NASKAH PUBLIKASI SISTEM PENGENALAN SUARA BERDASARKAN FORMANT SUARA MANUSIA DENGAN METODE AUTOCORELATION
|
|
- Hadi Budiaman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 NASKAH PUBLIKASI SISTEM PENGENALAN SUARA BERDASARKAN FORMANT SUARA MANUSIA DENGAN METODE AUTOCORELATION Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I Jurusan Teknik Elektro Fakultas Teknik Universitas Muhammadiyah Surakarta Diajukan Oleh: ARIS WIJAYA D FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO UNIVERSITAS MUHAMMADIYAH SURAKARTA 2014
2
3
4 SISTEM PENGENALAN SUARA BERDASARKAN FORMANT SUARA MANUSIA DENGAN METODE AUTOCORELATION ARIS WIJAYA FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO UNIVERSITAS MUHAMMADIYAH SURAKARTA nikho.rain@gmail.com ABSTRAKSI Suara manusia merupakan media berkomunikasi yang efektif dan paling sering digunakan selain bahasa isyarat dan tulisan. Suara manusia pada dasarnya memiliki kekhasan sendiri, sehingga dapat dikatakan suara manusia satu dengan yang lain berbeda. Ada semacam karakteristik yang membentuk kekhasan suara manusia yaitu pitch, Formant dan fomant bandwith. Ada beberapa tahap yang dilakukan didalam penelitan pengenalan suara ini. Tahap pertama adalah perekaman suara yang akan dijadikan data training dan data uji. Tahap kedua hasil suara yang telah direkam kemudian diperbaiki kualitas suaranya dengan memotong bagian yang tidak diperlukan dari rekaman suara, seperti noise, dan durasi yang terlalu panjang. Tahap ketiga lebih kearah mendapatkan data vektor ciri suara yang akan dijadikan data uji dan data training. Tahap keempat Pengujian pengenalan suara manusia dengan menggunakan metode pencocokan autocorelation dan euclidean distance memiliki hasil yang tidak begitu jauh berbeda. Akan tetapi dalampenelitian ini metode autocorrelation menunjukkan hasil yang lebih baik dibandingkan menggunakan Euclidean Distance. Perbedaan ini hanya terpaut beberapa persen saja metode autocorrelation tingkat keakurasian mencapai diatas 35% dan metode euclidean distance diatas 30% Pengenalan suara secara realtimemenunjukkan hasil yang bagus. Tingkat keberhasilan pada rentang waktu pagi diatas 70%. Pengujian siang hari keberhasilan diatas 70%. Pada pengujian sore hari tingkat keberhasilan diatas 80% namun ada penurunan kualitas dari salah satu volunteer. Ketika diuji dengan masukan yang disengaja salah, masih menunjukkan hasil yang diharapkan.dengan tingkat keberhasilan diatas 20%. Kata Kunci : Suara, Voice Recognition,Pengenalan suara, Matlab. I. PENDAHULUAN 1.1. Latar Belakang Masalah Suara yang dikeluarkan manusia merupakan salah satu media yang utama untuk berkomunikasi dengan sesama manusia selain media komunikasi yang lain seperti isyarat dan tulisan. Suara yang dihasilkan oleh setiap orang pada dasarnya adalah unik yaitu khas untuk setiap individu walaupun terkadang
5 seseorang dapat menirukan suara orang lain relatif mendekati sama walaupun tidak identik. Kekhasan suara orang di antaranya terletak pada keras atau lemahnya suara saat orang berbicara pada keadaan normal, cara pengucapan kata, intonasi, irama bicara, logat dll. Dengan keadaan ini suara dapat dijadikan pembeda yaitu apabila orang sudah pernah mengenal seseorang cukup lama dan hafal dengan suaranya maka walaupun matanya ditutup atau berkomunikasi dari jarak jauh maka seseorang tersebut akan bisa mengetahui dengan siapa dia berbicara. suara belum mendapatkan perhatian yang cukup signifikan untuk digunakan dalam keamanan atau identifikasi. Masih sangat jarang atau bahkan belum ada penggunaan sistem absensi berbasis suara. Dengan semakin berkembangnya teknologi, maka suara dapat pula digunakan menjadi salah satu alat untuk person indentification (identifikasi seseorang) karena suara manusia khas untuk tiaptiap orang. Sebagai alat identifikasi, ciri suara perindividu harus dikenali dengan baik. Pemanfaatan perangkat lunak untuk voice recognition (pengenalan suara) adalah suatu aplikasi yang dapat digunakan untuk mengenali ciri kekhasan suara manusia dan sebagai alat untuk berinteraksi dengan komputer tanpa harus melakukan proses sentuhan pada perangkat keras. Pemberian perintah dan komunikasi dengan komputer cukup dengan perintah wicara/suara. Penelitian sebelumya yang berhubungan dengan topic pembahasan dan dijadikan bahan untuk melakukan pengembangan penelitian ini adalah sebagai berikut: a) Jeri Riyanto (2011) mahasiswa UNIKOM Bandung. Yang melakukan penelitian yang berjudul Perangkat Lunak Pengenalan Suara (Voice Recognition) Untuk Absensi Karyawan Dengan Menggunakan Metode Dynamic Time Warping (DTW). Pada penelitian ini penulis meneliti tentang proses dan langkah-langkah ekstraksi ciri suara. b) Pradifta J dan Anggy, mahasiswa Pasca sarjana Universitas Indonesia. Dengan penelitian Pembuatan Program Simulasi Speech Recognition System. pada penelitian penulis lebih berfokus pada alur program yang digunakan untuk pengenalan Rumusan Masalah Masalah yang ingin penulis pecahkan pada tugas akhir ini adalah bagaimana merancang dan membuat sebuah system pengenalan suara yang mampu mengidentifikasi suara orang tertentu, serta membandingkan dua buah metode pengenalan antara Autocorrelation dan Euclidean distance manakah yang paling bak digunakan untuk proses pengenalan Batasan Masalah Batasan masalah pada penelitian ini adalah sebagai berikut : a) Perangkat Simulasi hanya akan mengenali sampel data suara yang sudah disimpan di folder penyimpanan sebelumnya. b) Sistem secara keseluruhan dibuat dalam bentuk prototype, data-data suara orang diambil dari volunteer (relawan) c) Pengambilan sampel dibatasi dengan usia dan jenis kelamin dan sampel suara diambil sebanyak 1 kali. d) Sampel suara yang direkam berupa nama, dengan durasi
