BAB 3 PERANCANGAN SISTEM

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 3 PERANCANGAN SISTEM"

Transkripsi

1 20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer (CPU). Dalam sistem ini, mikrofon berperan sebagai penerima input berupa sinyal suara yang selanjutnya akan diproses di dalam CPU, sedangkan speaker (alat pengeras suara) digunakan untuk mengeluarkan output berupa sinyal suara hasil pemrosesan. Pada subbab di bawah ini dijelaskan mengenai diagram blok sistem beserta cara kerja sistem Diagram Blok Sistem CPU Mikrofon Speaker Program & User Interface Input Sinyal Suara Output Sinyal Suara Gambar 3.1 Diagram Blok Sistem 20

2 21 Fungsi-fungsi dari setiap blok di atas adalah sebagai berikut : Mikrofon. Mikrofon berfungsi untuk menerima input sinyal suara dan mengkonversinya menjadi nilai-nilai tegangan (besaran elektrik). CPU. CPU berperan untuk memproses data sinyal input dari mikrofon. Program di dalam CPU akan mengolah data-data tersebut guna menghasilkan output, baik berupa output sinyal suara, grafik, maupun decision logic. Speaker. Dalam sistem ini, speaker berguna untuk mengeluarkan output sinyal suara hasil pemrosesan Cara Kerja Sistem Awalnya suara pengguna akan direkam menggunakan mikrofon dalam durasi waktu yang telah ditentukan oleh pengguna. Selama proses perekaman, mikrofon secara terus menerus mengkonversi input sinyal suara menjadi nilainilai tegangan. Program dalam CPU akan dapat beroperasi ketika proses perekaman selesai dan data telah diperoleh sepenuhnya. Setelah proses perekaman selesai, maka program akan dapat mengolah data-data input sinyal suara yang masuk. Data-data input tersebut akan diproses oleh program melalui 2 tahap awal, yaitu tahap pemotongan sinyal dan tahap discrete wavelet transform (DWT). Kedua tahap tersebut harus dilalui, baik dalam mode pelatihan (Training Mode) ataupun mode pengenalan (Recognition Mode). Tahap pemotongan sinyal

3 22 berguna untuk mendapatkan sinyal suara pengguna saja dan membuang bagian sinyal suara yang tidak diperlukan (silent). Dengan begitu akan didapatkan koefisien-koefisien sinyal suara dengan jumlah yang optimal. Dengan demikian proses perhitungan selanjutnya akan menjadi efektif dan efisien karena program tidak perlu memproses data yang tidak diperlukan. Sedangkan tahap DWT akan mengolah koefisien-koefisien sinyal suara hasil pemotongan menjadi sejumlah koefisien wavelet. Seperti yang telah dijelaskan pada bab 2 bahwa tahap DWT melibatkan Low Pass Filter (LPF) dan High Pass Filter (HPF) yang berguna untuk memperoleh Approximation Coefficients (ca) dan detail coefficients (cd). Koefisien-koefisien tersebutlah yang dimaksud dengan koefisien wavelet. Setelah kedua tahap awal tersebut, tahap selanjutnya akan bergantung pada mode program yang digunakan. Jika mode yang digunakan dalam program adalah mode pelatihan, maka koefisien wavelet yang telah diperoleh akan disimpan di dalam database. Sedangkan jika mode yang sedang aktif adalah mode pengenalan, maka program akan menjalankan tahap dynamic time warping (DTW). Tahap DTW berperan untuk menghitung jarak antara koefisien wavelet input yang diperoleh dengan setiap koefisien wavelet yang berada di dalam database. Setelah itu, program akan menghasilkan suatu decision logic berdasarkan hasil tahap DTW tersebut dan metode yang digunakan. Decision logic yang dihasilkan oleh program akan ditampilkan melalui tampilan user interface. Selain output berupa decision logic, program juga akan menghasilkan output berupa grafik dan sinyal suara. Output grafik akan

4 23 ditampilkan melalui user interface, sedangkan output sinyal suara akan dikeluarkan melalui speaker (alat pengeras suara). 3.2 Tampilan User Interface Dalam sistem ini, pengguna dapat berinteraksi dengan program melalui sebuah tampilan user interface yang telah dirancang sedemikian rupa guna mempermudah pengguna dalam mengoperasikan sistem ini. Berikut merupakan gambar dari tampilan user interface yang digunakan dalam sistem pengenalan speaker ini : Gambar 3.2 Tampilan User Interface dari sistem pengenalan speaker

5 24 User Interface yang digunakan pada sistem ini memiliki komponenkomponen seperti yang terlihat pada gambar di atas. Fungsi-fungsi dari setiap komponen-komponen tersebut adalah sebagai berikut : 1. Panel Add Sound. Gambar 3.3 Panel Add Sound Panel ini berisi komponen untuk menentukan prosedur yang akan digunakan oleh pengguna sistem untuk menyediakan data input bagi program. Pengguna dapat menentukan mode pengoperasian sistem yang akan digunakan, apakah mode pengenalan atau mode pelatihan. Dalam panel ini juga terdapat 2 buah tombol, yaitu tombol Record yang digunakan apabila pengguna ingin menyediakan data input dengan cara melakukan perekaman (recording), dan tombol File jika pengguna ingin menyediakan data input dengan memilih sebuah file suara. 2. Panel Status. Gambar 3.4 Panel Status

6 25 Panel ini berfungsi untuk menampilkan status dari program. Proses-proses yang dilakukan oleh program dapat diamati melalui layar informasi status yang tersedia. Dalam panel ini terdapat tombol Reset Status yang berguna untuk membersihkan layar informasi status. 3. Panel Database. Gambar 3.5 Panel Database Panel ini berfungsi untuk memberikan informasi penting kepada pengguna sistem mengenai database yang digunakan oleh sistem ini. Informasi-informasi tersebut adalah jumlah data training ( Amount of data training ), jumlah jenis / kelompok data training ( Kinds of data training ), dan deskripsi dari database ( Database description ). Dalam panel ini terdapat 2 buah tombol, yaitu tombol Delete training yang dapat digunakan pengguna untuk menghapus data training dari database, dan tombol Refresh untuk melakukan update informasi database terbaru.

7 26 4. Panel Parameter. Gambar 3.6 Panel Parameter Panel ini berisi komponen-komponen yang dapat dipakai oleh pengguna sistem untuk mendefinisikan nilai dari parameter-parameter yang digunakan dalam program. Parameter-parameter tersebut adalah level dekomposisi wavelet ( Decomposition level ), batas ambang pemotongan sinyal ( Cutting margin ), parameter yang digunakan dalam algoritma KNN ( k ), dan jenis filter wavelet ( Wavelet filter ). Seluruh nilai komponen dalam panel parameter ini dapat diubah sesuai dengan keinginan pengguna sistem. 5. Axes The original WAV sound signal. Gambar 3.7 Axes The original WAV sound signal

8 27 Axes ini berfungsi untuk menampilkan data sinyal input asli (koefisien suara) dalam bentuk grafik. Tersedia 3 buah tombol, yaitu tombol Save untuk menyimpan data sinyal input ke dalam bentuk file WAV (tombol Save hanya aktif pada mode pelatihan), tombol Play untuk menampilkan data sinyal input dalam bentuk suara yang akan dikeluarkan melalui speaker (alat pengeras suara), dan tombol Figr untuk menampilkan grafik pada jendela (window) tersendiri. 6. Axes The signal after cutting. Gambar 3.8 Axes The signal after cutting Axes ini berfungsi untuk menampilkan data sinyal input (koefisien suara) hasil pemotongan dalam bentuk grafik. Tersedia 2 buah tombol, yaitu tombol Play untuk menampilkan data sinyal input (koefisien suara) hasil pemotongan dalam bentuk suara yang akan dikeluarkan melalui speaker (alat pengeras suara), dan tombol Figr untuk menampilkan grafik pada jendela (window) tersendiri.

