PEMISAHAN VOICE DAN UNVOICE MENGGUNAKAN TEKNIK OVERLAPING BLOCK, ZERO CROSSING RATE, DAN SHORT TIME ENERGY DALAM PENGENALAN SUARA
|
|
- Farida Gunawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMISAHAN VOICE DAN UNVOICE MENGGUNAKAN TEKNIK OVERLAPING BLOCK, ZERO CROSSING RATE, DAN SHORT TIME ENERGY DALAM PENGENALAN SUARA Ade Yusupa 1, Abdul Syukur 2, Ricardus Anggi Pramunendar Pasca Sarjana Teknik Informatika Universitas Dian Nuswantoro ABSTRAK Dalam proses speech recognition, speech syntesis dan speech enhancement, signal suara yang diinputkan tidak dapat langsung dikenali atau diindentifikasi sebagai gelombang signal voice atau unvoice. Proses analisis ucapan dalam menetapkan voice dan unvoice biasanya dilakukan dengan ekstrasi dari speech signal atau signal suara. Dalam penelitian ini, kami melakukan dan membandingkan 3 akurasi metode yakni: penentuan manual dengan software Adobe Audition dibandingkan pada tool matlab dengan metode separation of voice and unvoice using non overlapping block, zero-crossing rate and energy of a speech signal, dan juga membandingkan dengan metode peneliti yaitu penggabungan teknik overlapping blocks, zero crossing rate dan short time energy dalam menentukan voice dan unvoice untuk memisahkan bagian unvoice dan voice ucapan dari sinyal suara. Dengan ada perbedaan pada overlapping block dan non-overlapping block. Kami mengevaluasi hasil dari semua metode tersebut bahwa teknik yang digunakan peneliti dengan overlapping blocks, zero crossing rate dan short time energy terbukti lebih efektif dalam pemisahan voice dan unvoice. Kata Kunci: Speech signal, Overlapping blocks, Zero crossing rate, Short time energy, Voice dan Unvoice 1. PENDAHULUAN Ucapan merupakan cara paling alami untuk pertukaran informasi. Dengan demikian, merancang mesin cerdas yang dapat mengenali informasi lisan telah menjadi topik penelitian bagi para ilmuwan dan insinyur selama lebih dari lima dekade[2]. Hal ini dapat digunakan secara efisien dalam berbagai keseharian untuk meningkatkan lingkungan kerja, atau untuk memecahkan masalah nyata dalam kehidupan seperti untuk membuat teknologi modern yang dapat diakses dalam kegiatan sehari-hari bagi orang-orang yang menderita cacat fisik. Keunggulan teknologi pengenalan suara memasukkan informasi dengan berbicara terhadap komputer merupakan dua kali lebih cepat dibandingkan oleh juru ketik terampil.teknologi pengenalan suara meningkatkan kemampuan untuk berkomunikasi dengan orangorang yang memiliki cacat fisik.[1][3] Pita suara merupakan sumber untuk memproduksi ucapan pada manusia. Ini menghasilkan dua jenis suara ucapan ini voice dan unvoice. Getaran pita suara menghasilkan suara yang merupakan voice,dan unvoice karena turbulensi aliran udara pada penyempitan di semua bagian dalam saluran vokal [7]. Frekuensi getaran suara ditentukan oleh beberapa faktor seperti ketegangan yang diberikan oleh otot, massa, dan durasi. Faktor-faktor ini bervariasi antara jenis kelamin dan sesuai dengan umur. Dalam beblkerapa tahun terakhir upaya besar telah dilakukan oleh para peneliti dalam memecahkan masalah memisahkan atau segmentasi bagian voice dan unvoice[8]. Pendekatan pengenalan pola dengan teknik statistik, dan nonstatistik telah diterapkan untuk memutuskan segmen tertentu dari speech signal harus diklasifikasikan sebagai ucapan voice dan unvoice [9]. Zero Crossing Rate (ZCR) merupakan algoritma penentuan phonem atau pengenalan frekuensi suara, dapat bekerja dengan baik tanpa adanya noise, dan dirancang untuk menjadi sangat sederhana dalam hal perhitungan. Dalam hal ini ZCR merupakan salah satu solusi dalam permasalahan klasifikasi suara berdasarkan dua kategori phonem yaitu voice dan unvoice. ZCR bekerja dengan baik untuk gelombang suara yang bebas dan sederhana seperti gelombang sinus, gagasan untuk menghitung berapa kali gelombang melintasi nol-sumbu dalam waktu tertentu jumlah penyeberangan per-detik akan sama dengan dua kali frekuensi [10][11][12][13]. pps.dinus.ac.id, 135
