Paralelisasi Transformasi Fourier pada Arsitektur General Purpose Graphic Processing Unit Untuk Klasifikasi Alat Musik Dengan Instrumen Solo
|
|
- Liana Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Paralelisasi Transformasi Fourier pada Arsitektur General Purpose Graphic Processing Unit Untuk Klasifikasi Alat Musik Dengan Instrumen Solo Ridwan Rismanto DOSEN PEMBIMBING Dr. Nanik Suciati, S.Kom, M.Kom Wahyu Suadi, S.Kom, MM, M.Kom
2 Outline Tujuan Klasifikasi Alat Musik Instrumen Solo General Purpose Graphic Processing Unit (GPGPU) Implementasi GPGPU pada Klasifikasi Alat Musik Instrumen Solo Uji Coba dan Evaluasi Kesimpulan Future Work
3 Tujuan Mempercepat proses klasifikasi Pada proses ekstraksi fitur Memanfaatkan paralelisme pada Graphic Processing Unit (GPU) Mengapa GPU? Tingkat paralelisme yang tinggi (hingga 200 core + 20 multiprocessor) Bandwith memori yang tinggi (hingga 2Gbps) Arsitektur SIMD (Single Instruction Multiple Data)
4 Klasifikasi Alat Musik Instrumen Solo
5 Klasifikasi Alat Musik Mengklasifikasi (mengenali) jenis alat musik Solo instrumen single instrumen Berdasarkan fitur-fitur yang telah diekstraksi Tahap-tahap klasifikasi Pengambilan Sampel Ekstraksi Fitur Training data dengan Neural Network
6 Klasifikasi Alat Musik
7 Pengambilan Sampel Data training dan testing
8 Pengambilan Sampel (2) Pengacakan Frame Untuk menghilangkan pengaruh elemen musik seperti beat dan not
9 Ekstraksi Fitur FFT Mengubah sinyal dari domain waktu ke domain frekuensi Discrete Fourier Transform Analisa Spektrum Analisa statistikal pada spektrum frekuensi sinyal Dapat membantu menentukan timbre Dengan menganalisa kombinasi frekuensi Centroid, Kurtosis, Slope, Spread, Skewness, Rolloff
10 Spectral Features Centroid Titik pusat dari spektrum Menunjukkan tingkat kejernihan suara Kurtosis Nilai flatness dari distribusi spektrum Slope Menunjukkan indikasi pengurangan amplitudo Spread Menunjukkan tingkat penyebaran spektrum Skewness Ukuran distribusi asimetris dari nilai rata-rata spektrum Rolloff Menunjukkan frekuensi yang sinyal energinya dibawah 95%
11 Neural Network Melakukan data training dengan menggunakan algoritma Neural Network Input berupa vektor fitur : Vektor fitur data training Vektor target training Output berupa vektor output data training Supervised Learning Single Perceptron Fungsi aktifasi unit (g) : sigmoid (logistic) x : vektor input, w : vektor bobot
12 Neural Network (2) Single Perceptron Learning Algorithm Backpropagation Optimization Quasi-Newton Iterasi : 1000
13 Arsitektur Perangkat Lunak Implementasi GPGPU
14 General Purpose Graphic Processing Unit (GPGPU)
15 General Purpose Graphic Processing Unit (1) Pemrograman parallel yang dilakukan pada Graphic Processing Unit (GPU) Perbedaan antara CPU dan GPU CPU : dirancang untuk memproses satu instruksi secara sekuensial, menangani percabangan, dll. GPU : dirancang untuk memproses satu instruksi pada set data yang besar secara parallel. NVIDIA CUDA Arsitektur general purpose pada GPU Mengapa general purpose? Pada GPU konvensional : dibagi menjadi vertex shader dan pixel shader Pada GPGPU : hanya satu unified shader pipeline, yang dapat digunakan untuk memproses perhitungan secara umum, selain visual dan grafis Bahasa C/C++ untuk memprogram GPGPU
16 General Purpose Graphic Processing Unit (2) Perbedaan arsitektur CPU dan GPU Thread, block dan grid pada CUDA Hirarki memori pada CUDA
