Rekognisi Pengucap Forensik Forensic Speaker Recognition
|
|
- Yuliani Jayadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Rekognisi Pengucap Forensik Forensic Speaker Recognition Untuk Komunitas: Lingkar Soca 28 Februari 2016 Oleh: Miranti Indar Mandasari, ST., MT. Institut Teknologi Bandung, Indonesia Radboud University Nijmegen, the Netherlands
2 SISTEM REKOGNISI PENGUCAP
3 Berbagai Informasi pada Suara Ucap Dari daerah mana dia berasal? Bahasa apa yang dia gunakan? Apakah kata yang dia ucapkan? Accent Recognition Language Recognition Speech Recognition Sistem Rekognisi Pengucap Emotion Recognition Apakah dia sedih/ senang? Gender Recognition Apakah dia pria/ wanita? Speaker Recognition Siapakah dia?
4 Sistem Rekognisi Pengucap Dalam Bahasa Inggris dikenal dengan Speaker recognition, atau Voiceprint recognition. Definisi: Speaker recognition is a process of recognizing the identity of a speaker from a given speech segment. Rekognisi Pengucap adalah sebuah proses dalam merekognisi (mengenali) identitas seorang pengucap dari suatu segmen suara ucap.
5 Mengapa Rekognisi? Operating modes: Rekognisi Pengucap Verifikasi pengucap Identifikasi pengucap Klasifikasi atau diarisasi pengucap Speaker recognition Speaker verification Speaker identification Speaker classification or diarization
6 Mengapa Rekognisi? unknown known Speaker Verification Same speaker (or) Different speaker? Speaker recognition Speaker verification Speaker identification Speaker classification or diarization
7 Mengapa Rekognisi? known(s) unknown Speaker Identification Speaker recognition Speaker verification Speaker identification Speaker classification or diarization Who is speaking?
8 Mengapa Rekognisi? Who is speaking here? Who is speaking here? Speaker recognition Speaker verification Speaker identification Speaker classification or diarization Who is speaking here?
9 APLIKASI DARI SISTEM REKOGNISI PENGUCAP
10 Komersial Forensik Akses pada Perangkat elektronik Akun Bank Ruangan rahasia Verifikasi pengucap Verifikasi suara tersangka Diarisasi pengucap untuk: Notulensi otomatis saat rapat Identifikasi pengucap Mencari identitas tersangka Aplikasi dari Sistem Rekognisi Pengucap Diarisasi pengucap Pembuatan transkrip otomatis
11 FORENSIK SUARA UCAP
12 Forensik Suara Ucap Aplikasi sistem rekognisi pengucap untuk aplikasi forensik: Speaker profiling: Sistem rekognisi aksen Sistem rekognisi bahasa Sistem rekognisi gender Mengetahui konten percakapan Sistem rekognisi suara ucap (speech recognition) Identitas pengucap Siapa yang berbicara? Sistem rekognisi pengucap (speaker recognition)
13 BERBAGAI MACAM SISTEM REKOGNISI PENGUCAP
14 Tipe-tipe Sistem Rekognisi Pengucap Pendekatan fonetik-akustik biasanya menggunakan metode manual Sistem rekognisi pengucap otomatis Sistem hybrid Gabungan antara manual-otomatis
15 SISTEM REKOGNISI PENGUCAP BERBASIS FONETIK-AKUSTIK
16 Rekognisi Pengucap Berbasis Fonetik-Akustik Fitur berdasarkan properti akustik dari suara ucap Pitch (Frekuensi Fundamental) Formant & Bandwidth Formant Intensitas sinyal (Energi) Durasi Analisis: Menggunakan pendekatan statistik dasar Level: kalimat, kata/frase, suku-kata, dan fonem Biasanya: text-dependent
17 Ekstraksi Fitur Akustik Segmen suara ucap Dalam domain waktu Ekstraktor Fitur (Mesin FFT/ LPC) Segmen suara ucap Dalam doman frekuensi
18 Ekstraksi Fitur Akustik: Pitch dan Formant FORMANT 1 (F1) F2 F2 F2 PITCH: fundamental frequency.
19 Ekstraksi Fitur Akustik Energi/ intensitas Pitch/ frekuensi fundamental Formants
20 Analisis Statistik 1 Pengucap
21 Analisis Statistik N Pengucap Pengucap 1 Pengucap 2 Pengucap 3 Pengucap 4 Pengucap 5 Pengucap 6
22 SISTEM REKOGNISI PENGUCAP OTOMATIS
23 Setup Sistem Rekognisi Pengucap Otomatis Background Data Training known Ekstraksi Fitur Pemodelan Pengucap Skor Testing unknown Ekstraksi Fitur Pemodelan Pengucap
24 Setup Sistem Rekognisi Pengucap Otomatis Ekstraksi fitur: MFCC (Mel), LPC, LPCC, CFCC (cochlear), etc. Metode pemodelan: GMM-UBM, i-vector, JFA, HMM, ANN, SVM, LDA, PLDA, etc.