2 Di dalam penelitian ini peneliti akan mencoba memisahkan antara voice dan unvoice. Speech atau ucapan dapat dibagi menjadi beberapa daerah voice dan unvoice. Klasifikasi speech signal menjadi voice dan unvoice memberikan segmentasi akustik awal untuk aplikasi pengolahan ucapan seperti contoh : speech synthesis, speech enhancement, dan speech recognition[11]. Sebagian besar algoritma speech processing membingkai signal ucapan menjadi frame dan mengolahnya secara berurutan, menganalisis speech signal dengan frame rate yang tetap. Algoritma ini biasanya mengolah sinyal dengan rate tetap yang memberikan hasil pada sinyal yang dijadikan sampel secara merata. Pengolahan rate tetap tidak konsisten dengan persepsi ucapan.tidak handal dalam mengambil keputusan membingkai spektrum informasi berdasarkan rentang waktu yang lebih lama dan kurang sensitive to noise[14]. Sehingga akurasi pengenalan speech signal jarang dicapai dalam praktiknya [15]. Peneliti melakukan pendekatan baru untuk deteksi yang tepat mengenai speech signal terisolasi tertentu terutama terbatas dalam satu suku kata. Peneliti akan mencoba memisahkan antara voice dan unvoice dengan menggunakan metode pendekatan yang sederhana, cepat dan dapat mengatasi masalah segmentasi atau separated ucapan dalam voice/ unvoice dengan menggunakan teknik overlapping blocks, zero crossing rate dan energy dari speech signal. 2. METODE PENELITIAN Metode pemisahan voice dan unvoice menggunakan teknik overlaping block, zero crossing rate and short time energy dalam pengenalan suara dilakukan dengan menggunakan perkakas / tool matlab R2012a dan dibuat dengan Graphical User Interface (GUI) untuk mempermudah interaksi antara user dengan metode pemisahan yang digunakan. Metode yang diusulkan sederhana namun tangguh dalam pengenalan speech signal. Dalam proses pelaksanaan didasarkan pada gambar di bawah ini. Perhatikan bahwa seluruh skema akan dilaksanakan dengan menggunakan perangkat lunak MATLAB, dengan mengolah semua format data 32 bit. Metode ini digunakan untuk mengekstrak dengan membatasi sinyal ucapan dengan mengabaikan suasana pra dan pasca. Untuk melayani tujuan ini teknik overlapping block digunakan. Dalam teknik ini, sinyal yang ditangkap dibagi menjadi beberapa blok tumpang tindih. Ukuran setiap blok dan tumpang tindih antara dua blok berturut turut memiliki dua nilai tetap yang berbeda. Dalam kasus ini bisa diset agar nilai N dan M bisa diganti-ganti. Metode yang diterapkan seperti pada gambar di bawah ini yang hasilnya dibandingkan dengan metode yang digunakan pada penelitian sebelumnya. Gambar 1. Blok Diagram Deteksi Speech Signal 136
3 3. HASIL DAN PEMBAHASAN 3.1. Persiapan Dataset Dataset yang digunakan adalah speech signal dengan format WAV dan total berjumlah 24 buah speech signals. Objek speech signal dataset merupakan suara ucapan manusia dengan kata Yes dan No. Objek tersebut akan dipisahkan antara voice dan unvoice dalam speech signals. Ukuran dari suara speech signal.wav bervariasi, tetapi pada umumnya adalah moderat artinya tidak terlalu besar maupun tidak terlalu kecil. Daftar lengkap dari keseluruhan dataset akan disertakan pada lampiran dari laporan penelitian ini. Dataset speech signals dengan format wav sebagai berikut: Gambar 4.1 Dataset public speech sound Gambar 2. Dataset Speech signals 3.2. Proses Eksperimen GUI Berikut merupakan tampilan grapich user interface (GUI) untuk berinteraksi dengan user yang terdiri dari beberapa button, axes, dan edit text. Gambar 3. GUI Segmentasi Voice and Unvoice pps.dinus.ac.id, 137
