BAB II LANDASAN TEORI. Konsep ini pertama kali diperkenalkan oleh Fritz Bauer, yang menerapkan
|
|
- Yulia Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6 BAB II LANDASAN TEORI 2.1 Konsep Dasar Rekayasa Piranti Lunak Konsep ini pertama kali diperkenalkan oleh Fritz Bauer, yang menerapkan beberapa syarat dalam merekayasa suatu piranti lunak yang kita buat sehingga dapat berjalan secara efisien dan optimal dalam komputer. Dalam membuat sebuah rekayasa piranti lunak terdapat lima paradigma / model proses, The Classic Life Cycle atau yang biasa dikenal dengan Waterfall Model, Prototyping Model, Fourth Generation Techniques (4GT), Spiral Model, dan Combine Model. Pada pembahasan ini akan digunakan Waterfall Model. Menurut Presman, ada enam tahapan dalam Waterfall Model, seperti gambar dibawah ini: 2.1 Gambar model Waterfall Analisis sistem Tahapan ini dimulai dengan menganalisis semua elemen-elemen yang dibutuhkan oleh sistem oleh karena perangkat lunak merupakan bagian dari suatu
2 7 sistem yang lebih besar dan perangkat lunak tersebut berinteraksi dengan elemen-elemen lain seperti hardware, dan manusia. Analisis yang dilakukan pada tahap ini adalah untuk mengetahui kebutuhan user, fungsi-fungsi atau fasilitas seperti apa saja yang dibutuhkan, dan bagaimana interface dari piranti lunak tersebut Desain Sistem Setelah perancangan program dianalisis maka tahap selanjutnya adalah dengan membuat desain dari sistem yang akan dirancang. Proses perancangan desain ini menterjemahkan kebutuhan ke dalam sebuah representasi perangkat lunak yang dapat dinilai kualitasnya sebelum dilakukan pengkodean Pengkodean ( Coding ) Tahapan dimana mentransformasikan rancangan atau desain yang telah dibuat menjadi sebuah kode atau bentuk yang dimengerti oleh mesin dengan cara membuat program Pengujian ( Testing ) Tahap pengujian perlu dilakukan agar output yang dihasilkan oleh program sesuai dengan yang diharapkan. Pengujian dilakukan secara menyeluruh hingga semua perintah dan fungsi telah diuji Pemeliharaan ( Maintenance ) Kebutuhan pemakai dari suatu program selalu saja meningkat sehingga piranti lunak yang telah selesai dibuat perlu dipelihara dengan cara mengupdate kebutuhan pemakai terhadap fungsi -fungsi khusus.
3 8 2.2 Sinyal Suatu sinyal didefinisikan sebagai besaran fisik yang berubah-ubah menurut waktu, ruang, atau variabel bebas lain Elemen Dasar Dalam Pemrosesan Sinyal Pada kehidupan sehari-hari dikenal banyak sinyal. Sebagian besar sinyal yang ditemukan dalam sains dan teknologi di alam adalah sinyal analog, contohnya suara. Suara dapat diubah dan dimanipulasi dengan peralatan digital apabila dikonversi dahulu menjadi bentuk digital menggunakan circuit yang dinamakan ADC (Analog-to-Digital Converter). Ketika menggunakan mikrofon untuk merekam suara ke komputer, digunakan Analog-to-Digital Converter untuk mengkonversi suara yang merupakan gelombang analog menjadi informasi digital yang tersimpan dalam format wav. Ada beberapa alasan mengapa gelombang analog diubah menjadi gelombang digital, salah satunya karena noise. Noise adalah suara bising atau berisik yang dihasilkan dari sekeliling suara asal namun tidak dikehendaki. Sejak gelombang analog digunakan, banyak keluhan tentang adanya noise saat gelombang analog terkirim. Sinyal digital hanya mengenal dua digit angka, yaitu nol dan satu, sehingga nilai yang bukan nol dan satu dibuang. Oleh karena itu noise yang tidak perlu saat diolah oleh sinyal digital bisa dibuang. Keuntungan lain menggunakan sinyal digital adalah sinyal digital bisa mengompres data menjadi file dengan ukuran yang lebih kecil. Berikut akan dibahas mengenai bagaimana cara kerja Analog-to-Digital Converter. Agar suatu sinyal dapat diproses secara digital, sinyal itu harus diskrit waktunya dan nilai-nilainya harus diskrit (harus dijadikan sinyal digital). Jika
4 9 sinyal yang akan diproses berbentuk analog, sinyal dikonversikan dahulu menjadi sinyal digital. Caranya dengan sampling sinyal analog pada saat yang diskrit, guna menghasilkan sinyal waktu diskrit. Lalu nilai-nilainya dikuantisasi ke suatu himpunan bernilai diskrit. Kuantisasi adalah proses mengkonversi suatu sinyal bernilai kontinu menjadi sinyal bernilai diskrit. Kuantisasi merupakan dasar suatu proses pendekatan yang dilakukan dengan pembulatan atau pemotongan. x a (t) x(n) x q (t) Sampling Pengkuantisasi Pengkodean Sinyal analog Sinyal waktu diskrit Sinyal terkuantisasi Sinyal digital Gambar 2.1 Bagian dasar konverter analog ke digital Inti dari koversi analog to digital adalah proses yang terdiri dari tiga langkah utama sebagai berikut. 1. Sampling. Merupakan konversi suatu sinyal waktu-kontinu menjadi suatu sinyal waktu-diskrit yang diperoleh dengan mengambil sampling sinyal waktu-kontinu pada saat diskrit. Jadi jika x a (t) adalah masukan terhadap sampling, maka keluarannya adalah x a (nt) x(n) dengan T dinamakan selang sampling. 2. Kuantisasi. Merupakan konversi sinyal yang bernilai-kontinu waktu-diskrit menjadi sinyal bernilai-diskrit, waktu-diskrit. Nilai setiap sampling sinyal digambarkan dengan suatu nilai terpilih dari himpunan berhingga nilai-nilai yang mungkin. Selisih antara