25 Ekstraksi Fitur MFCC
26 Setup Sistem Rekognisi Pengucap Otomatis Background Data Training known Ekstraksi Fitur Pemodelan Pengucap Skor Testing unknown Ekstraksi Fitur Pemodelan Pengucap Decision?
27 Membuat Keputusan Binary Reject Accept Non-target scores Target scores Threshold
28 Tipe Error: Yes No False alarm Miss rejection Target trial Non-target/ impostor
29 Membuat Keputusan Forensik Menggunakan kerangka likelihood ratio Posterior knowledge Evidence Prior knowledge P(H 0 E) P(H 1 E) = P(E H 0 ) P(E H 1 ) x P(H 0 ) P(H 1 ) Posterior odds Likelihood ratio Prior odds Wewenang Pengadilan Wewenang Expert Wewenang Pengadilan
30 Likelihood Ratio Likelihood ratio (LR) adalah probabilitas relatif dari suatu bukti/skor E terhadap kedua hipotesis: - H 0 : suara unknown dan known berasal dari pengucap yang sama, dan - H 1 : suara unknown dan known berasal dari pengucap yang berbeda Hipotesis Prosecution Likelihood Ratio LR = P(E H 0) P(E H 1 ) Bukti/ skor Hipotesis Defense
31 Menghitung LR dari Distribusi Skor
32 PERKEMBANGAN SISTEM REKOGNISI PENGUCAP OTOMATIS
33 Kondisi Saat ini Kebanyakan: text- dan channel-independent Beberapa: gender- dan language-independent Pada kondisi terkontrol: Performa baik, equal error rate 1.00% Cara meningkatkan performa: Fusion pada saat ekstraksi fitur, pemodelan, atau pada level skor Menggunakan multi-modal biometrics (face, fingerprints, etc.) Aplikasi pada dunia forensik: Masih terbatas Memerlukan proses kalibrasi likelihood ratio
34 Tantangan Tantangan utama: kondisi mismatched antara segmen suara ucap known dan unknown: Channel atau media perekaman, Level noise, Durasi, Kata dan/atau bahasa yang terucap, Kondisi emosi dan kesehatan pengucap, Gaya berbicara, dan etc. Tantangan lainnya: noise robustness, suara ucap yang tersamarkan (disguised speech: whisper, vocal effort, etc.) & voice aging
35 Sistem Rekognisi Pengucap Otomatis di Radboud University Nijmegen Equal error rate pada database: NIST SRE 08 : 1.33 % NIST SRE 10 : 1.87 % NIST SRE 12 : 2.85 % (terdapat variasi noise dan durasi)
36 SISTEM REKOGNISI PENGUCAP FORENSIK DI TEKNIK FISIKA ITB
37 Sistem Rekognisi Pengucap Forensik di Teknik Fisika ITB Merupakan kolaborasi antara 2 kelompok keahlian (KK) di lingkungan Fakultas Teknologi Industri (FTI) ITB: KK Teknik Fisika, dan KK Instrumentasi & Kontrol. Pendekatan: hybrid Berbasis fonetik-akustik Ekstraksi fitur akustik secara otomatis Analisis dengan menggunakan metode statistik