6 sampai 1-3 detik, format rekaman suara disimpan pada format.wav. e) Pada saat pengambilan sampel suara, sampel suara harus dalam keadaan sehat dan tidak ada gangguan suara. f) Perangkat keras untuk pengambilan sampel berupa satu set komputer dan microphone g) Perancangan pengenalan simulasi suara menggunakan Matlab R2013A h) Pengujian secara offline bertujuan untuk mendapatkan vector ciri suara manusia i) Vektor ciri suara manusia digunakan sebagai data pengujian offline agar didapatkan hasil perbandingan menggunakan dua buah metode yang paling relevan digunakan untuk pengenalan suara 1.4. Tujuan Penelitian Tujuan dari penelitian ini adalah untuk mencoba menggali potensi tentang alat identifikasi orang dengan konsep pengenalan suara. Secara spesifik tujuan penelitian adalah : a) Merancang dan mengimplementasikan konsep pengenalan suaraa ke dalam sebuah sistem pengenalan suara. b) Mengetahui tingkat akurasi pengenalan suara pada sistem simulasi pengenalan suara yang dibuat Manfaat Penelitian Manfaat yang diharapkan dari penelitian ini adalah: a) Mencoba menggali potensi suara manusia dalam bidang teknologi mempermudah untuk aktivitas manusia. II. b) Sistem pengenalan suara ini mampu menjadi alternatif untuk penelitian selanjutnya. c) Setelah penelitian ini selesai diharapkan kedepannya akan ada mahasiswa yang mampu mengembangkan simulasi pengenalann suara ini menjadi bentuk aplikasi yang nyata. Tinjauan Pustaka Menurut Fadlisyah, Bustami, dan M.Ikhwanus (2013) dalam buku Pengolahan Suara suara yang keluar dari mulut manusia akan memuat berbagai informasii seperti identitas pengucap, jenis gender, dialek, ekspresi, dan lain-lain. Suara manusia mempunyai karakteristik yang berbeda-beda. Karakteristik suara manusia dipengaruhi oleh pitch, formant, dan formant bandwith. Pitch merupakan nada dasar suara manusia. Tinggi rendahnya pitch dipengaruhi oleh pita suara, usia dan jenis kelamin. Formant berpengaruh pada pembentukan suara vokal pada manusia. Formant bandwith berpengaruh untuk sebagai pembeda suara vokal manusiaa satu dengan yang lainnya apabila ada lebih dari satu orang yang berbicara Landasan Teori a) Pengenalan Suara Pengenalan suara adalah suatu proses untuk mengenali dan kemudian mengidentifikasi seseorang melalui suaranya, jadi dalam hal ini pengenalan suara mengidentifikasi siapa yang berbicara. b) Diagram blok Ektraksi ciri Gambar 1. Diagram Blok Ekstraksi Ciri Suaraa
7 daerah frekuensi diatas 2000 Hz. c) Proses perekaman dan sampling Proses perekaman adalah suatu proses mendapatkan file suara manusia yang kemudian dapat diputar dan disimpan kedalam tipe file berkestensi *.wav. Proses perekaman dapat dilakukan dengan cara perekaman suara manusia secara langsung dengan media Microphone pada PC dalam hal ini berhubungan dengan sound card. Suara yang dikeluarkan oleh manusia merupakan bentuk sinyak sinyal waktu kontinyu (sinyal analog) oleh karena itu harus dikonversi menjadi sinyal waktu diskrit (sinyal digital). Dikarenakan sinyal suara yang dikeluarkan oleh manusia merupakan sinyal waktu kontinyu maka agar bisa diproses secara komputasi maka sinyal waktu kontiyu harus dirubah kedalam bentuk sinyal diskrit dan dilanjutkan dengan proses digitalisasi(proses Sampling). Jadi proses sampling adalah proses dimana mendapatkan bentuk sinyal waktu diskrit dengan menyampel sinyal waktu kontinyu. d) Pre-Emphasis Tujuan dari pemfilteran ini adalah untuk mendapatkan bentuk spectral frekuensi sinyal wicara yang lebih halus. Dimana bentuk spectral yang relatif bernilai tinggi untuk daerah rendah dan cenderung turun secara tajam untuk y(n) = x(n) ax(n 1) dimana y(n) sinyal hasil pre-emphasis, x(n) sinyal sebelum pre-emphasis dan a merupakan konstanta filter pre-emhasis, biasanya bernilai 0.9 < a < 1.0. e) Frame Blocking Frame blocking merupakan pembagian sinyal suara menjadi beberapa frame dan satu frame terdiri dari beberapa sampel. Pengambilan sampel tersebut tergantung dari tiap detik suara akan disampel dan berapa besar frekuensi samplingnya. Proses frame blocking, yaitu melakukan blok terhadap sinyal-sinyal menjadi frameframe N sampel dengan frameframe berdekatan dengan spasi M (M < N). Berikut adalah representasi fungsi-frame dari Frame Blocking. Dimana : x(n) = sinyal sesudah diframe blocking, y = sinyal pre-emphasis, M =Overlapping frame dan N = 1,2,3 f) Windowing x(n) = y(m+n) Proses frame blocking dapat menyebabkan terjadinya kebocoran spectral(spectral leakage) atau aliasing. Efek ini dapat terjadi karena rendahnya jumlah sampling rate, ataupun karena proses frame blocking itu sendiri menyebabkan sinyal menjadi discontinue. Efek sinyal yang discontinue dapat