4 Berikut tampilan pada saat dijalankan. Agar jelas terlihat perbedaan antara metode pada penelitian terkait (hasil dari paper) dengan penelitian ini (hasil dari ZCR & energy), maka digunakan plot grafik dan warna yang berbeda yaitu biru untuk dikategorikan sebagai unvoiced dan merah sebagai voiced. Gambar 4. GUI Segmentasi Voice and Unvoice dengan Objek anna-no.wav Kedua component figure yaitu edit text menampilkan informasi nilai indeks awal dan akhir dari sebuah sinyal suara yang dikategorikan sebagai voiced. Tabel 1. Hasil Percobaan Penelitian 138
5 Deskripsi perhitungan: a. Nama file: anna-no.wav. b. Menghitung kolom D yaitu dengan menghitung perbedaan absolut (abs(b-c)/a * 100) sehingga terdapat selisih 5% c. Menghitung kolom E dengan batas sebesar 25% yang berarti jika nilai perbedaan (kolom D) lebih dari 25% maka akan menghasilkan 1 (sehingga dianggap CUKUP berbeda) d. Cara di atas juga diterapkan untuk menghitung kolom H (sama dengan kolom D) dan I (sama dengan kolom E) e. Sedangkan untuk kolom J didapatkan dari penjumlahan kolom E dan I Dari tabel di atas dapat disimpulkan kolom J merupakan hasil penjelasan untuk mengetahui ada perbedaan hasil antarkeduanya atau tidak. Jika menghasilkan 0, maka sama. Jika menghasilkan lebih dari 0, maka ada beda, maka komparasi hasil akhir menghasilkan prosentase keberhasilan 50% sedangkan pada versi revisi menghasilkan prosentase validasi 100%. Gambar 5. Sample GUI Segmentasi Voice and Unvoice Dari hasil eksperimen didapatkan hasil bahwa metode paper telah gagal ketika posisi start index atau end index pada grafik tidak bisa melakukan segmentasi unvoice dan voice secara sempurna. Hal ini bisa dikarenakan block unvoice teridentifikasi sebagai voice ataupun sebaliknya. Metode peneliti dapat menentukan start index dan end index lebih akurat, koefisien perbedaan yang terdapat di 12 file di atas yang rata rata mencapai 25% dapat dilihat pada gambar Plot Grafik perbandingan hasil pemisahan suara di atas. Dalam penelitian ini dapat diidentifikasi daerah voice dengan menggunakan persepsi visual dan voice, langkah berikutnya dengan pendekatan otomatis. Jika gelombang sinyal suara terlihat secara berkala alami, maka dapat ditandai sebagai voice tetapi dapat juga dilihat dari beberapa struktur secara periodik. Jika tidak, mungkin ditandai sebagai unvoice pada wilayah berdasarkan energi terkait. Jika amplitudo sinyal rendah atau diabaikan, maka dapat ditandai sebagai diam, jika tidak ditandai sebagai sebagai unvoice. pps.dinus.ac.id, 139
6 4. KESIMPULAN Berdasarkan hasil penelitian ini didapatkan bahwa pemisahan suara voice dan unvoice menggunakan teknik overlaping block zero crossing rate, and short time energy dalam pengenalan suara berhasil memisahkan antara voice dan unvoice lebih baik dan akurat. Hal ini dibuktikan pada metode paper terjadi kesalahan 12 file dari 24 file dengan tingkat 50%. Kelemahan ini berhasil diperbaiki dengan metode ZCR & energy. Pada metode ZCR & energy terjadi 0 kesalahan dari 24 file dengan tingkat 100% berhasil. DAFTAR PUSTAKA [1] V. Goel and W. J. Byrne, Minimum Bayes-risk automatic