5 10 sampling x(n) yang tidak terkuantisasi dengan keluaran x q (n) yang terkuantisasi dinamakan Galat Kuantisasi (Quantization Error). 3. Pengkodean. Dalam proses pengkodean, setiap nilai diskrit x q (n) digambarkan dengan suatu barisan biner. A. Sampling Sinyal Analog Ada beberapa cara untuk mengambil sampling sinyal analog. Tetapi yang lebih sering digunakan adalah sampling periodik: x(n) = x a (nt) dengan x(n) adalah sinyal waktu diskrit yang diperoleh dengan mengambil sampling-sampling sinyal analog x a (T) setiap T detik.gambar 2.1 merupakan contoh pengambilan sinyal analog dari waktu ke waktu, di mana sumbu y menyatakan tegangan sedangkan sumbu x menyatakan waktu. Gambar 2.2 Gelombang Analog Sumber: Setiap contoh yang diambil dikonversi ke dalam bentuk angka, berdasarkan nilai tegangannya.
6 11 Gambar 2.3 Sampling Point Sumber: Sampling Point (T) adalah titik-titik dalam sinyal analog yang diambil sebagai contoh perwakilan basarnya nilai tegangan. Sedangkan sampling rate (f s ) adalah besarnya frekuensi yang menentukan banyaknya nilai yang diambil tiap detik. Jarak dari setiap sampling point dapat dihitung dengan rumus: Sebagai contoh, jika sampling rate yang digunakan Hz itu berarti bahwa dalam satu detik, contoh nilai yang diambil sebanyak buah. Jarak dari setiap sampling point akan menjadi 1 / detik atau µs. Nilai dari setiap sampling point akan disimpan dalam variabel dengan panjang yang konstan sesuai dengan bit-nya. Jika digunakan delapan bit, maka nilai yang dihasilkan berkisar 0 sampai 255 (2 8 = 256) dengan nilai minimum 0 dan nilai maksimum 255. Jika digunakan enam
7 12 belas bit, maka nilai yang akan disimpan berkisar 0 sampai (2 16 = 65536) dengan nilai minimum 0 dan nilai maksimum (lihat gambar 2.3). Gambar 2.4 Perbandingan resolusi 8-bit dengan 16-bit Sumber: Analog-to-Digital Converter membagi sumbu y menjadi n bagian antara nilai maksimum dan minimum dari signal analog; n merupakan variabel. Jika ukuran variabel terlalu kecil, maka dua sampling point yang berdekatan akan memiliki representasi digital yang sama, sehingga tidak sesuai dengan sinyal analog yang asli dan gelombang yang dihasilkan tidak memiliki kualitas yang bagus. Kualitas
8 13 suara dengan tingkat noise yang diinginkan dapat dihitung dengan menggunakan SNR (signal-to-noise ratio) SNR = 6,02 x n + 1,76 db Semakin tinggi angka SNR, kualitas suara yang dihasilkan semakin bagus. Analog-to-Digital Converter dengan 8 bit menghasilkan SNR 49,9 db, sedangkan jika digunakan 16 bit maka dihasilkan SNR 98 db (hampir tidak ada noise). Untuk mengembalikan suara yang sudah diproses secara digital kembali ke bentuk analog diperlukan sebuah circuit yang dinamakan DAC (Digital-to-Analog Converter). Pada Digital-to-Analog Converter angka yang berupa digit dikembalikan ke dalam bentuk tegangan. Namun gelombang yang dihasilkan oleh Digital-to-Analog Converter tidak sempurna karena signal digit tersebut hanya mengambil beberapa nilai dari gelombang aslinya, sehingga Digital-to-Analog Converter hanya menghubungkan nilai-nilai yang ada (lihat gambar 2.4). Jadi semakin banyak sampling point yang diambil dari signal analog, semakin tinggi pula sampling rate, maka hasil konversi ke bentuk analognya akan semakin mendekati bentuk aslinya. Kerugiannya adalah jika sampling rate terlalu tinggi, dibutuhkan tempat penyimpanan data yang lebih banyak juga. Oleh karena itu harus diketahui dengan tepat banyaknya sampling rate yang dibutuhkan agar tempat penyimpanan data yang digunakan tidak terlalu banyak namun sinyal analog yang dihasilkan dari konversi sinyal digital mendekati bentuk aslinya. Ada teorema yang untuk
