PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
|
|
- Utami Atmadja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SKRIPSI PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA MADE GDE JAYA HARRY KHESA S JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2015 i
2 SKRIPSI PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA MADE GDE JAYA HARRY KHESA S NIM JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2015 ii
3 LEMBAR PERNYATAAN ORISINALITAS Tugas Akhir/Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang dikutip maupun dirujuk telah saya nyatakan dengan benar Nama : Made Gde Jaya Harry Khesa S NIM : Tanda Tangan : Tanggal : 26 November 2015 iii
4 PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA Tugas Akhir Diajukan Sebagai Prasyarat untuk Memperoleh Gelar Sarjana S1 (Strata 1) pada Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana MADE GDE JAYA HARRY KHESA S NIM JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2015 iv
5 v
6 UCAPAN TERIMA KASIH Pertama-tama perkenankanlah saya memanjatkan puji syukur kehadapan Ida Hyang Widhi Wasa/Tuhan Yang Maha Esa, karena hanya atas asung kerta wara nugraha-nya Tugas Akhir yang berjudul PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA dapat diselesaikan. Dalam penyusunan tugas akhir ini, penulis banyak memperoleh petunjuk dan bimbingan dari berbagai pihak. Sehingga pada kesempatan ini perkenankanlah saya mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Bapak Prof. Ir. Ngakan Putu Gede Suardana, MT.,.Ph.D selaku Dekan Fakultas Teknik Universitas Udayana. 2. Bapak Wayan Gede Ariastina, ST.M.Engsc.Ph.D selaku ketua jurusan Teknik Elektro Fakultas Teknik Universitas Udayana. 3. Bapak Widyadi Setiawan, ST., MT. sebagai Dosen Pembimbing I. 4. Bapak I Gst. A. Km. Diafari Djuni H, ST.,MT. sebagai Dosen Pembimbing II. 5. Keluarga yang selalu memberikan dukungan dalam penyusunan tugas akhir ini. 6. Rekan rekan mahasiswa angkatan 2011 Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana. 7. Rekan rekan mahasiswa Badan Perwakilan Mahasiswa Fakultas Teknik Universitas Udayan Periode Serta semua pihak yang tidak bisa penulis sebutkan satu persatu atas bantuan dan saran yang diberikan sehingga tugas akhir ini bisa selesai tepat pada waktunya. Penulis menyadari bahwa tugas akhir ini masih jauh dari sempurna. Oleh karena itu segala kritik dan saran yang bersifat membangun sangat diharapkan demi kesempurnaan penulisan di masa yang akan datang. Denpasar, 26 November 2015 vi
7 ABSTRAK Identifikasi suara merupakan suatu cara yang bisa digunakan untuk mengetahui perbedaan dari masing masing individu seperti halnya fingerprint recognition (identifikasi pola sidik jari pada setiap orang), retinal scan (identifikasi berdasarkan pola pembuluh darah pada retina mata), face recognition (pengenalan seseorang berdasarkan raut dan ekspresi seseorang dengan kunci utama pada letak mata dan mulut). Metode yang biasanya digunakan untuk recognition pada Aplikasi Identifikasi Suara adalah Hidden Markov Model atau Vector Quantization. Kedua metode pengenalan untuk Aplikasi Identifikasi Suara ini akan dibandingkan unjuk kerjanya dalam kondisi ideal maupun tidak ideal. Kondisi ideal adalah kondisi dimana tidak terdapat noise pada rekaman suara yang digunakan sedangkan kondisi tidak ideal adalah adanya noise pada rekaman suara yang digunakan. Aplikasi identifikasi suara dengan metode Vector Quantization mempunyai nilai unjuk kerja lebih baik dengan hasil unjuk kerja sebesar 93% dibandingkan metode Hidden Markov Model yang sebesar 85% pada kondisi ideal dan 78% berbanding 69,5% pada kondisi tidak ideal, hal ini dikarenakan, pada metode Vector Quantization menggunakan layer tunggal dan tidak adanya layer tersembunyi seperti pada metode Hidden Markov Model. Pada metode Vector Quantization, sampel suara data training yang sudah diekstraksi ciri dengan MFCC diubah ke dalam bentuk vektor dan dicocokkan dengan sampel suara data testing yang sudah diubah ke dalam bentuk vektor juga, sedangkan pada metode Hidden Markov Model, harus ditentukan terlebih dahulu parameter parameter yang ada pada layer tersembunyi sehingga unjuk kerja metode ini dalam proses recognition tidak lebih baik daripada metode Vector Quantization. Kata kunci: Aplikasi Identifikasi Suara, Vector Quantization, Hidden Markov Model vii