38 Peta Jalan Penelitian Menuju otomatisasi sistem
39 Thank You! Bandung, 28 Februari 2016 Miranti Indar Mandasari, ST., MT.
BAB 1 PENDAHULUAN. Universitas Indonesia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan semakin berkembangnya teknologi telekomunikasi, internet menjadi sesuatu yang tidak lagi sulit dan mahal. Kemudahan ini menyebabkan internet dipenuhi berbagai
Lebih terperinciAnalisis Pengaruh Sampling Rate Dalam Melakukan Identifikasi Pembicara Pada Rekaman Audio
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Analisis Pengaruh Sampling Rate Dalam Melakukan Identifikasi Pembicara Pada Rekaman Audio Roy Rudolf Huizen 1), Ni Ketut
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 terperinciBIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES
Agustini, Biometrik Suara Dengan Transformasi Wavelet 49 BIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES Ketut Agustini (1) Abstract: Biometric as one of identification or recognition
Lebih terperinciBAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (artificial intelligence) merupakan bidang yang berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang mengarah kepada bidang
Lebih 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 I PENDAHULUAN 1.1 Latar Belakang Suara adalah merupakan gabungan berbagai sinyal, tetapi suara murni secara teoritis dapat dijelaskan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Suara adalah merupakan gabungan berbagai sinyal, tetapi suara murni secara teoritis dapat dijelaskan dengan kecepatan osilasi atau frekuensi yang diukur dalam Hertz
Lebih terperinciBAB 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 terperinciPERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA M. G. J. Harry Khesa S 1, W. Setiawan 2, I.G.A.K. Diafari Djuni H 3 1,2,3 Jurusan Teknik Elektro dan Komputer,
Lebih terperinciINDEPT, Vol. 3, No.1, Februari 2013 ISSN
SISTEM SPEAKER RECOGNITION (PENGENAL PENGUCAP) UNTUK MENCARI KARAKTERISTIK UCAPAN SESEORANG DENGAN METODE MEL FREQUENCY CEPTRUM COEFFISIENT (MFCC) MENGGUNAKAN SOFTWARE MATLAB Andriana, ST., MT. Dosen Fakultas
Lebih 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 terperinciPembuatan Prototype Speaker Diarization
Pembuatan Prototype Speaker Diarization Samuel Enrico Wijaya 13509059@std.stei.itb.ac.id Nur Ulfa Maulidevi ulfa@stei.itb.ac.id Dessi Puji Lestari dessipuji@gmail.com Abstrak - File suara mengandung banyak
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. pengenalan terhadap gelombang suara. Pengenalan gelombang suara yang sudah
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi memungkinkan kita untuk melakukan suatu pengenalan terhadap gelombang suara. Pengenalan gelombang suara yang sudah sering diimplementasikan adalah
Lebih terperinciSISTEM AKSES BUKU PERPUSTAKAAN JURUSAN TEKNIK ELEKTRO UNIVERSITAS ANDALAS MENGGUNAKAN APLIKASI PENGENALAN WICARA DENGAN METODA MFCC-VQ dan SSE
SISTEM AKSES BUKU PERPUSTAKAAN JURUSAN TEKNIK ELEKTRO UNIVERSITAS ANDALAS MENGGUNAKAN APLIKASI PENGENALAN WICARA DENGAN METODA MFCC-VQ dan SSE TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Menyelesaikan
Lebih terperinciBAB I PENDAHULUAN. seseorang, ataupun takut terhadap sesuatu (Frieda, 1993). Kondisi
BAB I PENDAHULUAN 1.1 Latar Belakang Emosi adalah perasaan intens yang ditujukan kepada seseorang atau sesuatu dan juga merupakan reaksi terhadap seseorang atau kejadian. Emosi dapat ditunjukkan ketika
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 terperinciPEMBUATAN PERANGKAT BASIS DATA UNTUK SINTESIS UCAPAN (NATURAL SPEECH SYNTHESIS) BERBAHASA INDONESIA BERBASIS HIDDEN MARKOV MODEL (HMM)
PEMBUATAN PERANGKAT BASIS DATA UNTUK SINTESIS UCAPAN (NATURAL SPEECH SYNTHESIS) BERBAHASA INDONESIA BERBASIS HIDDEN MARKOV MODEL (HMM) Oleh: ELOK ANGGRAYNI NRP. 2409 100 092 Dosen Pembimbing: Prof. Dr.