9 28 7. Axes The signal after waveleting (approximation). Gambar 3.9 Axes The signal after waveleting (approximation) Axes ini berfungsi untuk menampilkan data sinyal input hasil Discrete Wavelet Transform (koefisien wavelet) dalam bentuk grafik. Tersedia 2 buah tombol, yaitu tombol Play untuk menampilkan data sinyal input hasil Discrete Wavelet Transform (koefisien wavelet) dalam bentuk suara yang akan dikeluarkan melalui speaker (alat pengeras suara), dan tombol Figr untuk menampilkan grafik pada jendela (window) tersendiri. 8. Axes The spectrogram of cutted signal. Gambar 3.10 Axes The spectrogram of cutted signal Axes ini berfungsi untuk menampilkan bentuk spectrogram dari data sinyal input hasil pemotongan. Tersedia 1 buah tombol, yaitu tombol

10 29 Figr untuk menampilkan spectrogram pada jendela (window) tersendiri. 9. Tombol Reset Axes. Gambar 3.11 Tombol Reset Axes Tombol ini berguna untuk mengembalikan semua komponen axes menjadi seperti keadaan awal program. 10. Panel Listen WAV in database. Gambar 3.12 Panel Listen WAV in database Panel ini berisi nama-nama file data training yang tersimpan dalam database. Pengguna sistem dapat mendengarkan file-file suara tersebut dengan cara memilih salah satu nama file suara yang ingin didengar. 11. Ikon Speaker Recognition System. Gambar 3.13 Ikon Speaker Recognition System Simbol ikon dari program Speaker Recognition System ini.

11 Panel Result Parameter. Gambar 3.14 Panel Result Parameter Panel ini berfungsi untuk menampilkan informasi nilai dari parameter-parameter yang digunakan hingga dihasilkannya hasil / result berupa decision logic yang telah ditampilkan pada bagian panel result ( K-nn Algorithm Result dan Average Algorithm Result ). Parameterparameter yang diinformasikan dalam panel ini sama dengan parameterparameter yang ada dalam panel Parameter, yaitu Decomposition level, Cutting margin, Wavelet filter, dan k. 13. Panel K-nn Algorithm Result. Gambar 3.15 Panel K-nn Algorithm Result Panel ini berfungsi untuk menampilkan informasi output hasil yang diperoleh dari perhitungan program menggunakan algoritma KNN (k-nn Algorithm). Output hasil yang ditampilkan ialah Speaker (nama orang yang berbicara), Text (kata yang diucapkan pembicara), Surely

12 31 (persentase keyakinan algoritma KNN), dan k-nearest (deskripsi hasil perhitungan algoritma KNN yang menunjukkan sejumlah k data training yang memiliki nilai jarak terkecil). 14. Panel Average Algorithm Result. Gambar 3.16 Panel Average Algorithm Result Panel ini berfungsi untuk menampilkan informasi output hasil yang diperoleh dari perhitungan program menggunakan algoritma Ratarata (Average Algorithm). Untuk algoritma Rata-rata, output hasil yang ditampilkan dalam panel ini ialah Speaker (nama orang yang berbicara), Text (kata yang diucapkan pembicara), Average ratio (perbandingan / rasio antara rata-rata jarak terkecil dengan jumlah keseluruhan rata-rata jarak) dan Average distance (jarak rata-rata untuk setiap kelompok data training dalam database). 15. Panel Compilation Result. Gambar 3.17 Panel Compilation Result

13 32 Panel ini berfungsi untuk menampilkan hasil kompilasi dari output hasil algoritma KNN dengan output hasil dari algoritma Rata-rata. Untuk mendapatkan hasil kompilasi dari kedua algoritma tersebut, program menggunakan logika AND sehingga hasil kompilasi akan menampilkan Speaker (nama orang yang berbicara) dan Text (kata yang diucapkan pembicara) apabila algoritma KNN dan algoritma Rata-rata menghasilkan output hasil yang sama untuk Speaker dan Text. Jika kedua algoritma tersebut menghasilkan output hasil yang berbeda, maka Compilation Result akan menginformasikan Unknown kepada pengguna sistem. 16. Tombol Reset Result. Gambar 3.18 Tombol Reset Result Tombol ini digunakan untuk membuat panel-panel result menjadi seperti keadaan awal program. 17. Tombol Exit. Gambar 3.19 Tombol Exit Tombol ini digunakan bila pengguna ingin menghentikan pengoperasian program Speaker Recognition System ini.

14 33 Dengan perancangan user interface yang dilengkapi dengan komponenkomponen seperti yang telah dijelaskan di atas, pengguna dapat dengan mudah melakukan percobaan simulasi menggunakan sistem pengenalan speaker ini. 3.3 Rancangan Peranti Lunak Kinerja dari sistem ini terpusat pada program (peranti lunak) dalam CPU. Pada sistem ini, program yang digunakan merupakan program yang melakukan fungsi-fungsi perhitungan dan perbandingan terhadap data-data yang diinputkan. Setiap program dalam sistem ini melakukan fungsi dan operasi tertentu. Untuk memudahkan memahami setiap program dalam sistem ini, maka dibuat diagram alir (flowchart) yang merepresentasikan alur kerja setiap program Perancangan Program Utama Gambar 3.20 di bawah ini merupakan gambar diagram alir dari program utama sistem ini secara keseluruhan.

15 34 Feature Extraction Pattern Matching Gambar 3.20 Diagram Alir Program Utama

16 35 Program diawali dengan melakukan inisialisasi program. Pada tahap inisialisasi program, seluruh nilai-nilai default awal parameter yang dibutuhkan dalam pengoperasian sistem ini akan dideklarasikan, seperti nilai parameter wavelet decomposition level, wavelet filter, cutting margin, dan nilai k. Selain itu, pada tahap inisialisasi, program juga akan melakukan update informasi database, mulai dari jumlah data training, jumlah masing-masing group, hingga file-file suara apa saja yang terdapat dalam database. Selanjutnya program akan menunggu input dari pengguna apakah pengguna akan memilih cara Record atau cara File guna mendapatkan data sinyal input yang akan diproses oleh program. Sistem ini sangat memudahkan pengguna dalam hal menyediakan data sinyal input yang akan diproses. Pengguna dapat melakukannya dengan 2 cara, yaitu : Record. Pengguna melakukan perekaman suara (recording) menggunakan mikrofon dengan durasi waktu yang dapat ditentukan oleh pengguna. File. Pengguna memilih sebuah file suara untuk kemudian diproses oleh program. Apabila pengguna memilih cara Record, maka pengguna harus mengisikan durasi waktu yang dirasa cukup untuk melakukan proses perekaman (recording). Sedangkan jika pengguna memilih untuk menggunakan cara File, maka pengguna harus memilih sebuah file suara yang ingin diproses oleh program. Setelah melalui tahap ini, maka program memiliki data sinyal input berupa

17 36 koefisien suara yang akan dapat digunakan dan diproses pada tahap-tahap selanjutnya. Kemudian data sinyal input berupa koefisien suara yang telah diperoleh harus melalui 2 tahap penting, yaitu tahap pemotongan sinyal dan tahap discrete wavelet transform. Tahap pemotongan sinyal berperan penting dalam melakukan seleksi bagian data sinyal input mana yang perlu diproses dan bagian mana yang tidak. Pada dasarnya tahap pemotongan ini membuang bagian sinyal suara saat pengguna tidak mengeluarkan suara (silent) sehingga ukuran data sinyal inputpun dapat dioptimalkan. Perlu diingat bahwa pengoptimalan ukuran data sinyal input juga memegang peranan penting dalam kinerja sistem, terutama dalam hal kecepatan pemrosesan. Setelah tahap pemotongan sinyal selesai dilakukan, maka data sinyal input tersebut harus melalui tahap discrete wavelet transform. Tahap ini merupakan tahap Feature Extraction dari sebuah sistem speaker recognition, dimana data sinyal input berupa koefisien suara dari tahap pemotongan sinyal akan diekstrak menjadi koefisien wavelet yang merepresentasikan karakteristik dari data sinyal input tersebut. Dengan melalui tahap discrete wavelet transform, data sinyal input yang ukurannya telah dioptimalkan pada tahap pemotongan sinyal sebelumnya akan kembali mengalami pengoptimalan ukuran data. Hal ini merupakan salah satu keuntungan menggunakan discrete wavelet transform. Setelah melalui 2 tahap penting tersebut, maka program memiliki 3 buah data sinyal input, yaitu : Data sinyal input asli (original signal).