8 ABSTRACT Voice identification is a way that can be used to determine the differences of each individual as well as fingerprint recognition (identification of the fingerprint pattern on each person), retinal scans (identification based on the pattern of blood vessels in the retina of the eye), face recognition (recognition of a person based expression and the expression of a person with the key to the location of the eyes and mouth). The method which usually used for the Voice Identification Application recognition is a Hidden Markov Model or Vector Quantization. Both method for the recognition of Voice Identification Application will be compared to its performance in ideal conditions and not ideal conditions. The ideal condition is a condition where there is no noise in the sound recording is used while the conditions are not ideal is there is a noise in the sound recording used. Voice Identification Application with Vector Quantization method has a better performance with the results of the performance by 93% compared to the method of Hidden Markov Models which 85% in ideal conditions and 78% compare 69.5% in non-ideal conditions, this is because on the method of Vector quantization using a single layer and no hidden layer as a method of Hidden Markov Model. In the method of Vector Quantization, voice sample training data that has been extracted of the MFCC converted into vectors and matched with voice samples of data testing that has been converted into a vector form as well, while the method of Hidden Markov Models, to be determined parameters which exist in the hidden layer so that the performance of the method is in the process of recognition is worse than the method of Vector Quantization. Keywords: Voice Identification Application, Vector Quantization, Hidden Markov Model viii
9 DAFTAR ISI JUDUL... ii LEMBAR PERNYATAAN ORISINALITAS... iii LEMBAR PERSETUJUAN PEMBIMBING... iv UCAPAN TERIMA KASIH... v ABSTRAK... vi ABSTARCT... vii DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR SINGKATAN... xiii DAFTAR LAMPIRAN... xiv BAB I PENDAHULUAN 1.1 Latar Belakang Rumusan Masalah Tujuan Penelitian Manfaat Penelitian Batasan Masalah Sistematika Penulisan... 4 BAB II TINJAUAN PUSTAKA 2.1 State of The Art Suara Komponen Suara Pengenalan Ucapan Digitalisasi Suara Jaringan Saraf Tiruan Mel Frequency Cepstrum Coefficient Hidden Markov Model Vector Quantization Arsitektur Vector Quantization ix
10 BAB III METODELOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Data Sumber Data Jenis Data Teknik Pengumpulan Data Tahapan Penelitian Alur Analisis Alur Analisis untuk Pengujian Aplikasi Identifikasi Suara Metode Hidden Markov Mode l Alur Analisis untuk Pengujian Aplikasi Identifikasi Suara Metode Vector Quantization Alur Analisis untuk Membandingkan Hasil Unjuk Kerja Aplikasi Identifikasi Suara BAB IV HASIL DAN PEMBAHASAN 4.1 Aplikasi Identifikasi Suara dengan Metode Vector Quantization Aplikasi Identifikasi Suara dengan Metode Hidden Markov Model Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization pada Kondisi Ideal Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization pada Kondisi Tidak Ideal Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Hidden Markov Model Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Hidden Markov Model pada Kondisi Ideal Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Hidden Markov Model pada Kondisi Tidak Ideal x
11 4.5 Perbandingan Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization dan Hidden Markov Model Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization dan Hidden Markov Model pada Kondisi Ideal Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization dan Hidden Markov Model pada Kondisi Tidak Ideal BAB V SIMPULAN 5.1 Simpulan Saran DAFTAR PUSTAKA LAMPIRAN xi
12 DAFTAR GAMBAR Gambar 2.1 Human Vocal Tract... 8 Gambar 2.2 Gambaran Proses Kuantisasi Gambar 2.3 Frame Blocking Gambar 2.4 Mel-spaced Filter Blank Gambar 2.5 Parameter Probabilistik pada Hidden Markov Model Gambar 2.6 Vektor Sebelum Mengalami Vector Quantization Gambar 2.7 Vektor Setelah Mengalami Vector Quantization Gambar 2.8 Arsitektur Vector Quantization Gambar 3.1 Flowchart Alur Analisis (a) Gambar 3.2 Flowchart Alur Analisis (b) Gambar 3.3 Flowchart Alur Pengujian Aplikasi Identifikasi Suara Metode Hidden Markov Model (a) Gambar 3.4 Flowchart Alur Pengujian Aplikasi Identifikasi Suara Metode Hidden Markov Model (b) Gambar 3.5 Flowchart Alur Pengujian Aplikasi Identifikasi Suara Metode Vector Quantization (a) Gambar 3.6 Flowchart Alur Pengujian Aplikasi IdentifikasiS uara Metode Vector Quantization (b) Gambar 3.7 Flowchart Alur Analisis untuk Membandingkan Hasil Unjuk Kerja (a) Gambar 3.8 Flowchart Alur Analisis untuk Membandingkan Hasil Unjuk Kerja (b) Gambar 4.1 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization Gambar 4.2 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Menambahkan Sampel Suara (a) Gambar 4.3 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Menambahkan Sampel Suara (b) Gambar 4.4 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Menampilkan Database xii
