Rancang Bangun Modul Pengenalan Suara Menggunakan Teknologi Kinect
|
|
- Dewi Sucianty Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1 Rancang Bangun Modul Pengenalan Suara Menggunakan Teknologi Kinect Ratri Cahyarini, Umi Laili Yuhana, dan Abdul Munif Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya Indonesia yuhana@its-sby.edu Abstrak Saat ini perkembangan teknologi pengenalan suara telah banyak dikembangkan. Salah satunya adalah teknologi pengenalan suara menggunakan Kinect. Kinect telah mampu mengenali beberapa bahasa, tetapi tidak dengan bahasa Indonesia. Maka dikembangkanlah modul pengenalan suara berbahasa Indonesia menggunakan teknologi Kinect. Modul pengenalan suara ini dibangun menggunakan teknologi Kinect. Adapun tahap awal pengembangan modul ini adalah pembuatan fungsi deteksi suara. Setelah itu akan dicari ciri khusus (feature vector) dari suara dengan menggunakan metode Linear Predictive Coding (LPC). Hal ini bertujuan untuk membedakan suara yang satu dengan yang lain. Setelah itu dilakukan klasifikasi data feature vector menjadi beberapa kelas dengan metode Support Vector Machine (SVM). Kemudian proses pelatihan data kata dapat dilakukan. Proses pengenalan suara sendiri dapat dilakukan dengan mencari probabilitas kata yang paling tinggi dengan kata yang diucapkan pengguna menggunakan metode Hidden Markov Model (HMM). Dari pengujian yang telah dilakukan terhadap 16 buah kata, didapatkan hasil bahwa proses pengenalan kata berhasil dilakukan dengan rata-rata persentase pengenalan 51,25%. Kata kunci HMM, Kinect, LPC, Pengenalan Suara, SVM. I. PENDAHULUAN INECT adalah teknologi sensor gerak yang Kdikembangkan oleh Microsoft. Microsoft sendiri telah mengembangkan Kinect untuk dapat digunakan tidak hanya untuk mendeteksi gerak yang telah umum dilakukan, namun juga sebagai media pengenalan suara. Sayangnya, Kinect belum dilengkapi dengan pengenalan suara berbahasa Indonesia. Untuk itulah dikembangkan modul pengenalan suara berbahasa Indonesia menggunakan Kinect. Pada modul ini nantinya masukan berupa suara yang diucapkan oleh pengguna akan diterjemahkan dan diperiksa ketepatannya dengan masukan kata. Aplikasi pengenalan suara sendiri telah banyak dimanfaatkan dalam berbagai bidang. Salah satunya sebagai media pembelajaran dalam mengucapkan kata. Adapun salah satu pengguna yang membutuhkan media pembelajaran pengucapan kata adalah penderita tunarungu. Penderita tunarungu merupakan orang yang kehilangan kemampuan mendengar baik secara keseluruhan maupun hanya sebagian. Penderita tunarungu pada dasarnya masih memiliki kemampuan berbicara, namun keadaan masyarakat yang kurang memahami hal ini mengakibatkan pembelajaran berbicara bagi penderita tunarungu kurang diterapkan. Hal inilah yang menyebabkan kebanyakan penderita tunarungu juga mengalami tunawicara. Guna mendukung proses pembelajaran penderita tunarungu untuk berbicara secara lisan, maka modul pengenalan suara menggunakan teknologi Kinect yang dikembangkan ini akan diimplementasikan untuk melengkapi aplikasi pembelajaran pengucapan bagi tunarungu menggunakan teknlogi Kinect [1]. Modul ini berguna untuk memeriksa apakah kata yang diucapkan oleh penderita tunarungu sudah seperti orang normal. II. TINJAUAN PUSTAKA A. Kinect Kinect merupakan sensor gerak yang dikembangan oleh Microsoft untuk video game console Xbox dan komputer dengan sistem operasi Windows. Kinect dapat menginterpretasikan gesture secara spesifik, sehingga pengguna dapat melakukan kontrol tanpa menyentuh game controller [2]. Saat ini, Kinect sudah dilengkapi dengan speech recognition/pendeteksian suara. Namun, bahasa yang dapat dideteksi masih meliputi bahasa Inggris, Perancis, Spanyol, Italia, dan Jepang [3]. Sensor Kinect memiliki tiga bagian [4], yaitu: 1. Kamera RGB 2. Sensor kedalaman 3. Mikrofon Untuk menjalankan fungsi sebagai sensor suara, Kinect memiliki multi-array microphones yang terdiri dari empat mikrofon untuk menyimpan suara dari pengguna. Mikrofon inilah yang nantinya akan menangkap suara untuk kemudian diproses lebih lanjut. Kinect memiliki Analog to Digital Converter (ADC). Dengan adanya ADC, maka tahap pengolahan sinyal suara yang masuk akan berkurang. Karena pada umumnya proses pengenalan suara dilakukan dengan mikrofon biasa dan menghasilkan sinyal analog. B. Microsoft Kinect SDK Kinect SDK merupakan sebuah perangkat lunak yang digunakan untuk membantu pengembang perangkat lunak dalam mengembangkan aplikasi yang dikembangkan menggunakan sensor Kinect. Kinect SDK memiliki beberapa fitur [5], sebagai berikut: 1. Raw sensor stream Akses low level dari sensor sensor pada Kinect yang terdiri dari kamera RGB, sensor kedalaman, dan mikrofon.
