika aplikasi dikembangkan. 2. Sub Word Matching Mesin mencari sub-kata, biasanya fonem dan kemudian melakukan pengenalan pola lanjut. Teknik ini membutuhkan lebih banyak pemrosesan dari pencocokan seluruh kata, tetapi membutuhkan penyimpanan lebih sedikit (antara 5 dan 20 byte per kata). Selain itu, pengucapan kata dapat ditebak dari teks bahasa Inggris tanpa mengharuskan pengguna untuk berbicara kata yang sebelumnya Jenis-Jenis dari Speech Recognition Sistem pengenalan suara dapat dipisahkan dalam beberapa kelas yang berbeda dengan mendeskripsikan jenis ucapan-ucapan mereka (Anusuya & Katti, 2009) yaitu : a. Isolated Words Isolated word recognizers biasanya memerlukan setiap ucapan harus tenang (karena kurangnya sinyal audio) pada kedua sisi sampel. Ia menerima satu kata atau ucapan tunggal pada satu waktu. Sistem ini memiliki pernyataan "Dengar / Tidak-Dengar", di mana mereka membutuhkan pembicara untuk menunggu dalam mengucapkan kata demi kata (biasanya melakukan pengolahan selama jeda). b. Connected Words Sistem connected words (atau lebih tepatnya 'ucapan yang terhubung') hampir serupa dengan isolated words, namun memungkinkan ucapan jeda minimal antara mereka. c. Continuous Speech Continuous speech recognizers memungkinkan pengguna untuk berbicara hampir secara alami, sedangkan komputer menentukan kontennya.
7 12 Pengenalan dengan kemampuan Continuous speech adalah beberapa dari yang paling sulit karena mereka menggunakan metode khusus untuk menentukan batas ucapan. d. Spontaneous Speech Pada tingkat dasar, itu dapat dianggap sebagai pidato yang terdengar secara alami. Sebuah sistem speech recognition dengan kemampuan spontaneous speech harus mampu menangani berbagai variasi dari fitur-fitur speech alami seperti kata-kata yang dijalankan bersama-sama, "ums" dan "ahs", dan bahkan sedikit gagap Tipe-Tipe Speech Recogniton Ada 2 tipe Speech Recognition, dilihat dari ketergantungan pembicara yaitu (Sukarso dan Syarif, 2007) : a. Independent Speech Recognition Independent Speech Recognition yaitu sistem pengenal ucapan tanpa terpengaruh dengan siapa yang berbicara, tetapi mempunyai keterbatasan dalam jumlah kosakata. Model ini akan mencocokan setaip ucapan dengan kata yang dikenali dan memilih yang sepertinya cocok. Untuk mendapatkan kecocokan kata yang diucapkan maka digunakan model statistic yang dikenal dengan nama Hidden Markov Model (HMM) b. Dependent Speech Recognition Dependent Speech Recognition yaitu sistem pengenal ucapan yang memerlukan pelatihan khusus dari pembicara, dimana hasil pelatihan dari masing-masing pembicara akan disimpan dalam sebuah profil. Profil inilah yang nantinya digunakan untuk berinteraksi dengan sistem pengenal ucapan dan sistem akan bergantung siapa yang berbicara. Sistem ini biasanya lebih mudah untuk dikembangkan, dimana contoh suara sudah dibuat sebelumnya dan disimpan dalam database (basis data) dan jumlah kosakatanya lebih besar dibandingkan dengan independent speech
8 13 recognition. Proses pengenalan ucapan dengan cara membandingkan ucapan pembicara dengan contoh suara yang ada. Dalam penelitian ini kita menggunakan tipe Independent Speech Recognition karena kita menggunakan metode Hidden Markov Model. 2.4 Hidden Markov Model (HMM) Fondasi Hidden Markov Model (HMM) modern yang berbasis teknologi continuous speech recognition ditetapkan pada tahun 1970-an oleh kelompok-kelompok di Carnegie-Mellon dan IBM yang memperkenalkan penggunaan HMM dan kemudian di Bell Labs dimana HMM diperkenalkan. Hidden Markov Model (HMM) menyediakan kerangka kerja yang sederhana dan efektif untuk pemodelan variasi waktu dalam urutan spektral vektor. Sebagai konsekuensinya, hampir semua sekarang ini kosakata yang besar dalam sistem continuous speech recognition didasarkan pada HMM. Penerapan praktis dari HMMs dalam sistem modern