IJCCS Vol. x, No. x, July 201x : first_page end_page
|
|
- Sucianty Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1
2 IJCCS Vol x, No x, July 201x : first_page end_page
3 IDENTIFIKASI FREKUENSI SUARA NYAMUK BETINA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM Achmad Lukman Teknik Komputer, STMIK EL RAHMA Yogyakarta Abstract Digital signal processing is the most popular and sizeable positive impact is digital sound processing Digital sound processing can be developed with a variety of application that can facilitate human life, one of research that can be made is the identification of a mosquito noise FFT algorithm is the process to get the value of the fundamental frequency for each type of noise, including the noise of mosquitoes In this research the processes used to obtain the fundamental frequency of mosquitoes, among others, the process of pre-emphasis, frame blocking, windowing and FFT for every type of mosquito noise The results of this research are Aedes aegypti mosquitoes 367 Hz, anopheles mosquitoes 565 Hz and Culex pipiens mosquitoes 331 Hz Keywords FFT, Frame blocking, windowing, pre-emphasis PENDAHULUAN Perkembangan teknologi dalam bidang ilmu komputer khususnya yang mempelajari tentang sinyal processing saat ini semakin banyak dan membawa dampak positif dalam kehidupan manusia Salah satu disiplin ilmu dalam pengolahan sinyal digital yang paling populer dan dampaknya positifnya cukup besar adalah bidang pengolahan suara digital Pengolahan suara digital dapat dikembangkan dengan berbagai aplikasi yang dapat mempermudah kehidupan manusia Salah satu aplikasi yang dapat dibuat adalah pengenalan suara nyamuk Nyamuk adalah hewan kecil yang mempunyai banyak jenis, contohnya nyamuk culex pipens dan mansonia vektor cacing filariasis yang menyebabkan penyakit kuning, cikungunya dan penyakit infeksi lainnya, aedes yang merupakan vektor demam berdarah, dan anopheles yang merupakan vektor malaria [1] Nyamuk mengeluarkan suara dengan kepakan sayapnya baik saat ingin mencari mangsa ataupun pada saat kawin Salah satu menjadi daya tarik penulis untuk melakukan penelitian klasifikasi suara nyamuk disebabkan karena penulis bermaksud mengetahui perbedaan suara nyamuk antara nyamuk aedes aegypti, nyamuk anopheles dan nyamuk culex pipiens Hasil penelitian [3] bahwa kepakan sayap nyamuk aedes aegypti berada pada frekuensi 400Hz sampai 600Hz dan pada saat melakukan duet kawin bisa mencapai frekuensi 1200Hz dan penelitian [4] yang menghasilkan frekuensi nyamuk Culex jantan yang terikat 5424 ± 8160Hz (rata-rata ± standar deviasi; n=20 adalah jumlah nyamuk setiap jenis kelamin ) Untuk culex betina yang terikat 4283 ± 4292 dan pada saat duet kawin bisa mencapai frekuensi 1200Hz untuk harmonisasi frekuensi kedua jenis kelamin METODE PENELITIAN 21 Lokasi penelitian Penelitian dilaksanakan pada laboratrium parasitologi fakultas biologi Univeristas Gajahmada Yogyakarta Adapun sampel yang akan diteliti adalah nyamuk anopheles, nyamuk culex pipiens dan nyamuk aedes aegypti Sampel tersebut adalah hasil praktikum yang telah selesai diamati ditetaskan dan diobservasi oleh mahasiswa Fakultas Biologi Universitas
4 Gajah Mada Yogyakarta sehingga tidak setiap waktu bisa didapatkan sampel ketiga nyamuk tersebut 22 Alat dan bahan 221 Alat Alat yang digunakan dalam penelitian ini berupa, a Aspirator Alat ini digunakan untuk menangkap nyamuk yang telah dikelompokkan didalam masing-masing kandang Alat ini berbentuk seperti Gambar 1 Gambar 1 Aspirator penangkap nyamuk b Microphone Alat ini disambungkan langsung ke laptop dan ujung microphonenya dimasukkan kedalam botol kecil, digunakan untuk mendapatkan suara nyamuk yang akan direkam Microphone berjenis Aiwa WR 601 Terlihat seperti Gambar 2 Gambar 2 Microphone berjenis Aiwa WR 601 c Laptop laptop yang telah dipasang Cooleditpro 20 digunakan untuk merekam suara nyamuk 222 Bahan a Botol kecil Botol kecil kosong berbahan kaca ukuran 250 ml yang akan digunakan untuk menampung nyamuk hasil tangkapan aspirator IJCCS Vol x, No x, July 201x : first_page end_page