17 General Purpose Graphic Processing Unit (4) Kernel Sebuah fungsi yang dieksekusi pada GPU Kernel akan dieksekusi sebanyak N kali pada N thread CUDA yang berbeda Contoh kode untuk menjumlahkan dua vektor A dan B dengan besar N dan menyimpan hasilnya dalam vektor C Contoh kode kernel CUDA untuk menjumlahkan dua vektor A dan B dengan besar N dan menyimpan hasilnya dalam vektor C
18 General Purpose Graphic Processing Unit (5) Invokasi kernel yang dieksekusi oleh lebih dari satu blok
19 Implementasi GPGPU pada Klasifikasi Alat Musik
20 Implementasi GPGPU
21 Tahap-tahap Zero padding dan data precission Arsitektur GPGPU dengan thread, block, grid paralel FFT lebih optimal dengan jumlah N = 2 n (powers of single factor) Beberapa tahap eksekusi Dilakukan zero padding untuk mendekati powers of single factor Dilakukan packaging, untuk menyatukan bilangan riil dan imajiner pada satu vektor Dilakukan konversi dari tipe data double precission ke single precission Mapping data ke tipe data complex pada CUDA
22 Pseudo-code
23 Eksekusi FFT Alokasi device memori untuk input Dimensi : cufftcomplex * N DFT Alokasi device memori untuk output Dimensi : cufftcomplex * TransformSize Upload Host to device FFT plan creation TransformSize : 2048 Enumerasi tipe data : COMPLEX BATCH : 1 Eksekusi FFT Jenis eksekusi : in-place Enumerasi arah FFT : FORWARD Destroy plan Download Device to host
24 Flowchart
25 Uji Coba dan Evaluasi
26 Evaluasi Perbandingan waktu eksekusi pada CPU dan GPU Pengukuran waktu tanpa mempertimbangkan MMT (Memory to Memory Transfer) Pengukuran waktu dengan mempertimbangkan MMT Secara umum, peningkatan waktu eksekusi dihitung dengan persamaan : TPC adalah waktu komputasi FFT pada CPU dan TGPU adalah waktu komputasi FFT pada GPU dan waktu yang dibutuhkan untuk transfer data antara host dan device.
27 Hardware dan Software Hardware CPU Intel Core 2 Duo 1733 MHz Memory 4096 MB DDR3 GPU NVIDIA GeForce G210M 512 MB CUDA Cores : 16 CUDA Driver : Software CUDA Toolkit 3.0 Win64 GPU Computing SDK 3.0 Win64 Microsoft Visual Studio 2008 Sistem Operasi Windows 7 64bit Matlab 7.6
28 Data dan Konfigurasi frame N-DFT point : N fs DFT T frame fs (frekuensi sampling) : Hz T frame (durasi frame) : 25 ms DFT Point : 1102 Transform size : 2048 (2 11 ) Jumlah data untuk training : 500 frame x 6 instrumen alat musik = 3000 data Jumlah data untuk testing : 250 frame x 6 insturmen alat musik = 1500 data
29 Ekstraksi Fitur CPU dan GPU CPU GPU Spectral Centroid Min Max Mean StdDev Spectral Centroid Min Max Mean StdDev Trombone Trombone Tenor Sax Tenor Sax Alto Sax Alto Sax Trumpet Trumpet Clarinet Clarinet Flute Flute Spectral Spread Min Max Mean StdDev Spectral Spread Min Max Mean StdDev Trombone Trombone Tenor Sax Tenor Sax Alto Sax Alto Sax Trumpet Trumpet Clarinet Clarinet Flute Flute Spectral Skewness Min Max Mean StdDev Spectral Skewness Min Max Mean StdDev Trombone Trombone Tenor Sax Tenor Sax Alto Sax Alto Sax Trumpet Trumpet Clarinet Clarinet Flute Flute Spectral Kurtosis Min Max Mean StdDev Spectral Kurtosis Min Max Mean StdDev Trombone Trombone Tenor Sax Tenor Sax Alto Sax Alto Sax Trumpet Trumpet Clarinet Clarinet Flute Flute Spectral Slope Min Max Mean StdDev Spectral Slope Min Max Mean StdDev Trombone -2.49E E E E-08 Trombone -2.49E E E E-08 Tenor Sax -2.46E E E E-08 Tenor Sax -2.46E E E E-08 Alto Sax -2.44E E E E-08 Alto Sax -2.44E E E E-08 Trumpet -2.42E E E E-08 Trumpet -2.42E E E E-08 Clarinet -2.42E E E E-08 Clarinet -2.42E E E E-08 Flute -2.33E E E E-08 Flute -2.33E E E E-08 Spectral Rolloff Min Max Mean StdDev Spectral Rolloff Min Max Mean StdDev Trombone Trombone Tenor Sax Tenor Sax Alto Sax Alto Sax Trumpet Trumpet Clarinet Clarinet Flute Flute