speech recognition, no. 10, pp , [2] C. Y. Fook, M. Hariharan, S. Yaacob, and A. Ah, A Review : Malay Speech Recognition and Audio Visual Speech Recognition, no. February, pp , [3] A. K. Paul, D. Das, and M. M. Kamal, Bangla Speech Recognition System Using LPC and ANN, 2009 Seventh Int. Conf. Adv. Pattern Recognit., pp , Feb [4] K. Nishikawa and H. Takanobu, Modeling and Analysis of Elastic Tongue Mechanism of Talking Robot for Acoustic Simulation, no. October, [5] I. McLoughlin, Applied speech and audio processing: with Matlab examples [6] M. Kitani and H. Sawada, Mechanical Reproduction of Human-Like Expressive Speech Using a Talking Robot, 2013 Int. Conf. Biometrics Kansei Eng., pp , Jul [7] B. Atal and L. Rabiner, A pattern recognition approach to voiced-unvoiced-silence classification with applications to speech recognition, IEEE Trans. Acoust., vol. 24, no. 3, pp , Jun [8] T. Toda, M. Nakagiri, and K. Shikano, Statistical Voice Conversion Techniques for Body- Conducted Unvoiced Speech Enhancement, IEEE Trans. Audio. Speech. Lang. Processing, vol. 20, no. 9, pp , Nov [9] F. Daaboul and J. Adoul, Parametric segmentation of speech into voiced-unvoiced-silence intervals, ICASSP 77. IEEE Int. Conf. Acoust. Speech, Signal Process., vol. 2, pp [10] S. J. An, R. M. Kil, S. Member, and Y. Kim, Zero-Crossing-Based Speech Segregation and Recognition for Humanoid Robots, no. Cc, [11] R. G. Bachu, S. Kopparthi, B. Adapa, and B. D. Barkana, Separation of Voiced and Unvoiced using Zero crossing rate and Energy of the Speech signal, pp [12] W. Bezdel, C. Eng, J. S. Bridle, and B. Sc, Control & Science Speech recognition using zerocrossing measurements and sequence information, vol. 116, pp [13] L. P. Bhaiya and A. U. Khan, Hindi Speaking Person Identification using Zero Crossing rate and Short-Term Energy, no. 4, pp , [14] Entropy-Based Variable Frame Rate Analysis Of Speech signals And Its Application To Asr H. You, Q. Zhu and A. Alwan Los Angeles CA90095, USA, no. 2, pp [15] A. Mitra, B. K. Mitra, and B. Chatterjee, Recognition of Isolated Speech signals using Simplified Statistical Parameters, no. 8, pp ,
Frekuensi 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 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 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 terperinciPerbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) ABSTRAK
Perbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) Bogerson/0322076 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciDeteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice
Jurnal Teknik Elektro dan Komputer, Vol.I, No.2, Oktober 21, 125-129 125 Deteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice Luqman Hakim Program Studi Teknik Mekatronika,
Lebih 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 terperinciJony Sitepu/ ABSTRAK
PERBANDINGAN ESTIMASI SELUBUNG SPEKTRAL DARI BUNYI VOICED MENGGUNAKAN METODE AUTO-REGRESSIVE (AR) DENGAN OPTIMIZATION OF THE LIKELIHOOD CRITERION (OLC) Jony Sitepu/0422166 Jurusan Teknik Elektro, Fakultas
Lebih terperinciBAB III 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 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 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 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 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 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 terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS Ambrosius Jonathan / 0222202 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.