melibatkan kecanggihan yang cukup dalam menyajikan arsitektur inti sistem continuous speech recognition berbasis HMM. HMMs terletak hampir di semua sistem pengenalan suara yang modern dan meskipun kerangka dasar tidak berubah secara signifikan dalam dekade terakhir atau lebih, teknik pemodelan rinci dikembangkan dalam kerangka ini telah berevolusi ke keadaan kecanggihan yang cukup. Hasilnya telah stabil dan signifikan (Gales & Young, 2008). HMM dimungkinkan untuk digunakan setiap model speech. Bahkan jika unit speech buruk yang dipilih, HMM memiliki kemampuan untuk menyerap karakteristik suboptimal dalam model parameter, hal ini tentu saja membatasi kinerja sistem. Katakata tampaknya menjadi unit yang paling alami untuk dijadikan model, karena apa yang ingin dikenali dan model dalam bahasa juga menggunakan kata-kata sebagai unit dasar. Memang, recognizers yang menggunakan model level-kata tampil cukup baik. Bagian dari keberhasilan ini adalah karena fakta bahwa mereka mampu menangkap efek fonem koartikulasi dalam kata-kata. Sebenarnya hal tersebut ditunjukkan dengan
9 14 semakin besar unit, akan semakin baik recognizer. Namun, karena ada banyak katakata unik, data training yang dibutuhkan untuk setiap kata-kata ini, membuat sistem semacam ini tidak mudah diperluas. Jadi untuk kosakata besar speech recognition yang alami, unit kata tidak benar-benar pilihan. Tapi untuk kosakata yang kecil yang terdefinisi dengan baik, misalnya seperangkat perintah, mereka sangat cocok. Biasanya model topologi kiri ke kanan digunakan yang dimana jumlah keadaan tergantung pada jumlah fonem dalam kata. Salah satu bagian per fonem adalah aturan praktis yang baik (Wiggers, 2003). Komponen-komponen utama dari kosakata continuous speech recogniser yang besar diilustrasikan pada gambar 2.1. Input gelombang audio dari mikrofon diubah menjadi urutan ukuran tetap vektor akustik Y 1: T = y1,..., yt dalam proses yang disebut feature extraction. Decoder kemudian mencoba untuk menemukan urutan kata-kata w1: L = w1,..., wl yang kemungkinan besar telah menghasilkan Y. Namun, karena persamaan ini tidak dapat dihitung secara langsung karena jumlah urutan observasi yang mungkin tak pernah habis, maka aturan 1 Bayes digunakan untuk mengubah (2.1) ke dalam : Keterangan : Y adalah Sinyal suara sebagai sumber observasi. w adalah urutan kata yang memiliki probabilitas tertinggi yang diucapkan. P(w) adalah probabilitas bahwa string kata w akan diucapkan. Disebut juga model bahasa. P(Y w) adalah probabilitas bahwa ketika string kata w diucapkan, akustik Y akan diamati. Disebut juga model akustik.
10 15 Kemungkinan p (Y w) ditentukan oleh model akustik dan P(w) sebelumnya ditentukan oleh model bahasa. Unit dasar dari suara ditunjukkan oleh model akustik telepon Gales & Young, 2008). Akibatnya, sebuah speech recognizer terdiri dari tiga komponen yaitu bagian preprocessing yang menerjemahkan sinyal suara menjadi urutan simbol observasi, model bahasa yang memberitahu kita seberapa besar kemungkinan string kata tertentu terjadi dan model akustik yang memberitahu kita bagaimana kata string kemungkinan akan diucapkan. Pada bagian berikutnya tiga subsistem akan dijelaskan (Wiggers, 2003). Gambar 2.1 Arsitektur dari Hidden Markov Model 2.5 Microsoft SAPI Speech Application Programming Interface (SAPI) adalah sebuah API yang dikembangkan oleh Microsoft yang digunakan sebagai pengenal suara didalam lingkungan pemrograman aplikasi Windows. Sampai saat ini SAPI dikemas baik berupa SDK (System Development Kit) maupun disertakan dalam sistem operasi Windows itu sendiri. Aplikasi yang telah menggunakan SAPI antara lain Microsoft Office, dan Windows Vista, 7 dan 8. Secara arsitektur pemrograman SAPI dapat dilihat sebagai sebuah middleware yang terletak antara aplikasi dan speech engine (Sukarso dan Syarif, 2007).