Lebih terperinciDESAIN MESIN PRESENSI BERBASIS IDENTIFIKASI SUARA PENUTUR
REKAYASA LAPORAN PENELITIAN HIBAH BERSAING DESAIN MESIN PRESENSI BERBASIS IDENTIFIKASI SUARA PENUTUR Oleh : Hernawan Sulistyanto, ST, MT Nurgiyatna, ST. MSc DIBIAYAI OLEH DIREKTORAT JENDERAL PENDIDIKAN
Lebih terperinciPenerapan Metode Mel Frequency Ceptral Coefficient dan Learning Vector Quantization untuk Text-Dependent Speaker Identification
Jurnal Telematika, vol. 11 no. 1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-2516 Penerapan Metode Mel Frequency Ceptral Coefficient dan Learning Vector Quantization untuk Text-Dependent Speaker
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Emosi Emosi adalah perasaan intens yang ditujukan kepada seseorang atau sesuatu dan juga merupakan reaksi terhadap seseorang atau kejadian.emosi dapat ditunjukkan ketika merasa
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Riset di bidang sistem pengenalan ucapan otomatis (Automatic Speech Recognition) merupakan salah satu riset yang banyak ditekuni dan terus dikembangkan hingga saat
Lebih terperinciANALISA PENGARUH PENYAKIT FLU DAN BATUK TERHADAP SUARA PENDERITA DENGAN MENGGUNAKAN KOMPUTER
ANALISA PENGARUH PENYAKIT FLU DAN BATUK TERHADAP SUARA PENDERITA DENGAN MENGGUNAKAN KOMPUTER Devi Lina (1), Erwin (2), dan Antonius Surbakti (2) 1 Mahasiswa Jurusan Fisika 2 Dosen Jurusan Fisika Fakultas
Lebih terperinciPENENTUAN FREKUENSI FUNDAMENTAL DAN FORMANT SUARA MANUSIA DEWASA BERDASARKAN PERBEDAAN SUKU DAN GENDER MENGGUNAKAN SOFTWARE PRAAT
PENENTUAN FREKUENSI FUNDAMENTAL DAN FORMANT SUARA MANUSIA DEWASA BERDASARKAN PERBEDAAN SUKU DAN GENDER MENGGUNAKAN SOFTWARE PRAAT Endah Mulyani (1), Erwin (2), dan Salomo (2) 1 Jurusan Fisika FMIPA Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Gelombang Bunyi Menurut Anwar, et al (2014), gelombang bunyi atau lebih khusus dikenal sebagai gelombang akustik adalah gelombang longitudinal yang berada dalam sebuah medium,
Lebih terperinciMODEL ACQUISISI REKAMAN SUARA DI AUDIO FORENSIK
MODEL ACQUISISI REKAMAN SUARA DI AUDIO FORENSIK Roy Rudolf Huizen 1), Ni Ketut Dewi Ari Jayanti 2), Dandy Pramana Hostiadi 3) 1), 2), 3) Program Studi Sistem Komputer STIKOM BALI Jl. Raya Puputan Renon
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 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 terperinciSistem Verifikasi Penutur menggunakan Metode Mel Frequensi.
SISTEM VERIFIKASI PENUTUR MENGGUNAKAN METODA MEL FREQUENCY CEPSTRAL COEFFICIENTS-VECTOR QUANTISATION (MFCC-VQ) SERTA SUM SQUARE ERROR (SSE) DAN PENGENALAN KATA MENGGUNAKAN METODA LOGIKA FUZZY Oleh : Atik
Lebih terperinciIDENTIFIKASI TUTUR DENGAN METODE KUANTISASI VEKTOR LINDE - BUZO - GRAY TUGAS AKHIR OLEH: YOHANES AGUNG SANTOSO PRANOTO
IDENTIFIKASI TUTUR DENGAN METODE KUANTISASI VEKTOR LINDE - BUZO - GRAY TUGAS AKHIR OLEH: YOHANES AGUNG SANTOSO PRANOTO 02.50.0020 PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS KATOLIK
Lebih terperinciBAB 1 PENDAHULUAN. mengenali penggunanya lebih tepat. Beberapa aplikasi biometrik antara lain retinal
BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah autentikasi secara biologis memungkinkan sistem dapat mengenali penggunanya lebih tepat. Beberapa aplikasi biometrik antara lain retinal scan, face
Lebih 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 terperinciAPLIKASI SPEECH TO TEXT BERBAHASA INDONESIA MENGGUNAKAN MEL FREQUENCY CEPSTRAL COEFFICIENTS DAN HIDDEN MARKOV MODEL (HMM)
APLIKASI SPEECH TO TEXT BERBAHASA INDONESIA MENGGUNAKAN MEL FREQUENCY CEPSTRAL COEFFICIENTS DAN HIDDEN MARKOV MODEL (HMM) Eko Widiyanto, Sukmawati Nur Endah, Satriyo Adhy, Sutikno Jurusan Ilmu Komputer/Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition
BAB 1 PENDAHULUAN 1.1 Latar Belakang Speaker recognition adalah salah satu bidang pengenalan pola yang berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition yang mengenali kata atau
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam metode penelitian ini dijelaskan bagaimana proses pendeteksian kebohongan menggunakan metode SVM untuk sinyal EEG. Metode penelitian dapat dilihat