30 Hasil Klasifikasi Error rate CPU : 1670 GPU : 1081
31 Hasil Klasifikasi (2) FFT CPU FFT GPU Trombone Tenor Sax Alto Sax Trumpet Clarinet Flute Trombone 94.20% 4.80% 0.00% 0.00% 0.80% 0.20% Tenor Sax 0.80% 98.20% 0.80% 0.00% 0.20% 0.00% Alto Sax 0.00% 10.40% 89.60% 0.00% 0.00% 0.00% Trumpet 3.00% 0.00% 0.00% 95.00% 1.40% 0.60% Clarinet 0.80% 0.00% 0.00% 0.20% 98.60% 0.40% Flute 0.60% 0.20% 1.00% 12.80% 1.20% 84.20% Trombone Tenor Sax Alto Sax Trumpet Clarinet Flute Trombone 99.40% 0.00% 0.20% 0.20% 0.00% 0.20% Tenor Sax 0.40% 98.80% 0.60% 0.00% 0.00% 0.20% Alto Sax 0.60% 0.20% 97.20% 0.20% 0.00% 1.80% Trumpet 0.80% 0.00% 1.20% 94.40% 0.00% 3.60% Clarinet 0.40% 0.20% 0.40% 0.00% 97.60% 1.40% Flute 1.40% 0.00% 0.20% 0.40% 0.00% 98.00%
32 Pengukuran Waktu Waktu eksekusi Tgpu Th2d TFFT Td 2h T gpu : total waktu eksekusi FFT pada GPU T h2d : waktu transfer memori dari host ke device T FFT : waktu eksekusi FFT pada GPU T d2h : waktu transfer memori dari device ke host
33 Hasil Pengukuran Waktu Pengukuran waktu per-instrumen alat musik 0,012 0,01 Waktu (detik) 0,008 0,006 0,004 0,002 MMT GPU CPU 0 Trombone Tenor Sax Alto Sax Trumpet Clarinet Flute Instrumen
34 Hasil Pengukuran Waktu (2) Pengukuran waktu per-iterasi pada tahap ekstraksi fitur 0,012 0,01 Waktu (detik) 0,008 0,006 0,004 0,002 CPU GPU + MMT Iterasi
35 Peningkatan Kecepatan Eksekusi FFT Instrumen CPU Waktu Ekstraksi Fitur Waktu tanpa MMT GPU Waktu dengan MMT Peningkatan Kecepatan Tanpa MMT Dengan MMT 1 0, , , ,4 4,2 2 0, , , ,6 4,3 3 0, , , ,4 4,2 4 0, , , ,5 4,3 5 0, , , ,2 4,3 6 0, , , ,1 4,3 Instrumen CPU GPU Peningkatan Kecepatan 1 10, , ,5 2 9, , ,6 3 9, , ,6 4 9, , ,6 5 9, , ,6 6 9, , ,6
36 Selisih Waktu Eksekusi Waktu (detik) ^11 2^16 2^17 2^18 Jumlah Elemen h2d fft d2h Host to Device FFT Device to Host
37 Kesimpulan Peningkatan kecepatan eksekusi FFT Tanpa MMT : 25x Dengan MMT : 4x Peningkatan kecepatan proses ekstraksi fitur : 1,6x Total tahap ekstraksi fitur adalah 6 Transfer antar memori menjadi bottleneck 83% waktu eksekusi adalah transfer antar memori Transfer rate pada G210M Device to host : 1352,2 MBps Host to device : 1820,4 MBps
38 Future Work 1x proses transfer memori Proses FFT dilakukan pada tiap iterasi tanpa harus melakukan transfer data antar memori Memanfaatkan fitur batch CUFFT Memparalelisasi tahap-tahap ekstraksi fitur lainnya
39 Sekian Terima kasih
Paralelisasi Transformasi Fourier Para Arsitektur General Purpose Graphic Processing Unit Untuk Klasifikasi Alat Musik Dengan Solo Instrumen
Paralelisasi Transformasi Fourier Para Arsitektur General Purpose Graphic Processing Unit Untuk Klasifikasi Alat Musik Dengan Solo Instrumen Ridwan Rismanto 1 *, Nanik Suciati 2, Wahyu Suadi 3 Institut
Lebih terperinciPARALELISASI TRANSFORMASI WAVELET DISKRIT MENGGUNAKAN ARSITEKTUR CUDA PADA GRAPHIC PROCESSING UNIT UNTUK DE-NOISING CITRA
PARALELISASI TRANSFORMASI WAVELET DISKRIT MENGGUNAKAN ARSITEKTUR CUDA PADA GRAPHIC PROCESSING UNIT UNTUK DE-NOISING CITRA DOSEN PEMBIMBING: Dr. Nanik Suciati, S.Kom. M.Kom Wahyu Suadi, S.Kom, MM, M.Kom
Lebih terperinciBAB I PENDAHULUAN. Merancang aplikasi Paralel Processing yang diimplementasikan dengan penggunaan Computer-Unified-Device-Architecture (CUDA).