18 37 merupakan data sinyal input yang belum melalui tahap pemotongan sinyal dan tahap discrete wavelet transform. Data sinya input asli dapat disebut sebagai koefisien suara. Data sinyal input hasil pemotongan (cutted signal). merupakan data sinyal input (koefisien suara) yang telah melalui tahap pemotongan sinyal. Data sinyal input hasil DWT (waveleted signal). merupakan data input sinyal yang telah melalui tahap pemotongan sinyal dan tahap discrete wavelet transform. Data sinyal input hasil DWT dapat disebut sebagai koefisien wavelet. Dalam pengoperasiannya, program akan menyimpan sementara ketiga buah data sinyal input tersebut ke dalam memori CPU guna keperluan selanjutnya. Kemudian program akan menampilkan output berupa grafik dan suara melalui user interface yang telah dirancang semudah mungkin bagi pengguna program. Program akan menampilkan 4 buah output grafik yang masing-masing merupakan representasi dari data sinyal input asli (koefisien suara), data sinyal input hasil pemotongan, data sinyal input hasil DWT (koefisien wavelet), dan spectrogram dari data sinyal input hasil pemotongan. Sedangkan untuk output berupa suara akan dikeluarkan oleh program melalui speaker (alat pengeras suara). Suara yang menjadi output dari sistem ini ada 3, yaitu sinyal suara asli, sinyal suara hasil pemotongan, dan sinyal suara hasil DWT. Pengguna dapat mendengarkan masing-masing output suara tersebut dengan menekan tombol yang telah disediakan pada tampilan user interface.

19 38 Selanjutnya program akan memeriksa mode yang sedang aktif. Dalam sistem ini terdapat 2 mode, yaitu : Mode pelatihan (training mode). ialah mode dimana pengguna ingin melatih sistem agar dapat mengenali suara pengguna. Hal ini dilakukan dengan melakukan proses perekaman (recording) atau memilih sebuah file suara yang hasilnya akan disimpan di dalam database sebagai data training. Mode pengenalan (recognition mode). ialah mode dimana pengguna ingin sistem ini melakukan pengenalan terhadap sinyal suara yang diinputkan oleh pengguna, baik dengan cara Record atau File. Apabila pengguna memilih menggunakan mode pelatihan (training), maka sebuah tombol Save akan aktif. Tombol tersebut berguna untuk menyimpan data sinyal suara input (koefisien suara) ke dalam database. Tentunya penyimpanan data sinyal suara input tersebut dilakukan atas persetujuan pengguna. Setelah data sinyal suara input tersebut berhasil disimpan ke dalam database, maka program akan melakukan update database guna memberikan informasi database terbaru kepada pengguna melalui tampilan user interface. Sedangkan jika pengguna memilih untuk menggunakan mode pengenalan (recognition), maka program akan segera melakukan perhitungan guna mendapatkan data jarak antara data sinyal input hasil DWT (koefisien wavelet input) dengan masing-masing data training (koefisien wavelet training) dalam database. Perhitungan data jarak pada program ini dilakukan dengan

20 39 menggunakan algoritma dynamic time warping (DTW). Setelah proses perhitungan data jarak selesai, maka program memiliki data jarak sejumlah data training yang berada dalam database. Perlu diingat bahwa data jarak yang diperoleh tersebut menggambarkan seberapa dekat atau seberapa jauh kemiripan antara karakter data sinyal input dengan masing-masing data training. Sejumlah data jarak telah diperoleh oleh program, maka selanjutnya program akan dapat menentukan hasil output berupa decision logic berdasarkan data jarak tersebut. Dalam menentukan decision logic, program menggunakan 2 buah metode, yaitu : Algoritma k-nn (k-nearest Neighbor Algorithm). Algoritma ini menentukan decision logic berdasarkan jumlah kemunculan data training terbanyak pada sejumlah k data jarak terkecil. Tentunya setiap data jarak harus terlebih dahulu diasosiasikan dengan data training yang bersangkutan. Algoritma Rata-rata (Average Algorithm). Algoritma ini menentukan decision logic dengan menghitung nilai rata-rata dari masing-masing data training yang sama (kelompok data training). Lalu akan dipilih data training dengan nilai rata-rata terkecil. Setelah program menjalankan kedua algoritma tersebut, maka program akan menampilkan output decision logic berupa nama pembicara (Speaker) dan kata yang diucapkannya (Text) melalui tampilan user interface. Program akan menampilkan output decision logic hanya bila mode yang aktif adalah mode pengenalan (recognition).

21 40 Program ini dapat digunakan terus-menerus, baik dalam mode pelatihan ataupun mode pengenalan, baik cara Record ataupun cara File. Keseluruhan pengoperasian sistem oleh pengguna dilakukan melalui sebuah tampilan user interface beserta komponen-komponen di dalamnya yang telah dirancang sedemikian rupa guna memudahkan pengguna Perancangan Program Pendukung Dalam program utama yang telah dijelaskan pada subbab terdapat beberapa program-program pendukung yang perlu dijelaskan lebih detail. Program-program pendukung tersebut ialah : Program Pemotongan Sinyal Suara. Program Discrete Wavelet Transform (DWT). Program Dynamic Time Warping (DTW). Program Algoritma k-nearest Neighbor (k-nn). Program Algoritma Rata-rata. Perancangan program-program pendukung tersebut akan dibahas secara detail pada subbab ini Perancangan Program Pemotongan Sinyal Suara Gambar 3.21 di bawah ini menggambarkan diagram alir dari prosedur program pemotongan sinyal suara. Prosedur ini digunakan untuk membuang bagian sinyal suara yang tidak diperlukan (silent) sehingga akan didapatkan data sinyal input dengan ukuran yang optimal.

22 41 Penyesuaian Batas Kiri Penyesuaian Batas Kanan Gambar 3.21 Diagram Alir Program Pemotongan Sinyal Suara

23 42 Prosedur pemotongan sinyal suara pada sistem ini diawali dengan tahap inisialisasi. Dalam tahap ini program akan menginisialisasi nilai ambang yang akan menjadi referensi pada tahap selanjutnya. Selain nilai ambang, program juga menentukan nilai variabel Batas_kiri = 1 dan Batas_kanan = length (Sinyal). Variabel Batas_kiri diberi nilai 1 menandakan pencarian batas potong kiri dimulai dari awal data sinyal input. Sedangkan variabel Batas_kanan diberi nilai sama dengan panjang sinyal input menandakan bahwa pencarian batas potong kanan dimulai dari akhir data sinyal input. Perlu diingat bahwa variabel Batas_kiri dengan Batas_kanan menunjukkan indeks data sinyal input. Selanjutnya program akan melaksanakan tahap penyesuaian batas kiri. Pada tahap ini program akan memeriksa nilai mutlak dari data yang indeksnya ditunjuk oleh Batas_kiri, apakah nilai tersebut lebih kecil atau sama dengan ambang. Jika nilainya lebih kecil atau sama dengan ambang maka program akan memeriksa apakah nilai variabel Batas_kiri masih lebih kecil dari nilai variabel Batas_kanan. Jika keadaan tersebut terpenuhi juga maka nilai dari variabel Batas_kiri akan ditambah 1 (increment) dan proses akan kembali melaksanakan tahap penyesuaian batas kiri hingga salah satu atau kedua kondisi tersebut tidak terpenuhi. Tahap selanjutnya disebut sebagai tahap penyesuaian batas kanan. Dalam tahap ini program akan memeriksa apakah nilai mutlak dari data yang indeksnya ditunjuk oleh Batas_kanan lebih kecil atau sama dengan nilai ambang. Jika kondisi tersebut terpenuhi, maka program akan memeriksa apakah nilai Batas_kanan masih lebih besar dari nilai batas_kiri. Jika kondisi ini terpenuhi