11 16 Komponen utama di dalam SAPI adalah sebagai berikut (Sukarso dan Syarif, 2007) : a. Voice Command Sebuah obyek level tinggi untuk perintah dan kontrol menggunakan pengenalan suara. b. Voice Dictation Sebuah obyek level tinggi untuk continous dictation speech recognition. c. Voice Talk Sebuah obyek level tinggi untuk speech synthesis. d. Voice Telephony Sebuah obyek untuk menulis aplikasi telepon berbasiskan pengenalan suara. e. Direct Speech Recognition Sebuah obyek sebagai mesin untuk mengontrol pengenalan suara (direct control of recognition engine) f. Direct Text to Speech Sebuah obyek sebagai mesin yang mengontrol synthesis. g. Audio Object Untuk membaca dari audio device atau sebuah file audio.
BAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Kata baku dan tidak baku Bahasa Indonesia Kata merupakan bentuk yang sangat kompleks yang tersusun atas beberapa unsur. Kata dalam bahasa Indonesia terdiri atas satu suku kata
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 terperinciAPLIKASI PENGENALAN SUARA MENGGUNAKAN MICROSOFT SAPI SEBAGAI PENGENDALI PERALATAN ELEKTRONIK
APLIKASI PENGENALAN SUARA MENGGUNAKAN MICROSOFT SAPI SEBAGAI PENGENDALI PERALATAN ELEKTRONIK Sukarso 1, Abdusy Syarif 2 Teknik Informatika, Universitas Mercu Buana, Jakarta e-mail: 1 sukarso@gmail.com,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Pengenalan lafal manusia agar dapat dilakukan oleh sebuah mesin telah menjadi fokus dari berbagai riset selama lebih dari empat dekade. Ide dasar yang sederhana
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Wicara atau ucapan adalah cara berkomunikasi yang paling sederhana dan sering digunakan oleh manusia. Namun, seiring dengan perkembangan teknologi, proses komunikasi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kesulitan belajar (learning disability) merupakan kumpulan gangguan yang manifestasinya bervariasi, berupa kesulitan dalam memperoleh dan menggunakan kemampuan
Lebih terperinciBAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (artificial intelligence) merupakan bidang yang berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang mengarah kepada bidang
Lebih terperinciImplementasi Algoritma Knuth Morris Pratt pada Alat Penerjemah Suara
Implementasi Algoritma Knuth Morris Pratt pada Alat Penerjemah Suara Bima Laksmana Pramudita (13511042) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Informasi yang disampaikan manusia menggunakan suatu bahasa sebagai perantaranya. Bahasa merupakan simbol bunyi yang dihasilkan oleh alat ucap manusia yang di dalamnya
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 terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Cara interaksi antara manusia dengan komputer sampai saat ini, yang secara umum digunakan sebagian besar masih dilakukan secara tanpa lisan. Cara tersebut dilakukan
Lebih terperinciSPEECH RECOGNITION (Pengenalan Ucapan)
MODUL 1 SPEECH RECOGNITION (Pengenalan Ucapan) Komunikasi Bahasa Lisan Human Computer Input Speech Recognition Text Output Speech Synthesis Text Generation Meaning Understanding 1 Speech recognition memiliki
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pendidikan anak usia dini yang selanjutnya disebut Paud merupakan pendidikan yang sangat mendasar dan sangat menentukan bagi perkembangan anak di kemudian
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 terperinci1.1 Latar Belakang BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin meningkat menimbulkan berbagai macam metode ataupun sistem yang memungkinkan komputer mengubah tulisan menjadi suara atau sebaliknya.
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Indonesia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan semakin berkembangnya teknologi telekomunikasi, internet menjadi sesuatu yang tidak lagi sulit dan mahal. Kemudahan ini menyebabkan internet dipenuhi berbagai
Lebih terperinciBAB I PENDAHULUAN. terutama dalam bidang keamanan, salah satunya adalah pengenalan wajah (face recognition).