13 Gambar 4.5 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Memulai Tahap Recognition Gambar 4.6 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Memilih Sampel Suara pada Tahap Recognition Gambar 4.7 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Menampilkan Hasil Recognition Gambar 4.8 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model Gambar 4.9 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model untuk Menambahkan Sampel Suara (a) Gambar 4.10 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model untuk Menambahkan Sampel Suara (b) Gambar 4.11 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model untuk Menambahkan Sampel Suara (c) Gambar 4.12 Tampilan Aplikasi Identifikasi Suara Metode Hidden MArkov Model untuk Menampilkan Database Gambar 4.13 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model Tahap Recognition Gambar 4.14 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model untuk Menampilkan Hasil Recognition Gambar 4.15 Grafik Jumlah Kesalahan Recognition Aplikasi Identifikasi Suara Vector Quantization Gambar 4.16 Grafik Jumlah Kesalahan Recognition Aplikasi Identifikasi Suara Hidden Markov Model Gambar 4.17 Grafik Perbandingan Hasil Recognition pada Kondisi Ideal Gambar 4.18 Grafik Perbandingan Hasil Recognition pada Kondisi Tidak Ideal (Noise) Gambar 4.19 Grafik Perbandingan Hasil Recognition pada Kondisi Tidak Ideal (Nama) xiii
14 DAFTAR SINGKATAN ANN : Artificial Neural Network ASR : Automatic Speech Recognition DCT : Discrete Cosine Transform DFT : Discrete Fourier Transform DMC : Dynamic Markov Compression FFT : Fast Fourier Transform HMM : Hidden Markov Model Hz : Hertz JST : Jaringan Saraf Tiruan LPC : Linear Predictive Coding MATLAB : Matrix Laboratory MFCC : Mel Frequency Cepstral Coefficients MSE : Mean Square Error NN : Neural Network PPM : Prediction by Partial Matching PS-ZCPA : Pitch Synchronous Zero Crossing Peak Amplitude SNN : Simulated Neural Network VQ : Vector Quantization xiv
15 DAFTAR LAMPIRAN Lampiran 1 Hasil Recognition Aplikasi Identifikasi Suara Vector Quantization Kondisi Ideal Lampiran 2 Hasil Recognition Aplikasi Identifikasi Suara Vector Quantization Kondisi Tidak Ideal (Noise) Lampiran 3 Hasil Recognition Aplikasi Identifikasi Suara Vector Quantization Kondisi Tidak Ideal (Nama) Lampiran 4 Hasil Recognition Aplikasi Identifikasi Suara Hidden Markov Model Kondisi Ideal Lampiran 5 Hasil Recognition Aplikasi Identifikasi Suara Hidden Markov Model Kondisi Tidak Ideal (Noise) Lampiran 6 Hasil Recognition Aplikasi Identifikasi Suara Hidden Markov Model Kondisi Tidak Ideal (Nama) Lampiran 7 Jadwal Kegiatan xv
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA M. G. J. Harry Khesa S 1, W. Setiawan 2, I.G.A.K. Diafari Djuni H 3 1,2,3 Jurusan Teknik Elektro dan Komputer,
Lebih 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 terperinciPERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)
SKRIPSI PERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN) JUNIAR DOAN WIHARDONO JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciAPLIKASI LUXAND FACESDK PADA SISTEM PENGENALAN WAJAH DENGAN METODE FACE FEATURES
APLIKASI LUXAND FACESDK PADA SISTEM PENGENALAN WAJAH DENGAN METODE FACE FEATURES Tugas Akhir Diajukan Sebagai Prasyarat untuk Memperoleh Gelar Sarjana S1 (Strata 1) pada Jurusan Teknik Elektro Fakultas
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 terperinciOPTIMASI JUMLAH HIDDEN NODES EXTREME LEARNING MACHINE MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION UNTUK PERAMALAN JUMLAH PENJUALAN BARANG
OPTIMASI JUMLAH HIDDEN NODES EXTREME LEARNING MACHINE MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION UNTUK PERAMALAN JUMLAH PENJUALAN BARANG Tesis untuk Memperoleh Gelar Magister pada Program Magister,
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 terperinciJurnal Komputer Terapan Vol. 1, No. 2, November 2015, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 1, No. 2, November 2015, 121-132 121 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Aplikasi Pengenalan Ucapan Dengan Ekstraksi Ciri Mel- Frequency Cepstrum Coefficients
Lebih terperinciANALISIS KETIDAKSEIMBANGAN BEBAN PADA JARINGAN DISTRIBUSI SEKUNDER GARDU DISTRIBUSI DS 0587 DI PT. PLN (Persero) DISTRIBUSI BALI RAYON DENPASAR
SKRIPSI ANALISIS KETIDAKSEIMBANGAN BEBAN PADA JARINGAN DISTRIBUSI SEKUNDER GARDU DISTRIBUSI DS 0587 DI PT. PLN (Persero) DISTRIBUSI BALI RAYON DENPASAR WAHYU SUSONGKO NIM. 0819451020 JURUSAN TEKNIK ELEKTRO
Lebih terperinciSistem Verifikasi Penutur menggunakan Metode Mel Frequensi.