9 14 menghitung dengan tepat sampling rate yang paling sesuai, yaitu Nyquist - Shannon Sampling Theorem. Teori Nyquist mengatakan bahwa sebuah sinyal sample dapat dikembalikan ke bentuk semula jika samping rate (f s ) minimum dua kali frekuensi tertinggi (B) yang ada pada sinyal tersebut. Teori Nyquist dinotasikan dengan f s > B atau sama dengan B < f s /2, di mana 2B dinamakan Nyquist rate dan f s /2 dinamakan Nyquist frequency. Gambar 2.5 Sinyal yang sudah dikonversi ke digital dan dikonversi lagi ke analog Sumber: B. Kuantisasi Sinyal Analog Sinyal digital adalah deretan angka-angka sampling yang setiap angkanya digambarkan dengan angka digit berhingga. Proses pengkonversian suatu sinyal amplitudo-kontinu waktu-diskrit menjadi sinyal digital dengan menyatakan setiap nilai sampling sebagai suatu
10 15 angka digit dinamakan kuantisasi. Kesalahan yang terjadi selama proses kuantisasi dinamakan kesalahan kuantisasi atau quantization error. Kesalahan kuantisasi dihasilkan dari selisih antara nilai terkuantisasi dan nilai sampling yang sebenarnya. Kuantisasi merupakan pemotongan nilai yang diterima setelah melakukan sampling dengan pembulatan ke bawah. Proses pengkuantisasian selalu mengurangi informasi yang akan masuk ke tahap selanjutnya, karena proses kuantisasi merupakan proses yang tidak dapat kembali lagi (irreversible) atau proses yang tidak ada inversinya. C. Pengkodean Sampling Terkuantisasi Proses pengkodean saat konversi dari analog ke digital dilakukan dengan memberikan nilai pada setiap tingkatan dengan nilai yang unik. Jika ada L tingkatan, maka diperlukan pula L angka biner yang berbeda. Dengan panjang kata b bit, maka akan dihasilkan jumlah 2 b angka biner yang berbeda, sehingga akan terdapat 2 b L, atau b log 2 L. Jadi jumlah bit yang diperlukan dalam pengkodean adalah nilai integer yang lebih besar dari atau sama dengan log 2 L Ekstraksi Suara Ekstraksi suara merupakan pengambilan contoh suara yang sudah mengalami tahap tertentu agar dapat diolah dan dianalisis. Sinyal suara merupakan sinyal quasi stationer, sinyal yang bereaksi lambat terhadap waktu. Sebagai contoh sebuah sinyal suara yang diambil dalam jangka waktu cukup pendek (antara 5 sampai 100 ms), karakteristiknya hampir stasioner. Namun jika
11 16 dimbil dalam jangka waktu yang cukup lama (kurang lebih 0,2 detik) maka karakteristiknya akan berubah sesuai dengan karakteristik suara yang diucapkan. A. Mel Cepstrum Coefficients Mel Cepstrum didasarkan pada variasi yang diketahui pada lebar pita kritis telinga manusia terhadap frekuensi. Cepstrum digunakan untuk memisahkan sinyal-sinyal yang berurutan dan mengestimasi isi dari spektrum suara. Mel Cepstrum digunakan untuk meningkatkan kecepatan pengenalan, yaitu dengan kemampuannya dalam menghaluskan spektrum dengan menghilangkan variasi turunan dari spektrum. Mel cepstrum sering disebut juga dengan spektrum berdasarkan mel. Mel adalah satuan pengukuran tekanan diterima atau frekuensi dari sebuah nada. Mel ini tidak menanggapi frekuensi nada secara linear seperti sistem pendengaran manusia yang tidak menerima frekuensi secara linear. Menurut buku Fundamentals of Speech Recognition halaman 184, pada tahun 1940 Stevens dan Volkman secara bebas memilih frekuensi 1000 Hz dan menetapkan ini sebagai 1000 mels. Tekanan yang dinyatakan dalam mel sacara kasar sebanding dengan jumlah sel saraf yang berakhir pada membran basilar dari telinga bagian dalam, menghitung dari ujung apikal ke titik rangsangan maksimal sepanjang membran (Stephens and Bate, 1996, hal. 238). B. Hamming Windows Hamming windows merupakan proses membuat windows pada tiap frame yang ada untuk meminimalisasi sinyal yang tidak kontinyu pada awal dan akhir frame. Jika didefinisikan windows sebagai
12 17 w ( n), 0 n N 1, di mana N adalah jumlah sampel dalam tiap frame, maka hasil yang berupa sinyal dari windowing adalah y ( n) = x ( n) w( n), 0 n N 1 l l Secara umum Hamming windows yang digunakan, mempunyai notasi: 2πn w( n) = cos, 0 n N 1 N Transformasi Fourier DFT (Discrete Fourier Transform) Discrete Fourier Transform atau DFT merupakan alat bantu utama dalam pemrosesan sinyal digital. Pada dasarnya DFT menerima input berupa sinyal waktu diskrit dan menghasilkan transformasi frekuensi diskrit. Sinyal input disebut berada dalam waktu domain (time domain), karena sinyal yang memasuki DFT disusun dari pengambilan sampling berdasarkan waktu tertentu. Istilah domain frekuensi digunakan untuk menggambarkan amplitudo dari gelombang sinus dan cosinus yang merupakan pecahan dari sinyal input pada DFT. DFT disebut juga sebagai suatu himpunan dari N sampling {F(k)} untuk suatu deret berhingga {f(n)} dengan panjang lebih kecil daripada N. Besaran N sampling {F(k)} menggambarkan secara keseluruhan deret {f(n)} dalam domain frekuensi. Persamaan umum DFT yang sering digunakan adalah F N 1 n= 0 ( k) = f ( n) e i2πnk / N, k = 0,1,2,..., N 1 dan inversinya