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini telah banyak penerapan pengenalan pola di banyak negara maju maupun negara yang berkembang, hal ini membuktikan bahwa pengenalan pola sangatlah penting
Lebih terperinciAlgoritma Viterbi dalam Metode Hidden Markov Models pada Teknologi Speech Recognition
Algoritma Viterbi dalam Metode Hidden Markov Models pada Teknologi Speech Recognition Abstrak Angela Irfani 1, Ratih Amelia 2, Dyah Saptanti P 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik
Lebih terperinciBAB I PENDAHULUAN. yang telah digunakan secara luas oleh orang orang di dunia saat ini adalah
BAB I PENDAHULUAN 1.1 Latar Belakang Manusia merupakan makhluk yang memiliki tingkat intelektual yang paling tinggi di antara makhluk hidup lainnya. Pada diri manusia, juga terdapat sejumlah potensi yang
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 terperinciIDENTIFIKASI TUTUR DENGAN METODE KUANTISASI VEKTOR LINDE - BUZO - GRAY TUGAS AKHIR OLEH: YOHANES AGUNG SANTOSO PRANOTO
IDENTIFIKASI TUTUR DENGAN METODE KUANTISASI VEKTOR LINDE - BUZO - GRAY TUGAS AKHIR OLEH: YOHANES AGUNG SANTOSO PRANOTO 02.50.0020 PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS KATOLIK
Lebih terperinciPEMBUATAN PERANGKAT BASIS DATA UNTUK SINTESIS UCAPAN (NATURAL SPEECH SYNTHESIS) BERBAHASA INDONESIA BERBASIS HIDDEN MARKOV MODEL (HMM)
PEMBUATAN PERANGKAT BASIS DATA UNTUK SINTESIS UCAPAN (NATURAL SPEECH SYNTHESIS) BERBAHASA INDONESIA BERBASIS HIDDEN MARKOV MODEL (HMM) Oleh: ELOK ANGGRAYNI NRP. 2409 100 092 Dosen Pembimbing: Prof. Dr.
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK I.1 Pendahuluan Pada tahun 1993, Microsoft memperkerjakan Xuedong Huang dari CMU untuk memimpin karyanya. Microsoft sudah melibatkannya dalam penelitian pengenalan suara dan pengenalan
Lebih terperinciBAB 1 PENDAHULUAN. dengan awal tahun 2000 pada saat telepon selular dianggap menjadi barang yang mahal.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini penggunaan alat telekomunikasi yang dapat disebut sebagai telepon selular, ponsel atau handphone di Indonesia meningkat cukup tajam jika dibandingkan dengan
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 terperinciDYSLEXIA. Kuliah 4 Oleh: Adriatik Ivanti, M.Psi. the SEN series
DYSLEXIA Kuliah 4 Oleh: Adriatik Ivanti, M.Psi the SEN series `Gangguan pada satu atau lebih Proses psikologis dasar Mendengar - Pemahaman Berbicara - Penggunaan Membaca BAHASA Menulis - Lisan Mengeja
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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada era modern komunikasi data menjadi pilihan selain berkomunikasi dengan bertemu secara langsung, seperti menggunakan aplikasi SMS dan instant messenger, dikarenakan
Lebih terperinciRancang Bangun Modul Pengenalan Suara Menggunakan Teknologi Kinect
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Rancang Bangun Modul Pengenalan Suara Menggunakan Teknologi Kinect Ratri Cahyarini, Umi Laili Yuhana, dan Abdul Munif Teknik
Lebih terperinciPENERAPAN HIDDEN MARKOV MODEL UNTUK PENGENALAN UCAPAN SKRIPSI NADIA WIDARI NASUTION
PENERAPAN HIDDEN MARKOV MODEL UNTUK PENGENALAN UCAPAN SKRIPSI NADIA WIDARI NASUTION 110803016 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015 ii
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM. ini adalah penginputan menggunakan media suara dengan mikrofon ke dalam komputer
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Kebutuhan User 3.1.1 Analisis Masalah Dari kebutuhan masyarakat sekarang ini masalah yang akan dibahas pada topik ini adalah penginputan menggunakan media
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Tetris Tetris adalah sebuah tipe permainan yang dibuat oleh seorang programmer berkebangsaan Rusia yang bernama Alexey Pajitnov pada tahun 1984 dan semenjak saat itu game tetris
Lebih terperinciBAB I PENDAHULUAN. pendidikan yang berperan penting bagi manusia adalah pendidikan yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Pada dasarnya pendidikan merupakan proses untuk membantu manusia mengembangkan potensi yang ada dalam dirinya sehingga mampu menghadapi setiap perubahan yang
Lebih terperinciBIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES
Agustini, Biometrik Suara Dengan Transformasi Wavelet 49 BIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES Ketut Agustini (1) Abstract: Biometric as one of identification or recognition
Lebih terperinciBAB 1 PENDAHULUAN. peranan yang sangat penting pada organisasi tersebut. Peningkatan kinerja para
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam sebuah organisasi, tidak dapat dipungkiri bahwa karyawan memiliki peranan yang sangat penting pada organisasi tersebut. Peningkatan kinerja para karyawan