24 43 juga, maka nilai Batas_kanan dikurangi 1 (decrement) dan proses akan kembali melaksanakan tahap penyesuaian batas kanan hingga salah satu atau kedua kondisi tidak terpenuhi. Setelah penyesuaian batas kiri dan batas kanan, maka program memiliki nilai variabel Batas_kiri dan Batas_kanan sebagai referensi pemotongan sinyal. Dengan kata lain, program dapat mengetahui bagian sinyal mana yang diperlukan dan bagian sinyal mana yang tidak diperlukan. Kemudian program akan memeriksa apakah nilai variabel Batas_kiri sama dengan nilai variabel Batas_kanan. Jika kondisi tersebut terpenuhi, maka program dapat menyimpulkan bahwa tidak ada suara yang terdeteksi (no sound detected). Sedangkan jika nilai variabel Batas_kiri tidak sama dengan nilai variabel Batas_kanan, maka program dapat menyimpulkan ada suara terdeteksi dan program akan mengambil data sinyal input mulai dari indeks data yang ditunjuk oleh Batas_kiri hingga indeks data yang ditunjuk oleh Batas_kanan. Sebagai contoh, program memiliki data sinyal input sebagai berikut : Data sinyal input : 0,00 0,02 0,06 0,07 0,03 0,10 0,05 0,01 Misalkan, pengguna menginisialisasikan nilai variabel ambang = 0,05, maka hasil pemotongan adalah sebagai berikut :

25 44 Variabel Batas_kiri akan bernilai : 3 Variabel Batas_kanan akan bernilai : 7 Data sinyal input hasil pemotongan : 0,06 0,07 0,03 0,10 0,05 Program pemotongan sinyal suara ini berperan mengoptimalkan ukuran data sinyal input Perancangan Program Discrete Wavelet Transform (DWT) Gambar 3.22 di bawah ini menggambarkan diagram alir dari prosedur program discrete wavelet transform (DWT). Prosedur program DWT ini menjelaskan tahap-tahap bagaimana data sinyal input (koefisien suara) hasil pemotongan ditransformasikan menjadi koefisien wavelet.

26 45 Tahap Dekomposisi Wavelet level-n Gambar 3.22 Diagram Alir Program Discrete Wavelet Transform (DWT)

27 46 Prosedur program discrete wavelet transform (DWT) ini diawali dengan menginisialisasi variabel-variabel yang diperlukan, antara lain : level_dec. Variabel level_dec menunjukkan jumlah level dekomposisi DWT. Pada sistem ini secara default, level_dec bernilai 3. tetapi sistem ini memungkinkan pengguna untuk mengatur nilai level_dec sesuai dengan keinginan. w_filter. Variabel w_filter merupakan variabel string yang menunjukkan jenis wavelet filter yang akan digunakan pada proses DWT. Jenis wavelet filter yang dipilih menentukan koefisien-koefisien dari LPF dan HPF yang digunakan. n Variabel n digunakan sebagai variabel bantuan guna memeriksa apakah proses DWT sudah dilakukan sebanyak nilai level_dec. ca(n) Variabel ca(n) merupakan variabel untuk menampung approximation coefficient dari proses DWT dengan dekomposisi wavelet level-n. Pada tahap inisialisasi, variabel ca(0) diisi dengan data sinyal input asli. Variabel-variabel tersebut diperlukan dalam proses DWT. Hasil proses DWT berupa koefisien wavelet dapat berubah-ubah sesuai dengan level dekomposisi dan jenis wavelet filter yang digunakan. Setelah tahap inisialisasi, nilai variabel n ditambah 1 (increment) dan program akan melakukan tahap dekomposisi awal. Pada tahap dekomposisi ini,

28 47 data sinyal input yang terdapat di dalam variabel ca(0) akan difilter dengan LPF yang koefisien filternya tergantung pada jenis wavelet filter yang dipilih. Setelah melalui tahap pemfilteran, ukuran data sinyal output masih sama dengan ukuran data sinyal input. Guna mengoptimalkan ukuran data sinyal, maka dilakukan tahap down-sampling terhadap data sinyal hasil pemfilteran sebelumnya. Setelah tahap dekomposisi ini selesai, maka program memiliki koefisien wavelet baru dengan ukuran data yang lebih kecil. Kemudian program akan memeriksa nilai variabel n, apakah sama dengan nilai level_dec. Jika kondisi tersebut belum terpenuhi, maka nilai variabel n akan kembali ditambah 1 (increment) dan program kembali melakukan tahap dekomposisi hingga nilai n sama dengan nilai level_dec. Variabel ca(n) merupakan variabel yang menampung koefisien wavelet hasil tahap dekomposisi terakhir. Jadi jika pengguna menentukan level_dec bernilai 5, maka program akan mengambil variabel ca(5) sebagai koefisien wavelet yang akan digunakan pada tahap selanjutnya Perancangan Program Dynamic Time Warping (DTW) Gambar 3.23 di bawah ini merupakan diagram alir dari program dynamic time warping (DTW). Sistem ini menggunakan program DTW untuk menghitung jarak antara koefisien wavelet input dengan masing-masing koefisien wavelet data training. Hasil jarak yang didapat menunjukkan seberapa dekat atau seberapa jauh kemiripan antara karakter data sinyal input dengan masing-masing data training.

29 Gambar 3.23 Diagram Alir Program Dynamic Time Warping (DTW) 48

30 49 Program dynamic time warping (DTW) diawali dengan melakukan inisialisasi. Pada tahap inisialisasi, program akan mendeklarasikan variabel r untuk menampung koefisien wavelet data training dan variabel t untuk menampung koefisien wavelet data input. Dengan demikian variabel r dan t merupakan variabel yang berbentuk vektor. Setelah tahap inisialisasi, program akan memeriksa apakah vektor r berbentuk vektor kolom, jika tidak maka vektor r akan di-transpose sehingga menjadi berbentuk vektor kolom. Lalu program akan memeriksa apakah vektor t merupakan vektor kolom, jika ya maka vektor t akan di-transpose sehingga vektor t menjadi berbentuk vektor baris. Program akan menyimpan jumlah / panjang data vektor r dalam variabel M dan jumlah / panjang data vektor t dalam variabel N untuk keperluan proses selanjutnya. Setelah memperoleh vektor kolom r dan vektor baris t, maka program akan melakukan replikasi vektor r sebanyak N kali secara horizontal dan replikasi vektor t sebanyak M kali secara vertical. Masing-masing hasil replikasi vektor tersebut akan menghasilkan sebuah matriks yang disimpan dalam variabel r_repmat untuk matriks hasil replikasi vektor r dan variabel t_repmat untuk matriks hasil replikasi vektor t. Untuk mempermudah pemahaman mengenai tahap ini, berikut disertai contoh penerapannya : Andaikan vektor r = 1 vektor t =

31 50 maka akan diperoleh M = 4 panjang data vektor r N = 3 panjang data vektor t r_repmat = t_repmat = Selanjutnya akan dihitung jarak euclidean antara masing-masing elemen matriks r_repmat dengan matriks t_repmat yang hasilnya akan disimpan dalam variabel d. Formula dari perhitungan ini ialah sebagai berikut : d = ( r_repmat t_repmat ).^2 Berdasarkan contoh sebelumnya, maka diperoleh d = Kemudian program akan membuat variabel D dengan ukuran sama dengan matriks d. Elemen matriks D(1,1) diisi dengan nilai d(1,1) sehingga

32 51 D = Untuk keperluan perhitungan selanjutnya, program perlu mendeklarasikan variabel m = 2 dan variabel n = 2. Setelah itu, program akan melakukan perulangan (looping) perhitungan untuk mengisi kolom pertama matriks D dengan formula seperti berikut : D(m,1) = d(m,1) + D(m-1,1) sehingga diperoleh D = Setelah elemen-elemen kolom pertama matriks D telah terisi, program melakukan perulangan (looping) perhitungan untuk mengisi baris pertama matriks D dengan formula seperti berikut : D(1,n) = d(1,n) + D(1,n-1)

33 52 sehingga diperoleh D = Setelah elemen-elemen baris pertama matriks D telah terisi, program mengembalikan nilai variabel m = 2 dan variabel n = 2 untuk keperluan proses perulangan (looping) selanjutnya. Kemudian program akan melengkapi sisa-sisa elemen matriks D lainnya dengan formula seperti berikut : D(m,n) = d(m,n) + min[ D(m-1,n), D(m-1,n-1), D(m,n-1) ] sehingga diperoleh D = Setelah diperoleh matriks D yang nilai elemen-elemennya telah dihitung, maka program dapat menentukan hasil output berupa jarak yang menunjukkan seberapa dekat atau seberapa jauh kemiripan antara data vektor r dan data vektor t. Program dapat menentukan nilai jarak berdasarkan formula berikut :

34 53 jarak = D(M,N) sehingga diperoleh jarak = D (4,3) = 5 Program menghitung jarak dengan menggunakan algoritma dynamic time warping ini secara berulang-ulang sesuai dengan jumlah data training yang ada dalam database sehingga pada akhir proses, akan didapatkan data jarak sejumlah data training. Dengan berdasarkan data jarak yang diperoleh tersebut, maka sistem akan dapat menentukan hasil output akhir berupa decision logic pada tahap proses selanjutnya Perancangan Program Algoritma k-nearest Neighbor (k-nn) Gambar 3.24 di bawah ini menggambarkan diagram alir dari prosedur penggunaan algoritma k-nn. Prosedur penggunaan algoritma k-nn ini bertujuan untuk memperoleh output hasil dengan data jarak sebagai input dari prosedur ini.