5 b Kain kasa Digunakan untuk menutup botol agar sampel nyamuk tidak terbang keluar 23 Prosedur kerja dan pengumpulan data 231 Prosedur kerja Penelitian ini penulis menyusun prosedur kerja untuk pengumpulan data suara nyamuk 1 Menyiapkan alat dan bahan 2 Setiap nyamuk didalam kandang diidentifikasi jenis kelaminnya dengan memasukkan seekor kelinci percobaan kedalam kandang nyamuk dan larutan gula pasir, jika nyamuk menggigit dan menghisap darah kelinci maka diidentifikasi jenis kelamin betina dan jika nyamuk hinggap dilarutan gula pasir maka diidentifikasi jenis kelamin jantan 3 Mengambil nyamuk diidentifikasikan jenis kelamin betina dengan memakai alat aspirator secara perlahan dan menjaga agar nyamuk tidak mengalami stress, jika nyamuk mengalami stress pada saat perekaman nyamuk langsung pingsan dan mati 4 Menempatkan nyamuk satu persatu kedalam botol kecil yang ditutupi kain kasa yang telah dilengkapi microphone didalamnya 5 Melakukan perekaman satu nyamuk satu proses perekaman 232 Pengumpulan data 1 Nyamuk yang telah ditempatkan di botol kecil kemudian direkam suara dengungannya selama 2 detik satu persatu dengan menggunakan software CoolEditpro 20 setelah perekaman selesai nyamuk dilepas kembali kekandang lain yang menandakan nyamuk tersebut telah direkam suaranya 2 Suara nyamuk berupa file wav yang telah direkam dikumpulkan tiap jenis dalam satu folder suara yang bernama DataNyamuk pada laptop Setiap data suara nyamuk dibersihkan dari noise berupa suara latar yang tidak diiinginkan dengan menggunakan software CoolEditpro 20 sehingga benar-benar didapatkan suara nyamuk yang diinginkan 3 Pengumpulan data selesai Identifikasi suara nyamuk betina merupakan proses untuk menentukan frekuensi jenis nyamuk berdasarkan input suara nyamuk yang direkam Secara umum rancangan sistem identifikasi jenis suara nyamuk terlihat pada Gambar 3 Sistem identifikasi jenis suara nyamuk merupakan proses perekaman suara nyamuk betina yang terdiri dari tiga jenis yaitu nyamuk anopheles, nyamuk aedes aegypti dan nyamuk culex Setelah perekaman, dilakukan proses preprosessing untuk membersihkan suara nyamuk dari derau yang tidak diinginkan sehingga suara yang didapatkan sesuai dengan suara nyamuk aslinya Gambar 3 Blog Diagram Proses Identifkasi Jenis Suara Nyamuk Sinyal suara adalah sinyal yang berubah terhadap waktu secara perlahan Menurut [2], dalam bukunya menjelaskan secara detail mengenai proses FFT Penjelasan berikut sesuai dengan blog diagram Gambar 3
6 21 Pre-emphasis Proses pre-emphasis adalah proses yang didesain untuk mengurangi efek tidak baik dari transmisi dan gangguan suara latar [6] Perhitungan proses pre-emphasis dilakukan pada saat sampel sinyal digital suara berada pada domain waktu Adapun perumusan untuk proses pre-emphasis dituliskan : [ ] = [ ] [ 1] (1) di mana, x adalah nilai sinyal digital sebelum proses pre-emphasis y adalah nilai sinyal setelah proses pre-emphasis adalah nilai koefisien pre-emphasis yang berkisar (095 1) Sebagai contoh perhitungan digunakan jumlah contoh data sebanyak 8 titik sampel Data sinyal tersebut adalah (-1598, -2662, -2529, -2195, -1724, -2204, -2319, -2807) Dengan menggunakan persamaan (1) dengan memakai nilai α = 097 diperoleh: Y 0 = Y 1 = (-2662) - (-1598 * 097) = Y 2 = (-2529) - (-2662 * 097) = 5313 Y 3 = (-2195) - (-2529 *097) = Y 4 = (-1724) - (-2195 * 097 ) = Y 5 = (-2204) - (-1724 * 097) = Y 6 = (-2319) - (-2204 * 097) = Y 7 = (-2807) - (-2319 * 097) = Frame Blocking Hasil dari proses pre-emphasis kemudian dipotong-potong menjadi beberapa potongan kecil, setiap potongan tersebut disebut frame Jumlah data dalam satu frame (N) berisi 512 buah Sedangkan jarak antar frame (M) adalah 200 buah Sehingga, jumlah frame (L) untuk data sebanyak 4000 (nilai ini diambil setengah dari frekuensi sampling) dapat dihitung dengan L = (data-(n-m))/m = (4000-( ))/200 = 18 buah frame Sehingga didapatkan hasil sejumlah banyak frame (L) * banyak data dalam satu frame (N) = 18*512= 9216 buah Potongan frame digambarkan seperti Gambar 4 Gambar 4 Frame Blocking IJCCS Vol x, No x, July 201x : first_page end_page
7 2 3 Windowing Proses window ini berfungsi untuk mengurangi diskontinyu pada ujung-ujung frame akibat dari proses framing Persamaan Window Hamming yaitu ( ) = 0,54 0, (2) Window Hamming diperoleh dengan memodifikasi koefisien window Hanning untuk mencegah dengan tepat pada sidelobe pertama, tapi menjadi sangat kurang tepat bernilai nol pada tiap tepi Dengan menggunakan rumus (2) diperoleh hasil sebagai berikut: = cos( ) = 008 untuk data hasil frame blocking yaitu ( , 5313, 25813, 40515, 53172, 18112, 55757, 44879) sehingga, = 008 (111194) = 177 Dengan cara yang sama dilakukan untuk data sampel yang lain, dan diperoleh nilai hasil windowing (-8899, 4258, , , 