Lebih terperinciIMPLEMENTASI DAN ANALISIS PENGOLAHAN KATA MENGGUNAKAN ALGORITMA HIDDEN MARKOV MODEL DENGAN POCKETSPHINX
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.3 Desember 2015 Page 7422 IMPLEMENTASI DAN ANALISIS PENGOLAHAN KATA MENGGUNAKAN ALGORITMA HIDDEN MARKOV MODEL DENGAN POCKETSPHINX IMPLEMENTATION
Lebih terperinci: Peringkasan Terpandu Otomatis (Automatic Guided Summarization)
I. Identitas Calon Promotor Nama Lengkap Fakultas/Sekolah Kelompok Keahlian Telp/Fax/E mail : Ir. Dwi Hendratmo Widyantoro, M.Sc., Ph.D. : STEI : Informatika : (022)2502260/dwi@stei.itb.ac.id II. Deskripsi
Lebih terperinciBAB I PENDAHULUAN. berkembang, hal ini membuktikan bahwa pengenalan pola sangatlah penting terutama dalam
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini telah banyak penerapan pengenalan pola di banyak negara maju maupun negara berkembang, hal ini membuktikan bahwa pengenalan pola sangatlah penting terutama
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Anak usia dini berada dalam tahap pertumbuhan dan perkembangan yang paling pesat, baik fisik maupun mental (Suyanto, 2005, h. 5). Maka tepatlah bila dikatakan
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 terperinciBAB 1 PENDAHULUAN. mengenali penggunanya lebih tepat. Beberapa aplikasi biometrik antara lain retinal
BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah autentikasi secara biologis memungkinkan sistem dapat mengenali penggunanya lebih tepat. Beberapa aplikasi biometrik antara lain retinal scan, face
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Prinsip teknologi dikembangkan adalah untuk membuat alat atau sarana yang dapat membantu dan memberi kemudahan bagi manusia untuk melakukan kegiatan dalam hidup. Seiring
Lebih terperinciBAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan
Lebih terperinciBAB I PENDAHULUAN. dikeluarkan dari mulut manusia (Seperti pada waktu bercakap-cakap, menyanyi,
BAB I PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia (KBBI) suara adalah bunyi yang dikeluarkan dari mulut manusia (Seperti pada waktu bercakap-cakap, menyanyi, tertawa, dan menangis).
Lebih terperinciBAB I PENDAHULUAN. Kesulitan belajar merupakan terjemahan dari learning disability. Learning
BAB I PENDAHULUAN A. Latar Belakang Masalah Kesulitan belajar merupakan terjemahan dari learning disability. Learning adalah belajar, disability artinya ketidak mampuan sehingga terjemahannya menjadi ketidak
Lebih terperinciBAB I PENDAHULUAN. pengenalan terhadap gelombang suara. Pengenalan gelombang suara yang sudah
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi memungkinkan kita untuk melakukan suatu pengenalan terhadap gelombang suara. Pengenalan gelombang suara yang sudah sering diimplementasikan adalah
Lebih terperinciBAB 1 PENDAHULUAN. tugas kita, mempermudah kita mencari informasi. Komputer juga bisa bergerak sebagai
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Komputer adalah sebuah alat/mesin yang membantu kita untuk menyelesaikan tugas kita, mempermudah kita mencari informasi. Komputer juga bisa bergerak sebagai penghibur
Lebih terperinciBAB I PENDAHULUAN. sangat cepat, yang tanpa disadari telah menjadi suatu kebutuhan primer di
BAB I PENDAHULUAN 1. 1 Latar Belakang Dewasa ini pengguna handphone di dunia telah berkembang dengan sangat cepat, yang tanpa disadari telah menjadi suatu kebutuhan primer di masyarakat umum. Hampir semua
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
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 terperinciRANCANG BANGUN MODUL PENGENALAN SUARA MENGGUNAKAN TEKNOLOGI KINECT
RANCANG BANGUN MODUL PENGENALAN SUARA MENGGUNAKAN TEKNOLOGI KINECT Ratri Cahyarini NRP 5109100165 Dosen Pembimbing Umi Laili Yuhana, S.Kom., M.Sc. Abdul Munif, S.Kom., M.Sc. LATAR BELAKANG Teknologi pengenalan
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 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 terperinciBAB 1 PENDAHULUAN. berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition
BAB 1 PENDAHULUAN 1.1 Latar Belakang Speaker recognition adalah salah satu bidang pengenalan pola yang berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition yang mengenali kata atau
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah
BAB I 1 PENDAHULUAN A. Latar Belakang Masalah Anak usia dini berada dalam tahap pertumbuhan dan perkembangan yang paling pesat, baik fisik maupun mental. Tepatlah bila dikatakan bahwa usia dini adalah
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, perkembangan teknologi informasi di dunia sudah sangat maju. Tentu saja, hal ini membuat banyak orang beralih dari metode manual ke penggunaan teknologi informasi.