SISTEM VERIFIKASI PENUTUR MENGGUNAKAN METODA MEL FREQUENCY CEPSTRAL COEFFICIENTS-VECTOR QUANTISATION (MFCC-VQ) SERTA SUM SQUARE ERROR (SSE) DAN PENGENALAN KATA MENGGUNAKAN METODA LOGIKA FUZZY Oleh : Atik
Lebih terperinciRANCANG BANGUN APLIKASI EXTRACT, TRANSFORM, DAN LOAD UNTUK DATA WAREHOUSE BERBASIS WEB
i TUGAS AKHIR RANCANG BANGUN APLIKASI EXTRACT, TRANSFORM, DAN LOAD UNTUK DATA WAREHOUSE BERBASIS WEB I KADEK SASTRAWAN JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA JIMBARAN BALI 2015 ii TUGAS
Lebih terperinciAUDIT OPERASIONAL PT.X MENGGUNAKAN FRAMEWORK COBIT 5
AUDIT OPERASIONAL PT.X MENGGUNAKAN FRAMEWORK COBIT 5 TUGAS AKHIR Diajukan Guna Memenuhi Sebagian Persyaratan dalam Rangka Menyelesaikan Pendidikan Sarjana Strata Satu (S1) Program Studi Teknologi Informasi
Lebih terperinciRANCANG BANGUN APLIKASI GAMELAN GONG KEBYAR INSTRUMEN GANGSA DAN KENDANG BERBASIS ANDROID
RANCANG BANGUN APLIKASI GAMELAN GONG KEBYAR INSTRUMEN GANGSA DAN KENDANG BERBASIS ANDROID HALAMAN SAMPUL TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan Sarjana
Lebih terperinciRANCANG BANGUN APLIKASI GAMELAN GONG KEBYAR INSTRUMEN REONG, CENG-CENG RICIK, KEMONG DAN JUBLAG BERBASIS ANDROID
RANCANG BANGUN APLIKASI GAMELAN GONG KEBYAR INSTRUMEN REONG, CENG-CENG RICIK, KEMONG DAN JUBLAG BERBASIS ANDROID TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan
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 terperinciAPLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO SKRIPSI M. ARDIANSYAH
APLIKASI PENGENALAN SUARA DIGITAL NADA DASAR PIANO SKRIPSI M. ARDIANSYAH 091402062 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
Lebih terperinciRANCANG BANGUN APLIKASI TES BUTA WARNA METODE ISHIHARA BERBASIS ANDROID
RANCANG BANGUN APLIKASI TES BUTA WARNA METODE ISHIHARA BERBASIS ANDROID TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan Sarjana Strata Satu (S1) Program Studi
Lebih terperinciANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN
TUGAS AKHIR ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN JUDUL I DEWA GEDE ANGGA PRASTIKA JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN
Lebih terperinciBAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (artificial intelligence) merupakan bidang yang berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang mengarah kepada bidang
Lebih 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 terperinciANALISIS KEDIP TEGANGAN AKIBAT GANGGUAN HUBUNG SINGKAT PADA PENYULANG ABANG DI KARANGASEM
SKRIPSI ANALISIS KEDIP TEGANGAN AKIBAT GANGGUAN HUBUNG SINGKAT PADA PENYULANG ABANG DI KARANGASEM I MADE YOGA DWIPAYANA JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN
Lebih terperinciPENERAPAN METODE HIDDEN MARKOV MODEL DAN MEL FREQUENCY CEPSTRUM COEFFICIENT DALAM PENGENALAN VOICE COMMAND BERBAHASA INDONESIA KOMPETENSI KOMPUTASI
PENERAPAN METODE HIDDEN MARKOV MODEL DAN MEL FREQUENCY CEPSTRUM COEFFICIENT DALAM PENGENALAN VOICE COMMAND BERBAHASA INDONESIA KOMPETENSI KOMPUTASI SKRIPSI I GEDE ARYA MAHARTA NIM. 1108605025 JURUSAN ILMU
Lebih 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 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 terperinciSISTEM PAKAR DIAGNOSA PENYAKIT PADA ANAK BERBASIS WEB MENGGUNAKAN TEORI DEMPSTER-SHAFER DAN PROBABILITAS BAYES
SISTEM PAKAR DIAGNOSA PENYAKIT PADA ANAK BERBASIS WEB MENGGUNAKAN TEORI DEMPSTER-SHAFER DAN PROBABILITAS BAYES TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan
Lebih terperinciANALISA DISTORSI HARMONISA PADA PENYULANG ABANG KARANGASEM SETELAH TERPASANGNYA PEMBANGKIT LISTRIK TENAGA SURYA (PLTS)
TUGAS AKHIR ANALISA DISTORSI HARMONISA PADA PENYULANG ABANG KARANGASEM SETELAH TERPASANGNYA PEMBANGKIT LISTRIK TENAGA SURYA (PLTS) Oleh : I Gede Aries Gunawan JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2005/2006 PERANCANGAN SISTEM PROTEKSI FILE DENGAN PASSWORD SUARA Rendy Sesario 0600615431 Samanta Limbrada
Lebih terperinciPENGARUH EKSTRAKSI FITUR TWO DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS
PENGARUH EKSTRAKSI FITUR TWO DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS PADA PENGENALAN NIPPLE SECARA OTOMATIS MENGGUNAKAN KLASIFIKASI LEARNING VECTOR QUANTIZATION KOMPETENSI KOMPUTASI SKRIPSI I MADE AGUS