2 JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 2 2. Skeletal tracking Akses untuk mendeteksi gambar kerangka dari satu atau dua pemain yang ada pada jangkauan Kinect. Dengan adanya skeletal tracking ini Kinect telah dapat mendeteksi sendi-sendi pada kerangka manusia. 3. Advance audio capabilities Memiliki integrasi dengan Windows speech recognition API. Di mana Kinect telah dapat mengenali beberapa bahasa, seperti Inggris, Jepang, Korea, Italia, Spanyol, dan Jerman. Selain itu Kinect memiliki kemampuan Acoustic echo cancellation, dan noise suppression. Acoustic echo cancellation (AEC) dapat menghilangkan echo yang muncul ketika pengguna mengucapkan suara. Sedangkan noise suppression sendiri akan meningkatkan tingkat kejernihan suara. 4. Dokumentasi dan contoh kode C. Linear Predictive Coding (LPC) LPC merupakan metode pengolahan data sinyal suara untuk mendapatkan model yang merepresentasikan suara tersebut. Model yang dihasilkan dari proses LPC ini berupa vektor yang berisi 24 parameter dan disebut vektor fitur. Adapun tahapan dari LPC ini adalah [6]: 1. Preemphasis Preemphasis merupakan proses perubahan sinyal suara menjadi sinyal yang lebih rata dan berguna untuk mengurangi adanya perbedaan yang terlalu ekstrim antara suatu sinyal dengan sinyal sebelumnya. Karena pada prakteknya, sinyal suara terkadang terlalu jauh berbeda satu dengan lainnya. 2. Frame Blocking Proses ini berguna untuk membagi keseluruhan sinyal yang merepresentasikan sebuah suara menjadi beberapa bagian/frame. Pembagian akan dilakukan dengan panjang frame 120 dan jarak setiap frame adalah 50 sinyal. Dengan demikian, suatu frame akan saling overlap dengan frame yang lain. 3. Frame Windowing Tahapan ini bertujuan untuk menghilangkan diskontinuitas dari semua sinyal yang diakibatkan oleh proses frame blocking dengan menggunakan metode hamming window. 4. Autocorellation Pada tahap ini, setiap sampel sinyal suara yang telah di-windowing dikorelasikan untuk menghasilkan sejumlah nilai yang dapat dibentuk menjadi toeplist matriks. Nilai tertinggi dari proses autokorelasi ini adalah nilai orde analisa LPC (P). Nilai P umumnya berada pada interval 8 sampai 16. Kegunaan dari proses autokorelasi ini adalah untuk mengkorelasikan bentuk gelombang dengan dirinya sendiri. 5. LPC-Analisys Pada tahapan ini akan dicari koefisien LPC dari setiap frame dengan menggunakan metode Levinson- Durbin [6]. Setelah itu koefisien LPC yang banyaknya 8 parameter setiap frame akan diproses lagi untuk menghasilkan 12 parameter. 6. Cepstral Weighting Pada tahapan ini akan dilakukan proses pembobotan koefisien cepstral dengan window khusus. Dari tahapan ini akan dihasilkan 12 koefisien. 7. Delta Cepstral Pada tahapan ini, akan dihitung turunan orde pertama dari koefisien cepstral. Sama seperti tahap cepstral weighting, tahapan ini juga akan menghasilkan 12 koefisien. Dari delapan proses di atas, akan dihasilkan 24 parameter yang disebut vektor fitur. Ke-24 parameter tersebut diambil dari 12 parameter hasil proses cepstral weighting dan 12 parameter yang dihasilkan proses delta cepstral. Ke-24 parameter ini nantinya akan digunakan sebagai ciri untuk mengenali suara tertentu. D. Support Vector Machine (SVM) SVM merupakan algoritma pengenalan pola berdasarkan prinsip linear classifier. Algoritma SVM ini bekerja dengan cara mencari garis terbaik yang memisahkan setiap kelas dengan kelas lainnya (hyperplane). Dalam proses pencarian hyperplane terbaik, maka perlu dicari margin terbesar dari hyperplane tersebut. Margin hyperplane merupakan jarak antara hyperplane dengan data yang letaknya paling dekat dengan hyperplane tersebut. Semakin besar margin maka akan semakin baik hyperplane yang didapat [7]. SVM terdiri dari 2 jenis, yaitu: 1. SVM klasifikasi linear Pada SVM jenis ini, kelas yang akan dipisahkan hanya terdapat 2 buah kelas. Sehingga klasifikasi dapat dilakukan pada ruang 2 dimensi, yaitu x dan y. Pada jenis SVM ini, data akan dipisahkan menjadi dua buah kelas, yaitu positif (+1) dan negatif (-1). SVM akan mencari hyperplane terbaik yang memisahkan dua kelas. 2. SVM klasifikasi non-linear SVM non-linear merupakan algoritma klasifikasi yang digunakan untuk memisahkan lebih dari dua buah kelas. Dalam menyelesaikan permasalahan klasifikasi non-linear SVM yang pada dasarnya berfungsi untuk memisahkan dua buah kelas dimodifikasi dengan memasukkan fungsi Kernel. Pada klasifikasi non-linear ini, proses klasifikasi dilakukan dalam ruang yang memiliki dimensi lebih tinggi jika dibandingkan dengan dimensi ruang pada klasifikasi linear. Dengan melakukan klasifikasi pada ruang dimensi yang lebih tinggi, hasil klasifikasi akan semakin baik. Tetapi, penggunaan ruang dimensi yang terlalu tinggi justru akan menimbulkan overfitting yaitu klasifikasi yang berlebihan. Di mana anggota suatu kelas akan terpisah-pisah menjadi beberapa kelas yang lebih kecil. E. Hidden Markov Model (HMM) Hidden Markov Model merupakan salah satu algoritma yang dapat dikembangkan untuk mengenali suara atau gerakan. Dasar algoritma ini adalah mencari probabilitas yang paling besar dari kemungkinan yang ada.