8 menyebabkan kesalahan data pada proses fourier transform. Untuk mengurangi kebocoran spectral dan sinyal yang discontinue maka di perlukanlah proses windowing. Window yang dipakai adalah window Hamming g) Formant Menurut Fant (1960) formant didefinisikan sebagai daerah puncak-puncak dari spektrum daya suara. Secara fisis formant merupakan frekuensi-frekuensi resonansi dari filter, yaitu vocal tract (articulator) yang meneruskan dan memfilter bunyi keluaran (output) berupa kata-kata yang memiliki makna. Secara umum, frekuensi-frekuensi formant bersifat tidak terbatas namun, untuk mengidentifikasi seseorang paling tidak ada 3 (tiga) formant yang dianalisa yaitu, Formant 1 (F1), Formant 2 dan Formant 3 (F3). Formant 1 (F1) dan Formant 2 berkaitan dengan posisi lidah ketika berbicara. Perbedaan antara Formant 1 dengan Formant 2 adalah posisi lidah terhadap langitlangit rongga mulut, sedangkan Formant 2 posisi lidah berada didepan/dibelakang saat berbicara. Formant 3 (F3) berpengaruh pada warna (Timbre) suara yang dihasilkan. III. Gambar 2. Formant dan Formant Bandwitdh Metode Penelitian Penelitian dan perancangan system dilakukan di rumah dan dilaboratorium kampus Peralatan Utama dan Pendukung a) Analisis Kebutuhan Software Perangkat keras yang digunakan untuk mebuat program ini yaitu berupa : Notebook Vaio Spesifikasinya sebagai berikut : Prosesor Intel (R) Core(TM) Memory RAM 4 GB Hard disk 320 GB Microphone Philips Sedangkan perangkat lunak yang digunakan untuk membuat program ini yaitu: MATLAB (R2013a) Menggunakan sistem operasi Windows Perancangan Sistem Microsoft Office Word 2007 Perancangan sistem secara umum dilakukan dengan maksud untuk memberikan gambaran kepada pengguna tentang sistem yang akan diusulkan, yaitu program pengenalan suara menggunakan formant manusia dengan pengujian secara
9 realtime dan offline. Algoritma dari program pengenalan suara ini adalah sebagai berikut : Simulasi ini bertujuan untuk memberikan pembelajaran yang terjadi saat proses ektraksi ciri berlangsung. Gambar 3 Algoritma pengenalan suara a) Fase Training adalah fase perekaman suara sebagai data uji pada penelitian ini b) Uji Offline Dari uji offline ini desain visual system untuk uji tidak ada tampilan khusus karena berupa kode matlab. Untuk mengetahui tingkat kecocokan file uji dengan file data training, dan untuk menguji metode mana yang paling baik digunakan untuk proses pengenalan c) Uji Realtime Uji realtime menggunakan desain GUI yang didesain atraktif dan mudah digunakan Perancangan Tampilan Program Pengenalan Suara Gambar 4. Uji simulasi ekstraksi cirri IV. Gambar 5. Simulasi pengenalan suara Realtime Keterangan Gambar a) A Terdapat Static Text untuk memberikan informasi nama simulasi. b) B Komponen Push Button / tombol exit berfungsi Untuk c) B Tombol REC berfungsi untuk merekam sampel suara d) B Tombol Hear berfungsi untuk memutar kembali suara yang telah disimpan e) B Tombol Get Picture merupakan tombol untuk mengambil foto di dalam folder yang telah disediakan. f) B Tombol Masukkan Suara adalah tombol untuk pencocokan Suara g) B Tombol Reset adalah untuk mereset program Komponen Axis dengan tag axes. Untuk menampilkan gambar yang sudah diambil dari file computer. h) D Komponen Axis untuk menampilkan gambar logo Universitas Muhammadiyah Surakarta HASIL DAN PEMBAHASAN
10 Terdapat dua pengujian sistem pengenalan suara pada penelitian ini, pengujian dilakukan secara offline dan online yang telah dirancang dan dibuat. Uji coba dilakukan untuk mengetahui apakah sistem pengenalan suara dapat berjalan sebagaimana mestinya dengan lingkungan uji coba yang telah ditentukan serta dilakukan sesuai dengan skenario uji coba Hasil Pengujian Offline dengan baik. Berbeda dengan metode Euclidean distance yang gagal mengenali 1(satu) file suara AN dan NH dengan tingkat kecocokan 75% dan 30%. Persamaan nya dengan menggunakan dua metode keseluruhan file mampu dikenali dengan baik. File gagal dikenali bisa disebabkan oleh kualitas rekaman, kualitas file, maupun kualitas suara yang direkam Hasil Pengujian Realtime a) Pengujian sistem pengenalan suara waktu pagi hari jam Gambar 6 grafik keberhasilan pengujian pengenalan suara dengan metode Corelation Gambar 8 Grafik Pengujian sistem pengenalan suara waktu pagi hari jam Gambar 7 grafik keberhasilan pengujian pengenalan suara dengan metode Euclidean distance Kesimpulan dari penggunaan dua buah metode tersebut, metode Autocorelation mampu mengenali hampir keseluruhan file suara Pada pengujian pagi hari tingkat keberhasilan diatas 70%. Pengujian mampu berjalan dengan lancar. Perincian keberhasilan pengujian program untuk Aris Wijaya 90%, Aulia Annassai 90%, Rahajeng 100%, Qoid dan Rizky 80% serta Ridho 70%. b) Pengujian sistem pengenalan suara waktu pagi hari jam kondisi peserta agak lelah dikarenakan pengujian