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 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 METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciSPEECH RECOGNITION (Pengenalan Ucapan)
MODUL 1 SPEECH RECOGNITION (Pengenalan Ucapan) Komunikasi Bahasa Lisan Human Computer Input Speech Recognition Text Output Speech Synthesis Text Generation Meaning Understanding 1 Speech recognition memiliki
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 terperinciPengenalan Fonem Vokal Bahasa Jawa Mataraman Menggunakan Metode Liner Predictive Model Dan Hidden Markov Model
Pengenalan Fonem Vokal Bahasa Jawa Mataraman Menggunakan Metode Liner Predictive Model Dan Hidden Markov Model Ziaul Haq, Teknik Informatika S1,Universitas Dian Nuswantoro Semarang Abstract Pengenalan
Lebih terperinciBAB I PENDAHULUAN 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 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 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 terperinciPENERAPAN KLASIFIKASI VOICED DAN UNVOICED PADA PENGENALAN TUTUR BEBERAPA KATA BAHASA INDONESIA
PENERAPAN KLASIFIKASI VOICED DAN UNVOICED PADA PENGENALAN TUTUR BEBERAPA KATA BAHASA INDONESIA Heru Susanto 1) 1) Dosen Prodi Teknik Dirgantara, Sekolah Tinggi Teknologi Kedirgantaraan 1 hesa_3@yahoo.com
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 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 terperinciKARAKTERISASI PARAMETER AKUSTIK PADA SUARA YANG DIPRODUKSI OLEH PITA SUARA BUATAN
KARAKTERISASI PARAMETER AKUSTIK PADA SUARA YANG DIPRODUKSI OLEH PITA SUARA BUATAN Orienta Sebayang 1, Drs. Suwandi., M.Si. 2, Hertiana Bethaningtyas D.K., M.T. 3 Mahasiswa Teknik Fisika,Universitas Telkom,
Lebih terperinciIdentifikasi Gender Melalui Suara Dengan Metode Statistik Ciri Orde Pertama
Identifikasi Gender Melalui Suara Dengan Metode Statistik Ciri Orde Pertama Dahlan Abdullah 1), Cut Ita Erliana 2), Irdanil Kamal 3) 1), 3) Jurusan Teknik Informatika, Fakultas Teknik, Universitas Malikussaleh
Lebih terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
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 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 terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN METODE PENDEKATAN SUBRUANG ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN METODE PENDEKATAN SUBRUANG David Paroki Butarbutar / 0322138 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciBAB 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 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 terperinciPEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION ABSTRAK
PEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION Berkat Willmart Telaumbanua / 0322055 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
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 terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Riset di bidang sistem pengenalan ucapan otomatis (Automatic Speech Recognition) merupakan salah satu riset yang banyak ditekuni dan terus dikembangkan hingga saat
Lebih terperinciBAB 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 III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian yang dilakukan dapat dijelaskan dengan lebih baik melalui blok diagram seperti yang terliat pada Gambar 3.1. Suara Manusia Rekam suara Hasil rekaman
Lebih 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 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 terperinciDETEKSI TERDISTRIBUSI ROBUST DENGAN MENGGUNAKAN SENSOR AKUSTIK
Company LOGO DETEKSI TERDISTRIBUSI ROBUST DENGAN MENGGUNAKAN SENSOR AKUSTIK Oleh : Lusia Tuties Kristianingrum (2206100627) Dosen Pembimbing : Dr. Ir Wirawan, DEA Januari 2011 1 Topik Pembahasan Pendahuluan
Lebih terperinciProses Pembentukan dan Karakteristik Sinyal Ucapan
Proses Pembentukan dan Karakteristik Sinyal Ucapan (Pertemuan ke-3) Disampaikan oleh: Dr. R. Rizal Isnanto, S.T., M.M., M.T. Program Studi Sistem Komputer Universitas Diponegoro 1. Sistem Pembentukan Ucapan
Lebih terperinciIMPLEMENTASI METODE NOISE GATE, LOW PASS FILTER DAN SILENT REMOVAL UNTUK MENGHILANGKAN NOISE PADA FILE SUARA MENGGUNAKAN PARAMETER DINAMIS
IMPLEMENTASI METODE NOISE GATE, LOW PASS FILTER DAN SILENT REMOVAL UNTUK MENGHILANGKAN NOISE PADA FILE SUARA MENGGUNAKAN PARAMETER DINAMIS Setia Wirawan 1 Edy Prasetyo 2 Teknik Informatika, Universitas
Lebih terperinciKOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4
KOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4 Disusun Oleh : Nama : Michael Darmawan Nrp : 0322130 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria Sumantri,
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 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 terperinciABSTRACT. Nowadays, speech coding technology that encode speech with a minimum
ABSTRACT Nowadays, speech coding technology that encode speech with a minimum number of bits while maintaining its quality is very required. This final project uses Multi Band Excitation (MBE) to encode
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 terperinciABSTRAK. Teknologi pengkode sinyal suara mengalami kemajuan yang cukup. pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari
ABSTRAK Teknologi pengkode sinyal suara mengalami kemajuan yang cukup pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari pengkode sinyal suara yaitu output sinyal suara yang mempunyai
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 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 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 terperinciPENENTUAN PENERIMAAN SISWA BARU MENGGUNAKAN DECISION TREE
PENENTUAN PENERIMAAN SISWA BARU MENGGUNAKAN DECISION TREE 1 Fitroh Rizky Muwardah, 2 Ricardus Anggi Pramunendar, M.Cs Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro,
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 terperinciIDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE
IDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE SEPTIAN FIRMANDA 2406100065 DOSEN PEMBIMBING Dr.Dhany Arifianto,ST., M.Eng JURUSAN
Lebih terperinciKinerja Spectrum Sensing Dengan Metode Cyclostationary Feature Detector Pada Radio Kognitif
Elkomika Teknik Elekro Itenas No. Vol. Jurnal Teknik Elektro Januari Juni 23 Kinerja Spectrum Sensing Dengan Metode Cyclostationary Feature Detector Pada Radio Kognitif HENDRY CAHYO H., DWI ARYANTA, NASRULLAH
Lebih terperinciTUGAS AKHIR. Diajukan Sebagai Salah Satu Syarat untuk Menyelesaikan Program Strata I Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Andalas
TUGAS AKHIR PERANCANGAN DAN IMPLEMENTASI CONNECTED DIGIT RECOGNITION DENGAN METODE MEL FREQUENCY CEPSTRUM COEFFECIENT DAN HIDDEN MARKOV MODEL UNTUK VOICE DIALING PADA HANDPHONE TIGER C KF-828 Diajukan
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION
PEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION Sherly Sabaraya, Dhany Arifianto Jurusan Teknik Fisika-Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciRegha Julian Pradhana 1, Dr. Ir. Bambang Hidayat 2, IPM, Ratri Dwi Atmaja, ST. MT. 3. Abstrak
DETEKSI KUALITAS PEMASANGAN UBIN BERBASIS EKSTRAKSI CIRI BUNYI DENGAN KLASIFIKASI K-NEAREST NEIGHBOR QUALITY DETECTION OF TILES INSTALLATION BASED ON SOUND FEATURE EXTRACTION WITH K-NEAREST NEIGHBOR CLASSIFICATION
Lebih terperinciBab 3. Transmisi Data
Bab 3. Transmisi Data Bab 3. Transmisi Data 1/34 Outline Terminologi dan Konsep Transmisi Data Media Transmisi Konsep Domain Waktu Konsep Domain Frekuensi Transmisi Analog Transmisi Digital Gangguan Transmisi
Lebih terperinciJaringan Komputer. Transmisi Data
Jaringan Komputer Transmisi Data Terminologi (1) Transmitter Receiver Media Transmisi Guided media Contoh; twisted pair, serat optik Unguided media Contoh; udara, air, ruang hampa Terminologi (2) Hubungan
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih 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 terperinciSeminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN:
Perintah Suara Berbahasa Indonesia untuk Membuka dan Menutup Aplikasi dalam Sistem Operasi Windows Menggunakan Metode Mel Frequency Cepstrum Coefficient dan Metode Backpropagation Zakaria Ramadhan 1, Sukmawati
Lebih terperinciRabiner L, Juang BH Fundamental of Speech Recognition. New Jersey: PTR Prentice-Hall, Inc. Reynolds D.A An Overview of Automatic
DAFTAR PUSTAKA Bolat B, Yildirim T. 2003. Performance increasing methods for probabilistic Neural Networks. Pakistan Journal of Information and Technology 2(3):250-255. Campbell, J.P., 1997, Speaker Recognition:
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 terperinciBAB 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 terperinci1.1 Latar Belakang BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin meningkat menimbulkan berbagai macam metode ataupun sistem yang memungkinkan komputer mengubah tulisan menjadi suara atau sebaliknya.