3 JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 3 Sebelumnya telah dijelaskan bahwa sebuah sinyal suara akan dibagi menjadi beberapa frame dan setiap frame akan memiliki vektor fitur masing-masing. Pada algoritma HMM sendiri, setiap frame akan dinamakan state. Sehingga setiap sinyal suara akan menghasilkan beberapa state. Untuk proses pengenalan suara, terlebih dahulu harus dibentuk matriks initial state, matriks transisi state, dan matriks observasi [8]. 1. Matriks initial state adalah matriks yang berisi probabilitas setiap state menempati posisi pertama dalam urutan frame sebuah suara. Matriks ini berbentuk N x 1 matriks. 2. Matriks transisi state adalah probabilitas perpindahan dari state satu ke state lainnya. Bentuk dari matriks ini adalah matriks NxN, di mana N merupakan jumlah state. 3. Masukan dari proses pengenalan suara ini berupa sequence state yang disebut data observasi. Kemudian akan dicari probabilitas setiap observasi menempati urutan tertentu. Untuk mengenali suara, maka yang perlu dilakukan adalah menghitung probabilitas suatu data observasi terjadi dengan probabilitas initial state, probabilitas transisi state, serta probabilitas observasi yang telah dihitung sebelumnya III. ANALISIS DAN PERANCANGAN SISTEM A. Analisis Sistem Modul yang dibangun pada artikel ini adalah modul yang dapat mengenali dan menerjemahkan suara berbahasa Indonesia. Kata yang akan dicoba untuk dikenali adalah kata terisolasi, yaitu kata yang diucapkan dengan jeda antar fonemnya. Data suara yang dibutuhkan oleh sistem adalah deret sinyal suara yang sudah dikonversi dari sinyal analog ke sinyal digital oleh Kinect. Dari deret sinyal ini akan dicari ciriciri khusus berupa vektor 24 dimensi dari setiap suara yang keluar yang digunakan untuk membedakan antara suara yang satu dengan lainnya. Untuk mengenali suara yang diucapkan data tersebut akan diklasifikasi untuk diperoleh label kelas setiap potongan suara. Data berupa ciri-ciri dari setiap potongan suara tersebut disimpan dalam sebuah file teks. Sedangkan data label kelas suara akan disimpan dalam file xml yang memiliki format tertentu. B. Deskripsi Umum Sistem Aplikasi yang dibangun merupakan aplikasi pengenalan suara berbahasa Indonesia. Modul ini akan dimanfaatkan dan dikembangkan oleh aplikasi pembelajaran pengucapan [2], sehingga diharapkan dapat membantu penderita tunarungu dalam memeriksa apakah suara yang diucapkan oleh penderita tunarungu telah mirip dengan suara orang normal. Modul pengenalan suara berbahasa Indonesia ini dikembangankan dengan memanfaatkan Kinect sebagai alat penerima suara. Setiap kata akan memiliki fonem pembentuk kata yang berbeda antara satu dengan yang lainnya. Misalnya sinyal suara pengucapan fonem ti dan ga memiliki perbedaan nilai sinyal. Perbedaan itulah yang dimanfaatkan oleh sistem untuk mengklasifikasikan suara tersebut. Gambar. 1. Gambar Arsitektur Modul Pengenalan Suara Tahap pertama dari proses pengenalan kata ini adalah mendeteksi awal dan akhir suara yang diucapkan pengguna. Sistem akan menyimpan sinyal yang berada diatas batas rendah suara. Setelah itu, modul bekerja dengan cara mengolah sinyal suara dari kata yang ditangkap oleh Kinect untuk kemudian dicari ciri khusus/vektor fitur dari suara tersebut. Proses pengenalan dilakukan dengan mencari kelas kata dari setiap potongan fonem yang diucapkan oleh pengguna. Kemudian data kelas tersebut akan dicari probabilitas pembentuk kata. Dimana hasil terjemahan adalah kata yang memiliki probabilitas paling tinggi. Gambaran arsitektur modul dapat dilihat pada Gambar 1. Selain fitur pengenalan suara juga terdapat fitur untuk melatih fonem dan kata. Fitur melatih fonem digunakan untuk menambahkan data latih fonem ke dalam modul. Sedangkan fitur melatih kata berguna untuk menambahkan kata yang bisa dikenali dan memasukkan data latih, sehingga nantinya kata baru tersebut dapat terkenali. C. Skenario Kasus Penggunaan Kasus penggunaan yang digunakan pada sistem perangkat lunak ini digambarkan secara garis besar pada Gambar 2. Penjelasan untuk tiap kasus penggunaan adalah sebagai berikut. 1. Memasukkan Data Pelatihan Fonem untuk menambahkan data pelatihan fonem. Pada kasus penggunaan ini aktor yang berperan adalah pengguna. Pengguna dapat menambahkan data masukan berupa ucapan fonem. Data suara/ucapan yang masuk akan diproses dan digunakan sebagai data masukan proses klasifikasi kelas. 2. Memasukkan Data Pelatihan Kata untuk memasukkan data pelatihan kata. Pengguna dapat menambahkan data pelatihan kata ke dalam file teks. Data pelatihan ini nantinya berguna sebagai bahan dasar pada proses pengenalan kata yang diucapkan pengguna. Proses pengenalan kata tersebut sangat bergantung pada proses pelatihan data kata ini. Jika data pelatihan data kata yang dimasukkan kurang tepat, maka akan berpengaruh pada tingkat kesalahan pengenalan kata.