11 sebelumnya yang cukup memakan waktu. Hasil pengujian pada waktu siang hari tingkat keberhasilan pengenalan suara diatas 70% dengan perincian keberhasilan pengujian program untuk Aris Wijaya 85%, Aulia Annassai 100%, Rahajeng 80%, Qoid 70%, Rizky dan Ridho 90%. Gambar 9 Grafik Pengujian sistem pengenalan suara waktu pagi hari jam c) Pengujian sistem pengenalan suara waktu pagi hari jam Pengujian pada waktu sore hari mengalami penurunan tingkat keberhasilan yaitu dengan minimal keberhasilan 50% terjadi pada saudara Ridho. Untuk yang lainnya tingkat keberhasilan diatas 80%. Dengan perincian sebagai berikut Aris Wijaya 85%, Aulia Annasai 90%, Rahajeng 85%, Qoid 80%, Rizky 95%, dan Ridho 50%. Gambar 10 Grafik Pengujian sistem pengenalan suara waktu pagi hari jam d) Pengujian sistem pengenalan suara waktu pagi hari jam Uji coba pengenalan suara dicoba dengan mencoba masukan yang disengaja salah untuk mendapatkan data keakuratan program. Uji coba dimulai dengan mencoba memasukkan nama yang bukan miliknya sebanyak 20 kali. Hasil yang didapat walau mengucapkan yang bukan nama miliknya program tetap mengenali orang yang berbicara sesuai dengan nama aslinya. Misal salah satu volunter bernama Annas mencoba menginputkan dengan mencoba inputan dengan nama Aris, hasilnya program tetap mengenali Annas baik foto dan suaranya. Kecuali dalam kondisi tertentu beberapa kali program keluar ouput yang berbeda kadang foto yang keliru namun suara benar maupun sebaliknya. Pengujian dicoba pula dengan orang yang tidak direkam suaranya dan kemudian mencoba menginputkan namanya ataupun mencoba menginputkan nama orang yang berada di list rekaman program, hasilnya program mengenali suara dengan random. Dibawah ini merupakan grafik hasil pengujian dengan mencoba memasukkan data suara yang disengaja salah.
12 b) Untuk memperbaiki kualitas suara yang diperlukan untuk pengenalan suara maka perlu dihilangkan bagian yang menggangu, seperti suara pra rekaman, suara berisik setelah rekaman dengan cara memotong suara dan diambil yang diperlukan saja. Gambar 11 Grafik Pengujian sistem pengenalan suara dengan masukan yang disengaja salah Hasil pengujian ini menunjukkan bahwa ketika salah satu volunter mengucapkan nama volunter yang lain masih dikenali sebagai suaranya sendiri. Namun beberapa kali mengalami kesalahan dalam pengenalan namun prosentasi kesalahan tidak lebih dari 20%. Untuk volunter Qoid dan Ridho dalam uji coba ini program tetap mampu mengenali suara Qoid dan Ridho walau masukan disengaja salah. V. KESIMPULAN DAN SARAN 5.1. Kesimpulan Setelah melakukan percobaan dan menganalisa dari bab sebelumnya, maka dapat disimpulkan antara lain : a) Merekam suara dengan microphone mempengaruhi tingkat pengenalan suara. Pada microphone portable suara yang direkam lebih halus disebabkan oleh noise yang sedikit. Memakai soundcard onboard laptop pun juga demikian suara jelas, keras namun noise sedikit lebih banyak. c) Setiap file suara mempunyai nilai ciri yang berbeda-beda, nilai ciri tersebut dinamakan vector ciri. Vektor ciri suara manusia dapat diekstrak dari bentuk PSD gelombang suara. d) Pada pengujian pengenalan suara secara offline menggunakan dua buah metode yang berbeda. Dengan membandingkan vector ciri data uji dengan vector ciri data training. Dengan kesimpulan metode autokorelasi menunjukkan hasil maximal dalam pengenalan suara. e) Pegujian pengenalan suara secara realtime diperlukan untuk menguji program pengenalan suara secara langsung. Berbeda dengan pengujian secara offline inputan suara masukan dilakukan secara spontan. Disinilah keakuratan program diuji. Hasil yang didapat program mampu mengenali suara inputan dengan baik Saran a) Pengembangan metode pengenalan suara lebih lanjut untuk sistem ini masih bisa dilakukan dengan menggunakan penambahan ekstraksi ciri lain selain menggunakan formant. b) Riset lebih lanjut tentang pengenalan suara berupa dasardasar pengolahan sinyal harus dipahami lebih dalam lagi, serta pemahaman pemahaman dasar
13 yang mendukung tentang pengenalan suara dan pengolahan sinyal. Engineering University of Tennessee. c) Dilakukannya penelitian pengolahan suara dengan merekam suara yang khas dengan pengucapan yang lebih beragam dan bervariatif. d) Penggunaan data training dan data uji dengan kalimat yang didalamnya terdapat beragam bunyi dan aksen bicara yang beragam, terdapat dengungan pada kata yang digunakan untuk pengenalan. DAFTAR PUSTAKA Riyanto, Jeri Perangkat Lunak Pengenalan Suara (Voice Recognition) Untuk Absensi Karyawan Dengan Menggunakan Metode Dynamic Time Warping (DTW). Fakultas Teknik dan Ilmu Komputer, UNIKOM Bandung. Gorasinatra, Edward Perancangan Program Aplikasi Pengenalan Suara Pada Windows Menggunakan Fourier Method, Skripsi Program Ganda Teknik Informatika-Matematika, Binus University Pradifta J, Anggy Pembuatan Program Simulasi Speech Recognition System, Laporan Tugas Mata Kuliah Digital Signal Processing, Program Pasca Sarjana Departemen Teknik Elektro Universitas Indonesia. Ellis, E.Darren Design of a Speaker Recognition Code Using MATLAB, Project Design of a Speaker Recognition Code Using MATLAB, Department of Computer and Electrical