Lebih terperinciBAB I PENDAHULUAN. yang dikenal sebagai antarmuka pengguna grafis atau Graphical User Interface. yakni ucapan, untuk meningkatkan kemudahannya.
BAB I PENDAHULUAN 1.1 Latar Belakang Pada kebanyakan sistem operasi komputer kontemporer telah disediakan pengantaraan grafis untuk mempermudah interaksi antar pengguna dan komputer yang dikenal sebagai
Lebih terperinciIMPLEMENTASI PENDIKTEAN BAHASA INDONESIA. Hari Bagus Firdaus dan Ayu Purwarianti
IMPLEMENTASI PENDIKTEAN BAHASA INDONESIA Hari Bagus Firdaus dan Ayu Purwarianti Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Jalan Ganesha 10, Bandung, 40132, Indonesia E-mail: hari.firdaus@gmail.com
Lebih terperinciBAB 3 PERANCANGAN SISTEM. yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk
BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Voice Command pada demonstrasinya merupakan aplikasi pengenalan suara yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk menampung
Lebih terperinciBAB I PENDAHULUAN! 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Untuk dapat tetap bisa menjalankan proses bisnisnya dengan baik, suatu instansi harus memenuhi suatu standar dalam melayani keinginan konsumen atau yang biasa dikenal
Lebih terperinciBAB I PENDAHULUAN. Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI
BAB I PENDAHULUAN I.1 Latar Belakang Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI saat ini belum di-manaje dengan baik secara digital. Informasi yang terdapat dalam LHP yang terdapat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1. Sistem Informasi Sistem informasi adalah sekumpulan elemen yang saling bekerja sama baik secara manual atau berbasis komputer yang didalamnya ada pengumpulan, pengolahan, pemprosesan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Banyak kegiatan yang dilakukan dalam kehidupan sehari-hari, secara
2 BAB I PENDAHULUAN 1.1 Latar Belakang Banyak kegiatan yang dilakukan dalam kehidupan sehari-hari, secara sadar maupun tidak, setiap kegiatan yang dilakukan itu sedikit banyak melibatkan suara. Dapat diketahui
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengenalan kata dalam dunia teknologi informasi merupakan suatu permasalahan yang tidak asing dalam bidang kecerdasan buatan. Pengenalan kata dalam bidang kecerdasan
Lebih terperinciBAB I I. PENDAHULUAN 1.1 Latar belakang
BAB I I. PENDAHULUAN 1.1 Latar belakang Pada bab ini membahas tentang pendahuluan. Teknologi sudah sangat berkembang di era zaman sekarang. Bahkan teknologi sudah menjadi kebutuhan primer dari manusia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Komunikasi non-verbal biasanya banyak dilakukan oleh mereka yang memiliki kekurangan dalam kemampuan berbicara (tuna wicara). Cara berkomunikasi yang dilakukan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Informasi merupakan salah satu kebutuhan yang sangat diperlukan oleh masyarakat. Hampir semua kegiatan memerlukan informasi untuk mencapai tujuan yang diinginkan. Untuk
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1. Latar Belakang Kemajuan teknologi dan penguasaan bahasa tiap negara, sangat berkembang pesat dan berperan penting dalam kehidupan masyarakat. Setiap orang dituntut untuk menguasai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini akan menjelaskan tentang latar belakang, permasalahan, tujuan, dan ruang lingkup dari penelitian yang dilakukan. Subbab metodologi penelitian akan menjelaskan tahapan-tahapan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 PENDAHULUAN Latar Belakang Mengenali sebuah kata atau kalimat bukanlah hal yang sulit dilakukan bagi manusia Apalagi kata tersebut merupakan Bahasa Utama yang digunakannya sehari-hari Berbagai logat
Lebih terperinciBAB I PENDAHULUAN. pesat dan memberikan beberapa hal-hal baru di dalam dunia Informatika.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi di era globalisasi seperti saat ini sangatlah pesat dan memberikan beberapa hal-hal baru di dalam dunia Informatika. Salah satunya adalah