4 JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 4 System menambah data pelatihan fonem Pengguna menambah data pelatihan kata melakukan pengenalan suara Gambar. 2. Diagram Kasus Penggunaan Sistem 3. Melakukan Pengenalan Suara melakukan latihan pengenalan suara berbahasa Indonesia. Pengguna dapat berlatih untuk mengucapkan kata berbahasa Indonesia, kemudian sistem akan menerjemahkan suara yang diucapkan oleh pengguna ke dalam bahasa Indonesia. Kata berbahasa Indonesia yang dapat dikenali hanyalah kata yang sudah dilatih sebelumnya dengan memanfaatkan fitur pelatihan data fonem dan pelatihan data kata. IV. IMPLEMENTASI A. Implementasi Klasifikasi Vektor Fitur Pada proses klasifikasi vektor fitur ini tahap pertama sistem akan membaca data latih dari vektor fitur yang sudah disimpan dalam file. Setelah itu sistem juga akan membaca data vektor fitur yang akan diuji. Data yang akan diuji ini merupakan data vektor fitur dari suara yang akan dikenali dan baru saja dimasukkan ke sistem oleh pengguna. Selanjutnya sistem akan melakukan proses klasifikasi. Proses klasifikasi ini dibangun dengan memanfaatkan kakas bantu SVM. Pada proses tersebut data latih vektor fitur akan diolah untuk dipisah menjadi beberapa kelas. Setelah itu sistem akan menguji data uji yang sebelumnya telah dibaca. B. Implementasi Menambahkan Data Pelatihan Kata Penambahan data latih kata dimulai dengan membaca daftar kata yang dimasukkan sebagai kelas dari file teks. Kemudian sistem mencari indeks dari kata yang akan dimasukkan data latihnya. Setelah itu sistem membentuk kelaskelas dari daftar kata yang sudah dibaca. Pada proses selanjutnya, sistem memproses suara yang masuk untuk mendapatkan urutan kelas kata. Setelah mendapat sequence kelas dari data uji, maka sistem dapat menyimpan data uji pada file xml. C. Implementasi Pengenalan Suara Untuk melakukan pengenalan suara, pengguna terlebih dahulu harus menjalankan proses pelatihan kata. Dengan memanggil proses tersebut, kakas bantu HMM akan menghitung probabilitas yang dibutuhkan untuk mengenali kata. Setelah pengguna memilih pilihan rekam, sistem mulai Gambar. 3. Hasil Pengujian Sistem Menampilkan Hasil Pengenalan Suara Tabel 1. Hasil Pengujian Pengenalan Suara Kata Percobaan Berhasil Persentase (%) Vas Rok 4 20 Bis 5 25 Tas 9 45 Truk Mie 8 40 Skor Sapi Juli Satu 6 30 Tiga Tujuh 5 25 Membawa 8 40 Selasa Delapan Januari Rata-rata 51,25 mendeteksi awal dan akhir suara yang diucapkan pengguna dengan menjalankan proses deteksi suara yang sebelumnya telah dijelaskan. Setelah sistem mendapat deret sinyal, maka deret sinyal tersebut akan dimasukkan pada proses LPC analisis untuk mendapatkan vektor fitur dari tiap-tiap potongan suara (frame). Selanjutnya sistem akan mengenali suara yang masuk. Pada tahapan ini sistem akan mencari kata yang memiliki probabilitas paling tinggi dengan suara yang diucapkan pengguna. Hasil berupa kata tersebut akan ditampilkan pada label antarmuka. V. PENGUJIAN DAN EVALUASI Pengujian dilakukan untuk menguji apakah fungsionalitas sistem sudah berjalan dengan benar. Rincian pengujian adalah sebagai berikut. 1. Pengujian Kasus Penggunaan Seluruh kasus penggunaan telah diuji dan hasilnya menunjukkan bahwa semua fungsi untuk menjalankan tiga fungsional berdasarkan kasus penggunaan berjalan dengan benar. a. Hasil pengujian memasukkan data pelatihan fonem dapat berjalan dengan benar. Dari pengujian tersebut dapat dibuktikan bahwa fungsi mengganti label kelas setiap frame dapat berjalan dengan benar. Selain itu dapat