Lebih terperinciIMPLEMENTASI PENDIKTEAN BAHASA INDONESIA. Hari Bagus Firdaus dan Ayu Purwarianti
IMPLEMENTASI PENDIKTEAN BAHASA INDONESIA Hari Bagus Firdaus dan Ayu Purwarianti Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Jalan Ganesha 10, Bandung, 40132, Indonesia E-mail: hari.firdaus@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, manusia selalu memanfaatkan teknologi untuk melakukan kegiatannya. Ini dikarenakan teknologi membuat tugas manusia menjadi lebih ringan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Isyarat tutur merupakan isyarat yang diproduksi oleh alat ucap manusia hingga menghasilkan informasi, baik berupa makna dari isyarat tutur yang diucapkan maupun yang
Lebih terperinciPENERAPAN HIDDEN MARKOV MODEL UNTUK PENGENALAN UCAPAN SKRIPSI NADIA WIDARI NASUTION
PENERAPAN HIDDEN MARKOV MODEL UNTUK PENGENALAN UCAPAN SKRIPSI NADIA WIDARI NASUTION 110803016 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015 ii
Lebih terperinciBAB 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 terperinciIdentifikasi Speech Recognition Manusia dengan Menggunakan Average Energy dan Silent Ratio Sebagai Feature Extraction Suara pada Komputer
Identifikasi Speech Recognition Manusia dengan Menggunakan Average Energy dan Silent Ratio Sebagai Feature Extraction Suara pada Komputer Identification Human speech recognition using Average energy and
Lebih terperinciDETEKSI OOV MENGGUNAKAN HASIL PENGENALAN SUARA OTOMATIS UNTUK BAHASA INDONESIA. Aswin Juari dan Ayu Purwarianti
DETEKSI OOV MENGGUNAKAN HASIL PENGENALAN SUARA OTOMATIS UNTUK BAHASA INDONESIA Aswin Juari dan Ayu Purwarianti Teknik Informatika, Institut Teknologi Bandung, Bandung, Indonesia aswin_tsy@yahoo.com, ayu@stei.itb.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. misalnya untuk mendeteksi ketidakpuasan pelanggan pada sistem call center otomatis,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi memungkinkan manusia untuk berinteraksi dengan perangkat elektronik seperti asisten virtual pada ponsel pintar atau komputer. Agar komputer dapat
Lebih terperinciImplementation of Voice Recognition Based Key Using Mel Frequency Cepstral Coefficient (MFCC)
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 3998 IMPLEMENTASI KUNCI BERBASIS SUARA MENGGUNAKAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT (MFCC) Implementation of Voice
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 terperinciPERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
SKRIPSI PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA MADE GDE JAYA HARRY KHESA S JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN
Lebih terperinciJurnal Komputer Terapan Vol. 1, No. 2, November 2015, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 1, No. 2, November 2015, 121-132 121 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Aplikasi Pengenalan Ucapan Dengan Ekstraksi Ciri Mel- Frequency Cepstrum Coefficients
Lebih terperinciBAB I Pendahuluan 1 BAB I PENDAHULUAN
BAB I Pendahuluan 1 1.1 Latar Belakang BAB I PENDAHULUAN Reverberasi adalah noise akustik yang muncul pada ruangan tertutup berupa kumpulan pantulan dan difraksi suara oleh dinding dan obyek yang terdapat
Lebih terperinciBab 1. Pendahuluan. aman semakin diperlukan untuk menjamin keamanan data. Berbagai solusi proteksi
1 Bab 1 Pendahuluan 1.1 Latar Belakang Di era teknologi informasi khususnya internet, keberadaan sistem proteksi yang aman semakin diperlukan untuk menjamin keamanan data. Berbagai solusi proteksi tersedia
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Prinsip teknologi dikembangkan adalah untuk membuat alat atau sarana yang dapat membantu dan memberi kemudahan bagi manusia untuk melakukan kegiatan dalam hidup. Seiring
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2005/2006 PERANCANGAN SISTEM PROTEKSI FILE DENGAN PASSWORD SUARA Rendy Sesario 0600615431 Samanta Limbrada