BAB I PENDAHULUAN 1.1. Tujuan Merancang aplikasi Paralel Processing yang diimplementasikan dengan penggunaan Computer-Unified-Device-Architecture (CUDA). 1.2. Latar Belakang Banyak Central Processing Unit
Lebih terperinciBAB II LANDASAN TEORI. informasi menjadi sebuah teks yang tidak dapat dibaca (Ferguson dkk, 2010).
BAB II LANDASAN TEORI 2.1 Enkripsi Enkripsi merupakan sebuah metode penyandian sebuah pesan atau informasi menjadi sebuah teks yang tidak dapat dibaca (Ferguson dkk, 2010). Enkripsi berkaitan erat dengan
Lebih terperinciPendeteksian Kemacetan Lalu Lintas dengan Compute Unified Device Architecture (CUDA)
Pendeteksian Kemacetan Lalu Lintas dengan Compute Unified Device Architecture (CUDA) LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana oleh: Muhammad Ismail Faruqi / 13503045 PROGRAM
Lebih terperinci1. PENDAHULUAN 1.1. LATAR BELAKANG MASALAH
1. PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Pada saat ini, teknologi mengalami kemajuan yang sangat pesat, khususnya pada perkembangan komputer. Adapun salah satu teknologi yang mendukung cepatnya perhitungan
Lebih terperinciSIMULASI PERAMBATAN GELOMBANG SUARA DENGAN METODE STAGGERED GRID FINITE DIFFERENCE TIME DOMAIN MENGGUNAKAN ARSITEKTUR CUDA GPU
TESIS SIMULASI PERAMBATAN GELOMBANG SUARA DENGAN METODE STAGGERED GRID FINITE DIFFERENCE TIME DOMAIN MENGGUNAKAN ARSITEKTUR CUDA GPU ARIEF BUDIMAN No. Mhs. : 105301460/PS/MTF PROGRAM STUDI MAGISTER TEKNIK
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN LEVEL SET UNTUK ACTIVE CONTOUR BERBASIS PARALLEL GPU CUDA
HALAMAN JUDUL TESIS SEGMENTASI CITRA MENGGUNAKAN LEVEL SET UNTUK ACTIVE CONTOUR BERBASIS PARALLEL GPU CUDA LIANITA FEBRIHANI No. Mhs : 125301846/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM
Lebih terperinciImplementasi AES-ECB 128-bit untuk Komputasi Paralel pada GPU menggunakan Framework NVIDIA CUDA
Implementasi AES-ECB 128-bit untuk Komputasi Paralel pada GPU menggunakan Framework NVIDIA CUDA Adityo Jiwandono, 13507015 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 31 Pendahuluan Algoritma Resilient Backpropagation (RPROP) dibagi menjadi dua bagian proses yaitu forward pass dan backward pass Forward pass berfungsi untuk mendapatkan nilai
Lebih terperinciBAB I PENDAHULUAN. Keamanan dapat menjadi sebuah ketidak nyamanan. Namun, di zaman yang
BAB I PENDAHULUAN 1.1 Latar Belakang Keamanan dapat menjadi sebuah ketidak nyamanan. Namun, di zaman yang sudah semakin maju ini, keamanan menjadi sebuah kebutuhan dasar manusia pada setiap waktu (Navratilova,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI III.1. Citra Digital Citra merupakan gambar yang merepresentasikan sesuatu. Citra dapat berupa gambar dari sebuah atau kumpulan obyek. Citra digital merupakan citra yang dapat diolah
Lebih terperinciPROSEDUR PARALELISASI PERKALIAN MATRIKS PADA GRAPHICS PROCESSING UNIT (GPU)
PROSEDUR PARALELISASI PERKALIAN MATRIKS PADA GRAPHICS PROCESSING UNIT (GPU) Murni Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat murnipskm@staff.gunadarma.ac.id
Lebih terperinciPARALELISASI DE-NOISING CITRA BERDASARKAN TRANSFORMASI WAVELET DISKRIT PADA GPU DENGAN ARSITEKTUR CUDA