Lebih terperinciRANCANG BANGUN PENGENALAN AKSARA BALI CETAK DENGAN METODE TEMPLATE MATCHING DAN LIBRARY OPENCV PADA ANDROID TUGAS AKHIR
RANCANG BANGUN PENGENALAN AKSARA BALI CETAK DENGAN METODE TEMPLATE MATCHING DAN LIBRARY OPENCV PADA ANDROID TUGAS AKHIR Diajukan Guna Memenuhi Sebagian Persyaratan Dalam Rangka Menyelesaikan Pendidikan
Lebih terperinciPENDAHULUAN. 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 terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciRANCANG BANGUN APLIKASI GAME MOBILE WAYANG FIGHTER PADA PLATFORM ANDROID MENGGUNAKAN ALGORITMA BASIC PROBABILITY
RANCANG BANGUN APLIKASI GAME MOBILE WAYANG FIGHTER PADA PLATFORM ANDROID MENGGUNAKAN ALGORITMA BASIC PROBABILITY TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan
Lebih terperinciRANCANG BANGUN APLIKASI SMS DENGAN MENERAPKAN METODE ENKRIPSI KUNCI PUBLIK KURVA ELLIPTIK BERBASIS MOBILE ANDROID
UCAPAN TERIMAKASIH Pertama tama perkenankanlah penulis memanjatkan puji syukur kehadapan Ida Sang Hyang Widhi Wasa/ Tuhan Yang Maha Esa, karena hanya atas asung wara nugraha-nya/karunia-nya, tugas akhir
Lebih terperinciAPLIKASI PENGENALAN SUARA UNTUK SIMULASI PENGUNCI PINTU ABSTRAK
APLIKASI PENGENALAN SUARA UNTUK SIMULASI PENGUNCI PINTU Stephanus Arnold / 0222021 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jln. Prof. Drg. Surya Sumantri 65, Bandung 40164,
Lebih 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 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 terperinciSTUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 2025
STUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 2025 TUGAS AKHIR Diajukan untuk memenuhi sebagian persyaratan menyelesaikan studi Program Sarjana Strata Satu (S1) Jurusan Teknik Elektro IGUSTI
Lebih terperinciPENERAPAN HIDDEN MARKOV MODEL UNTUK PENGENALAN UCAPAN SKRIPSI NADIA WIDARI NASUTION
PENERAPAN HIDDEN MARKOV MODEL UNTUK PENGENALAN UCAPAN SKRIPSI NADIA WIDARI NASUTION 110803016 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015 ii
Lebih terperinciBIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES
Agustini, Biometrik Suara Dengan Transformasi Wavelet 49 BIOMETRIK SUARA DENGAN TRANSFORMASI WAVELET BERBASIS ORTHOGONAL DAUBENCHIES Ketut Agustini (1) Abstract: Biometric as one of identification or recognition
Lebih terperinciBAB 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 terperinciIDENTIFIKASI BUNYI DALAM PEMBELAJARAN NADA DASAR PERMAINAN SULING BATAK MENGGUNAKAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT SKRIPSI
IDENTIFIKASI BUNYI DALAM PEMBELAJARAN NADA DASAR PERMAINAN SULING BATAK MENGGUNAKAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT SKRIPSI MUHAMMAD WARDANA 121402024 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS
Lebih terperinciSKRIPSI STUDI ANALISIS KOORDINASI OVER CURRENT RELAY (OCR) DAN GROUND FAULT RELAY (GFR) PADA RECLOSER DI SALURAN PENYULANG PENEBEL
SKRIPSI STUDI ANALISIS KOORDINASI OVER CURRENT RELAY (OCR) DAN GROUND FAULT RELAY (GFR) PADA RECLOSER DI SALURAN PENYULANG PENEBEL I DEWA GDE AGUNG BUDHI UDIANA JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS
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 terperinciPEMANFAATAN TRANSFORMASI WAVELET SEBAGAI EKSTRAKSI CIRI PADA KLASIFIKASI BERTINGKAT SINYAL EKG
PEMANFAATAN TRANSFORMASI WAVELET SEBAGAI EKSTRAKSI CIRI PADA KLASIFIKASI BERTINGKAT SINYAL EKG T 610.28 PUT Abstrak Penelitian ini bertujuan untuk memperlihatkan suatu metoda pengenalan multi pola dari
Lebih terperinciBab 1. Pendahuluan. aman semakin diperlukan untuk menjamin keamanan data. Berbagai solusi proteksi
1 Bab 1 Pendahuluan 1.1 Latar Belakang Di era teknologi informasi khususnya internet, keberadaan sistem proteksi yang aman semakin diperlukan untuk menjamin keamanan data. Berbagai solusi proteksi tersedia
Lebih terperinciAPLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT
APLIKASI SPEECH RECOGNITION BAHASA INDONESIA DENGAN METODE MEL-FREQUENCY CEPSTRAL COEFFICIENT DAN LINEAR VECTOR QUANTIZATION UNTUK PENGENDALIAN GERAK ROBOT Anggoro Wicaksono, Sukmawati NE, Satriyo Adhy,
Lebih terperinciIDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK Ade Fruandta dan Agus Buono Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Jl. Meranti