BAB 1 PENDAHULUAN. seperti isyarat dan tulisan. Suara yang dihasilkan oleh setiap orang pada dasarnya
BAB 1 PENDAHULUAN 1.1. Latar Belakang Suara yang dikeluarkan manusia merupakan salah satu media yang utama untuk berkomunikasi dengan sesama manusia selain media komunikasi yang lain seperti isyarat dan
Lebih terperinciSISTEM PENGENALAN SUARA BERDASARKAN FORMANT SUARA MANUSIA DENGAN METODE AUTOCORELATION
TUGAS AKHIR SISTEM PENGENALAN SUARA BERDASARKAN FORMANT SUARA MANUSIA DENGAN METODE AUTOCORELATION Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I Jurusan Teknik Elektro Fakultas Teknik
Lebih terperinciBAB I PENDAHULUAN. Suara merupakan salah satu media komunikasi yang paling sering dan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Suara merupakan salah satu media komunikasi yang paling sering dan umum digunakan oleh manusia. Manusia dapat memproduksi suaranya dengan mudah tanpa memerlukan
Lebih terperinciudara maupun benda padat. Manusia dapat berkomunikasi dengan manusia dari gagasan yang ingin disampaikan pada pendengar.
BAB II DASAR TEORI 2.1 Suara (Speaker) Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitudo tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun
Lebih terperinciBAB IV 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 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 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 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 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 terperinciBAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul
37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui
Lebih terperinciMODUL 1 PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA
MODUL 1 PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan proses perekaman dan pengeditan sinyal wicara dengan menggunakan perangkat lunak. II. DASAR TEORI 2.1. Pembangkitan
Lebih terperinciMODUL 4 PEMFILTERAN PADA SINYAL WICARA
MODUL 4 PEMFILTERAN PADA SINYAL WICARA I. TUJUAN - Mahasiswa mampu menyusun filter digital dan melakukan pemfilteran pada sinyal wicara II. DASAR TEORI 2.1. Filter IIR Yang perlu diingat disini bahwa infinite
Lebih terperinciBab 4. Implementasi Dan Evaluasi
56 Bab 4 Implementasi Dan Evaluasi 4.1 Spesifikasi Hardware dan Software yang digunakan dalam penelitian Penelitian ini dilakukan dengan menggunakan satu set komputer dengan prosesor berkecepatan 1,3 GHz,
Lebih terperinciMODUL II : SPEECH AND AUDIO PROCESSING
MODUL II : SPEECH AND AUDIO PROCESSING TUJUAN 1. Memahami karakteristik sinyal suara dan audio 2. Mampu melakukan pengolahan terhadap sinyal suara dan audio 3. Mampu menggunakan tool untuk pengolahan sinyal
Lebih terperinciPengenalan 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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Meningkatnya ilmu pengetahuan dan teknologi khususnya pada bidang komunikasi saat ini berkembang dengan cepat. Kemajuan teknologi bertujuan untuk mempermudah kegiatan
Lebih terperinciMODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA
MODUL PENGHIUNGAN ENERGI PADA SINYAL WICARA I. UJUAN - Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara dengan menggunakan perangkat lunak. II. DASAR EORI.1. Energi Suatu Sinyal
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciMODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA
MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara dengan menggunakan perangkat lunak. II. DASAR TEORI 2.1. Energi Suatu
Lebih terperinciLAPORAN PRAKTIKUM DSP
LAPORAN PRAKTIKUM DSP MODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA Disusun Oleh : Yuli Yuliantini (121014 7021) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya Surabaya 2015
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Suara Suara adalah sebuah sinyal yang merambat melalui media perantara. suara dapat didefinisikan sebagai gelombang yang merambat dengan frekuensi dan amplitudo tertentu. Suara
Lebih 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 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 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 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 terperinciIdentifikasi Suara Vokal Suku Banjar Berdasarkan Frekuensi Formant
Identifikasi Suara Vokal Suku Banjar Berdasarkan Frekuensi Formant Arfan Eko Fahrudin 1), Nofida Risna Diyanti 2) dan Tetti Novalina Manik 1) Abstrak: Telah dibuat program untuk mengidentifikasi suara
Lebih terperinciIDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY
IDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY Erni Seniwati 1), Ninik Tri Hartanti 2) 1 Sistem Informasi, STMIK Amikom erni.s@amikom.ac.id 2 Sistem Informasi, STMIK Amikom
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada sistem identifikasi pembicara atau speaker identification, proses eksraksi ciri memainkan peranan penting dalam menghasilkan persentase keakuran yang baik. Terdapat