PARALELISASI DE-NOISING CITRA BERDASARKAN TRANSFORMASI WAVELET DISKRIT PADA GPU DENGAN ARSITEKTUR CUDA Rudy Cahyadi Hario Pribadi, Nanik Suciati, dan Wahyu Suadi Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciBAB I PENDAHULUAN. piksel yang memiliki karakteristik tersebut. pendekteksian tepi. Salah satu metode yang ada adalah active contour yang
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini perpaduan antara perkembangan teknologi dan ilmu pengetahuan sudah banyak dilakukan orang khususnya dalam pengolahan citra. Pengolahan citra merupakan proses
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dijelaskan tentang pengujian dari masing masing metode computing dan juga analisa dari hasil pengujian tersebut. Pengujian dilakukan pada waktu proses dengan
Lebih terperinciKOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION
KOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika Agustinus Kristiadi
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 terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciAnalisis Kinerja Matrix Multiplication Pada Lingkungan Komputasi Berkemampuan Tinggi (Cuda Gpu)
Analisis Kinerja Matrix Multiplication Pada Lingkungan Komputasi Berkemampuan Tinggi (Cuda Gpu) 1 Machudor Yusman, 2 Anie Rose Irawati, 3 Achmad Yusuf Vidyawan 1 Jurusan Ilmu Komputer FMIPA Unila 2 Jurusan
Lebih terperinciBAB I PENDAHULUAN. ada dua pendekatan yang dapat digunakan, pendekatan yang pertama adalah
BAB I PENDAHULUAN I.1. Latar Belakang Seiring dengan perkembangan teknologi informasi yang sangat pesat, saat ini dapat ditemui berbagai macam media dan sarana untuk menyampaikan pengetahuan dan informasi.
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 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 terperinciBAB II DASAR TEORI GPU Computing
BAB II DASAR TEORI Bab ini berisi tentang dasar teori dari setiap metode computing yang berhubungan dengan perancangan skripsi antara lain tentang GPU Computing menggunakan CUDA, CPU Computing, Cluster
Lebih terperinciBAB III PERANCANGAN Gambaran Sistem
BAB III PERANCANGAN Pada bab ini di jelaskan tentang bagaimana realisasi dari CPU computing, GPU computing, dan Cluster Computing serta sistem pengaturan dan struktur coding dari masing masing metode computing.
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 terperinciUSUL PENELITIAN HIBAH BERSAING
BIDANG ILMU : KOMPUTER/ MEDIS USUL PENELITIAN HIBAH BERSAING AKSELERASI ALGORITMA MARCHING CUBE MENGGUNAKAN GENERAL PURPOSE GRAPHICAL PROCESSING UNIT (GPGPU) UNTUK MEMBANGUN PENCITRAAN MEDIS 3D Ketua :
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 terperinciOPTIMISASI PUSTAKA UNTUK PERKALIAN MATRIKS MENGGUNAKAN ALGORITMA STRASSEN BERBASIS OPENCL
OPTIMISASI PUSTAKA UNTUK PERKALIAN MATRIKS MENGGUNAKAN ALGORITMA STRASSEN BERBASIS OPENCL Arvin 1), Sutrisno 2), Pujianto Yugopuspito 3) 1),2),3) Teknik Informatika, Universitas Pelita Harapan UPH Tower,
Lebih terperinciOrganisasi Sistem Komputer
LOGO Organisasi Sistem Komputer OSK 10 Reduced Instruction Set Computer Pendidikan Teknik Elektronika FT UNY Perkembangan Komputer RISC Family concept melepaskan arsitektur mesin dari implementasinya.