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 terperinciSpeaker Recognition Menggunakan MFCC dan Algoritma DTW
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-150 1 Speaker Recognition Menggunakan MFCC dan Algoritma DTW Novarika Florencia* 1, Maulidina Tatiana, Rachmansyah 3, Derry Alamsyah 4 1, STMIK GI MDP;
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 PENDAHULUAN Latar Belakang Mengenali sebuah kata atau kalimat bukanlah hal yang sulit dilakukan bagi manusia Apalagi kata tersebut merupakan Bahasa Utama yang digunakannya sehari-hari Berbagai logat
Lebih terperinciIdentifikasi Suara Pengontrol Lampu Menggunakan Mel-Frequency Cepstral Coefficients dan Hidden Markov Model
Identifikasi Suara Pengontrol Lampu Menggunakan Mel-Frequency Cepstral Coefficients dan Hidden Markov Model Angga Kersana Munggaran 1, Esmeralda C Djamal, Rezki Yuniarti Jurusan Informatika, Fakultas MIPA
Lebih terperinciANALISIS SPEKTRUM SUARA MANUSIA BERDASARKAN JENIS KELAMIN (GENDER) DAN KELOMPOK UMUR MENGGUNAKAN KOMPUTER. Widia Rahim*, Erwin, Usman Malik
ANALISIS SPEKTRUM SUARA MANUSIA BERDASARKAN JENIS KELAMIN (GENDER) DAN KELOMPOK UMUR MENGGUNAKAN KOMPUTER Widia Rahim*, Erwin, Usman Malik Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Kampus
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 terperinciAnalisis Koefisien Cepstral Emosi Berdasarkan Suara
Journal of Applied Informatics and Computing (JAIC) Vol.1,.1, Desember 2017 e-issn: 2548-6861 1 Analisis Koefisien Cepstral Emosi Berdasarkan Suara Ismail Mohidin 1 *, Frangky Tupamahu 2 ** * Teknik Informatika,
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 terperinciSISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM. Ivanna K. Timotius, Danie Kurniawan. Intisari
SISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM SISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM Fakultas Teknik Elektronika dan Komputer, Program Studi Teknik Elektro, Universitas Kristen Satya Wacana, Salatiga,
Lebih terperinciDielektrika, ISSN Vol. 2, No. 2 : , Agustus 2015
Dielektrika, ISSN 2086-9487 105 Vol. 2, No. 2 : 105-113, Agustus 2015 SPEAKER IDENTIFICATION MENGGUNAKAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENTS (MFCC) DAN DYNAMIC TIME WARPING (DTW) Speaker Identification
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sintesis suara percakapan adalah pembangkitan suara percakapan dari tulisan atau teks yang dilakukan dengan program komputer. Saat ini sedang diusahakan agar
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 terperinciTUGAS TEORI INFORMASI & PENGKODEAN DIGITAL FORENSIC VOICE
TUGAS TEORI INFORMASI & PENGKODEAN DIGITAL FORENSIC VOICE Proposal ini diajukan untuk memenuhi salah satu tugas mata kuliah Teori Informasi & Pengkodean Disusun Oleh: Irma Amelia Dewi NIM: 23211310 Program
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 terperinciVerifikasi Suara menggunakan Jaringan Syaraf Tiruan dan Ekstraksi Ciri Mel Frequency Cepstral Coefficient
32 Jurnal Sistem Informasi Bisnis 0(207) On-line : http://ejournalundipacid/indexphp/jsinbis Verifikasi Suara menggunakan Jaringan Syaraf Tiruan dan Ekstraksi Ciri Mel Frequency Cepstral Coefficient Andi
Lebih terperinciBAB 1 PENDAHULUAN. peranan yang sangat penting pada organisasi tersebut. Peningkatan kinerja para
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam sebuah organisasi, tidak dapat dipungkiri bahwa karyawan memiliki peranan yang sangat penting pada organisasi tersebut. Peningkatan kinerja para karyawan
Lebih 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 I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dibahas tentang latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, dan kontribusi penelitian. Masalah-masalah yang dihadapi berkaitan dengan melakukan
Lebih terperinciPENERAPAN METODE HIDDEN MARKOV MODEL DAN MEL FREQUENCY CEPSTRUM COEFFICIENT DALAM PENGENALAN VOICE COMMAND BERBAHASA INDONESIA KOMPETENSI KOMPUTASI