13 18 f 1 1 N N k = 0 ( n) = F( k ) e i2πnk / N, n = 0,1,2,..., N 1 Domain frekuensi dan domain waktu pada dasarnya mengandung informasi yang sama, hanya saja digambarkan dalam bentuk yang berbeda. Jika diketahui salah satunya maka yang lainnya dapat dihitung. Jika diketahui domain waktu dari suatu sinyal, proses perhitungan untuk menjadikan domain frekuensi disebut dekomposisi analisis, forward DFT atau juga disebut DFT. Jika diketahui domain frekuensi, proses perhitungan disebut dengan sintesis atau invers DFT. Banyak sample dalam domain waktu dapat direpresentasikan dengan variabel N, di mana N adalah bilangan bulat positif dan biasanya kuadrat dari 2 (2 n ) seperti 128, 256, 512, 1024, dan lain-lain FFT (Fast Fourier Transform) FFT (Fast Fourier Transform) merupakan algoritma yang menerapkan DFT dengan lebih cepat dan efisien, dibanding dengan perhitungan yang dilakukan secara konvensional oleh DFT. Secara umum perhitungan FFT digunakan untuk mengubah sinyal digital menjadi sinyal analog. Sedangkan IFFT (Invers Fast Fourier Transform) digunakan untuk mengubah sinyal analog menjadi sinyal digital. FFT tidak melakukan perhitungan transformasi yang berbeda dari DFT, hanya mengurangi jumlah kalkulasi yang dibutuhkan. Persamaan matematika yang digunakan adalah ( f ) f ( t) Dan invers dari FFT dinotasikan f () t F( f ) = df i2π F = e ft dt e i2πft
14 19 di mana i adalah akar kuadrat dari -1, sering disebut juga dengan bilangan imaginer. 2.4 Kuantisasi Vektor Pendahuluan Kuantisasi vektor termasuk self-organizing maps (SOM) yang merupakan aplikasi dari jaringan saraf tiruan (neural network). Jaringan saraf tiruan adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan saraf biologi. Jaringan saraf tiruan ini dibentuk sebagai generalisasi model matematika dari jaringan saraf biologi, dengan asumsi sebagai berikut: Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron) Sinyal dikirimkan di antara neuron-neuron melalui penghubungpenghubung. Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal (penentuan bobot dilakukan dengan training). Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi dari jumlah inputan yang diterima. Besarnya output ini kemudian dibandingkan dengan batas ambang. Kuantisasi vektor menggunakan strategi pelatihan tanpa supervisi yang tepat digunakan dalam pengenalan pola (pattern recognition) dengan model jaringan layar tunggal. Pada pelatihan dengan supervisi (supervised learning) ada pasangan data yang berfungsi sebagai guru untuk melatih jaringan hingga
15 20 diperoleh hasil yang terbaik. Sedangkan pada pelatihan tanpa supervisi (unsupervised learning) tidak ada guru yang mengarahkan proses pelatihan. Namun dalam pelatihannya, perubahan bobot jaringan dilakukan berdasarkan parameter tertentu dan jaringan dimodifikasi menurut ukuran parameter tersebut. Layar input menerima data-data eksternal sedangkan layar kompetitif berisi neuron-neuron yang saling berkompetisi agar memperoleh kesempatan untuk merespon sifat-sifat yang ada dalam data masukan. Neuron yang memenangkan kompertisi akan memperoleh sinyal yang berikutnya diteruskannya. Bobot neuron pemenang akan dimodifikasi sehingga lebih menyerupai data masukan. Pada self-organizing maps (SOM), neuron ditempatkan pada pola yang biasanya berdimensi satu atau dua. Disain dari kuantisasi vektor digunakan untuk mengatasi masalah pengintegrasian berdimensi banyak. Kuantisasi vektor merupakan metode pengompresan data dengan prinsip pendekatan sinyal amplitudo continuous pada sinyal digital dengan meminimalisasi hilangnya informasi yang ada. Gambar 2.6 Kuantisasi Vektor Dua Dimensi Sumber:
16 21 Titik yang berupa bintang merupakan vector, sedangkan titik besar merupakan codevector. Daerah yang dibatasi oleh garis dinamakan Voronoi region, dan kumpulan dari codevectors dinamakan codebook (gambar 2.5) Desain Perumusan Masalah Saat merumuskan masalah, pertama-tama ada urutan training yang terdiri dari M vektor sumber: T = {x 1,x 2,...,x M } Gambar 2.7 Gambaran Umum Pencocokan Suara Sumber: competitive.html Urutan training ini bisa diperoleh dari database yang besar. Jika sumbernya merupakan sinyal suara, maka urutan training-nya berupa rekaman suara dari beberapa orang yang berbeda. Sumber kuantisasi vektor dapat berdimensi k dengan notasi: x m = (x m,1,x m,2,...,x m,k), di mana m = 1,2,...,M Codebook (C) merupakan kumpulan dari N codevectors yang dinotasikan dengan: C = {c 1,c 2,...,c N }