Lebih terperinciBAB 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 terperincii. Perangkat Keras Prosesor Intel Pentium(R) Dual-Core CPU 2.20 GHz
Data yang pada awalnya berupa chanel stereo diubah ke dalam chanel mono. Kemudian data tersebut disimpan dengan file berekstensi WAV. Praproses Pada tahap ini dilakukan ekstraksi ciri menggunakan metode
Lebih terperinciMODUL 5 EKSTRAKSI CIRI SINYAL WICARA
MODUL 5 EKSTRAKSI CIRI SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan estimasi frekuensi fundamental sinyal wicara dari pengamatan spektrumnya dan bentuk gelombangnya - Mahasiswa mampu menggambarkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan ucapan (speech recognition) merupakan sistem yang dirancang untuk dapat mengenali sinyal suara, sehingga menghasilkan keluaran berupa tulisan. Input dari
Lebih terperinciBAB 1 PENDAHULUAN. sesamanya dalam kehidupan sehari hari untuk menunjang kebutuhan hidup mereka.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia merupakan makhluk sosial yang memerlukan komunikasi dengan sesamanya dalam kehidupan sehari hari untuk menunjang kebutuhan hidup mereka. Suara merupakan salah
Lebih terperinciBAB 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 terperinciFrekuensi Dominan Dalam Vokal Bahasa Indonesia
Frekuensi Dominan Dalam Vokal Bahasa Indonesia Tjong Wan Sen #1 # Fakultas Komputer, Universitas Presiden Jln. Ki Hajar Dewantara, Jababeka, Cikarang 1 wansen@president.ac.id Abstract Pengenalan ucapan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan pada dua tempat yaitu di Laboratorium
45 BAB III METODE PENELITIAN A. Waktu dan Tempat Pelaksanaan Penelitian ini dilaksanakan pada dua tempat yaitu di Laboratorium Pemodelan Fisika untuk perancangan perangkat lunak (software) program analisis
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian tugas akhir ini dilaksanakan pada : Waktu : Juni 2014 Maret 2015 Tempat : Laboratorium Terpadu Jurusan Teknik Elektro Universitas Lampung
Lebih terperinciAPLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT
APLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT DAN LINEAR VECTOR QUANTIZATION UNTUK PENGENDALIAN GERAK ROBOT Anggoro Wicaksono, Sukmawati NE, Satriyo Adhy,
Lebih terperinciIDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK Ade Fruandta dan Agus Buono Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Jl. Meranti
Lebih terperinciSimulasi Sistem Pengacak Sinyal Dengan Metode FFT (Fast Fourier Transform)
1 Simulasi Sistem Pengacak Sinyal Dengan Metode FFT (Fast Fourier Transform) Reonaldo Yohanes Sipasulta (1), Arie.S.M. Lumenta ST, MT. (2), Sherwin R.U.A. Sompie, ST, MT. (3) (1)Mahasiswa, (2)Pembimbing
Lebih terperinciBAB III METODOLOGI. dari suara tersebut dapat dilihat, sehingga dapat dibandingkan, ataupun dicocokan dengan
23 BAB III METODOLOGI 3.1 Metodologi Penelitian Penelitian ini ingin membangun sistem yang dapat melakukan langkah dasar identifikasi, yaitu melakukan ektraksi suara Gamelan Bonang, dengan ekstrasi ini,
Lebih terperinciBAB I PENDAHULUAN. manusia satu dengan manusia lainnya berbeda-beda intonasi dan nadanya, maka
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Suara adalah suatu alat komunikasi paling utama yang dimiliki oleh manusia. Dengan suara, manusia dapat berkomunikasi dengan manusia lainnya. Melalui suara,
Lebih terperinciBAB IV SIMULASI DAN ANALISA DATA
BAB IV SIMULASI DAN ANALISA DATA IV.1 Karakteristik Sinyal Input Sinyal suara yang akan disimulasikan dengan menggunakan 3 buah sampel suara yang diucapkan oleh satu orang wanita dan 2 orang laki-laki
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada masa sekarang, Digital Signal Processing (DSP) atau pemrosesan sinyal digital sudah banyak diterapkan di berbagai bidang karena data dalam bentuk digital
Lebih terperinciBAB III METODE PENELITIAN. jantung pasien penyakit jantung secara elektro-akustik atau PCG
BAB III METODE PENELITIAN A. Metode Pengumpulan Data Data penelitian ini diperoleh melalui observasi terhadap pasien penyakit jantung. Penelitian ini menggunakan alat untuk mendeteksi dan perekaman detak
Lebih terperinciLAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA. Disusun Oleh : Inggi Rizki Fatryana ( )
LAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA Disusun Oleh : Inggi Rizki Fatryana (1210147002) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya 2014-2015
Lebih terperinciPENGOLAHAN SUARA. : Fadlisyah Bustami M. Ikhwanus. Edisi Pertama Cetakan Pertama, 2013
PENGOLAHAN SUARA Oleh : Fadlisyah Bustami M. Ikhwanus Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian
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 terperinciJaringan Syaraf Tiruan pada Robot
Jaringan Syaraf Tiruan pada Robot Membuat aplikasi pengenalan suara untuk pengendalian robot dengan menggunakan jaringan syaraf tiruan sebagai algoritma pembelajaran dan pemodelan dalam pengenalan suara.
Lebih terperinciPengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI.
Pengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI. Tujuan Tujuan dari penelitian ini adalah untuk mengidentifikasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sekitar 10% persen manusia dari populasi dunia menderita gangguan pendegaran (hearing loss). Hal ini disebabkan oleh infeksi, strokes, obatobatan, tumor, dan gangguan
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Lingkungan Perancangan Dalam perancangan program aplikasi ini, penulis menggunakan komputer dan sistem operasi dengan spesifikasi rekomendasi sebagai berikut: 1. Processor
Lebih terperinciLAPORAN PRAKTIKUM DSP
LAPORAN PRAKTIKUM DSP MODUL 4 PEMFILTERAN PADA SINYAL WICARA Disusun Oleh : Yuli Yuliantini (121014 7021) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya Surabaya 2015 22 MODUL
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. database dan database query, secara keseluruhan menggunakan cara yang sama.
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Experimen Pada dasarnya tahapan yang dilakukan pada proses pengambilan sampel dari database dan database query, secara keseluruhan menggunakan cara yang sama. Berdasarkan
Lebih terperinciMODUL 3 REPRESENTASI SINYAL DALAM DOMAIN WAKTU DAN DOMAIN FREKUENSI
MODUL 3 REPRESENTASI SINYAL DALAM DOMAIN WAKTU DAN DOMAIN FREKUENSI I. TUJUAN - Mahasiswa mampu menjelaskan perbedaan sinyal wicara dalam domain waktu dan domain frekuensi menggunakan perangkat lunak II.
Lebih terperinciBAB 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 terperinciPENGUKURAN SPEKTRUM SUARA MANUSIA LANSIA BERDASARKAN JENIS KELAMIN DAN SUKU MENGGUNAKAN SOFTWARE PRAAT
PENGUKURAN SPEKTRUM SUARA MANUSIA LANSIA BERDASARKAN JENIS KELAMIN DAN SUKU MENGGUNAKAN SOFTWARE PRAAT Salomo, Natalia, Erwin Jurusan Fisika FMIPA Universitas Riau Pekanbaru email:m.cnatalia@yahoo.co.id
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciPERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB
PERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB Supriansyah 1, Dr. Yeffry Handoko Putra, MT 2 1 Jurusan Teknik Komputer Unikom, 2 Jurusan Magister Sistem Informasi Unikom
Lebih terperinciBAB I PENDAHULUAN. pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran.
BAB I PENDAHULUAN 1.1 Latar Belakang Saat sesuatu diukur maka beberapa data didapatkan. Umumnya pengukuran tidak pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran. Mendapatkan data
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Informasi tentang pemasangan iklan di suatu radio (antara lain mengenai, jam berapa suatu iklan ditayangkan, dalam sehari berapa kali suatu iklan ditayangkan dan berapa
Lebih 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 terperinciyaitu 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 terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
21 PERANGKAT LUNAK UNTUK MEMBUKA APLIKASI PADA KOMPUTER DENGAN PERINTAH SUARA MENGGUNAKAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENTS Anna Dara Andriana Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciBAB 1 PENDAHULUAN. untuk bersosialisasi didalam kehidupan sehari-hari dalam kehidupan mereka. Sarana
BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia merupakan makhluk sosial yang menggunakan komunikasi sebagai cara untuk bersosialisasi didalam kehidupan sehari-hari dalam kehidupan mereka. Sarana komunikasi
Lebih terperinci1. Pendahuluan Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Musik merupakan sarana untuk menyimpan hasil karya seseorang. Dan hampir semua notasi musik dituliskan ke dalam not balok. Not balok adalah susunan nada yang ditulis
Lebih terperinciPENGENALAN AHKAMUL HURUF MENGGUNAKAN METODE LPC DAN TRANSFORMASI SLANT. Abstract
PENGENALAN AHKAMUL HURUF MENGGUNAKAN METODE LPC DAN TRANSFORMASI SLANT Bustami Abdullah 1, Rizal 2 1 Teknik Informatika, Universitas Malikussaleh, 2 Teknik Informatika, Universitas Malikussaleh e-mail:
Lebih terperinciMODUL 2 SINYAL DAN SUARA
MODUL 2 SINYAL DAN SUARA 2.1. Pembangkitan Sinyal Ucapan pada Manusia Speech (ucapan/wicara) dihasilkan dari sebuah kerjasama antara paru-paru (lungs), pangkal tenggorokan pada pita suara (glottis) dan
Lebih terperinciLAPORAN PRAKTIKUM DSP
LAPORAN PRAKTIKUM DSP MODUL 3 REPRESENTASI SINYAL DALAM DOMAIN WAKTU DAN DOMAIN FREKUENSI Disusun Oleh : Yuli Yuliantini (121014 7021) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro
Lebih terperinciSeminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016
IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM DAN MEAN SQUARE PERCENTAGE ERROR UNTUK MENGHITUNG PERUBAHAN SPEKTRUM SUARA SETELAH MENGGUNAKAN FILTER PRE-EMPHASIS Fitri Mintarsih 1, Rizal Bahaweres 2, Ricky
Lebih terperinciBAB 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 terperinciDeteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor
Deteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor Regha Julian Pradhana 1,*, Bambang Hidayat 1, Ratri Dwi Atmaja 1 1 Fakultas Teknik Elektro, Universitas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: PC dengan spesifikasi: a. Sistem Operasi : Microsoft Windows 10 Enterprise 64-bit
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 terperinciJony Sitepu/ ABSTRAK