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 terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Pengumpulan Data Dalam kegiatan pengumpulan data untuk penelitian ini menggunakan metode pengumpulan data studi pustaka, dimana pada metode ini kegiatan yang dilaksanakan
Lebih terperinciMULTITASKING DENGAN MENGGUNAKAN NVIDIA CUDA. oleh Agustinus Ardiyan Abi Ravinda NIM :
MULTITASKING DENGAN MENGGUNAKAN NVIDIA CUDA oleh Agustinus Ardiyan Abi Ravinda NIM : 622009010 Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar Sarjana Teknik Program Studi Sistem Komputer Fakultas
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 terperinciPENGANTAR KOMPUTASI MODERN
PENGANTAR KOMPUTASI MODERN KOMPUTASI MODERN & PEMROSESAN PARALEL MARSHAL SAMOS 54412458 4IA15 UNIVERSITAS GUNADARMA 2016 1. Manakah yang termasuk karakteristik komputasi Modern yaitu : a. Komputer-komputer
Lebih terperinciBAB II TINJAUAN PUSTAKA. apapun yang melalui beberapa pengolahan berarti (Tse, 2012). Mencerahkan citra,
BAB II TINJAUAN PUSTAKA A. Tinjauan Pustaka Pengolahan citra adalah sebuah bentuk pengolahan sinyal dimana masukannya berupa sebuah citra, dan keluarannya dapat berupa citra kembali atau apapun yang melalui
Lebih terperinciAlgoritma MAC Berbasis Jaringan Syaraf Tiruan
Algoritma MAC Berbasis Jaringan Syaraf Tiruan Paramita 1) 1) Program Studi Teknik Informatika STEI ITB, Bandung, email: if14040@studentsifitbacid Abstract MAC adalah fungsi hash satu arah yang menggunakan
Lebih terperinciBAB II LANDASAN TEORI
5 BAB II LANDASAN TEORI 2.1 Pengertian Identifikasi Identifikasi merupakan kemampuan untuk mencari, mengambil, melaporkan, merubah, atau memilah data yang spesifik tanpa adanya ambiguitas. Dapat juga dikatakan
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 terperinciPARALELISASI PERKALIAN MATRIKS SPARSE VEKTOR DENGAN CUBLAS
PARALELISASI PERKALIAN MATRIKS SPARSE VEKTOR DENGAN CUBLAS Murni Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat murnipskm@staff.gunadarma.ac.id
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian yang dilakukan dapat dijelaskan dengan lebih baik melalui blok diagram seperti yang terliat pada Gambar 3.1. Suara Manusia Rekam suara Hasil rekaman
Lebih terperinciBAB II NEURAL NETWORK (NN)
BAB II NEURAL NETWORK (NN) 2.1 Neural Network (NN) Secara umum Neural Network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. NN ini merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Artificial Neural Network Artificial neural network (ANN) / jaringan saraf tiruan adalah konsep yang merefleksikan cara kerja dari jaringan saraf biologi kedalam bentuk artificial
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciPEMROSESAN PARALEL PADA NVIDIA CUDA. Oleh: Satya Kurnia NIM:
PEMROSESAN PARALEL PADA NVIDIA CUDA Oleh: Satya Kurnia NIM: 622007006 Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar Sarjana Teknik Program Studi Sistem Komputer Fakultas Teknik Elektronika
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 terperinciSIMULASI FLUIDA MENGGUNAKAN CUDA FAST FOURIER TRANSFORM LIBRARY (CUFFT) DAN OPEN GL
SIMULASI FLUIDA MENGGUNAKAN CUDA FAST FOURIER TRANSFORM LIBRARY (CUFFT) DAN OPEN GL Irwinda Famesa 1, I Wayan Ade S.D 2, Fitriyani 3 1,,2,3 Prodi S1 Teknik Ilmu Komputasi, Fakultas Informatika, Universitas
Lebih terperinciPenerapan Transformasi Kosinus Diskrit Dalam Klasifikasi Alat Musik Tradisional Menggunakan K-nearest Neighbor
JURNAL SISTEM DAN INFORMATIKA 103 Penerapan Transformasi Kosinus Diskrit Dalam Klasifikasi Alat Musik Tradisional Menggunakan K-nearest Neighbor Ricky Aurelius Nuranto Diaz STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciNama : Reza Alfian Firdiansyah NPM : Jurusan : Sistem Informasi Pembimbing : Prof. Dr-Ing. Adang Suhendra. SSi.,Skom.,MSc
ALGORITMA SMOOTHED PARTICLE HYDRODYNAMICS ALIRAN FLUIDA UNTUK MENGHITUNG DEBIT ALIRAN PADA SIMULASI ALIRAN FLUIDA Nama : Reza Alfian Firdiansyah NPM : 16112185 Jurusan : Sistem Informasi Pembimbing : Prof.