4299, 14716, 45555, ) 2 4 Fast Fourier Transform Tahapan selanjutnya ialah mengubah tiap frame dari domain waktu ke domain frekuensi FFT adalah algoritma yang mengimplementasikan Discrete Fourier Transform (DFT) Hasil DFT adalah bilangan kompleks dengan persamaan (3) untuk mencari nilai real dan persamaan (4) untuk mencari nilai imaginer ( ) = ( ) ( ) (3) ( ) = ( ) ( ) (4) Keterangan: N = jumlah data, k = 0,1,2,,N/2 dan ( ) = nilai data pada titik kei Proses selanjutnya adalah menghitung nilai magnitude FFT [3] Magnitude dari bilangan kompleks c = a bi adalah ( ) = ( ) = ( ( )) ( ( )) (5) Analisa berdasarkan fourier transform sama artinya dengan analisa spektrum, karena fourier transform merubah signal digital dari time domain ke frequency domain FFT dilakukan dengan membagi N buah titik pada transformasi diskrit menjadi 2, masingmasing (N/2) titik transformasi FFT (Fast Fourier Transform) adalah teknik perhitungan cepat dari DFT FFT adalah DFT dengan teknik perhitungan yang cepat dengan memanfaatkan sifat periodikal dari transformasi fourier dengan memakai persamaan (3), (4) dan persamaan (5) seperti terlihat pada Gambar 5
8 Gambar 5 Proses Fast Fourier Transformation Pada Gambar 5 terdapat 2000 titik frekuensi dari setengah frekuensi sampling yaitu 4000Hz Tujuan dari FFT ini adalah untuk mendapatkan informasi spektrum frekuensi pada seluruh nilai amplitudo yang telah melalui proses windowing Diketahui sinyal hasil windowing : (-8899, 4258, , , 4299, 14716, 45555, ) Untuk F 0, maka diperoleh perhitungan sebagai berikut : ( ) = Dengan menggunakan rumus = j = ( ) = [ ] / = = Didapat nilai f 0 = dan dengan cara yang sama dilakukan pada tujuh data sinyal lainnya Sehingga diperoleh data sinyal FFT adalah ( , , , , , , ), sehingga untuk menentukan frekuensi utama dari sebuah sinyal suara nyamuk dengan melihat angka frekuensi yang nilai magnitudonya tertinggi IJCCS Vol x, No x, July 201x : first_page end_page
9 HASIL DAN PEMBAHASAN Pengukuran unjuk kerja dari sistem klasifikasi nyamuk berdasarkan suaranya dengan mencari persentase kesalahan pencocokan yang menyatakan probabilitas terjadinya kesalahan pada sistem Pada pengujian ini penulis menggunakan 3 jenis nyamuk betina yaitu Anopheles, Aedes Aegypti dan Culex Pipiens dengan masing-masing 1 sampel suara untuk pengujian 31 Analisa frekuensi Masing-Masing Jenis Nyamuk Pengujian frekuensi dilakukan dengan menggunakan masing-masing sampel satu jenis nyamuk yang hasilnya dapat dilihat pada Tabel 1 Tabel 1 Pengujian Frekuensi Tiga Jenis Nyamuk Jenis Nyamuk Frekuensi (Hz) Aedes Aegypti 367 Anopheles 565 Culex Pipiens 331 Dari Tabel 1 terlihat bahwa hasil pengujian frekuensi tiga jenis nyamuk masing-masing dengan satu sampel acak Secara detail pengujian frekuensi dasar suara jenis nyamuk diperlihatkan pada Gambar 6, 7 dan 8 Gambar 6 Algoritma FFT untuk Suara Anopheles Betina Pada pengujian satu ekor nyamuk anopheles betina memperlihatkan grafik frekwensi yang dihasilkan berada pada level 565 Hz Nilai frekuensi diambil dengan melihat nilai magnitudo tertinggi pada saat titik frekuensi seperti terlihat pada Gambar 6
10 Gambar 7 Algoritma FFT untuk Suara Aedes aegypti Betina Pada pengujian satu ekor nyamuk Aedes Aegypti betina memperlihatkan grafik frekwensi yang dihasilkan berada pada level 367 Hz Gambar 8 Algoritma FFT untuk Suara Culex Betina Hasil Pengujian didapatkan dengan merekam satu ekor setiap jenis dari nyamuk betina yang didapatkan sehingga terlihat perbedaan masing-masing nyamuk yaitu memiliki frekuensi dasar yang dikeluarkan pada saat terbang baik untuk mencari mangsa maupun untuk mencari tempat bertelur Nyamuk aedes aegypti betina dan nyamuk culex pipiens frekuensi yang dikeluarkan berkisar 300an Hz sedangkan untuk nyamuk anopheles frekuensi yang dikeluarkan mencapai 500an Hz Hasil pengujian pada Tabel 1 sedikit jauh berbeda dengan hasil penelitian Warren [6], yang menyebutkan bahwa culex betina yang terikat frekuensi sinyal suara berkisar antara 4283 ± 4292 serta hasil penelitian [7], yang menghasilkan frekuensi dasar nyamuk aedes aegypti berkisar 400Hz Perekaman sinyal suara nyamuk yang penulis lakukan di dalam botol sedangkan perekaman yang dilakukan [6] dan [7] dilakukan pada kondisi terbuka IJCCS Vol x, No x, July 201x : first_page end_page