5 JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 5 dibuktikan juga bahwa proses penyimpanan data latih fonem dapat berjalan dengan benar. b. Hasil pengujian menambahkan data pelatihan kata dapat berjalan dengan benar. Dari pengujian tersebut dapat dibuktikan bahwa fungsi untuk memasukkan data pelatihan kata ke dalam file berjalan dengan benar. c. Tampilan antarmuka proses pengenalan suara ditunjukkan pada Gambar 3, sedangkan hasil pengujian ditunjukkan pada Tabel 1. Dari pengujian tersebut terbukti bahwa fungsi untuk melakukan pengenalan terhadap suara yang diucapkan pengguna dan menampilkan hasil pengenalan suara dapat berjalan dengan benar. [4] Kinect for Windows Sensor Components and Spesification, [Online]. Available: [5] Ramadham, Ilham Rancang Bangun Modul Pencocokan Gerakan Menjadi Skor pada Permainan SKJ Ekspres menggunakan Microsoft Kinect SDK. [6] Rabiner, Lawrence R A Tutorial on Hidden Markov Models and Selected Application in Speech Recognition. [7] Nugroho, Anto Satriyo., Witarto, Arief Budi., Handoko, Dwi Support Vector Machine, Teori dan Aplikasinya dalam Bioinformatika. [8] Juang, B, H., Rabiner, L, R Hidden Markov Model for Speech Recognition. VI. KESIMPULAN/RINGKASAN Dari hasil pengamatan selama proses perancangan, implementasi, dan pengujian perangkat lunak, dapat diambil beberapa kesimpulan, yaitu: 1. Modul pengenalan suara ini dibangun menggunakan teknologi Kinect. Adapun tahap awal pengembangan modul ini adalah pembuatan fungsi deteksi suara. Setelah itu akan dicari ciri khusus (feature vector) dari suara dengan menggunakan metode LPC. Hal ini bertujuan untuk membedakan suara yang satu dengan yang lain. Setelah itu dilakukan klasifikasi data feature vector menjadi beberapa kelas dengan metode SVM. Kemudian proses pelatihan data kata dapat dilakukan. Proses pengenalan suara sendiri dapat dilakukan dengan mencari probabilitas kata yang paling tinggi menggunakan metode HMM dengan kata yang diucapkan pengguna. Sistem telah dapat mengenali suara terisolasi berbahasa Indonesia dan menampilkan nilai ketepatan pengenalan. Kata yang dapat dikenali sebanyak 16 kata. 2. Ketepatan hasil pengenalan suara didapat dengan cara memeriksa apakah kata yang dimasukkan pada kolom masukan kata sama dengan hasil terjemahan yang dihasilkan oleh modul ini. Rata-rata presentase pengenalan suara adalah 51,25%. Ketepatan pengenalan suara paling tinggi yang didapat dari proses uji coba ini adalah kata vas dengan nilai ketepatan 80%. Sedangkan kata terendah adalah rok dengan nilai ketepatan 20%. 3. Pengenalan kata dapat dilakukan pada kata terisolasi. UCAPAN TERIMA KASIH Penulis R.C. mengucapkan terima kasih kepada Allah SWT, kedua orangtua dan keluarga penulis, dosen pembimbing, seluruh dosen Teknik Informatika ITS, kerabat dekat, serta berbagai pihak yang telah membantu penulis dalam menyelesaikan penelitian ini. DAFTAR PUSTAKA [1] Hardiyanti, Margareta Rancang Bangun Aplikasi Pembelajaran Pengucapan bagi Penderita Tunarungu Menggunakan Teknologi Kinect. Surabaya: Institut Teknologi Sepuluh Nopember. [2] Kinect, [Online]. Available: [3] Kinect for Windows, [Online]. Available:
RANCANG 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 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 terperinciAnalisis dan Perancangan Aplikasi Penuntun Jalan dengan Perintah Suara Berbahasa Indonesia pada Perangkat Bergerak Berbasis Android
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Analisis dan Perancangan Aplikasi Penuntun Jalan dengan Perintah Suara Berbahasa Indonesia pada Perangkat Bergerak Berbasis
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 terperinciRANCANG BANGUN APLIKASI PEMBELAJARAN PENGUCAPAN BAGI PENDERITA TUNARUNGU MENGGUNAKAN TEKNOLOGI KINECT
RANCANG BANGUN APLIKASI PEMBELAJARAN PENGUCAPAN BAGI PENDERITA TUNARUNGU MENGGUNAKAN TEKNOLOGI KINECT MARGARETA HARDIYANTI 5109100150 Dosen Pembimbing Umi Laili Yuhana, S.Kom., M.Sc. Abdul Munif. S.Kom.,
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 terperinciRancang Bangun Aplikasi Kurikulum Untuk Mendukung Manajemen Mutu Belajar Mengajar Perguruan Tinggi Studi Kasus ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Rancang Bangun Aplikasi Kurikulum Untuk Mendukung Manajemen Mutu Belajar Mengajar Perguruan Tinggi Studi Kasus ITS Umar Hasan
Lebih terperinciBAB I PENDAHULUAN. maupun non verbal. Komunikasi secara verbal menggunakan kata-kata lisan untuk. mengungkapkan ekspresi penggunanya.