PERBANDINGAN ESTIMASI SELUBUNG SPEKTRAL DARI BUNYI VOICED MENGGUNAKAN METODE AUTO-REGRESSIVE (AR) DENGAN OPTIMIZATION OF THE LIKELIHOOD CRITERION (OLC) Jony Sitepu/0422166 Jurusan Teknik Elektro, Fakultas
Lebih terperinciAPLIKASI PENGENALAN SUARA UNTUK SIMULASI PENGUNCI PINTU ABSTRAK
APLIKASI PENGENALAN SUARA UNTUK SIMULASI PENGUNCI PINTU Stephanus Arnold / 0222021 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jln. Prof. Drg. Surya Sumantri 65, Bandung 40164,
Lebih 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 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 terperinciTeknologi Multimedia. Suara dan Audio
Teknologi Multimedia Suara dan Audio SUARA (SOUND) Suara adalah fenomena fisik yang dihasilkan oleh getaran benda getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah secara kontinyu
Lebih terperinciEKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON
EKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON Nurmasyitah 1, Mursyidah 2, Jamilah 3 Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknologi Informasi dan Komputer, Politeknik
Lebih terperinciPENGENALAN NADA PIANIKA MENGGUNAKAN JENDELA SEGITIGA, DCT, DAN FUNGSI JARAK EUCLEDIAN
PEGEALA ADA PIAIKA MEGGUAKA JEDELA SEGITIGA, DCT, DA FUGSI JARAK EUCLEDIA Linggo Sumarno Jurusan Teknik Elektro, Universitas Sanata Dharma Kampus III, Paingan, Maguwoharjo, Depok, Sleman, Yogyakarta 558
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini telah dilaksanakan di Laboratorium Elektronika Dasar Jurusan
44 III. METODE PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini telah dilaksanakan di Laboratorium Elektronika Dasar Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung
Lebih terperinciPENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA. Albertus D Yonathan A / ABSTRAK
PENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA Albertus D Yonathan A / 0422001 y0y02k4@gmail.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri 65 Bandung 40164, Indonesia
Lebih terperinciPENGGOLONGAN SUARA BERDASARKAN USIA DENGAN MENGGUNAKAN METODE K MEANS
PENGGOLONGAN SUARA BERDASARKAN USIA DENGAN MENGGUNAKAN METODE K MEANS Prabowo Hadi Putra Sutiknyo Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi Politeknik Elektronika
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 terperinciPENDETEKSIAN TINGKAT USIA MUDA, DEWASA DAN TUA MENGGUNAKAN METODE MFCC DAN FUZZY LOGIC BERBASISKAN SPEECH RECOGNITION
PENDETEKSIAN TINGKAT USIA MUDA, DEWASA DAN TUA MENGGUNAKAN METODE MFCC DAN FUZZY LOGIC BERBASISKAN SPEECH RECOGNITION DETECTION OF THE LEVEL OF YOUTH, ADULTS AND ELDERLY BY USING MFCC METHOD AND FUZZY
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Wicara atau ucapan adalah cara berkomunikasi yang paling sederhana dan sering digunakan oleh manusia. Namun, seiring dengan perkembangan teknologi, proses komunikasi
Lebih terperinciBAB III ANALISA DAN PEMBAHASAN MASALAH
BAB III ANALISA DAN PEMBAHASAN MASALAH 3.1 Analisa Analisa yang penulis lakukan adalah memberikan ilustrasi berupa gambaran umum, keadaan saat ini dan kendala yang dihadapi sebagai berikut: 3.1.1 Sekilas
Lebih terperinciAPLIKASI PENGENALAN GENDER MENGGUNAKAN SUARA
APLIKASI PENGENALAN GENDER MENGGUNAKAN SUARA Susetyo Bagas Bhaskoro 1), Altedzar Riedho W. D 2) 1) Universitas Widyatama. Jl. Cikutra 204 Bandung 40125 2) Politeknik Elektronika Negeri Surabaya Kampus
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Sistem Dalam mengimplementasikan program sistem ANPR ini terdapat 2 (dua) buah komponen yang sangat berperan penting, yaitu perangkat keras atau hardware
Lebih terperinciVerifikasi Biometrika Suara Menggunakan Metode MFCC Dan DTW
Verifikasi Biometrika Suara Menggunakan Metode MFCC Dan DTW Darma Putra 1, Adi Resmawan 2 1 Staff pengajar Teknologi Informasi, Fakultas Teknik, Universitas Udayana 2 Alumni Teknik Elektro, Fakultas Teknik,
Lebih terperinciPENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM
PENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM Agustina Trifena Dame Saragih 1, Achmad Rizal 2, Rita Magdalena 3 Departemen Teknik Elektro Institut Teknologi Telkom Jl.
Lebih terperinciBAB 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 terperinciAktifasi Peralatan Elektronik Berbasis Suara Menggunakan Android
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 537 Aktifasi Peralatan Elektronik Berbasis Suara Menggunakan Android Regilang Monyka Putra *), Firdaus **), Mohammad Hafiz Hersyah
Lebih terperinciISSN : e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 4575
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 4575 ANALISIS DAN SIMULASI IDENTIFIKASI JUDUL LAGU DARI SENANDUNG MANUSIA MENGGUNAKAN EKSTRAKSI CIRI DCT (DISCRETE COSINE TRANSFORM)
Lebih terperinciPENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG
PENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG TUGAS AKHIR MUHAMMAD AGUNG NURSYEHA 2211100164 Pembimbing: Dr. Muhammad
Lebih terperinciANALISIS DAN SIMULASI IDENTIFIKASI JUDUL LAGU MELALUI SENANDUNG MANUSIA MENGGUNAKAN EKSTRAKSI CIRI LPC (LINEAR PREDICTIVE CODING)
ANALISIS DAN SIMULASI IDENTIFIKASI JUDUL LAGU MELALUI SENANDUNG MANUSIA MENGGUNAKAN EKSTRAKSI CIRI LPC (LINEAR PREDICTIVE CODING) ANALYSIS AND SIMULATION IDENTIFICATION OF SONG S TITLE THROUGH HUMAN S
Lebih terperinci