17 22 Karena setiap codevectors berdimensi k, maka: c n = (c n,1,c n,2,...,c n,k ), di mana n = 1,2,...,N Voronoi region yang berhubungan dengan codevectors c n disimbolkan dengan S n, dan P menandakan bagian dari ruang, dengan notasi: P = {S 1,S 2,...,S N } Jika sumber vektor x m berada pada Voronoi region S n, maka nilai pendekatannya adalah c n yang dinotasikan dengan: Q(x m ) = c n, jika x m S n Diasumsikan bahwa ukuran kuadrat error penyimpangan, rata-ratanya adalah: 1 Mk D avg = x m - Q(x m ) Kondisi Optimal Untuk mendapatkan nilai rata-rata yang maksimal, harus dipenuhi dua macam kondisi. Yang pertama adalah kondisi nearest neighbour yang berarti bahwa daerah Voronoi S n harus terdiri dari semua vektor yang lebih dekat dengan c n daripada dengan codevector yang lain. Notasinya adalah: Sn = { x : x cn 2 x cn' 2 n' = 1,2,...,N } Yang kedua adalah kondisi centroid, di mana codevector c n harus merupakan rata-rata dari semua vektor training yang berada pada Voronoi region S n. Pada penerapannya, harus dipastikan bahwa minimal ada satu vektor training yang ada pada setiap Voronoi region (agar penyebut pada rumus tidak pernah nol). Notasinya: cn = xm xm Sn Sn xm 1 n = 1,2,...,N
18 Desain Algoritma Linde-Buzo-Gray (LBG) Proses kuantisasi vektor merupakan teknik pencocokan pola. Setiap vektor di-encode dan dibandingkan dengan sekumpulan vektor yang sudah disimpan, disebut dengan codevectors atau pola. Setiap pola akan digunakan untuk menampilkan vektor masukan yang diidentifikasi sama dengan pola yang ada. Pola yang paling mendekati dengan codebook, kumpulan pola yang sudah disimpan, akan dipilih berdasarkan proses encoding yang sesuai dengan ketepatan pengukuran. Gambar 2.8 Encoder dan Decoder Dalam Kuantisasi Vektor Sumber: Algoritma LBG merupakan algoritma yang dilakukan berulang-ulang untuk mendapatkan dua kondisi optimal, yaitu kondisi nearest neighbour dan kondisi centroid. Saat pertama kali dijalankan, algoritma ini butuh sebuah inisialisasi codebook C (0), yang diperoleh dengan metode splitting. Metode splitting merupakan metode yang membagi codevector menjadi dua bagian. Dua codevector inilah yang menjadi inisialisasi codebook untuk pertama kali. Kemudian setelah kedua codevector terbentuk, mereka terbagi dua lagi menjadi
19 24 empat dan proses tersebut kembali berulang sampai jumlah codevector yang diinginkan terbentuk. Disain algoritma LBG: 1. Masukkan nilai pada T. M * 1 2. Beri nilai pertama pada N, N=1, lalu hitung c1 = M xm m= 1 Kemudian hitung D * 1 ave = M k M m= 1 x m c * Proses membagi jadi 2 : Untuk i = 1,2,...,N tetapkan nilai Set N 2N ci c (0) (0) = N + i * ( 1+ ) ci * ( 1 )ci = 4. Proses iterasi : pertama tetapkan D ( 0 ) * =. Beri nilai index i = 0. ave ave D i. Untuk m = 1,2,..,M, cari nilai minimum dari () i xm cn Untuk semua n = 1,2,,N. biarkan n* menjadi index yang mencapai nilai minimum. Set Q ( i) ( x ) = m cn * ( i ) ii. Untuk n = 1,2,,N, perbaharui codevector ( i+ 1) Q ( ) = = x m c n c n ( i ( ) )1 Q x = m c n iii. Set i = i + 1. M iv. Hitung () i 1 D = xm Q( ) ave xm M k m= x m v. Jika ( i 1) ( i) ( i 1) ( ) D ave D ave / D >, kembali ke langkah (i). ave
20 25 vi. Set D * = ave D ( i) ave untuk n = 1,2,..,N, set c * = n c ( i) n sebagai nilai akhir dari codevectors 5. Ulangi langkah 3 dan 4 sampai tercapai jumlah codevectors yang diinginkan.
PENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Genre musik adalah pengelompokan musik sesuai dengan kemiripan satu dengan yang lain, seperti kemiripan dalam hal frekuensi musik, struktur ritmik, dan konten harmoni. Genre
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 terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Studi Ganda 2006-200 Skripsi Sarjana Program Ganda Semester Ganjil 2006/200 HALAMAN ABSTRAK SKRIPSI PROGRAM GANDA UNIVERSITAS BINA NUSANTARA Devi Natalia 0600656841 ABSTRAK
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 terperinciKONSEP FREKUENSI SINYAL WAKTU KUNTINYU & WAKTU DISKRIT
KONSEP FREKUENSI SINYAL WAKTU KUNTINYU & WAKTU DISKRIT Sinyal Sinusoidal Waktu Kontinyu T=/F A A cos X Acos Ft a 0 t t Sinyal dasar Eksponensial dng α imajiner X Ae a j t Ω = πf adalah frekuensi dalam
Lebih terperinciBAB II PENCUPLIKAN DAN KUANTISASI
BAB II PENCUPLIKAN DAN KUANTISASI Sebagian besar sinyal-sinyal di alam adalah sinyal analog. Untuk memproses sinyal analog dengan sistem digital, perlu dilakukan proses pengubahan sinyal analog menjadi
Lebih terperinciBAB II DASAR TEORI. sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda.