35 Gambar 3.24 Diagram Alir Program Algoritma k-nearest Neighbor (k-nn) 54

36 55 Prosedur penggunaan algoritma k-nn ini diawali dengan menginisialisasi jumlah data training dalam database, data jarak yang telah diperoleh dari tahap menghitung jarak dengan algoritma dynamic time warping, dan nilai k yang digunakan (nilai k dipengaruhi oleh jumlah data training). Setelah program melakukan inisisalisasi, data jarak akan diurutkan dari yang terkecil hingga yang terbesar (ascending). Kemudian proses ini diikuti dengan mengasosiasikan masing-masing data jarak dengan indeksnya. Tentu saja indeks yang dimaksud disini adalah indeks dari data jarak yang masih belum terurut. Sebagai contoh program memiliki sejumlah data jarak sebagai berikut : Data jarak : 23,125 19,305 27,596 26,382 Indeks data jarak : Data jarak (terurut) : 19,305 23,125 24,382 24,596 Indeks data jarak : Kemudian program akan mengambil sejumlah k indeks dari sejumlah k data jarak terkecil. Misalnya nilai k yang digunakan adalah 3, maka : 3-data jarak terkecil : 19,305 23,125 24,382 Indeks data jarak :

37 56 Selanjutnya program akan mengasosiasikan masing-masing indeks tersebut dengan data training yang bersangkutan (Speaker dan Text). Misalnya program memiliki tabel asosiasi sebagai berikut : Tabel 3.1 Asosiasi data training dengan indeks data training Indeks Data Training / Data Jarak Data Training (Speaker + Text) 1 5 BIMA + OPEN 6 10 BIMA + DATA DONNY + OPEN DONNY + DATA RICO + OPEN RICO + DATA Berdasarkan tabel asosiasi di atas, maka program dapat menyimpulkan sebagai berikut : Indeks data jarak : Data training : BIMA + OPEN BIMA + OPEN DONNY + DATA Setelah mendapatkan sejumlah data training berdasarkan indeks data jarak yang diperoleh, maka program akan menghitung jumlah kemunculan masing-masing data training. Data training : BIMA + OPEN DONNY + DATA Jumlah kemunculan : 2 1 Dari jumlah kemunculan yang diperoleh akan diperiksa apakah hanya ada 1 buah data training dengan jumlah kemunculan terbesar. Jika hanya ada 1 buah data

38 57 training dengan jumlah kemunculan terbesar, maka hasil yang diperoleh adalah data training dengan jumlah kemunculan besar tersebut. Dengan demikian hasil yang diperoleh akan memuat 2 buah parameter output, yaitu Speaker (orang yang berbicara) dan Text (kata yang diucapkan). Sebagai contoh : Hasil = BIMA + OPEN Speaker = BIMA Text = OPEN Tetapi apabila terdapat lebih dari 1 buah data training dengan jumlah kemunculan terbesar, maka nilai k akan dikurangi 1 dan program akan kembali mengambil sejumlah k indeks dari sejumlah k data jarak terkecil serta melakukan perhitungan ulang hingga program memperoleh hanya 1 buah data training dengan jumlah kemunculan terbesar. Data training dengan jumlah kemunculan terbesar itulah yang akan dijadikan output hasil oleh program dan ditampilan melalui tampilan user interface Perancangan Program Algoritma Rata-Rata Guna memperoleh hasil berupa decision logic, selain menggunakan algoritma k-nn, program juga menggunakan algoritma Rata-rata. Gambar 3.25 di bawah ini merupakan diagram alir dari prosedur penggunaan algoritma Ratarata. Sama halnya dengan algoritma k-nn, prosedur penggunaan algoritma Ratarata juga bertujuan memperoleh output hasil dengan data jarak sebagai inputnya.

39 58 Gambar 3.25 Diagram Alir Program Algoritma Rata-Rata Prosedur penggunaan algoritma Rata-rata guna memperoleh output hasil diawali dengan tahap inisialisasi. Pada tahap ini program akan menginisialisasi data jarak dan jumlah masing-masing data training dalam database serta hasil yang diperoleh dari algoritma k-nn sebelumnya. Selanjutnya perhitungan dilakukan dengan merata-ratakan data jarak untuk masing-masing kelompok data training. Sebagai contoh, program memiliki data jarak sebagai berikut : Data jarak : 15,435 12,716 17,515 25,333 25,987 18,434 Indeks data jarak :

40 59 Program juga memiliki tabel asosiasi sebagai berikut : Tabel 3.2 Asosiasi data training dengan data ratio-nya Indeks Data Training Data Training / Data Jarak (Speaker + Text) Ratio (min max) 1 2 BIMA + OPEN 0,21 0, DONNY + OPEN 0,155 0,3 5 6 RICO + OPEN 0,25 0,287 Berdasarkan tabel asosiasi di atas, maka program dapat menyimpulkan : Data jarak : 15,435 12,716 17,515 25,333 25,987 18,434 Indeks data jarak : Data training : BIMA + OPEN DONNY + OPEN RICO + OPEN Jumlah data training : Berdasarkan data-data tersebut, program dapat memperoleh nilai rata-rata dari masing-masing data training. Data training : BIMA + OPEN DONNY + OPEN RICO + OPEN Nilai rata-rata : (15,435+12,716)/2 (17,515+25,333)/2 (25,987+18,434)/2 Nilai rata-rata : 14,076 21,424 22,211 Setelah diperoleh nilai rata-rata untuk setiap kelompok data training, maka program akan menentukan output hasil yang diperoleh adalah data training dengan nilai rata-rata kelompok terkecil. Hasil yang diperoleh tersebut memuat 2

41 60 buah parameter output, yaitu Speaker (orang yang berbicara) dan Text (kata yang diucapkan). Sebagai contoh : Hasil = BIMA + OPEN Speaker = BIMA Text = OPEN Kemudian program akan memeriksa apakah hasil yang diperoleh dengan algoritma Rata-rata ini sama dengan hasil yang diperoleh dari algoritma k-nn sebelumnya. Jika hasilnya berbeda, maka program langsung menetapkan identitas Speaker = Unknown dan Text = Unknown. Tapi jika hasil dari kedua algoritma tersebut ternyata sama, maka program akan melakukan perhitungan average ratio. Average ratio merupakan nilai perbandingan antara nilai rata-rata terkecil dengan jumlah seluruh nilai rata-rata. Dengan adanya average ratio, sistem dapat lebih selektif menampilkan output decision logic, dengan kata lain juga mengurangi kemungkinan kesalahan pengenalan. Nilai rata-rata : 14,076 21,424 22,211 Nilai terkecil : 14,076 Jumlah rata-rata : 57,711 Average ratio : 14,076 / 57,711 = 0,243905

42 61 Selanjutnya program akan memeriksa apakah dengan nilai average ratio yang diperoleh, hasil boleh ditampilkan. Program akan memeriksa apakah nilai average ratio yang diperoleh tersebut berada diantara nilai ratio min dan ratio max yang diizinkan atau tidak. Jika ternyata nilai average ratio yang diperoleh di luar batas ratio, maka program langsung menetapkan identitas Speaker = Unknown dan Text = Unknown. Tapi jika ternyata nilai average ratio yang diperoleh berada dalam batas ratio, maka program akan menampilkan hasil identitas yang diperoleh sebagai Speaker dan Text melalui user interface. Average ratio : 0, Batas ratio untuk BIMA + OPEN : 0,21 0,275 Karena average ratio yang diperoleh masih berada di dalam batas ratio yang diizinkan, maka : Speaker : BIMA Text : OPEN

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk 6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul

BAB 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 terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1 Diagram Blok Sistem Gambar 3.1 Diagram Blok Sistem. Penjelasan diagram blok sistem di atas adalah sebagai berikut: MATLAB MATLAB berfungsi sebagai tempat membuat program dan

Lebih terperinci

BAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment

BAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment BAB PERUMUSAN PENELITIAN.1 Blok Diagram Signal Sparse Coding Dictionary Reconstruction Reconstructed Signal Assessment Gambar.1 Blok Diagram secara Umum Secara umum tujuan penelitian ini akan mencari dictionary

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahapan yang dilaksanakan selama pembuatan penelitian tugas akhir. Secara garis besar metodologi penelitian tugas akhir ini dapat

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. database dan database query, secara keseluruhan menggunakan cara yang sama.