Lebih terperinciAPLIKASI SPEECH TO TEXT BERBAHASA INDONESIA MENGGUNAKAN MEL FREQUENCY CEPSTRAL COEFFICIENTS DAN HIDDEN MARKOV MODEL (HMM)
APLIKASI SPEECH TO TEXT BERBAHASA INDONESIA MENGGUNAKAN MEL FREQUENCY CEPSTRAL COEFFICIENTS DAN HIDDEN MARKOV MODEL (HMM) Eko Widiyanto, Sukmawati Nur Endah, Satriyo Adhy, Sutikno Jurusan Ilmu Komputer/Informatika,
Lebih 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 terperinciSEGMENTASI PELANGGAN MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION DAN K-MEANS
SEGMENTASI PELANGGAN MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION DAN K-MEANS TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan Sarjana Strata Satu (S1) Program
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 terperinciSTUDI PENGARUH MUTUAL INDUCTANCE TERHADAP SETTING RELE JARAK PADA SALURAN TRANSMISI DOUBLE CIRCUIT 150 kv ANTARA GI KAPAL GI PEMECUTAN KELOD
SKRIPSI STUDI PENGARUH MUTUAL INDUCTANCE TERHADAP SETTING RELE JARAK PADA SALURAN TRANSMISI DOUBLE CIRCUIT 150 kv ANTARA GI KAPAL GI PEMECUTAN KELOD AHMAD RIDWAN JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK
Lebih terperinciPENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004
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 terperinciPERMAINAN EDUKASI PENGENALAN TOPENG JAWA BERBASIS MOBILE ANDROID
PERMAINAN EDUKASI PENGENALAN TOPENG JAWA BERBASIS MOBILE ANDROID TUGAS AKHIR I GEDE WIRA DARMA NIM. 1104505020 JURUSAN TEKNOLOGI INFORMASI FAKULTAS TEKNIK UNIVERSITAS UDAYANA BALI 2015 PERMAINAN EDUKASI
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 terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
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 terperinciBINUS UNIVERSITY. Program Studi Ganda. Teknik Informatika Matematika PERANCANGAN PROGRAM APLIKASI SPEECH RECOGNIZER DENGAN SPECTROGRAM
BINUS UNIVERSITY Program Studi Ganda Teknik Informatika Matematika PERANCANGAN PROGRAM APLIKASI SPEECH RECOGNIZER DENGAN SPECTROGRAM Stefan A.Y. NIM : 0700683673 ABSTRAK Speech Recognizer atau pengenal
Lebih terperinciPerbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan Metode Berbasis Amplitudo
Tersedia secara online di: http://journal.ipb.ac.id/index.php.jika Volume 2 Nomor 1 halaman 29-37 ISSN: 2089-6026 Perbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan
Lebih terperinciRANCANG BANGUN APLIKASI GAME EDUKASI RINDIK PADA PLATFORM ANDROID
RANCANG BANGUN APLIKASI GAME EDUKASI RINDIK PADA PLATFORM ANDROID TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Program Sarjana Strata Satu (S1) Program Studi Teknologi
Lebih terperinciRANCANG BANGUN APLIKASI ANTIVIRUS KOMPUTER DENGAN MENGGUNAKAN METODE SECURE HASH ALGORITHM 1 (SHA1) DAN HEURISTIC STRING
TUGAS AKHIR RANCANG BANGUN APLIKASI ANTIVIRUS KOMPUTER DENGAN MENGGUNAKAN METODE SECURE HASH ALGORITHM 1 (SHA1) DAN HEURISTIC STRING I Gusti Made Panji Indrawinatha JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK
Lebih terperinciISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1787
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1787 VIDEO STEGANOGRAFI MENGGUNAKAN METODE ENHANCED LEAST SIGNIFICANT BIT (ELSB) PADA FRAME YANG DIPILIH BERDASARKAN DETEKSI
Lebih terperinciKlasifikasi Burung Berdasarkan Suara Kicau Burung Menggunakan Jaringan Syaraf Tiruan Propagasi Balik
Klasifikasi Burung Berdasarkan Suara Kicau Burung Menggunakan Jaringan Syaraf Tiruan Propagasi Balik Lorencius Echo Sujianto Putera 1, C. Kuntoro Adi 2 1,2 Program Studi Teknik Informatika, FST, Universitas
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 terperinciABSTRAK. Kata kunci: biola, Fast Fourier Transform, konversi, nada, not balok. vi Universitas Kristen Maranatha
ABSTRAK Musik merupakan suatu sarana yang dapat membantu manusia dalam menyimpan dan mengapresiasi karyanya dan biasanya digambarkan dalam bentuk notasi balok dengan unsur-unsur paranada, garis birama,
Lebih terperinciVerifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC)
Verifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC) Adryan Chrysti Sendjaja (1022005) Jurusan Teknik Elektro Universitas Kristen Maranatha
Lebih terperinciAUDIT SISTEM INFORMASI BIRO KEUANGAN SEKDA. PROVINSI BALI DENGAN MENGGUNAKAN FRAMEWORK COBIT 5