11 didalam laboratorium kemudian sampel nyamuk tersebut direkatkan kepalanya pada sebuah jarum kecil KESIMPULAN Hasil pengujian frekuensi dasar pada 3 jenis nyamuk betina yaitu nyamuk aedes aegypti 367 Hz, nyamuk anopheles 565 Hz dan nyamuk culex pipiens 331 Hz sehingga dapat disimpulkan bahwa untuk frekuensi terbang nyamuk betina aedes aegypti dan culex pipiens berkisar 300an Hz sedangkan untuk frekuensi terbang nyamuk anopheles berkisar 500an Hz SARAN Rencana penelitian kedepan untuk meningkatkan sistem klasifikasi nyamuk berdasarkan suaranya ada beberapa metode yang dapat diterapkan 1 Microphone yang sangat senstitif dan ruang yang sangat tenang dapat membantu pengambilan suara nyamuk sehingga perlu dipikirkan untuk penelitian selanjutnya 2 Pembuatan perangkat keras elektronika khusus untuk proses mendukung penelitian klasifikasi nyamuk berdasarkan suaranya 3 Penambahan jenis sampel nyamuk sebaiknya dilakukan untuk melihat kecendrungan frekuensi setiap nyamuk DAFTAR PUSTAKA [1] Suwito, A, 2007, Keanekaragaman jenis nyamuk (Diptera: Culicidae) yang dikoleksi dari tunggul bambu Taman Nasional Gn Gede-Pangrango dan Taman Nasional Gn Halimun Zoo Indonesia Vol 16 (1): [2] Jurafsky, D, & Martin, JH, Speech and Language Processing: An introduction to natural language processing, computational linguistics, and speech recognition Draft of June 25, [3] Lyons R G, 2001 Understanding Digital Signal Processing Prentice Hall PTR Canada [4] 2007Lauren J C, Ben J A, Laura CH, and Ronald R H, harmonic convergence in the love songs of the Dengue Vector Mosquito, Published Online 8 January 2009 Science 20 February 2009:Vol 323 no 5917 pp DOI: /science [5] Rabiner, LR, A Tutorial on Hidden Markov Model and Selected Applications in Speech Recognition, Proceeding IEEE 77/2 (1989) 257 [6] Warren, B, Gibson, G,Russel JI, 2009 Sex recognition through Midflight Mating Duets in Culex Mosquitoes Current Biology 19 March 24, 2009 [7] Lauren J C, Ben J A, Laura CH, and Ronald R H, harmonic convergence in the love songs of the Dengue Vector Mosquito, Published Online 8 January 2009 Science 20 February 2009:Vol 323 no 5917 pp DOI: /science
IDENTIFIKASI NYAMUK CULEX DAN AEDES AEGYPTI BETINA MENGGUNAKAN LINIER PREDICTIVE CODING DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI NYAMUK CULEX DAN AEDES AEGYPTI BETINA MENGGUNAKAN LINIER PREDICTIVE CODING DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Achmad Lukman 1), Wahju Tjahjo Saputro 2) 1) Teknik Informatika
Lebih terperinciIDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY
IDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY Erni Seniwati 1), Ninik Tri Hartanti 2) 1 Sistem Informasi, STMIK Amikom erni.s@amikom.ac.id 2 Sistem Informasi, STMIK Amikom
Lebih 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 terperinciPENGENALAN NADA SULING REKORDER MENGGUNAKAN FUNGSI JARAK CHEBYSHEV
PENGENALAN NADA SULING REKORDER MENGGUNAKAN FUNGSI JARAK CHEBYSHEV Marianus Hendra Wijaya 1), Linggo Sumarno 2) 1) Program Studi Teknik Elektro Fakultas Sains dan Teknologi Universtas Sanata Dharma Yogyakarta
Lebih terperinciIDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK Ade Fruandta dan Agus Buono Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Jl. Meranti
Lebih 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 terperinciMETODE PENELITIAN Waktu dan Tempat Penelitian Alat dan Bahan Pengadaan dan Pemeliharaan Nyamuk Aedes aegypti Pemeliharaan Nyamuk Aedes aegypti
14 METODE PENELITIAN Waktu dan Tempat Penelitian Penelitian ini dilaksanakan selama tujuh bulan mulai dari bulan Juli 2011 hingga Februari 2012, penelitian dilakukan di Insektarium Bagian Parasitologi
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Manusia dianugrahi oleh Tuhan dua telinga yang memiliki fungsi untuk menangkap sinyal-sinyal suara. Namun untuk mengoptimalkan dari fungsi telinga tersebut manusia harus belajar
Lebih 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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada masa sekarang, Digital Signal Processing (DSP) atau pemrosesan sinyal digital sudah banyak diterapkan di berbagai bidang karena data dalam bentuk digital
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 terperinciPENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM
PENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM Agustina Trifena Dame Saragih 1, Achmad Rizal 2, Rita Magdalena 3 Departemen Teknik Elektro Institut Teknologi Telkom Jl.
Lebih terperinciSistem Verifikasi Penutur menggunakan Metode Mel Frequensi.