BAB IV HASIL DAN PEMBAHASAN. database dan database query, secara keseluruhan menggunakan cara yang sama. BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Experimen Pada dasarnya tahapan yang dilakukan pada proses pengambilan sampel dari database dan database query, secara keseluruhan menggunakan cara yang sama. Berdasarkan

Lebih terperinci

Bab 3. Perancangan Sistem

Bab 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 terperinci

Pengenalan Suara Menggunakan Metode MFCC (Mel Frequency Cepstrum Coefficients) dan DTW (Dynamic Time Warping) untuk Sistem Penguncian Pintu

Pengenalan Suara Menggunakan Metode MFCC (Mel Frequency Cepstrum Coefficients) dan DTW (Dynamic Time Warping) untuk Sistem Penguncian Pintu 239 Pengenalan Suara Menggunakan Metode MFCC (Mel Frequency Cepstrum Coefficients) dan DTW (Dynamic Time Warping) untuk Sistem Penguncian Pintu Zulham Effendi *), Firdaus **), Tati Erlina ***), Ratna Aisuwarya

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45 20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D

BAB 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 terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database sinyal EKG Pengambilan data dari database Visual Basic 6.0 Discrete Wavelet Transform (DWT) Dekomposisi Daubechies Orde 2

Lebih terperinci

BAB 3 ALGORITMA DAN PERANCANGAN. membaca partitur musik ini adalah sebagai berikut : hanya terdiri dari 1 tangga nada. dengan nada yang diinginkan.

BAB 3 ALGORITMA DAN PERANCANGAN. membaca partitur musik ini adalah sebagai berikut : hanya terdiri dari 1 tangga nada. dengan nada yang diinginkan. BAB 3 ALGORITMA DAN PERANCANGAN 3.1. Algoritma Program Untuk mengimplementasikan ke dalam program aplikasi dibutuhkan algoritma, yaitu langkah-langkah instruksi sehingga dicapai hasil yang diinginkan.

Lebih terperinci

PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA

PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI

Lebih terperinci

BAB 4 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN. 4.1 Model Rumusan Masalah dan Pengambilan Keputusan

BAB 4 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN. 4.1 Model Rumusan Masalah dan Pengambilan Keputusan BAB 4 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN 4.1 Model Rumusan Masalah dan Pengambilan Keputusan Suara yang dihasilkan manusia merupakan sinyal analog. Setelah melalui proses perekaman, suara ini

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data

Lebih terperinci

BAB 3 ALGORITMA DAN PERANCANGAN

BAB 3 ALGORITMA DAN PERANCANGAN BAB 3 ALGORITMA DAN PERANCANGAN 3.1 Algoritma Program Dibutuhkan algoritma untuk diimplementasikan ke dalam program aplikasi ini, yaitu langkah langkah instruksi sehingga dicapai hasil yang diinginkan.

Lebih terperinci

Bab III ANALISIS&PERANCANGAN

Bab III ANALISIS&PERANCANGAN 3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM 28 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras System ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti speaker (alat untuk menghasilkan suara), dan seperangkat komputer

Lebih terperinci

BAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function

BAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN

BAB 3 ANALISIS DAN PERANCANGAN BAB 3 ANALISIS DAN PERANCANGAN Pada bab ini menjelaskan mengenai analisis permasalahan yang dihadapi dan perancangan program aplikasi yang akan dibentuk. Bab ini terdiri atas algoritma program, pemecahan

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN PROGRAM APLIKASI. spesifikasi perangkat keras dan perangkat lunak yang menunjang.

BAB III ANALISIS DAN PERANCANGAN PROGRAM APLIKASI. spesifikasi perangkat keras dan perangkat lunak yang menunjang. 26 BAB III ANALISIS DAN PERANCANGAN PROGRAM APLIKASI 3.1 Spesifikasi yang Dibutuhkan Untuk dapat menjalankan Voice Recognition Program ini dibutuhkan beberapa spesifikasi perangkat keras dan perangkat

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan

Lebih terperinci

ANALISIS DAN PERANCANGAN PROGRAM APLIKASI. mahasiswa Binus University secara umum. Dan mampu membantu

ANALISIS 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 terperinci

Penyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.

Penyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan

Lebih terperinci

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,

Lebih terperinci

BIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES

BIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES Agustini, Biometrik Suara Dengan Transformasi Wavelet 49 BIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES Ketut Agustini (1) Abstract: Biometric as one of identification or recognition

Lebih terperinci

BAB III PERENCANAAN SISTEM. Pada bab ini akan dijelaskan alur sistem serta desain interface dari Aplikasi Sistem Input

BAB III PERENCANAAN SISTEM. Pada bab ini akan dijelaskan alur sistem serta desain interface dari Aplikasi Sistem Input BAB III PERENCANAAN SISTEM Pada bab ini akan dijelaskan alur sistem serta desain interface dari Aplikasi Sistem Input Output Suara Menggunakan Souncard. Berikut penjelasan lengkapnya. 3.1 Perancangan Sistem

Lebih terperinci

Pendahuluan. Praktikum Pengantar Pengolahan Citra Digital Departemen Ilmu Komputer Copyright 2008 All Rights Reserved

Pendahuluan. Praktikum Pengantar Pengolahan Citra Digital Departemen Ilmu Komputer Copyright 2008 All Rights Reserved 1 Pengenalan Matlab Pendahuluan Matlab adalah perangkat lunak yang dapat digunakan untuk analisis dan visualisasi data. Matlab didesain untuk mengolah data dengan menggunakan operasi matriks. Matlab juga

Lebih terperinci

BAB 3 PERANCANGAN SISTEM. ruangan yang menggunakan led matrix dan sensor PING))). Led matrix berfungsi

BAB 3 PERANCANGAN SISTEM. ruangan yang menggunakan led matrix dan sensor PING))). Led matrix berfungsi BAB 3 PERANCANGAN SISTEM 3.1 Pengertian Umum Perancangan Media Penyampaian Informasi Otomatis Dengan LED Matrix Berbasis Arduino adalah suatu sistem media penyampaian informasi di dalam ruangan yang menggunakan

Lebih terperinci

BAB III ANALISA DAN PERANCANGAN 3.1 ANALISA PERANGKAT LUNAK BASIS DATA MULTIMEDIA

BAB III ANALISA DAN PERANCANGAN 3.1 ANALISA PERANGKAT LUNAK BASIS DATA MULTIMEDIA BAB III ANALISA DAN PERANCANGAN 3.1 ANALISA PERANGKAT LUNAK BASIS DATA MULTIMEDIA Dalam bagian ini akan dianalisis berbagai hal yang berkaitan dengan perancangan dan implementasi aplikasi multimedia. Analisis

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Permasalahan Tahapan analisis terhadap suatu sistem dilakukan sebelum masuk ke tahapan perancangan. Tujuan dilakukannya analisis terhadap suatu sistem

Lebih terperinci

IMPLEMENTASI DAN EVALUASI

IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,

Lebih terperinci

yaitu dalam ketepatan pengenalan pola berdasarkan kelas untuk menampilkan genre.

yaitu dalam ketepatan pengenalan pola berdasarkan kelas untuk menampilkan genre. 16 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berkembangnya teknologi komunikasi berbasis digital, masyarakat membutuhkan lagu-lagu yang telah dibuat dalam bentuk digital. Musik digital

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN PROGRAM APLIKASI. client-server yang terintegrasi dengan component ADO pada Delphi. Pada program

BAB III ANALISIS DAN PERANCANGAN PROGRAM APLIKASI. client-server yang terintegrasi dengan component ADO pada Delphi. Pada program BAB III ANALISIS DAN PERANCANGAN PROGRAM APLIKASI 3.1 Analisis Program Aplikasi 3.1.1 Analisis Database Program Database yang digunakan adalah SQL server 2000, dengan metode client-server yang terintegrasi

Lebih terperinci

BAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang

BAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team 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 terperinci

BAB 3 PERANCANGAN SISTEM. yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk

BAB 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 terperinci

BAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.

BAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis. BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari

Lebih terperinci

BAB III ANALISA MASALAH DAN PERANCANGAN SISTEM

BAB III ANALISA MASALAH DAN PERANCANGAN SISTEM 34 BAB III ANALISA MASALAH DAN PERANCANGAN SISTEM 3.1. Permasalahan yang ada Sering kali user kesulitan mengarang musik untuk menjadi sebuah lagu yang baik, Masalah yang dihadapi adalah terbatasnya penyediaan

Lebih terperinci

Bab III PERANCANGAN PROGRAM APLIKASI

Bab III PERANCANGAN PROGRAM APLIKASI 35 Bab III PERANCANGAN PROGRAM APLIKASI 3.1 Spesifikasi Rumusan Rancangan Perancangan program aplikasi ini terbagi menjadi dua bagian yaitu proses, yaitu : proses input dan hasil keluaran atau output Proses

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Sinyal PCG Denoising Dekomposisi Frekuensi cuplik 8Khz Frekuensi cuplik 44,1Khz Frekuensi cuplik 48Khz Coiflet Symlet Daubechies Biorthogonal

Lebih terperinci

BAB 3 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN

BAB 3 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN BAB 3 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN 3.1 Sistem Diagram Sistem diagram adalah diagram dari sebuah sistem, dengan fungsi atau bagian utamanya diwakili oleh blok yang dihubungkan oleh garis-garis

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN. Metode Inverse Modified Discrete Cosine Transform (IMDCT) yang akan

BAB 3 ANALISIS DAN PERANCANGAN. Metode Inverse Modified Discrete Cosine Transform (IMDCT) yang akan BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Model Metode Inverse Modified Discrete Cosine Transform (IMDCT) yang akan digunakan adalah suatu sistem yang terdiri dari banyaknya perulangan baris frekuensi.

Lebih terperinci

Membuat File Database & Tabel

Membuat File Database & Tabel Membuat File Database & Tabel Menggunakan MS.Office Access 2013 Database merupakan sekumpulan data atau informasi yang terdiri atas satu atau lebih tabel yang saling berhubungan antara satu dengan yang

Lebih terperinci

BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM

BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM V.1 Lingkungan Implementasi Lingkungan implementasi meliputi lingkungan perangkat keras (hardware) dan lingkungan perangkat lunak (software) yang digunakan pada

Lebih terperinci

IV. RANCANG BANGUN SISTEM. Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk

IV. RANCANG BANGUN SISTEM. Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk IV. RANCANG BANGUN SISTEM 4.1 Analisis dan Spesifikasi Sistem Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk menyisipkan label digital, mengekstraksi label digital, dan dapat

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Perangkat Keras Perancangan perangkat keras pada sistem keamanan ini berupa perancangan modul RFID, modul LCD, modul motor. 3.1.1 Blok Diagram Sistem Blok diagram

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM. Analisis sistem terdiri dari dua bagian yaitu analisis data sistem dan analisis komponen sistem.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM. Analisis sistem terdiri dari dua bagian yaitu analisis data sistem dan analisis komponen sistem. BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem terdiri dari dua bagian yaitu analisis data sistem dan analisis komponen sistem. 3.1.1 Analisis Data Sistem Dalam merancang sistem

Lebih terperinci

PRESENTASI TUGAS AKHIR KI091391

PRESENTASI TUGAS AKHIR KI091391 PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute

Lebih terperinci

Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016

Seminar 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 terperinci

BAB 3 METODOLOGI. Metodologi penelitian yang digunakan dalam penulisan ini adalah studi

BAB 3 METODOLOGI. Metodologi penelitian yang digunakan dalam penulisan ini adalah studi BAB 3 METODOLOGI 3.1 Metodologi Penelitian Metodologi penelitian yang digunakan dalam penulisan ini adalah studi kepustakaan dan studi laboratorium dimana penulis mempelajari teori-teori teknik pencarian

Lebih terperinci

BAB III ANALISA DAN PERANCANGAN

BAB III ANALISA DAN PERANCANGAN BAB III ANALISA DAN PERANCANGAN III.1. Analisis Pendidikan di Indonesia saat ini masih terus berkembang. Salah satunya dalam bidang informatika komputer. Di Indonesia saat ini mempelajari ilmu komputer

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI Bab ini selain menjelaskan mengenai kebutuhan minimum untuk perangkat keras dan perangkat lunak yang digunakan untuk pemakaian aplikasi yang dihasilkan, juga dijelaskan

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Indera pendengaran manusia tidak dapat mengetahui secara pasti jenis nada apa yang didengar olehnya, terkecuali para pemusik profesional. Hal

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI. Untuk menjalankan alat bantu normalisasi ini dibutuhkan sarana perangkat keras

BAB 4 IMPLEMENTASI DAN EVALUASI. Untuk menjalankan alat bantu normalisasi ini dibutuhkan sarana perangkat keras BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi 4.1.1 Spesifikasi Sistem Untuk menjalankan alat bantu normalisasi ini dibutuhkan sarana perangkat keras dan piranti lunak sebagai berikut : Spesifikasi

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam

BAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting

Lebih terperinci

BAB III PERANCANGAN SISTEM

BAB III PERANCANGAN SISTEM BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM 29 BAB 3 PERANCANGAN SISTEM 3.1 Blok Diagram Sistem Blok diagram sistem absensi ini dapat dilihat pada gambar 3.1 di bawah ini. Gambar 3.1. Diagram Blok Sistem Fungsi fungsi dari blok diatas adalah sebagai

Lebih terperinci

BAB 3 PERANCANGAN PERANGKAT LUNAK

BAB 3 PERANCANGAN PERANGKAT LUNAK A 3 PERANCANGAN PERANGKAT LUNAK Pada bab ini diuraikan mengenai perancangan perangkat lunak untuk implementasi aplikasi pengenalan obyek tiga dimensi dengan metode Subclass Discriminant Analysis (SDA).

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam

Lebih terperinci

3.6 Data Mining Klasifikasi Algoritma k-nn (k-nearest Neighbor) Similaritas atribut numerik

3.6 Data Mining Klasifikasi Algoritma k-nn (k-nearest Neighbor) Similaritas atribut numerik DAFTAR ISI PERNYATAAN... iii PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR ALGORITMA... xvi DAFTAR LAMPIRAN... xvii INTISARI... xviii ABSTRACT...

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN APLIKASI 3.1 ANALISIS

BAB III ANALISIS DAN PERANCANGAN APLIKASI 3.1 ANALISIS 29 BAB III ANALISIS DAN PERANCANGAN APLIKASI 3.1 ANALISIS Dengan menggunakan Visual Basic 6.0 aplikasi perangkat ajar pengelolaan dan perhitungan ekspresi matematika yang akan dibangun dalam penelitian

Lebih terperinci

Melalui persamaan di atas maka akan terbentuk pola radargram yang. melukiskan garis-garis / pola pendekatan dari keadaan yang sebenarnya.