AUDIT SISTEM INFORMASI BIRO KEUANGAN SEKDA. PROVINSI BALI DENGAN MENGGUNAKAN FRAMEWORK COBIT 5 TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan Sarjana Strata
Lebih terperinciSKRIPSI STUDI PENGAMAN BUSBAR PADA GARDU INDUK AMLAPURA I MADE DIAN PURNAWAN
SKRIPSI STUDI PENGAMAN BUSBAR PADA GARDU INDUK AMLAPURA I MADE DIAN PURNAWAN JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2015 SKRIPSI STUDI PENGAMAN BUSBAR PADA GARDU INDUK
Lebih terperinciAplikasi Metode Steganografi Berbasis JPEG dengan Tabel Kuantisasi yang Dimodifikasi Kris Reinhard /
Aplikasi Metode Steganografi Berbasis JPEG dengan Tabel Kuantisasi yang Dimodifikasi Kris Reinhard / 0522094 Email : kris_putih05@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. drg. Suria
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 terperinciINDEPT, Vol. 3, No.1, Februari 2013 ISSN
SISTEM SPEAKER RECOGNITION (PENGENAL PENGUCAP) UNTUK MENCARI KARAKTERISTIK UCAPAN SESEORANG DENGAN METODE MEL FREQUENCY CEPTRUM COEFFISIENT (MFCC) MENGGUNAKAN SOFTWARE MATLAB Andriana, ST., MT. Dosen Fakultas
Lebih terperinciIDENTIFIKASI WAJAH MANUSIA BERDASARKAN PERBANDINGAN PARAMETER TINGGI HIDUNG, LEBAR HIDUNG DAN JARAK MATA. Yusriani Laa Baan
IDENTIFIKASI WAJAH MANUSIA BERDASARKAN PERBANDINGAN PARAMETER TINGGI HIDUNG, LEBAR HIDUNG DAN JARAK MATA Yusriani Laa Baan 0522132 Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Indonesia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan semakin berkembangnya teknologi telekomunikasi, internet menjadi sesuatu yang tidak lagi sulit dan mahal. Kemudahan ini menyebabkan internet dipenuhi berbagai
Lebih terperinciIMPLEMENTASI DYNAMIC TIME WARPING UNTUK VOICE RECOGNITION
IMPLEMENTASI DYNAMIC TIME WARPING UNTUK VOICE RECOGNITION TUGAS AKHIR Diajukan Untuk Memenuhi Sebagian Persyaratan Dalam Memperoleh Gelar Sarjana Komputer Jurusan Teknik Informatika Disusun oleh : PAULA
Lebih terperinciIDENTIFIKASI DAN VERIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPROPAGATION DAN ALIHRAGAM WAVELET
TESIS IDENTIFIKASI DAN VERIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPROPAGATION DAN ALIHRAGAM WAVELET ROSALIA ARUM KUMALASANTI No. Mhs. : 135302014/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM
Lebih terperinciIDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY
IDENTIFIKASI KEBERADAAN TIKUS BERDASARKAN SUARANYA MENGGUNAKAN SMS GATEWAY Erni Seniwati 1), Ninik Tri Hartanti 2) 1 Sistem Informasi, STMIK Amikom erni.s@amikom.ac.id 2 Sistem Informasi, STMIK Amikom
Lebih terperinciUCAPAN TERIMAKASIH. Denpasar, Agustus Penulis
UCAPAN TERIMAKASIH Segenap puja dan puji syukur penulis panjatkan kehadapan Ida Sang Hyang Widhi Wasa sebagai sumber dari segala sumber pengetahuan, karena atas asung kertha wara nugrahanya Tesis yang
Lebih terperinciRANCANG BANGUN GAME TRADISIONAL ENGKLEK BERBASIS ANDROID
RANCANG BANGUN GAME TRADISIONAL ENGKLEK BERBASIS ANDROID TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan Sarjana Strata Satu (S1) Program Studi Teknologi Informasi
Lebih terperinciPERNYATAAN. Denpasar, Juli Swastika Widya Mahasena
PERNYATAAN Dengan ini saya menyatakan bahwa dalam Tugas Akhir ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar kesarjanaan di perguruan tinggi lain, dan sepanjang pengetahuan saya tidak
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 ANALISIS DAN PERANCANGAN PERANGKAT LUNAK PENGENALAN JENIS ALAT MUSIK BERDASARKAN SUMBER SUARANYA
Lebih terperinciSISTEM INFORMASI GEOGRAFIS PEMETAAN WISATA PANTAI BALI SELATAN BERBASIS ANDROID
i SISTEM INFORMASI GEOGRAFIS PEMETAAN WISATA PANTAI BALI SELATAN BERBASIS ANDROID TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan Sarjana Strata Satu (S1)
Lebih terperinciDAFTAR ISI. ABSTRACT ii KATA PENGANTAR iii DAFTAR ISI...iv DAFTAR GAMBAR.vii DAFTAR TABEL...ix DAFTAR SINGKATAN...x
ABSTRACT Speech coding can be defined as a method to reduce some information which is needed to represent speech signal for transmission or storage application. The main reason of speech coding is how
Lebih terperinciRANCANG BANGUN APLIKASI PENDETEKSI TITIK KOORDINAT FREKUENSI LIGHTNING WHISTLER