SISTEM VERIFIKASI PENUTUR MENGGUNAKAN METODA MEL FREQUENCY CEPSTRAL COEFFICIENTS-VECTOR QUANTISATION (MFCC-VQ) SERTA SUM SQUARE ERROR (SSE) DAN PENGENALAN KATA MENGGUNAKAN METODA LOGIKA FUZZY Oleh : Atik
Lebih 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 terperinciAplikasi Teknik Speech Recognition pada Voice Dial Telephone
Aplikasi Teknik Speech Recognition pada Voice Dial Telephone Oleh: Ahmad Irfan Abdul Rahman Tri Budi Santoso Titon Dutono Laboratorium Sinyal, Politeknik Elektronika Negeri Surabaya (PENS) Institut Teknologi
Lebih terperinciAPLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER
APLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER Leo Willyanto Santoso 1, Resmana Lim 2, Rony Sulistio 3 1, 3 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciBAB I PENDAHULUAN. manusia satu dengan manusia lainnya berbeda-beda intonasi dan nadanya, maka
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Suara adalah suatu alat komunikasi paling utama yang dimiliki oleh manusia. Dengan suara, manusia dapat berkomunikasi dengan manusia lainnya. Melalui suara,
Lebih terperinci1. Pendahuluan Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Musik merupakan sarana untuk menyimpan hasil karya seseorang. Dan hampir semua notasi musik dituliskan ke dalam not balok. Not balok adalah susunan nada yang ditulis
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 terperinciPengenalan Fonem Vokal Bahasa Jawa Mataraman Menggunakan Metode Liner Predictive Model Dan Hidden Markov Model
Pengenalan Fonem Vokal Bahasa Jawa Mataraman Menggunakan Metode Liner Predictive Model Dan Hidden Markov Model Ziaul Haq, Teknik Informatika S1,Universitas Dian Nuswantoro Semarang Abstract Pengenalan
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 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 terperinci2.4. Vector Quantization Kebisingan BAB III METODOLOGI PENELITIAN Desain Penelitian Requirements Definition...
DAFTAR ISI PERNYATAAN... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iii ABSTRAK... v ABSTRACT... vi DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xii BAB I PENDAHULUAN...
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 terperinciPengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI.
Pengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI. Tujuan Tujuan dari penelitian ini adalah untuk mengidentifikasi
Lebih terperinciSOUND CONVERSION USING FAST FOURIER TRANSFORM ALGORITM
SOUND CONVERSION USING FAST FOURIER TRANSFORM ALGORITM Tan FerrdyHendrawan Program Studi Teknik Informatika, Universitas Katolik Soegijapranata f3rrdy.hendrawan@gmail.com Abstract The goal of voice conversion
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Informasi tentang pemasangan iklan di suatu radio (antara lain mengenai, jam berapa suatu iklan ditayangkan, dalam sehari berapa kali suatu iklan ditayangkan dan berapa
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 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 terperinciIMPLEMENTASI DYNAMIC TIME WARPING UNTUK VOICE RECOGNITION
IMPLEMENTASI DYNAMIC TIME WARPING UNTUK VOICE RECOGNITION TUGAS AKHIR Diajukan Untuk Memenuhi Sebagian Persyaratan Dalam Memperoleh Gelar Sarjana Komputer Jurusan Teknik Informatika Disusun oleh : PAULA
Lebih terperinciHASIL DAN PEMBAHASAN Perilaku Kawin
HASIL DAN PEMBAHASAN Perilaku Kawin Pengamatan perilaku kawin nyamuk diamati dari tiga kandang, kandang pertama berisi seekor nyamuk betina Aedes aegypti dengan seekor nyamuk jantan Aedes aegypti, kandang
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Genre musik adalah pengelompokan musik sesuai dengan kemiripan satu dengan yang lain, seperti kemiripan dalam hal frekuensi musik, struktur ritmik, dan konten harmoni. Genre
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 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 terperinciAPLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT
APLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT DAN LINEAR VECTOR QUANTIZATION UNTUK PENGENDALIAN GERAK ROBOT Anggoro Wicaksono, Sukmawati NE, Satriyo Adhy,
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 terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
21 PERANGKAT LUNAK UNTUK MEMBUKA APLIKASI PADA KOMPUTER DENGAN PERINTAH SUARA MENGGUNAKAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENTS Anna Dara Andriana Program Studi Teknik Informatika Fakultas Teknik
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 terperinciSeminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016
IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM DAN MEAN SQUARE PERCENTAGE ERROR UNTUK MENGHITUNG PERUBAHAN SPEKTRUM SUARA SETELAH MENGGUNAKAN FILTER PRE-EMPHASIS Fitri Mintarsih 1, Rizal Bahaweres 2, Ricky
Lebih terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN METODE PENDEKATAN SUBRUANG ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN METODE PENDEKATAN SUBRUANG David Paroki Butarbutar / 0322138 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian Penelitian ini dilakukan dengan menggunakan satu set komputer dengan prosesor berkecepatan 1,18 GHz,