PENERAPAN METODE HIDDEN MARKOV MODEL DAN MEL FREQUENCY CEPSTRUM COEFFICIENT DALAM PENGENALAN VOICE COMMAND BERBAHASA INDONESIA KOMPETENSI KOMPUTASI SKRIPSI I GEDE ARYA MAHARTA NIM. 1108605025 JURUSAN ILMU
Lebih terperinciRANCANGAN APLIKASI BIOMETRIK BERDASARKAN FACIAL EMG
RANCANGAN APLIKASI BIOMETRIK BERDASARKAN FACIAL EMG (Risa, Andi Rahmadiansah) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo Surabaya 60111 Telp : +6231-5947188 Fax : +6231-5923626
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Pengenalan lafal manusia agar dapat dilakukan oleh sebuah mesin telah menjadi fokus dari berbagai riset selama lebih dari empat dekade. Ide dasar yang sederhana
Lebih terperinciPengembangan Model HMM Berbasis Maksimum Lokal Menggunakan Jarad Euclid Untuk Sistem Identifikasi Pembicara -,,
-- -- roceedings of NATIONAL CONFERENCE ON COMPUTER SCIENCE & INFORMATION TECHNOLOGY 200 anuary 29-30.2007, Faculty of Computer Science, University of Indonesia * Pengembangan Model HMM Berbasis Maksimum
Lebih terperinciHUBUNGAN SPEECH INTELLIGIBILITY SUARA PRIA TERHADAP TINGKAT TEKANAN BUNYI BISING LATAR
HUBUNGAN SPEECH INTELLIGIBILITY SUARA PRIA TERHADAP TINGKAT TEKANAN BUNYI BISING LATAR Titi Desi Tyaswati 1), Lila Yuwana,M.Si 2), Dra. Lea Prasetio,M.Sc 3) Jurusan Fisika Fakultas Matematika dan Ilmu
Lebih terperinciAPLIKASI PENDETEKSI EMOSI MANUSIA MENGGUNAKAN METODE MFCC DAN DTW
APLIKASI PENDETEKSI EMOSI MANUSIA MENGGUNAKAN METODE MFCC DAN DTW,, [1] Jurusan Teknik Informatika, Fakultas Teknologi Industri, Itenas Bandung youllia@itenas.ac.id, sangkuriang69@gmail.com, adrianyuki16@gmail.com
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA SILUET ORANG BERJALAN MENGGUNAKAN SUDUT SETENGAH KAKI
IDENTIFIKASI SESEORANG BERDASARKAN CITRA SILUET ORANG BERJALAN MENGGUNAKAN SUDUT SETENGAH KAKI Disusun Oleh: Nama : Edy Kurniawan NRP : 0922023 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen
Lebih terperinciTEKNIK FORENSIKA AUDIO UNTUK ANALISA SUARA PADA BARANG BUKTI DIGITAL
TEKNIK FORENSIKA AUDIO UNTUK ANALISA SUARA PADA BARANG BUKTI DIGITAL Galieh Wicaksono, Yudi Prayudi 1 1, Pusat Studi Forensika Digital Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas
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 terperinciPENGENALAN EMOSI BERDASARKAN SUARA MENGGUNAKAN ALGORITMA HMM
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 4, No. 3, September 217, hlm. 168-172 e-issn: 2528-6579 PENGENALAN EMOSI BERDASARKAN SUARA MENGGUNAKAN ALGORITMA HMM Barlian
Lebih terperinciSISTEM PENGOLAHAN SUARA MENGGUNAKAN ALGORITMA FFT (FAST FOURIER TRANSFORM)
SISTEM PENGOLAHAN SUARA MENGGUNAKAN ALGORITMA FFT (FAST FOURIER TRANSFORM) Harun Sujadi 1, Ii Sopiandi 2, Agis Mutaqin 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Majalengka
Lebih terperinciNTIFIKASI PEMBICARA DENGAN PEMODELAN IDENTIFIKASI PEMBICARA DENGAN MFCC SEBAGAI EKSTRAKSI CIRI DAN SVM SEBAGAI PENGENALAN POLA LUTHFAN ALMANFALUTHI
NTIFIKASI PEMBICARA DENGAN PEMODELAN IDENTIFIKASI PEMBICARA DENGAN MFCC SEBAGAI EKSTRAKSI CIRI DAN SVM SEBAGAI PENGENALAN POLA LUTHFAN ALMANFALUTHI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014
Lebih terperinciAkustik. By: Dian P.E. Laksmiyanti, ST. MT
Akustik By: Dian P.E. Laksmiyanti, ST. MT Bunyi Bunyi merupakan suatu gelombang. Banyaknya gelombang yang dapat diterima bunyi antara 20-20.000 Hz Dapat merambat melalui MEDIA media disini bisa berupa
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 terperinciRANCANG BANGUN APLIKASI PENGENAL PENUTUR MENGGUNAKAN METODE HIDDEN MARKOV MODEL (HMM)
RANCANG BANGUN APLIKASI PENGENAL PENUTUR MENGGUNAKAN METODE HIDDEN MARKOV MODEL (HMM) Maryati Gultom 1), Mukhlisa 2), Derry Alamsyah 3) 1 gultommaryati@gmail.com, 2 immobulus92@gmail.com, 3 derryfseiei@gmail.com
Lebih terperinciManipulasi suara ucapan (speech morphing)
pernah tahu? Play Play Manipulasi suara ucapan (speech morphing) Proses manipulasi Sintesis parameter-parameter Suatu proses pembangkitan suara ucapan fisik suara ucapan yang terdapat pada sinyal suara,