Melalui persamaan di atas maka akan terbentuk pola radargram yang. melukiskan garis-garis / pola pendekatan dari keadaan yang sebenarnya. BAB IV SIMULASI DAN ANALISIS 4.1 Pembuatan Data Sintetis Dalam karya tulis ini pembuatan data sintetis mengikuti pola persamaan (3.1) Melalui persamaan di atas maka akan terbentuk pola radargram yang melukiskan

Lebih terperinci

BAB 3 PERANCANGAN PROGRAM. dari OOP (Object Oriented Programming) di mana dalam prosesnya, hal-hal

BAB 3 PERANCANGAN PROGRAM. dari OOP (Object Oriented Programming) di mana dalam prosesnya, hal-hal BAB 3 PERANCANGAN PROGRAM 3.1 Spesifikasi Rumusan Rancangan Program Algoritma Genetika dirancang dengan mengikuti prinsip-prinsip dan sifatsifat dari OOP (Object Oriented Programming) di mana dalam prosesnya,

Lebih terperinci

BAB III ANALISIS, ALGORITMA, DAN CONTOH PENERAPAN

BAB III ANALISIS, ALGORITMA, DAN CONTOH PENERAPAN BAB III ANALISIS, ALGORITMA, DAN CONTOH PENERAPAN 3.1 Analisis Berdasarkan cara menghitung besaran-besaran yang telah disebutkan pada Bab II, diperoleh perumusan untuk besaran-besaran tersebut sebagai

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis dan Kebutuhan Sistem Untuk merancang suatu sistem yang baik diperlukan beberapa persiapan seperti menentukan kebutuhan dari aplikasi yang akan dibuat

Lebih terperinci

BAB III ANALISA DAN PERANCANGAN SISTEM

BAB III ANALISA DAN PERANCANGAN SISTEM BAB III ANALISA DAN PERANCANGAN SISTEM Bab ini akan menjelaskan analisa sistem dan perancangan sebuah aplikasi desktop untuk pendataan bayi dan analisa kesehatan dengan mengimplementasikan algoritma Analitycal

Lebih terperinci

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra. BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN 33 BAB IV HASIL DAN PEMBAHASAN 4.1. Hasil 4.1.1 Uraian Hasil Metode Gabungan AHP dan TOPSIS Dalam penyelesaian permasalahan dengan metode AHP dan TOPSIS ada beberapa langkah-langkah pemecahannya, yaitu

Lebih terperinci

Analisis Wavelet 2D untuk Citra Photo

Analisis Wavelet 2D untuk Citra Photo Analisis Wavelet 2D untuk Citra Photo Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Abstract Wavelet atau gelombang pendek biasa

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Suatu data Multivariate Time Series (MTS), dilihat dari sifatnya, dapat didefinisikan sebagai suatu data yang didapat dengan melakukan observasi terhadap beberapa

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM. digunakan, kemudian dilanjutkan dengan rancangan sistem aplikasi berupa cetak biru

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM. digunakan, kemudian dilanjutkan dengan rancangan sistem aplikasi berupa cetak biru BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Pada Bab 3 ini akan dijelaskan mengenai proses perancangan program aplikasi Fractal Batik, diantaranya adalah analisis mengenai kebutuhan sistem yang akan digunakan,

Lebih terperinci

BAB 3 PERANCANGAN SISTEM. 3.1 Rancangan Perangkat Keras Sistem Penuntun Satpam. diilustrasikan berdasarkan blok diagram sebagai berikut:

BAB 3 PERANCANGAN SISTEM. 3.1 Rancangan Perangkat Keras Sistem Penuntun Satpam. diilustrasikan berdasarkan blok diagram sebagai berikut: BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem Penuntun Satpam Perancangan sistem penuntun satpam bagi keamanan gedung ini dapat diilustrasikan berdasarkan blok diagram sebagai berikut:

Lebih terperinci

BAB III METODE PENELITIAN. jantung pasien penyakit jantung secara elektro-akustik atau PCG

BAB III METODE PENELITIAN. jantung pasien penyakit jantung secara elektro-akustik atau PCG BAB III METODE PENELITIAN A. Metode Pengumpulan Data Data penelitian ini diperoleh melalui observasi terhadap pasien penyakit jantung. Penelitian ini menggunakan alat untuk mendeteksi dan perekaman detak

Lebih terperinci

TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD

TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD Jurnal Teknik Komputer Unikom Komputika Volume 3, No.2-2014 TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD Selvia Lorena Br Ginting 1), Wendi Zarman

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB 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 terperinci

BAB 3 PERANCANGAN PROGRAM. Waterfall Model. Hasil analisis yang telah dilakukan adalah sebagai berikut : operasi yang paling banyak digunakan.

BAB 3 PERANCANGAN PROGRAM. Waterfall Model. Hasil analisis yang telah dilakukan adalah sebagai berikut : operasi yang paling banyak digunakan. 20 BAB 3 PERANCANGAN PROGRAM 3.1 Teknis Perancangan Program Dalam proses perancangan program aplikasi, digunakan metode Waterfall Model. Hasil analisis yang telah dilakukan adalah sebagai berikut : Program

Lebih terperinci

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1. Diagram Blok Rancangan Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium.

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM 21 BAB 3 PERANCANGAN SISTEM 3.1 Arsitektur Sistem Template Formulir Sample Karakter Pengenalan Template Formulir Pendefinisian Database Karakter Formulir yang telah diisi Pengenalan Isi Formulir Hasil

Lebih terperinci

BAB 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 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 terperinci

BAB 3 ANALISA DAN PERANCANGAN

BAB 3 ANALISA DAN PERANCANGAN 44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas

Lebih terperinci

BAB I PENDAHULUAN. dapat menghasilkan suara yang enak untuk didengar.

BAB I PENDAHULUAN. dapat menghasilkan suara yang enak untuk didengar. BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan berkembangnya jaman, teknologi yang sekarang banyak digunakan untuk membantu pekerjaan manusia pun juga semakin berkembang pesat. Bukan hanya teknologi

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. sasaran. Punch termasuk gerakan pertahanan yang digunakan untuk memberi

BAB III ANALISIS DAN PERANCANGAN SISTEM. sasaran. Punch termasuk gerakan pertahanan yang digunakan untuk memberi 17 BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Punch training merupakan bentuk latihan fisik dimana dilakukan gerakan memukul dengan cara mengepalkan tangan lalu menghantamkannya ke sebuah sasaran.

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1. Gambaran Umum Sistem Sistem ini terdiri dari 2 bagian besar, yaitu, sistem untuk bagian dari panel surya ke baterai dan sistem untuk bagian dari baterai ke lampu jalan. Blok

Lebih terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. 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 terperinci

BAB 3 ANALISIS SISTEM / PROGRAM YANG BERJALAN

BAB 3 ANALISIS SISTEM / PROGRAM YANG BERJALAN BAB 3 ANALISIS SISTEM / PROGRAM YANG BERJALAN 3.1 Blok Diagram mulai Gitar mikrofon program monitor selesai Gambar 3.1 Blok Diagram Saat program dijalankan, program membutuhkan masukan berupa suara gitar,

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

BAB 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Bab ini membahas landasan teori yang bersifat ilmiah untuk mendukung penulisan penelitian ini. Teori-teori yang dibahas mengenai pengertian citra, jenis-jenis citra digital, metode

Lebih terperinci

Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski

Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1 Analisis Sistem Untuk memulai membangun suatu program aplikasi berupa aplikasi mengenai kamus digital istilah bidang IT, penulis terlebih dahulu merencanakan alur kerja berdasarkan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian dilaksanakan pada Laboratorium Jurusan Teknik Informatika

BAB III METODOLOGI PENELITIAN. Penelitian dilaksanakan pada Laboratorium Jurusan Teknik Informatika BAB III METODOLOGI PENELITIAN 3.1 Objek Penelitian Penelitian dilaksanakan pada Laboratorium Jurusan Teknik Informatika Fakultas Teknik Universitas Negeri Gorontalo (UNG), dengan objek penelitian mengambil

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN. digunakan adalah suatu sistem yang terdiri dari banyaknya perulangan, baris

BAB 3 ANALISIS DAN PERANCANGAN. digunakan adalah suatu sistem yang terdiri dari banyaknya perulangan, baris BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Model Metode Inverse Modified Discrete Cosine Transform (IMDCT) yang akan digunakan adalah suatu sistem yang terdiri dari banyaknya perulangan, baris frekuensi.pemodelan

Lebih terperinci