Lebih terperinciLIP-SYNC KARAKTER ANIMASI MENGGUNAKAN HIDDEN MARKOV MODEL
LIP-SYNC KARAKTER ANIMASI MENGGUNAKAN HIDDEN MARKOV MODEL Mursyidah Dosen Teknik Multimedia dan Jaringan Politeknik Negeri Lhokseumawe E-mail : mursyidahpoli@gmail.com ABSTRAK Ketika berbicara manusia
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN SUARA MENJADI TULISAN MENGGUNAKAN TEORI BAYES DAN MODEL MARKOV
PERANCANGAN PROGRAM PENGENALAN SUARA MENJADI TULISAN MENGGUNAKAN TEORI BAYES DAN MODEL MARKOV 1 Hendriyanto Binus University, Jakarta, DKI Jakarta, Indonesia Abstrak Perkembangan teknologi informasi yang
Lebih terperinciPERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA M. G. J. Harry Khesa S 1, W. Setiawan 2, I.G.A.K. Diafari Djuni H 3 1,2,3 Jurusan Teknik Elektro dan Komputer,
Lebih terperinciDIAGNOSA DISLEKSIA MENGGUNAKAN APLIKASI PREDIKSI KATA
DIAGNOSA DISLEKSIA MENGGUNAKAN APLIKASI PREDIKSI KATA Tri Wahyu Retno Ningsih dan Ichwan Suyudi Universitas Gunadarma Abstrak Aplikasi word prediction adalah suatu alat bantu pengetikan kata secara otomatis
Lebih terperinciBAB I PENDAHULUAN. mendigitalisasi kata yang diucapkan dan mencocokkannya dengan pola yang
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Aplikasi pengenal suara (speech recognizer) adalah sebuah aplikasi yang memungkinkan komputer dapat mengenali kata-kata yang diucapkan dengan cara mendigitalisasi
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 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometric recognition merupakan sistem pengenalan atau identifikasi seseorang berdasarkan karakteristik biologis khusus yang dimiliki oleh orang tersebut. Fungsinya
Lebih terperinciBAB II KAJIAN PUSTAKA. a. Pengertian Pembelajaran Langsung
BAB II KAJIAN PUSTAKA A. Kajian Teori 1. Kajian Pembelajaran Langsung a. Pengertian Pembelajaran Langsung Menurut Arends (1997) model pengajaran langsung adalah salah satu pendekatan mengajar yang dirancang
Lebih terperinciBAB 1 PENDAHULUAN. Saat ini, teknologi komputer telah berkembang dengan pesat dan telah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, teknologi komputer telah berkembang dengan pesat dan telah banyak alat yang diciptakan untuk mendukung penggunaan komputer. Salah satu alat tersebut adalah
Lebih terperinciLAYANAN APLIKASI MEMBUAT PESAN SHORT MESSAGE SERVICE (SMS) BAGI PENYANDANG TUNA AKSARA
Seminar Nasional eknologi Informasi dan Multimedia 2015 SMIK AMIKOM ogyakarta, 6-8 Februari 2015 LAANAN APLIKASI MEMBUA PESAN SHOR MESSAGE SERVICE (SMS) BAGI PENANDANG UNA AKSARA Edwin Ariesto Umbu Malahina
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Perkembangan yang sangat pesat di berbagai bidang infrastruktur komputer seperti peningkatan kekuatan prosesor, semakin besar dan murahnya kapasitas media penyimpanan
Lebih terperinciSuara bisa dibuat database engine untuk pengenalan kata. Dengan aplikasi ini, dapat secara otomatis melakukan transkripsi suara, sehingga dapat mengur
PEMBENTUKAN BASIS DATA UCAPAN DALAM BAHASA INDONESIA DAN PENGKODEANNYA BERDASARKAN LINEAR PREDICTIVE CODING (LPC) Elly Oktarina zonalee_cho@yahoo.com Universitas Gunadarma Jl. Margonda Raya No. 100 Pondok
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh kedalam bagian-bagian komponennya dengan maksud
Lebih terperinciBAB 1 PENDAHULUAN. mengenai makna yang dihubungkan dengan gagasan-gagasan yang diarahkan
BAB 1 PENDAHULUAN A. Latar Belakang Penelitian Berpikir merupakan suatu hal alamiah manusia. Disadari atau tidak, berpikir melekat dalam kehidupan setiap manusia setiap harinya. Secara psikologis, pada
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 terperinciPERANCANGAN PROGRAM APLIKASI MEMBACA SMS MENGGUNAKAN SUARA DENGAN METODE HIDDEN MARKOV MODELS SKRIPSI. oleh : Fransisca Regina PROGRAM GANDA