Lebih terperinciMODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA
MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara dengan menggunakan perangkat lunak. II. DASAR TEORI 2.1. Energi Suatu
Lebih terperinciPerbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) ABSTRAK
Perbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) Bogerson/0322076 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciBAB I PENDAHULUAN. I.1 Latar Belakang. Nyamuk merupakan salah satu golongan serangga yang. dapat menimbulkan masalah pada manusia karena berperan
BAB I PENDAHULUAN I.1 Latar Belakang Nyamuk merupakan salah satu golongan serangga yang dapat menimbulkan masalah pada manusia karena berperan sebagai vektor penyakit seperti demam berdarah dengue (DBD),
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 Speech Recognition Manusia dengan Menggunakan Average Energy dan Silent Ratio Sebagai Feature Extraction Suara pada Komputer
Identifikasi Speech Recognition Manusia dengan Menggunakan Average Energy dan Silent Ratio Sebagai Feature Extraction Suara pada Komputer Identification Human speech recognition using Average energy and
Lebih terperinciMODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA
MODUL PENGHIUNGAN ENERGI PADA SINYAL WICARA I. UJUAN - Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara dengan menggunakan perangkat lunak. II. DASAR EORI.1. Energi Suatu Sinyal
Lebih terperinciMODUL 5 EKSTRAKSI CIRI SINYAL WICARA
MODUL 5 EKSTRAKSI CIRI SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan estimasi frekuensi fundamental sinyal wicara dari pengamatan spektrumnya dan bentuk gelombangnya - Mahasiswa mampu menggambarkan
Lebih terperinciPENDAHULUAN Tujuan Latar Belakang Ruang Lingkup Manfaat Penelitian TINJAUAN PUSTAKA Nada dan Chord Gitar
PENDAHULUAN Latar Belakang Sistem pendengaran manusia memiliki kemampuan yang luar biasa dalam menangkap dan mengenali sinyal suara. Dalam mengenali sebuah kata ataupun kalimat bukanlah hal yang sulit
Lebih terperinciPENDETEKSIAN TINGKAT USIA MUDA, DEWASA DAN TUA MENGGUNAKAN METODE MFCC DAN FUZZY LOGIC BERBASISKAN SPEECH RECOGNITION
PENDETEKSIAN TINGKAT USIA MUDA, DEWASA DAN TUA MENGGUNAKAN METODE MFCC DAN FUZZY LOGIC BERBASISKAN SPEECH RECOGNITION DETECTION OF THE LEVEL OF YOUTH, ADULTS AND ELDERLY BY USING MFCC METHOD AND FUZZY
Lebih terperinciSeminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN:
Perintah Suara Berbahasa Indonesia untuk Membuka dan Menutup Aplikasi dalam Sistem Operasi Windows Menggunakan Metode Mel Frequency Cepstrum Coefficient dan Metode Backpropagation Zakaria Ramadhan 1, Sukmawati
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 terperinciPENGENALAN UCAPAN DENGAN METODE FFT PADA MIKROKONTROLER ATMEGA32. Disusun Oleh : Nama : Rizki Septamara Nrp :
PENGENALAN UCAPAN DENGAN METODE FFT PADA MIKROKONTROLER ATMEGA32 Disusun Oleh : Nama : Rizki Septamara Nrp : 0622034 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria
Lebih terperinciJony Sitepu/ ABSTRAK
PERBANDINGAN ESTIMASI SELUBUNG SPEKTRAL DARI BUNYI VOICED MENGGUNAKAN METODE AUTO-REGRESSIVE (AR) DENGAN OPTIMIZATION OF THE LIKELIHOOD CRITERION (OLC) Jony Sitepu/0422166 Jurusan Teknik Elektro, Fakultas
Lebih terperinciBAB III PERANCANGAN PERANGKAT LUNAK MENENTUKAN JENIS KAWANAN IKAN, JARAK KAWANAN IKAN, DAN POSISI KAPAL
xxxi BAB III PERANCANGAN PERANGKAT LUNAK MENENTUKAN JENIS KAWANAN IKAN, JARAK KAWANAN IKAN, DAN POSISI KAPAL Perangkat lunak pengenal gelombang perubahan fasa ini dilakukan dengan menggunakan komputer
Lebih terperinciAPLIKASI PENGENALAN SUARA UNTUK SIMULASI PENGUNCI PINTU ABSTRAK
APLIKASI PENGENALAN SUARA UNTUK SIMULASI PENGUNCI PINTU Stephanus Arnold / 0222021 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jln. Prof. Drg. Surya Sumantri 65, Bandung 40164,
Lebih terperinciJurnal Komputer Terapan Vol. 1, No. 2, November 2015, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 1, No. 2, November 2015, 121-132 121 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Aplikasi Pengenalan Ucapan Dengan Ekstraksi Ciri Mel- Frequency Cepstrum Coefficients
Lebih terperinciEKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON
EKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON Nurmasyitah 1, Mursyidah 2, Jamilah 3 Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknologi Informasi dan Komputer, Politeknik
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 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 terperinciPerbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan Metode Berbasis Amplitudo
Tersedia secara online di: http://journal.ipb.ac.id/index.php.jika Volume 2 Nomor 1 halaman 29-37 ISSN: 2089-6026 Perbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan
Lebih terperinciPENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA. Albertus D Yonathan A / ABSTRAK
PENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA Albertus D Yonathan A / 0422001 y0y02k4@gmail.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri 65 Bandung 40164, Indonesia
Lebih terperinciLAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA. Disusun Oleh : Inggi Rizki Fatryana ( )
LAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA Disusun Oleh : Inggi Rizki Fatryana (1210147002) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya 2014-2015
Lebih terperinciLAPORAN PRAKTIKUM DSP
LAPORAN PRAKTIKUM DSP MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA Disusun Oleh : Yuli Yuliantini (121014 7021) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya Surabaya 2015
Lebih terperinciSISTEM PENGENALAN CHORD PADA FILE MUSIK DIGITAL DENGAN MENGGUNAKAN PITCH CLASS PROFILES DAN HIDDEN MARKOV MODEL. Ivanna K. Timotius, Adhi Prayogo
SISTEM PENGENALAN CHORD PADA FILE MUSIK DIGITAL DENGAN MENGGUNAKAN PITCH CLASS PROFILES DAN HIDDEN MARKOV MODEL Fakultas Teknik Elektronika dan Komputer, Program Studi Teknik Elektro, Universitas Kristen
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 terperinciDeteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice
Jurnal Teknik Elektro dan Komputer, Vol.I, No.2, Oktober 21, 125-129 125 Deteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice Luqman Hakim Program Studi Teknik Mekatronika,
Lebih terperinciABSTRAK. Kata kunci: biola, Fast Fourier Transform, konversi, nada, not balok. vi Universitas Kristen Maranatha
ABSTRAK Musik merupakan suatu sarana yang dapat membantu manusia dalam menyimpan dan mengapresiasi karyanya dan biasanya digambarkan dalam bentuk notasi balok dengan unsur-unsur paranada, garis birama,
Lebih terperinciAplikasi Pengolahan Suara untuk Request Lagu
Aplikasi Pengolahan Suara untuk Request Lagu Achmad Basuki [1], Miftahul Huda [2], Tria Silvie Amalia [1] [1] Jurusan Teknologi Informasi [2] Jurusan Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciAPLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR MOBIL DENGAN PENGENDALI JARAK JAUH
APLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR MOBIL DENGAN PENGENDALI JARAK JAUH Muh. Widyanto Tri Saksono*, Achmad Hidayatno, ST, MT **, Ajub Ajulian Z, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciPengenalan Karakter Suara Laki-Laki Aceh Menggunakan Metode FFT (Fast Fourier Transform)
Pengenalan Karakter Suara Laki-Laki Menggunakan Metode FFT (Fast Fourier Transform) Mursyidah 1, Jamilah 2, Zayya 3 Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknologi Informasi dan Komputer,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Dalam proses pembuatan suatu sistem harus dilakukan penelitian dan penganalisaan tentang sistem yang akan dibangun, berikut adalah beberapa analisis
Lebih terperinciPENGENALAN SUARA MENGGUNAKAN POHON KEPUTUSAN RELASI ACAK. Disusun Oleh:
PENGENALAN SUARA MENGGUNAKAN POHON KEPUTUSAN RELASI ACAK Disusun Oleh: Nama : Simon Petro Sianiapar Nrp : 0422098 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria
Lebih terperinciSISTEM PENILAIAN BERDASARKAN TEPUK TANGAN MENGGUNAKAN MFCC DAN CODEBOOK PUSPITA KARTIKA SARI
SISTEM PENILAIAN BERDASARKAN TEPUK TANGAN MENGGUNAKAN MFCC DAN CODEBOOK PUSPITA KARTIKA SARI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN
Lebih terperinciIII. METODE PENELITIAN. Penelitian penentuan daya tolak ekstrak daun sirih (Piper bettle L.) terhadap
III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian penentuan daya tolak ekstrak daun sirih (Piper bettle L.) terhadap nyamuk Ae. aegypti ini dilakukan pada bulan Maret 2010 yang meliputi
Lebih terperinciSISTEM PENGOLAHAN SUARA MENGGUNAKAN ALGORITMA FFT (FAST FOURIER TRANSFORM)
SISTEM PENGOLAHAN SUARA MENGGUNAKAN ALGORITMA FFT (FAST FOURIER TRANSFORM) Harun Sujadi 1, Ii Sopiandi 2, Agis Mutaqin 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Majalengka
Lebih terperinciSIMULASI SISTEM PENGACAKAN SINYAL SUARA SECARA REALTIME BERBASIS FAST FOURIER TRANSFORM (FFT)
ELECTRICAL Jurnal Rekayasa dan Teknologi Elektro 192 SIMULASI SISTEM PENGACAKAN SINYAL SUARA SECARA REALTIME BERBASIS FAST FOURIER TRANSFORM (FFT) Prativi Nugraheni Hanggarsari, Helmy Fitriawan, Yetti
Lebih terperinciAnalisis Nyamuk Vektor Filariasis Di Tiga Kecamatan Kabupaten Pidie Nanggroe Aceh Darussalam
Analisis Nyamuk Vektor Filariasis Di Tiga Kecamatan Kabupaten Pidie Nanggroe Aceh Darussalam (The Analysis of Mosquitoes as The Vector of Filariasis at Pidie District Nanggroe Aceh Darussalam) Fauziah
Lebih terperinciWarble Of Lovebird Classification Using Mel Frequency Cepstral Coefficient (MFCC)
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 2968 KLASIFIKASI SUARA LOVEBIRD DENGAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT (MFCC) DAN FUZZY LOGIC Warble Of Lovebird Classification
Lebih terperinciAktifasi Peralatan Elektronik Berbasis Suara Menggunakan Android
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 537 Aktifasi Peralatan Elektronik Berbasis Suara Menggunakan Android Regilang Monyka Putra *), Firdaus **), Mohammad Hafiz Hersyah