Lebih terperinciBAB I PENDAHULUAN SIMULASI DAN ANALISIS PEMANTAUAN KAMAR PASIEN RAWAT INAP DENGAN DETEKSI DAN KLASIFIKASI SINYAL AUDIO 1
BAB I PENDAHULUAN 1.1 Latar Belakang Pasien rawat inap di rumah sakit membutuhkan perawatan yang intensif dari dokter atau perawat. Hal ini dilakukan dengan memantau kesehatan pasien secara fisik dan psikologi
Lebih terperinciIMPLEMENTASI FUSI INFORMASI HIRARKIS PADA PENGENALAN CITRA WAJAH MULTI-SPECTRAL
TUGAS AKHIR - CI1599 IMPLEMENTASI FUSI INFORMASI HIRARKIS PADA PENGENALAN CITRA WAJAH MULTI-SPECTRAL FEBE FENYTA S. NRP 5105 100 042 Dosen Pembimbing Rully Soelaiman, S.Kom, M.Kom JURUSAN TEKNIK INFORMATIKA
Lebih terperinciPengenalan Karakter Suara Laki-Laki Aceh Menggunakan Metode FFT (Fast Fourier Transform)
Pengenalan Karakter Suara Laki-Laki Menggunakan Metode FFT (Fast Fourier Transform) Mursyidah 1, Jamilah 2, Zayya 3 Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknologi Informasi dan Komputer,
Lebih terperinciSISTEM PENGENALAN PENUTUR DENGAN METODE MEL-FREQUENCY WRAPPING DAN KUANTISASI VEKTOR
SISTEM PENGENALAN PENUTUR DENGAN METODE MEL-FREQUENCY WRAPPING DAN KUANTISASI VEKTOR Ali Mustofa Jurusan Teknik Elektro, Universitas Brawijaya Email: a_tofa@yahoo.com Abstrak - Pengenalan penutur adalah
Lebih terperinciTRANSFORMASI SUARA BERBASIS PEMETAAN SELUBUNG SPEKTRAL DAN PREDIKSI RESIDU
TRANSFORMASI SUARA BERBASIS PEMETAAN SELUBUNG SPEKTRAL DAN PREDIKSI RESIDU Fitrah Ansori Nasution ) Iwan Iwut T. 2) Hadi Suwastio 3) Jurusan Teknik Elektro, Sekolah Tinggi Telekomunikasi Telkom Bandung
Lebih terperinciTTG3B3 - Sistem Komunikasi 2 MAP & ML Detection
TTG3B3 - Sistem Komunikasi 2 MAP & ML Detection S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom Oleh: Linda Meylani Agus D. Prasetyo Tujuan Pembelajaran Memahami dan menjelaskan konsep
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 terperinciUnnes Physics Journal
UPJ 3 (1) (2014) Unnes Physics Journal http://journal.unnes.ac.id/sju/index.php/upj ANALISIS REKAMAN SUARA MENGGUNAKAN TEKNIK AUDIO FORENSIK UNTUK KEPERLUAN BARANG BUKTI DIGITAL V.R.C.Putri Sunarno Prodi
Lebih terperinciPengenalan Gender Melalui Suara dengan Algoritma Support Vector Machine (SVM)
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Pengenalan Gender Melalui Suara dengan Algoritma Support Vector Machine (SVM) Adi Rinaldi *1, Hendra 2, Derry Alamsyah 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciBAB I PENDAHULUAN. dikeluarkan dari mulut manusia (Seperti pada waktu bercakap-cakap, menyanyi,
BAB I PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia (KBBI) suara adalah bunyi yang dikeluarkan dari mulut manusia (Seperti pada waktu bercakap-cakap, menyanyi, tertawa, dan menangis).
Lebih 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 terperinciANALISIS SPEKTRUM SUARA MANUSIA BERDASARKAN SUKU PADA KELOMPOK USIA ANAK-ANAK DENGAN MENGGUNAKAN SOFTWARE PRAAT
ANALISIS SPEKTRUM SUARA MANUSIA BERDASARKAN SUKU PADA KELOMPOK USIA ANAK-ANAK DENGAN MENGGUNAKAN SOFTWARE PRAAT Normaida Lumban Gaol*, Erwin, Mbantun Ginting Jurusan fisika Fakultas Matematika dan Ilmu
Lebih terperinciIDENTIFIKASI BUNYI DALAM PEMBELAJARAN NADA DASAR PERMAINAN SULING BATAK MENGGUNAKAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT SKRIPSI
IDENTIFIKASI BUNYI DALAM PEMBELAJARAN NADA DASAR PERMAINAN SULING BATAK MENGGUNAKAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT SKRIPSI MUHAMMAD WARDANA 121402024 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS
Lebih terperinciBAB I PENDAHULUAN. yang telah digunakan secara luas oleh orang orang di dunia saat ini adalah
BAB I PENDAHULUAN 1.1 Latar Belakang Manusia merupakan makhluk yang memiliki tingkat intelektual yang paling tinggi di antara makhluk hidup lainnya. Pada diri manusia, juga terdapat sejumlah potensi yang
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK
PENGENALAN WAJAH MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS Rudy Hova / 0222165 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia Email : rudy_hova@yahoo.com
Lebih terperinci