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Manusia dapat berinteraksi antara satu sama lainnya melalui komunikasi dalam bentuk bahasa. Komunikasi dalam bentuk bahasa terjadi baik secara verbal maupun
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 terperinciPembuatan Kakas Komunikasi Antar Pengembang Perangkat Lunak
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Pembuatan Kakas Komunikasi Antar Perangkat Lunak Anugerah Firdaus, Daniel Oranova Siahaan dan Rizky Januar Akbar Jurusan Teknik
Lebih terperinciAnalisis dan Perancangan Perangkat Lunak Media Sosial untuk Berbagi Informasi Diskon
JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) A-423 Analisis dan Perancangan Perangkat Lunak Media Sosial untuk Berbagi Informasi Diskon Faizah Alkaff, Umi Laili Yuhana,
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 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 1 PENDAHULUAN. kehandalannya. Komputer terus dikembangkan. Komputer dituntut memiliki kecepatan
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sejak komputer ditemukan manusia selalu berusaha meningkatkan kemampuan dan kehandalannya. Komputer terus dikembangkan. Komputer dituntut memiliki kecepatan komputasi
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 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 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 I-1
BAB I PENDAHULUAN Pada bagian ini akan dijelaskan tentang pendahuluan dalam penyusunan Laporan Penelitian. Pendahuluan meliputi latar belakang masalah, rumusan masalah, maksud dan tujuan penelitian, batasan
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 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 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 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 terperinciAplikasi Pengenalan Suara Dalam Pengaksesan Sistem Informasi Akademik
Aplikasi Pengenalan Suara Dalam Pengaksesan Sistem Informasi Akademik Jenny Putri Hapsari (L2F003511) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Semarang, Indonesia jenny_putri_hapsari@yahoo.com
Lebih terperinciRancang Bangun Aplikasi Pencarian Tempat Indekos Pada Perangkat Mobile Android
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Rancang Bangun Aplikasi Pencarian Tempat Indekos Pada Perangkat Mobile Android Adriyanra, Dwi Sunaryono, Adhatus Solichah
Lebih terperinciANALISA PERANCANGAN SISTEM
Gambar 2.16. Black Bo Pengujian black bo adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk mengetahui apakah perangkat lunak
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-534
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-534 Rancang Bangun Sistem Navigasi Indoor Berbasis Integrasi Symbolik Location Model dan Wifi Based Positioning System Untuk
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
JURNAL SAINS DAN SENI POMITS Vol. 6, No.2, (2017) 2337-3520 (2301-928X Print) A 39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi Daryono Budi Utomo Jurusan
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Perancangan dan Pembuatan Aplikasi Kontrol Objek 3D Interaktif Melalui Sentuhan Tangan Berbasis Augmented Reality Dengan Library FLAR dan MotionTracker
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan
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 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 terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Untuk merancang aplikasi ini dibutuhkan landasan teori yang dapat membantu dalam merancang aplikasi. Berikut adalah beberapa teori yang dipergunakan dalam perancangan aplikasi ini.
Lebih terperinciYoga Satria Putra 1, Astri Novianty, S.T., M.T. 2, Nurfitri Anbarsanti, S.T., M.T. 3
PERANCANGAN DAN IMPLEMENTASI SISTEM PENGENALAN BAHASA ISYARAT INDONESIA MENGGUNAKAN KOMBINASI SENSOR DEPTH IMAGE DAN HUMAN SKELETON KINECT DENGAN METODE HMM DESIGN AND IMPLEMENTATION RECOGNITION SYSTEM
Lebih terperincimemahami kata-kata yang diucapkan dengan cara digitalisasi kata dan mencocokkan sinyal digital dengan suatu pola tertentu. Kata-kata yang diucapkan di
APLIKASI PENGENALAN UCAPAN KATA BAHASA INGGRIS MENGGUNAKAN LINEAR PREDICTIVE CODING (LPC) DAN HIDDEN MARKOV MODEL (HMM) Juniar Lestary ne3a_azza@yahoo.com Universitas Gunadarma Jl. Margonda Raya No. 100
Lebih terperinciSistem Rekonstruksi Rute Perjalanan Dengan GPS Untuk Efisiensi Proses Update Posisi
JURNAL TEKNIK POMITS Vol. 2, No. 1, 2013) ISSN: 2337-3539 2301-9271 Print) 1 Sistem Rekonstruksi Rute Perjalanan Dengan GPS Untuk Efisiensi Proses Update Posisi Nuke Yuniar Anugrah, Waskitho Wibisono,
Lebih terperinciBAB I PENDAHULUAN. Microsoft untuk menjadi sebuah alat pengendali pada konsol game, Microsoft
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Bill Gates, salah satu pemilik dan pendiri perusahaan raksasa didunia, Microsoft, menjawab tantangan dan impiannya bahwa sebuah mesin permainan dimana kita bisa mengambil
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 terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) A-77
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-77 Perancangan dan Pembuatan Perangkat Lunak Aplikasi Android untuk Pengolahan Data Transaksi pada Perusahaan Telekomunikasi
Lebih terperinciIMPLEMENTASI KINECT PADA PENERJEMAH BAHASA ISYARAT. Naskah Publikasi. diajukan oleh Nuruddin Wiranda