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 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 PENGENALAN UCAPAN SEBAGAI PENGATUR MOBIL DENGAN PENGENDALI JARAK JAUH
APLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR MOBIL DENGAN PENGENDALI JARAK JAUH Muh. Widyanto Tri Saksono*, Achmad Hidayatno, ST, MT **, Ajub Ajulian Z, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciKARAKTERISASI PARAMETER AKUSTIK PADA SUARA YANG DIPRODUKSI OLEH PITA SUARA BUATAN
KARAKTERISASI PARAMETER AKUSTIK PADA SUARA YANG DIPRODUKSI OLEH PITA SUARA BUATAN CHARACTERISTICS OF ACOUSTIC PARAMETERS SOUND PRODUCED BY ARTIFICIAL VOCAL CORDS Orienta Sebayang 1, Drs. Suwandi., M.Si.
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 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 III ANALISA MASALAH DAN PERANCANGAN SISTEM
45 BAB III ANALISA MASALAH DAN PERANCANGAN SISTEM 3.1. Permasalahan yang Ada Sering kali user kesulitan membuat musik untuk menjadi sebuah lagu yang baik, Masalah yang dihadapi adalah terbatasnya penyediaan
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 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 terperinciTEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA
TEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA Teuku Reza Auliandra Isma Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: reza.auliandra@gmail.com
Lebih terperinciSistem Multimedia. Materi : Audio/Suara
Sistem Multimedia Materi : Audio/Suara Definisi i i Suara Suara (Sound) fenomena fisik yang dihasilkan oleh getaran benda getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah b secara
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Identifikasi Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang 1.1.1. Identifikasi Masalah Penggunaan citra digital telah menjadi semakin popular akhir-akhir ini. Hal ini menyebabkan program pengolah grafis untuk memanipulasi citra
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 terperinciData and Computer BAB 3
William Stallings Data and Computer Communications BAB 3 Transmisi Data Terminologi (1) Transmitter Receiver Media Transmisi Guided media Contoh; twisted pair, serat optik Unguided media Contoh; udara,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi, kemajuan di bidang pengembangan aplikasi sedang mendapatkan perhatian penting bagi perkembangan teknologi informasi.
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 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Komputer adalah sebuah alat yang dipakai untuk mengolah informasi menurut prosedur yang telah dirumuskan (Wikipedia, 2007: Komputer). Komputer berkembang mulai
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 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 terperinciTerminolog1 (1) Transmitter Penerima Media. Media guide. Media unguide. e.g. twisted pair, serat optik. e.g. udara, air, hampa udara
Transmisi Data Terminolog1 (1) Transmitter Penerima Media Media guide e.g. twisted pair, serat optik Media unguide e.g. udara, air, hampa udara Terminologi (2) Direct link tidak ada intermediasi devices
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 terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
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 masing-masing komponen perangkat.
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 terperinciBAB 1 PENDAHULUAN. Perkembangan pengetahuan dibidang kecerdasan buatan sedemikian
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan pengetahuan dibidang kecerdasan buatan sedemikian pesatnya, seperti penelitian segmentasi dokumen. Segmentasi dokumen membuat pengguna menjadi mudah
Lebih terperinciBAB 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 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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Mobil adalah salah satu alat transportasi yang sudah populer dan sering digunakan oleh manusia. Mobil berasal dari kata otomobil, diambil dari bahasa Yunani, yaitu
Lebih terperinciBAB 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 terperinciKomunikasi Data Kuliah 3 Transmisi Data
Komunikasi Data Kuliah 3 Transmisi Data Komunikasi Data 1/32 Terminolog1 (1) Transmitter Penerima Media Media guide e.g. twisted pair, serat optik Media unguide e.g. udara, air, hampa udara Komunikasi
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 terperinci