Lebih terperinciHASIL DAN PEMBAHASAN
19 HASIL DAN PEMBAHASAN Jumlah Telur Nyamuk Aedes aegypti yang telah diberikan pakan darah akan menghasilkan sejumlah telur. Telur-telur tersebut dihitung dan disimpan menurut siklus gonotrofik. Jumlah
Lebih terperinciIII. METODE PENELITIAN. Penelitian daya tolak ekstrak daun pandan wangi (P. amaryllifolius) terhadap
21 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian daya tolak ekstrak daun pandan wangi (P. amaryllifolius) terhadap nyamuk Ae. aegypti dilakukan pada bulan Maret 2010 dilakukan di laboratorium
Lebih terperincii. Perangkat Keras Prosesor Intel Pentium(R) Dual-Core CPU 2.20 GHz
Data yang pada awalnya berupa chanel stereo diubah ke dalam chanel mono. Kemudian data tersebut disimpan dengan file berekstensi WAV. Praproses Pada tahap ini dilakukan ekstraksi ciri menggunakan metode
Lebih terperinciBAB I PENDAHULUAN SIMULASI DAN ANALISIS PEMANTAUAN KAMAR PASIEN RAWAT INAP DENGAN DETEKSI DAN KLASIFIKASI SINYAL AUDIO 1
BAB I PENDAHULUAN 1.1 Latar Belakang Pasien rawat inap di rumah sakit membutuhkan perawatan yang intensif dari dokter atau perawat. Hal ini dilakukan dengan memantau kesehatan pasien secara fisik dan psikologi
Lebih terperinciPerbandingan Ekstraksi Ciri Full, Blocks, dan Row Mean Spectrogram Image Dalam Mengidentifikasi Pembicara
IJCCS, Vol.8, No.2, July 2014, pp. 155~164 ISSN: 1978-1520 155 Perbandingan Ekstraksi Ciri Full, Blocks, dan Row Mean Spectrogram Image Dalam Mengidentifikasi Pembicara La Ode Hasnuddin S Sagala *1, Agus
Lebih terperinciAplikasi Pengolahan Suara untuk Request Lagu
Aplikasi Pengolahan Suara untuk Request Lagu Achmad Basuki [1], Miftahul Huda [2], Tria Silvie Amalia [1] [1] Jurusan Teknologi Informasi [2] Jurusan Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciAnalisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT)
Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT) Putri Madona Jurusan Teknik Elektro Program Studi Teknik Elektronika Politeknik Caltex Riau Pekanbaru,
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 terperinciSIMULASI DAN ANALISIS KLASIFIKASI GENRE MUSIK BERBASIS FFT DAN CONTINOUS DENSITY HIDDEN MARKOV MODEL
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 262 SIMULASI DAN ANALISIS KLASIFIKASI GENRE MUSIK BERBASIS FFT DAN CONTINOUS DENSITY HIDDEN MARKOV MODEL SIMULATION AND ANALYSIS
Lebih terperinciBAHAN DAN METODE Lokasi dan Waktu Penelitian Metode Penelitian Pengamatan Tempat Perindukan Aedes
17 BAHAN DAN METODE Lokasi dan Waktu Penelitian Pengambilan sampel dilakukan di Kelurahan Utan Kayu Utara Jakarta Timur sebagai studi bioekologi nyamuk di daerah yang endemik DBD. Pelaksanaan penelitian
Lebih terperinciDigital Audio Watermarking dengan Fast Fourier Transform
Digital Audio Watermarking dengan Fast Fourier Transform Otniel 13508108 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBab 3. Perancangan Sistem
34 Bab 3 Perancangan Sistem 3.1 Gambaran Umum Sistem Aplikasi yang kami namakan Voice Protect ini, mempunyai alur program sebagai berikut: Start Enkripsi Dekripsi Pilih File Buka file enkripsi Rekam Suara
Lebih terperinciDigital Signal Processing To Identify chords Singer Using Mel Frequency Cepstral Coefficients (MFCC) and Neural Network Backpropagation Methods
Pemrosesan Sinyal DigitalUntuk Mengidentifikasi Akord Dasar Penyanyi Dengan Metode Mel Frequency Cepstral Coeficients (MFCC) Dan Jaringan Syaraf Tiruan Backpropagation Digital Signal Processing To Identify
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciSISTEM AKSES BUKU PERPUSTAKAAN JURUSAN TEKNIK ELEKTRO UNIVERSITAS ANDALAS MENGGUNAKAN APLIKASI PENGENALAN WICARA DENGAN METODA MFCC-VQ dan SSE
SISTEM AKSES BUKU PERPUSTAKAAN JURUSAN TEKNIK ELEKTRO UNIVERSITAS ANDALAS MENGGUNAKAN APLIKASI PENGENALAN WICARA DENGAN METODA MFCC-VQ dan SSE TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Menyelesaikan
Lebih terperinciAPLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR KECEPATAN PUTARAN KIPAS ANGIN
APLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR KECEPATAN PUTARAN KIPAS ANGIN Riva Anggara Yudha*, Achmad Hidayatno, ST, MT **, Ajub Ajulian Z, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciIdentifikasi Suara Vokal Suku Banjar Berdasarkan Frekuensi Formant
Identifikasi Suara Vokal Suku Banjar Berdasarkan Frekuensi Formant Arfan Eko Fahrudin 1), Nofida Risna Diyanti 2) dan Tetti Novalina Manik 1) Abstrak: Telah dibuat program untuk mengidentifikasi suara
Lebih terperinciUNIVERSITAS INDONESIA ANALISIS DAN PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN JENIS IKAN SECARA REAL-TIME DENGAN MENGGUNAKAN METODA HIDDEN MARKOV
UNIVERSITAS INDONESIA ANALISIS DAN PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN JENIS IKAN SECARA REAL-TIME DENGAN MENGGUNAKAN METODA HIDDEN MARKOV SKRIPSI YUNANTO WIDYATMAJI 0404030881 FAKULTAS TEKNIK
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 terperinci