Lebih terperinciBAB I PENDAHULUAN. penggunaan teknologi dalam menunjang kehidupan sehari - hari. berdasarkan data yang dihimpun oleh Gartner International Data
BAB I PENDAHULUAN 1.1. Latar Belakang Pertumbuhan teknologi saat ini semakin meningkat secara pesat dari waktu ke waktu. Konsumen semakin menyadari akan pentingnya penggunaan teknologi dalam menunjang
Lebih terperinciAKSELERASI PROSES INPAINTING DENGAN PERSAMAAN DIFERENSIAL PARSIAL ORDE KEEMPAT SECARA PARALEL PADA GPU CUDA
TESIS AKSELERASI PROSES INPAINTING DENGAN PERSAMAAN DIFERENSIAL PARSIAL ORDE KEEMPAT SECARA PARALEL PADA GPU CUDA EDWIN PRANANTA No.Mhs: 135302086/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada masa sekarang, Digital Signal Processing (DSP) atau pemrosesan sinyal digital sudah banyak diterapkan di berbagai bidang karena data dalam bentuk digital
Lebih terperinciBAB II TINJAUAN PUSTAKA. Sampai tahun 2006, pemrograman paralel sulit untuk dibuat pada GPU. Ini
BAB II TINJAUAN PUSTAKA Sampai tahun 2006, pemrograman paralel sulit untuk dibuat pada GPU. Ini dikarenakan pemrograman pada GPU harus menggunakan Application Programming Interface (API) untuk dapat mengakses
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Riset di bidang sistem pengenalan ucapan otomatis (Automatic Speech Recognition) merupakan salah satu riset yang banyak ditekuni dan terus dikembangkan hingga saat
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Citra Digital Citra digital adalah suatu citra elektronik yang diambil dari dokumen, seperti foto, buku, maupun sebuah video. Proses perubahan citra analog menjadi citra digital
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rentannya kesalahan yang dapat terjadi oleh pekerjaan yang dilakukan oleh manusia dalam menganalisa, atau ketika mencoba membangun relasi antar fitur yang berjumlah
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 terperinciBAB 3 ANALISIS DAN PERANCANGAN PROTOTIPE. Bab ini menguraikan tentang analisis penelitian mencakup metode yang
BAB 3 ANALISIS DAN PERANCANGAN PROTOTIPE Bab ini menguraikan tentang analisis penelitian mencakup metode yang digunakan untuk ekstraksi fitur sinyal musik digital serta metode klasifikasi dengan Neural
Lebih terperinciBAB III METODOLOGI PENELITIAN
3.1 Alat dan Bahan Penelitian BAB III METODOLOGI PENELITIAN 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : Intel Core i5-3230m CPU @ 2.60GHz b. Memori : 4.00 GB c.
Lebih terperinciBAB III METODOLOGI PENELITIAN
38 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Peramalan, Curah Hujan, Knowledge Discovery in Database, Jaringan Saraf Tiruan, Backpropagation, Optimalisasasi Backpropagation Pengumpulan
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 terperinciSISTEM IDENTIFIKASI KODE TANGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN BACKPROPAGATION
SISTEM IDENTIFIKASI KODE TANGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN BACKPROPAGATION Holisah, Prihastuti Harsani dan Arie Qur ania holisah62@gmail.com Jurusan Ilmu Komputer, Fakultas Matematika
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini teknologi berkembang dengan sangat pesat, khususnya dalam bidang teknologi informasi. Salah satu perkembangan yang paling pesat adalah perangkat lunak
Lebih terperinciOrganisasi & Arsitektur. Komputer. Org & Ars komp Klasifikasi Ars Komp Repr Data
Organisasi & Arsitektur Komputer Org & Ars komp Klasifikasi Ars Komp Repr Data Organisasi berkaitan dengan fungsi dan desain bagianbagian sistem komputer digital yang menerima, menyimpan dan mengolah informasi.
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 terperinciPertemuan ke 6 Set Instruksi. Computer Organization Dosen : Eko Budi Setiawan
Pertemuan ke 6 Set Instruksi Computer Organization Dosen : Eko Budi Setiawan Tujuan Memahami representasi set instruksi, dan jenis-jenis format instruksi Mengetahui jenis-jenis type operand yang digunakan
Lebih terperinci1. Pendahuluan Perkembangan teknologi di bidang multimedia dewasa ini demikian pesatnya, khususnya dalam pemanfaatan aplikasi citra/gambar digital. Ir
ANALISIS PERBANDINGAN KOMPUTASI SEKUENSIAL DAN KOMPUTASI PARALEL GPU MEMANFAATKAN TEKNOLOGI NVIDIA CUDA PADA APLIKASI KOMPRESI CITRA MENGGUNAKAN ALGORITMA DCT 8X8 1 Andika Januarianto (50407094) 2 Dr.-Ing.Adang
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 terperinciIMPLEMENTASI EKSTRAKSI FITUR UNTUK PENGELOMPOKAN BERKAS MUSIK BERDASARKAN KEMIRIPAN KARAKTERISTIK SUARA
W ;/--n TUGAS AKHIR KI151601 IMPLEMENTASI EKSTRAKSI FITUR UNTUK PENGELOMPOKAN BERKAS MUSIK BERDASARKAN KEMIRIPAN KARAKTERISTIK SUARA RAMADHAN ROSIHADI PERDANA NRP 5112100032 Dosen Pembimbing I Dr.Eng.