IMPLEMENTASI KINECT PADA PENERJEMAH BAHASA ISYARAT Naskah Publikasi diajukan oleh Nuruddin Wiranda 09.11.2771 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA 2012 ii ii IMPLEMENTATION
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 4 PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB 4 PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan model sistem identifikasi pembicara dibangun dengan maksud untuk memudahkan dalam pembuatan aplikasi (perangkat lunak). Aplikasi yang dibuat merupakan
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 terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-6 1 Sistem Pendokumentasi Pencapaian Nilai Kumulatif Mata Kuliah per Semester untuk Rekomendasi Perbaikan Pembelajaran Rezki Wulan Permata Sari, Siti Rochimah,
Lebih terperinciRancang Bangun Game Berhitung Spaceship dengan Pengendali Suara Menggunakan Speech Recognition Plugin pada Unity
A620 Rancang Bangun Game Berhitung Spaceship dengan Pengendali Suara Menggunakan Speech Recognition Plugin pada Unity Hans Alfon Ericksoon, Imam Kuswardayan dan Dr. Eng Nanik Suciati Jurusan Teknik Informatika,
Lebih terperinciBAB I PENDAHULUAN. Dewasa ini teknologi komputer terus meningkat. Komputer tidak hanya
1 BAB I PENDAHULUAN 1.1 Latar belakang Dewasa ini teknologi komputer terus meningkat. Komputer tidak hanya digunakan untuk mengolah data saja tetapi dapat juga untuk menjalankan dan merancang berbagai
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 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 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 terperinciAplikasi Penghitung Zakat dan Penunjuk Lokasi Tempat Pengelolaan Zakat Terdekat Berbasis Android pada Alat Komunikasi Bergerak
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Aplikasi Penghitung Zakat dan Penunjuk Lokasi Tempat Pengelolaan Zakat Terdekat Berbasis Android pada Alat Komunikasi Bergerak
Lebih terperinciHASIL DAN PEMBAHASAN Analisis SIRANJAJA Perancangan Modul Pembangunan Content Streaming
5 variasi parameter percobaan dilakukan sebanyak sepuluh kali perulangan. Hasil dari percobaan ini digunakan sebagai bahan analisis untuk encoding citra digital pada percobaan pengiriman data. b Percobaan
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 IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
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 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 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 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Sesuai dengan pemodelan proses Waterfall yang telah dijelaskan pada bab 2 maka dibutuhkan analisis dan perancangan sebelum memulai membuat suatu program. Berikut
Lebih terperinciPengenalan Sekolah MTsN Kutablang Menggunakan Augmented Reality Berbasis Android
Pengenalan Sekolah MTsN Kutablang Menggunakan Augmented Reality Berbasis Android M.RAISUL FADHA a*, YUL HENDRA a a Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Almuslim Jl. Almuslim
Lebih terperinciImplementasi Natural User Interface dengan Sensor Kinect dalam Sistem Pemesanan Barang
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Implementasi Natural User Interface dengan Sensor Kinect dalam Sistem Pemesanan Barang Indrianto STIKOM Bali Jl. Raya Puputan
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 terperinciImplementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET
JURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET Muhammad Redha, Dwi
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 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 Sistem Pendeteksi Kehadiran Manusia Menggunakan Sensor Kinect
Abstrak Perancangan Sistem Pendeteksi Kehadiran Manusia Menggunakan Sensor Kinect Elbert Teguh Indarto, Edi Leksono, dan Eko Mursito Budi Program Studi Teknik Fisika, Institut Teknologi Bandung Jalan Ganesha
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 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 terperinciSISTEM PENERJEMAH SANDI SEMAPHORE MENGGUNAKAN SENSOR KINECT DENGAN PENGENALAN POLA DELAPAN TITIK
SISTEM PENERJEMAH SANDI SEMAPHORE MENGGUNAKAN SENSOR KINECT DENGAN PENGENALAN POLA DELAPAN TITIK Ratna Aisuwarya 1*, Nadia Alfitri 2, Herry Wahyudi 3 1,2,3 Jurusan Sistem Komputer Fakultas Teknologi Informasi
Lebih terperinciStudi dan Analisis Teknik-Teknik Steganografi Dalam Media Audio
Studi dan Analisis Teknik-Teknik Steganografi Dalam Media Audio Pudy Prima - 13508047 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciImplementasi Skeletal Tarcking dalam Sistem Navigasi Mobile Robot Menggunakan Sensor Kinect
Seminar Nasional eknologi Informasi dan Komunikasi erapan (SEMANIK) 2015 169 Implementasi Skeletal arcking dalam Sistem Navigasi Mobile Menggunakan Sensor Kinect Mifthahul Rahmi *), Andrizal **), Rahmi
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 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 terperinciPembuatan Kakas Bantu untuk Mendeteksi Ketidaksesuaian Diagram Urutan (Sequence Diagram) dengan Diagram Kasus Penggunaan (Use Case Diagram)
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) A-71 Pembuatan Kakas Bantu untuk Mendeteksi Ketidaksesuaian Diagram Urutan (Sequence Diagram) dengan Diagram Kasus Penggunaan (Use
Lebih terperinciPenekanan Derau secara Adaptif pada Pengenalan Ucapan Kata
Penekanan Derau secara Adaptif pada Pengenalan Ucapan Kata Achmad Bayhaki (L2F 002 541) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Semarang, Indonesia trainingmoment@yahoo.com Abstrak