PERANCANGAN PROGRAM APLIKASI MEMBACA SMS MENGGUNAKAN SUARA DENGAN METODE HIDDEN MARKOV MODELS SKRIPSI oleh : Fransisca Regina 1100008912 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA UNIVERSITAS BINA
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Game yang dibangun merupakan game kuiz edukasi yang didalamnya
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Game yang dibangun merupakan game kuiz edukasi yang didalamnya mengandung pertanyaan-pertanyaan mengenai budaya Indonesia untuk dijawab, dimana
Lebih terperinciPENERAPAN METODE HIDDEN MARKOV MODEL DAN MEL FREQUENCY CEPSTRUM COEFFICIENT DALAM PENGENALAN VOICE COMMAND BERBAHASA INDONESIA KOMPETENSI KOMPUTASI
PENERAPAN METODE HIDDEN MARKOV MODEL DAN MEL FREQUENCY CEPSTRUM COEFFICIENT DALAM PENGENALAN VOICE COMMAND BERBAHASA INDONESIA KOMPETENSI KOMPUTASI SKRIPSI I GEDE ARYA MAHARTA NIM. 1108605025 JURUSAN ILMU
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pengaktifan peralatan elektronik yang berada di dalam rumah biasanya perlu menekan suatu tombol atau saklar. Hal ini kadang membutuhkan penggunaan waktu yang
Lebih terperinciBAB V KESIMPULAN DAN REKOMENDASI
88 BAB V KESIMPULAN DAN REKOMENDASI A. Kesimpulan Hasil yang diperoleh dari pengujian hipotesis menunjukkan bahwa ada pengaruh dari metode multisensori dalam meningkatkan kemampuan membaca dini pada anak
Lebih terperinciOleh : MUFADHOL Staff Pengajar Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang ABSTRACTION :
E-Speaking dan Respondingheads Sebagai Dasar Penggunaan Perintah Suara Pada Sistem Komputer (E Speaking and Respondingheads as Fondation the use of Voice Command on Computer Systems) Oleh : MUFADHOL Email
Lebih terperinciPenerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows
Penerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows 1 Muhammad Anggia Muchtar, 2 Raisha Ariani Sirait, 3 Romi Fadillah Rahmat 1,2,3 Program Studi S1 Teknologi Informasi
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 terperinciAPLIKASI SPEECH TO TEXT BERBAHASA INDONESIA MENGGUNAKAN MEL FREQUENCY CEPSTRAL COEFFICIENTS DAN HIDDEN MARKOV MODEL (HMM)
APLIKASI SPEECH TO TEXT BERBAHASA INDONESIA MENGGUNAKAN MEL FREQUENCY CEPSTRAL COEFFICIENTS DAN HIDDEN MARKOV MODEL (HMM) Eko Widiyanto, Sukmawati Nur Endah, Satriyo Adhy, Sutikno Jurusan Ilmu Komputer/Informatika,
Lebih terperinciJISICOM (Journal of Information System, Informatics and Computing ) APLIKASI PENGENALAN UCAPAN HURUF JEPANG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM)
APLIKASI PENGENALAN UCAPAN HURUF JEPANG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM) Dahlan Abdullah* 1, Cut Ita Erliana* 2 *1 Prodi Teknik Informatika, Universitas Malikussaaleh, Aceh, Indonesia *2 Prodi Teknik
Lebih terperinciBAB I PENDAHULUAN. a. Universal (universality), dimana karakteristik yang dipilih harus dimiliki oleh setiap orang.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berdasar dari ciri atau tanda dari seseorang maka identitas seseorang itu dapat diketahui. Permasalahan yang menyangkut identitas seseorang tersebut dapat dikategorikan
Lebih terperinciPENERAPAN SPEECH RECOGNITION LIBRARY UNTUK QUERY BASIS DATA
PENERAPAN SPEECH RECOGNITION LIBRARY UNTUK QUERY BASIS DATA Herdianto Mahasiswa Teknik Informatika Universitas Bina Darma Jalan Jenderal Ahmad Yani No.12 Palembang Pos-el : herdi.strong@gmail.com Abstract
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dan komunikasi yang semakin berkembang dimana informasi menjadi salah satu aspek yang sangat penting dalam kehidupan. Rumah yang merupakan sebuah
Lebih terperinciMufadhol Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang. Abstract. Keyword : E-Speaking, Respondingheads, Computer,Voice Command.
E-Speaking dan Respondingheads Sebagai Dasar Penggunaan Perintah Suara Pada Sistem Komputer (E-Speaking and Respondingheads as Fondation the use of Voice Command on Computer Systems) Mufadhol Fakultas
Lebih terperinci