BAB II DASAR TEORI. Umum Pada kebanyakan sistem, baik itu elektronik, finansial, maupun sosial sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda. Karena sebagian besar sinyal
Lebih terperinciSINYAL DISKRIT. DUM 1 September 2014
SINYAL DISKRIT DUM 1 September 2014 ADC ADC 3-Step Process: Sampling (pencuplikan) Quantization (kuantisasi) Coding (pengkodean) Digital signal X a (t) Sampler X(n) Quantizer X q (n) Coder 01011 Analog
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 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 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 terperinciTINJAUAN PUSTAKA. Pengenalan Suara
Pengenalan Suara TINJAUAN PUSTAKA Menurut Peacock (1990), pengenalan suara merupakan kemampuan untuk mengidentifikasi kata-kata yang diucapkan. Terdapat 5 faktor yang dapat mengontrol dan menyederhanakan
Lebih terperinciMATERI PENGOLAHAN SINYAL :
MATERI PENGOLAHAN SINYAL : 1. Defenisi sinyal 2. Klasifikasi Sinyal 3. Konsep Frekuensi Sinyal Analog dan Sinyal Diskrit 4. ADC - Sampling - Aliasing - Quantiasasi 5. Sistem Diskrit - Sinyal dasar system
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 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 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 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 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 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 terperinci1.4 KONVERSI ANALOG-KE DIGITAL DAN DIGITAL-KE-ANALOG. Sinyal-sinyal analog di alam:
1.4 KONVERSI ANALOG-KE DIGITAL DAN DIGITAL-KE-ANALOG Sinyal-sinyal analog di alam: 1. Suara 2. Sinyal biologis 3. Sinyal seismik 4. Sinyal radar 5. Sinyal sonar 6. Sinyal audio dan video Tiga langkah proses
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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pengenalan fonem adalah implementasi dari speech to teks yang merupakan bagian dari speech recognition atau pengenalan ucapan. Pengenalan ucapan lebih dikonsentrasikan pada ekstraksi
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 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 terperinciBAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
29 BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Pada dasarnya untuk pembuatan aplikasi ini, yakni aplikasi pengenalan suara untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
Lebih terperinciBAB 3 ALGORITMA DAN MODEL 2K FFT-IFFT CORE
BAB 3 ALGORITMA DAN MODEL 2K FFT-IFFT CORE Pada Bab ini dibahas mengenai penentuan algoritma, menentukan deskripsi matematis dari algoritma, pembuatan model fixed point menggunakan Matlab, dan pengukuran
Lebih terperinciKOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM
KOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM Sinyal dan Sistem Sinyal dan Sistem Klasifikasi Sinyal Konsep rekuensi Analog to Digital Conversion Sampling SINYAL, SISTEM DAN KOMPUTASI SINYAL Sinyal Besaran-besaran
Lebih terperinciPENDAHULUAN Tujuan Latar Belakang Ruang Lingkup Manfaat Penelitian TINJAUAN PUSTAKA Nada dan Chord Gitar
PENDAHULUAN Latar Belakang Sistem pendengaran manusia memiliki kemampuan yang luar biasa dalam menangkap dan mengenali sinyal suara. Dalam mengenali sebuah kata ataupun kalimat bukanlah hal yang sulit
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 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 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 terperinciSINYAL DISKRIT. DUM 1 September 2014
SINYAL DISKRIT DUM 1 September 2014 ADC ADC 3-Step Process: Sampling (pencuplikan) Quantization (kuantisasi) Coding (pengkodean) Digital signal X a (t) Sampler X(n) Quantizer X q (n) Coder 01011 Analog
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 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 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 terperinciPenerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows
Penerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows 1 Muhammad Anggia Muchtar, 2 Raisha Ariani Sirait, 3 Romi Fadillah Rahmat 1,2,3 Program Studi S1 Teknologi Informasi
Lebih terperinciJaringan Syaraf Tiruan. Disusun oleh: Liana Kusuma Ningrum
Jaringan Syaraf Tiruan Disusun oleh: Liana Kusuma Ningrum Susilo Nugroho Drajad Maknawi M0105047 M0105068 M01040 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Genre Menurut Kamus Besar Bahasa Indonesia, genre adalah jenis, tipe, atau kelompok sastra atas dasar bentuknya. Jadi genre musik merupakan pengelompokan musik berdasarkan kemiripan
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperinciAnalog to Digital Converter (ADC)
Analog to Digital Converter (ADC) Analog to Digital Converter by AGL ADC merupakan proses untuk mengubah sinyal analog menjadi digital. Tahap-tahap nya adalah sebagai berikut: Gambar: Proses ADC Analog
Lebih terperinciSIMULASI SISTEM PENGACAKAN SINYAL SUARA SECARA REALTIME BERBASIS FAST FOURIER TRANSFORM (FFT)
ELECTRICAL Jurnal Rekayasa dan Teknologi Elektro 192 SIMULASI SISTEM PENGACAKAN SINYAL SUARA SECARA REALTIME BERBASIS FAST FOURIER TRANSFORM (FFT) Prativi Nugraheni Hanggarsari, Helmy Fitriawan, Yetti