Lebih terperinciPerancangan Sistem Pengenalan Suara Untuk Pengamanan Dan Pemantauan Fasilitas PLTA
Perancangan Sistem Pengenalan Suara Untuk Pengamanan Dan Pemantauan Fasilitas PLTA Yufliha Dian Ayunisa, Ir. Achmad Affandi, DEA, Ir. Wirawan, DEA Jurusan Teknik Elektro FTI ITS Abstrak - Sistem pengawasan
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Menghitung Kecepatan Menggunakan Kinect. Microsoft, 2012). Nilai masukan dapat diperoleh dari Runtime Tracking atau
BAB II LANDASAN TEORI 2.1 Menghitung Kecepatan Menggunakan Kinect Untuk menghitung kecepatan menggunakan Kinect dibutuhkan sebuah masukan berupa posisi objek dan waktu yang ditempuh objek. (Catuhe, 2012
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 terperinciRaycasting Pada Augmented Reality Dimensi Tiga
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-7 1 Raycasting Pada Augmented Reality Dimensi Tiga Wahyu Setyo Budi, Supeno Mardi Susiki Nugroho, dan Christyowidiasmoro Jurusan Teknik Elektro, Fakultas Teknologi
Lebih terperinciRancang Bangun Aplikasi Panggilan Darurat dengan Perintah Suara Berbahasa Indonesia pada Perangkat Bergerak Berbasis Android
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-5 1 Rancang Bangun Aplikasi Panggilan Darurat dengan Perintah Suara Berbahasa Indonesia pada Perangkat Bergerak Berbasis Android Lucky Dewantara, Dwi Sunaryono,
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 terperinciBAB 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 terperinciPERBEDAAN TEKANAN DI UDARA
BAB 2 LANDASAN TEORI 2.1 Suara Suara merupakan fenomena fisik yang dihasilkan oleh getaran benda. Getaran benda tersebut berupa sinyal analog dan amplitudo yang berubah secara kontinyu terhadap waktu.
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
A39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi dan Daryono Budi Utomo Departemen Matematika, Fakultas Matematka dan Ilmu Pengetahuan Alam, Institut Teknologi
Lebih terperinciAnalisis dan Perancangan Speech Recognition Translate Bahasa Inggris-Indonesia-Gorontalo Berbasis Android
Vol. 6 No. 1 Edisi Mei 2016 ISSN: 2088-4591 Analisis dan Perancangan Speech Recognition Translate Bahasa Inggris-Indonesia-Gorontalo Berbasis Android Ismail Mohidin Program Studi Teknik Informatika, Politeknik
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinciBAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK
BAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK Pada bab ini, akan diuraikan mengenai perancangan perangkat lunak meliputi deskripsi umum sistem, perancangan sistem, serta implementasinya. IV.1 Deskripsi
Lebih terperinciSistem Navigasi Indoor Menggunakan Sinyal Wi-fi dan Kompas Digital Berbasis Integrasi dengan Smartphone untuk Studi Kasus pada Gedung Bertingkat
Sistem Navigasi Indoor Menggunakan Sinyal Wi-fi dan Kompas Digital Berbasis Integrasi dengan Smartphone untuk Studi Kasus pada Gedung Bertingkat A448 Alifa Ridho Musthafa, R.V. Hari Ginardi, dan F.X. Arunanto
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pakaian merupakan salah satu hal yang paling dibutuhkan manusia dalam kehidupan sehari-hari. Pakaian termasuk salah satu kebutuhan pokok manusia di samping makanan
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciLaporan Tugas Akhir. Visco Magistar
Laporan Tugas Akhir Visco Magistar 5108100081 Tugas Akhir Judul Rancang Bangun Modul Generator Soal Gerakan pada Permainan SKJ Ekspres Menggunakan Microsoft Kinect SDK Dosen Wali Umi Laili Yuhana, S.Kom,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Gelombang Bunyi Menurut Anwar, et al (2014), gelombang bunyi atau lebih khusus dikenal sebagai gelombang akustik adalah gelombang longitudinal yang berada dalam sebuah medium,
Lebih terperinciAplikasi Belajar Menulis Aksara Jawa Menggunakan Android
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-94 Aplikasi Belajar Menulis Menggunakan Android As ad Arismadhani, Umi Laili Yuhana, dan Imam Kuswardayan Jurusan Teknik Informatika,
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 terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
JURNAL TEKNIK ITS Vol. 5, No., (016) ISSN: 337-3539 (301-971 Print) A36 Perancangan Indoor Localization Menggunakan Bluetooth Untuk Pelacakan Posisi Benda di Dalam Ruangan Anggeriko Aryasena, R.V. Hari
Lebih terperinciBAB I PENDAHULUAN. lumrah. Hal ini disebabkan karena pada hakikatnya teknologi adalah pengetahuan
BAB I PENDAHULUAN I.1 Latar Belakang Keterlibatan teknologi dalam kehidupan manusia merupakan suatu hal yang lumrah. Hal ini disebabkan karena pada hakikatnya teknologi adalah pengetahuan terhadap penggunaan
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 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 terperinciPendeteksian Arah Jalan pada Gps Googlemaps sebagai Navigasi Mobil Tanpa Pengemudi
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) F 201 Pendeteksian Arah Jalan pada Gps Googlemaps sebagai Navigasi Mobil Tanpa Pengemudi Hendijanto Dian Pradikta dan Arif Wahyudi
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 terperinci4 BAB 4 IMPLEMENTASI DAN PENGUJIAN
4 BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Implementasi adalah penerapan hasil perancangan yang telah dilakukan pada tahap analisis dan perancangan sistem. Hasil perancangan diterapkan menjadi
Lebih terperinci