KATA PENGANTAR Puji syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa, karena atas berkat dan rahmat-nya penulis dapat menyelesaikan Proposal Tugas Akhir yang berjudul RANCANG BANGUN APLIKASI PENDETEKSI
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciSEGMENTASI PELANGGAN PERUSAHAAN PERHOTELAN MENGGUNAKAN METODE CLUSTERING DBSCAN DAN MODEL RFM TUGAS AKHIR
SEGMENTASI PELANGGAN PERUSAHAAN PERHOTELAN MENGGUNAKAN METODE CLUSTERING DBSCAN DAN MODEL RFM TUGAS AKHIR Diajukan Guna Memenuhi Sebagian Persyaratan Dalam Rangka Menyelesaikan Pendidikan Sarjana Strata
Lebih terperinciAPLIKASI PENDETEKSI EMOSI MANUSIA MENGGUNAKAN METODE MFCC DAN DTW
APLIKASI PENDETEKSI EMOSI MANUSIA MENGGUNAKAN METODE MFCC DAN DTW,, [1] Jurusan Teknik Informatika, Fakultas Teknologi Industri, Itenas Bandung youllia@itenas.ac.id, sangkuriang69@gmail.com, adrianyuki16@gmail.com
Lebih 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 terperinciRANCANG BANGUN APLIKASI PENGENAL PENUTUR MENGGUNAKAN METODE HIDDEN MARKOV MODEL (HMM)
RANCANG BANGUN APLIKASI PENGENAL PENUTUR MENGGUNAKAN METODE HIDDEN MARKOV MODEL (HMM) Maryati Gultom 1), Mukhlisa 2), Derry Alamsyah 3) 1 gultommaryati@gmail.com, 2 immobulus92@gmail.com, 3 derryfseiei@gmail.com
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Eka Putri Tambun (0722118) Jurusan Teknik Elektro Universitas Kristen
Lebih terperinciSTUDI PERHITUNGAN RELAY JARAK PADA SALURAN DOUBLE CIRCUIT
TUGAS AKHIR STUDI PERHITUNGAN RELAY JARAK PADA SALURAN DOUBLE CIRCUIT DENGAN SINGLE CONDUCTOR ANTARA GI KAPAL - GI PEMECUTAN KELOD MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) ALFIAN BUDY HADIANTO JURUSAN
Lebih terperinciSKRIPSI Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Jurusan Informatika. Disusun Oleh: WINA ISTI RETNANI NIM.
PERBANDINGAN ALGORITMA BACKPROPAGATION LEVENBERG MARQUARDT (LM) DENGAN BACKPROPAGATION GRADIENT DESCENT ADAPTIVE GAIN (BPGD/AG) DALAM PREDIKSI JUMLAH PENGANGGURAN DI PROVINSI JAWA TENGAH SKRIPSI Diajukan
Lebih terperinciPENGENALAN KARAKTER DAN MANAJEMEN DATABASE PADA FORMULIR ISIAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN KARAKTER DAN MANAJEMEN DATABASE PADA FORMULIR ISIAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI ANTONI SIAHAAN 051401063 PROGRAM STUDI S-1 ILMU
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciPENGARUH MANAJEMEN KINERJA TERHADAP KINERJA KARYAWAN PT. BPR MITRA GROUP PASCA AKUISISI DI BALI
TESIS PENGARUH MANAJEMEN KINERJA TERHADAP KINERJA KARYAWAN PT. BPR MITRA GROUP PASCA AKUISISI DI BALI MADE GDE SUDHARMA SANTOSA PROGRAM PASCASARJANA UNIVERSITAS UDAYANA DENPASAR 2010 TESIS PENGARUH MANAJEMEN
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 PENDAHULUAN Latar Belakang Mengenali sebuah kata atau kalimat bukanlah hal yang sulit dilakukan bagi manusia Apalagi kata tersebut merupakan Bahasa Utama yang digunakannya sehari-hari Berbagai logat
Lebih terperinciALOKASI PEMBEBANAN UNIT PEMBANGKIT TERMAL DENGAN MEMPERHITUNGKAN RUGI-RUGI SALURAN TRANSMISI DENGAN ALGORITMA GENETIKA PADA SISTEM KELISTRIKAN BALI
ALOKASI PEMBEBANAN UNIT PEMBANGKIT TERMAL DENGAN MEMPERHITUNGKAN RUGI-RUGI SALURAN TRANSMISI DENGAN ALGORITMA GENETIKA PADA SISTEM KELISTRIKAN BALI TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan
Lebih terperinciDigital Signal Processing To Identify chords Singer Using Mel Frequency Cepstral Coefficients (MFCC) and Neural Network Backpropagation Methods
Pemrosesan Sinyal DigitalUntuk Mengidentifikasi Akord Dasar Penyanyi Dengan Metode Mel Frequency Cepstral Coeficients (MFCC) Dan Jaringan Syaraf Tiruan Backpropagation Digital Signal Processing To Identify
Lebih terperinciBAB 1 PENDAHULUAN. mengenali penggunanya lebih tepat. Beberapa aplikasi biometrik antara lain retinal
BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah autentikasi secara biologis memungkinkan sistem dapat mengenali penggunanya lebih tepat. Beberapa aplikasi biometrik antara lain retinal scan, face
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI ALAT MUSIK PIANO AUGMENTED REALITY BERBASIS DESKTOP
PERANCANGAN DAN IMPLEMENTASI ALAT MUSIK PIANO AUGMENTED REALITY BERBASIS DESKTOP TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan Sarjana Strata Satu (S1) Program
Lebih terperinci