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 terperinciENCODING DAN TRANSMISI. Budhi Irawan, S.Si, M.T
ENCODING DAN TRANSMISI Budhi Irawan, S.Si, M.T ENCODING Encoding atau penyandian atau pengodean adalah teknik yang digunakan untuk mengubah sebuah karakter pada informasi digital kedalam bentuk biner sehingga
Lebih terperinciKOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM. GEMBONG EDHI SETYAWAN, S.T., M.T. -
KOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM GEMBONG EDHI SETYAWAN, S.T., M.T. gembong@ub.ac.id - http://gembong.lecture.ub.ac.id Apa itu sinyal? Besaran fisis yang berubah menurut waktu, ruang atau variabel-variabel
Lebih terperinciKOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM. GEMBONG EDHI SETYAWAN, S.T., M.T. -
KOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM GEMBONG EDHI SETYAWAN, S.T., M.T. gembong@ub.ac.id - http://gembong.lecture.ub.ac.id Apa itu sinyal? Besaran fisis yang berubah menurut waktu, ruang atau variabel-variabel
Lebih terperinciDigital Audio Watermarking dengan Fast Fourier Transform
Digital Audio Watermarking dengan Fast Fourier Transform Otniel 13508108 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB II DASAR TEORI Suara. Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan
BAB II DASAR TEORI 2. 1 Suara Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitude tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun benda
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Definisi Sistem Modulasi Modulasi (mapping) adalah proses perubahan karakteristik dari sebuah gelombang carrier atau pembawa aliran bit informasi menjadi simbol-simbol. Proses
Lebih terperinciBAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
Lebih terperinciBab II Teori Dasar. Gambar 2.1 Diagram blok sistem akuisisi data berbasis komputer [2]
Bab II Teori Dasar 2.1 Proses Akuisisi Data [2, 5] Salah satu fungsi utama suatu sistem pengukuran adalah pembangkitan dan/atau pengukuran tehadap sinyal fisik riil yang ada. Peranan perangkat keras (hardware)
Lebih terperinciHubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz
Hubungan 1/1 filter oktaf f 1 f 2 f 1 = 2 1/2f c f 1 = 2 1/2f c f 1 = 2f c1 = frekuensi tengah penyaring =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Analisis oktaf sepertiga,
Lebih terperinciBAHAN AJAR SISTEM DIGITAL
BAHAN AJAR SISTEM DIGITAL JURUSAN TEKNOLOGI KIMIA INDUSTRI PENDIDIKAN TEKNOLOGI KIMIA INDUSTRI MEDAN Disusun oleh : Golfrid Gultom, ST Untuk kalangan sendiri 1 DASAR TEKNOLOGI DIGITAL Deskripsi Singkat
Lebih terperinci1.4 KONVERSI ANALOG-KE DIGITAL DAN DIGITAL-KE-ANALOG. Sinyal-sinyal analog di alam:
1.4 KONVERSI ANALOG-KE DIGITAL DAN DIGITAL-KE-ANALOG Sinyal-sinyal analog di alam: 1. Suara 2. Sinyal biologis 3. Sinyal seismik 4. Sinyal radar 5. Sinyal sonar 6. Sinyal audio dan video Tiga langkah proses
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciRijal Fadilah. Transmisi & Modulasi
Rijal Fadilah Transmisi & Modulasi Pendahuluan Sebuah sistem komunikasi merupakan suatu sistem dimana informasi disampaikan dari satu tempat ke tempat lain. Misalnya tempat A yang terletak ditempat yang
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
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 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 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 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 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 terperinciPRINSIP UMUM. Bagian dari komunikasi. Bentuk gelombang sinyal analog sebagai fungsi waktu
TEKNIK MODULASI PRINSIP UMUM PRINSIP UMUM Bagian dari komunikasi Bentuk gelombang sinyal analog sebagai fungsi waktu PRINSIP UMUM Modulasi merupakan suatu proses dimana informasi, baik berupa sinyal audio,
Lebih terperinciKOMUNIKASI DATA SUSMINI INDRIANI LESTARININGATI, M.T
Data dan Sinyal Data yang akan ditransmisikan kedalam media transmisi harus ditransformasikan terlebih dahulu kedalam bentuk gelombang elektromagnetik. Bit 1 dan 0 akan diwakili oleh tegangan listrik dengan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBABI PENDAHULUAN. Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa.
BAB I PENDAHULUAN BABI PENDAHULUAN 1.1. LATAR BELAKANG Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa. Salah satunya adalah alat untuk mengukur intensitas bunyi dan gain dari sinyal
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
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 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 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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian Dalam melakukan penelitian ini, berikut alat dan bahan penelitian yang digunakan: 1. Dari sisi perangkat keras, spesifikasi
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 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 terperinciBAB II DASAR TEORI. Gambar 2.1.(a). Blok Diagram Kelas D dengan Dua Aras Keluaran. (b). Blok Diagram Kelas D dengan Tiga Aras Keluaran.
BAB II DASAR TEORI Dalam bab dua ini penulis akan menjelaskan teori teori penunjang utama dalam merancang penguat audio kelas D tanpa tapis LC pada bagian keluaran menerapkan modulasi dengan tiga aras
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 terperinci2.4. Vector Quantization Kebisingan BAB III METODOLOGI PENELITIAN Desain Penelitian Requirements Definition...
DAFTAR ISI PERNYATAAN... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iii ABSTRAK... v ABSTRACT... vi DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xii BAB I PENDAHULUAN...
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 terperinciKOMUNIKASI DATA SUSMINI INDRIANI LESTARININGATI, M.T
Konversi Data Analog ke Sinyal Digital Proses transformasi data analog ke digital dikenal sebagai digitalisasi. Tiga hal yang paling umum terjadi setelah proses digitalisasi adalah: 1. Data digital dapat
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 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 3 PERANCANGAN SISTEM. yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk
BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Voice Command pada demonstrasinya merupakan aplikasi pengenalan suara yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk menampung
Lebih terperinciTeknik Sistem Komunikasi 1 BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Model Sistem Komunikasi Sinyal listrik digunakan dalam sistem komunikasi karena relatif gampang dikontrol. Sistem komunikasi listrik ini mempekerjakan sinyal listrik untuk membawa
Lebih terperinciMODULASI DELTA ADAPTIF
MODULASI DELTA ADAPTIF SIGIT KUSMARYANTO http://sigitkus@ub.ac.id I. PENDAHULUAN Kecenderungan dalam perancangan sistem komunikasi baru untuk masa mendatang telah meningkatkan penggunaan teknik-teknik
Lebih terperinciBAB II TEKNIK PENGKODEAN
BAB II TEKNIK PENGKODEAN 2.1 Pendahuluan Pengkodean karakter, kadang disebut penyandian karakter, terdiri dari kode yang memasangkan karakter berurutan dari suatu kumpulan dengan sesuatu yang lain. Seperti
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Sinyal Analog dan Sinyal Digital Suatu sinyal didefinisikan sebagai besaran fisis yang berubah-ubah menurut waktu, ruang, atau variabel lainnya. Secara matematik, kita mendefinisikan
Lebih terperinciBAB I PENDAHULUAN. PSD Bab I Pendahuluan 1
BAB I PENDAHULUAN Pengolahan Sinyal Digital (Digital Signal Processing, disingkat DSP) adalah suatu bagian dari sain dan teknologi yang berkembang pesat selama 40 tahun terakhir. Perkembangan ini terutama
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Dalam proses pembuatan suatu sistem harus dilakukan penelitian dan penganalisaan tentang sistem yang akan dibangun, berikut adalah beberapa analisis
Lebih terperinciBAB III PEMODELAN MIMO OFDM DENGAN AMC
BAB III PEMODELAN MIMO OFDM DENGAN AMC 3.1 Pemodelan Sistem Gambar 13.1 Sistem transmisi MIMO-OFDM dengan AMC Dalam skripsi ini, pembuatan simulasi dilakukan pada sistem end-to-end sederhana yang dikhususkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan
Lebih 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 II DIGITISASI DAN TRANSMISI SUARA. 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan
BAB II DIGITISASI DAN TRANSMISI SUARA 2.1 Umum Telinga manusia memiliki kemampuan menerima frekwensi dalam kisaran 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan frekwensi yang sempit
Lebih terperinciMETODE PENELITIAN. Gambar 1 Alur metode penelitian.
akan menggunakan bantuan aplikasi pemrosesan audio (Rochesso 2007). Penambahan Derau Derau merupakan suara-suara yang tidak diinginkan. Munculnya derau dapat menurunkan kualitas suatu berkas audio. Penambahan
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 terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Pengolahan Sinyal Digital : IT012256 / 3 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi Sub Khusus (TIK) 1 Pendahuluan Ruang lingkup Mata Kuliah
Lebih terperinciBab 1 Pengenalan Dasar Sinyal
Bab 1 Pengenalan Dasar Sinyal Tujuan: Siswa mampu menyelesaikan permasalahan terkait dengan konsep sinyal, menggambarkan perbedaan sinyal waktu kontinyu dengan sinyal waktu diskrit. Siswa mampu menjelaskan
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB 2 DASAR TEORI FFT-IFFT
BAB 2 DASAR TEORI FFT-IFFT Pada Bab ini dibahas tentang hubungan antara Discrete Fourier Transform (DFT) dan algoritma Fast Fourier Transform (FFT), dan hubungan antara algoritma FFT dan IFFT. Dua tipe
Lebih terperinciDAFTAR SINGKATAN. : Human Auditory System. : Human Visual System. : Singular Value Decomposition. : Quantization Index Modulation.
DAFTAR SINGKATAN HAS HVS SVD QIM BER MOS ODG SNR : Human Auditory System : Human Visual System : Singular Value Decomposition : Quantization Index Modulation : Bit Error Rate : Mean Opinion Score : Objective
Lebih terperinci