Lebih terperinciBAB II DASAR TEORI. 2.1 Pergerakan Telepon Seluler Sebagai Sumber Data
II-1 BAB II DASAR TEORI Bab ini memuat beberapa dasar teori yang mendukung dalam pengerjaan Tugas Akhir, serta penjelasan mengenai berbagai metode yang digunakan untuk menyelesaikan permasalahan dalam
Lebih terperinciBAB 4 ANALISA DAN BAHASAN
BAB 4 ANALISA DAN BAHASAN 4.1 Spesifikasi Sistem Sistem pengenalan objek 3 dimensi terbagi atas perangkat keras dan perangkat lunak. Spesifikasi sistem baik perangkat keras maupun lunak pada proses perancangan
Lebih terperinciKLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF
KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF Asti Rahma Julian 1, Nanik Suciati 2, Darlis Herumurti 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS
Lebih terperinci>> KLASIFIKASI ARSITEKTURAL
Sri Supatmi,S.Kom >> KLASIFIKASI ARSITEKTURAL Ada 3 skema klasifikasi arsitektural sistem komputer, yaitu: 1. Klasifikasi Flynn Didasarkan pada penggandaan alur instruksi dan alur data dalam sistem komputer.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tabel 4.1 Kebutuhan Perangkat Keras. Perangkat Keras Spesifikasi Processor Intel Core i3. Sistem Operasi Windows 7
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuhan Sistem Sebelum melakukan penelitian dibutuhkan perangkat lunak yang dapat menunjang penelitian. Perangkat keras dan lunak yang digunakan dapat dilihat pada Tabel
Lebih terperinciAplikasi Pengolahan Suara untuk Request Lagu
Aplikasi Pengolahan Suara untuk Request Lagu Achmad Basuki [1], Miftahul Huda [2], Tria Silvie Amalia [1] [1] Jurusan Teknologi Informasi [2] Jurusan Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciBAB 1 PENDAHULUAN. Web caching server mempunyai peranan penting dalam menangani trafik web
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan internet di Indonesia meningkat sangat tajam. Hal ini dibuktikan dengan bertambah nya jumlah pengguna internet sebanyak 17 juta pengguna dalam kurun waktu
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 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 terperinciAplikasi Pengolahan Suara untuk Request Lagu
Aplikasi Pengolahan Suara untuk Request Lagu Achmad Basuki [1], Miftahul Huda [2], Tria Silvie Amalia [1] [1] Jurusan Teknologi Informasi [2] Jurusan Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
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 terperinciANALISIS DAN PERANCANGAN PROGRAM APLIKASI. mahasiswa Binus University secara umum. Dan mampu membantu
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI 3.1. Analisa Sistem 3.1.1. Sejarah Umum Perusahaan Binus Learning Community adalah komunitas belajar binus yang berada dibawah sub unit mentoring Student
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. Bab ini menguraikan proses implementasiuntuk tahap pelatihanneural networks,
BAB IV IMPLEMENTASI DAN EVALUASI Bab ini menguraikan proses implementasiuntuk tahap pelatihanneural networks, pengenalan not, pembangkitan not, dan tahap evaluasi. Aplikasi yang digunakan untuk pengujian
Lebih terperinciANALISIS PENGGUNAAN PARALLEL PROCESSING MULTITHREADING PADA RESILIENT BACKPROPAGATION
ANALISIS PENGGUNAAN PARALLEL PROCESSING MULTITHREADING PADA RESILIENT BACKPROPAGATION Kelvin Onggrono, Tulus, Erna Budhiarti Nababan Magister Teknik Informatika, Universitas Sumatera Utara Jl Universitas
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian mengenai peningkatan kecepatan prediksi produksi susu sapi ini menggunakan metode eksperimen dengan metode sebagai berikut: a. Pengumpulan data
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 terperinciBAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK
BAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK Bab ini menjelaskan perancangan dan implementasi yang dilakukan. Tahap pertama dimulai dengan merancang beberapa classifier yaitu jaringan saraf tiruan
Lebih terperinciprosesor berarsitektur "Core 2" dengan 4 inti
P4 Materi Tambahan Perkembangan dan Evolusi Komputer Intel Duo Core dan Keluarga -nya Core merupakan merek Dagang Intel untuk arsitektur baru Prosesornya yang mengacu kepada teknologi prosesor komputer
Lebih terperinciPERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION ALGORITHM
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol.6 No. 2, Desember 217 : 8-91 PERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION
Lebih terperinciAnalisis Perbandingan Komputasi GPU dengan CUDA dan Komputasi CPU untuk Image dan Video Processing
Analisis Perbandingan Komputasi GPU dengan CUDA dan Komputasi CPU untuk Image dan Video Processing Bagus Kurniawan Teguh Bharata Adji Jurusan Teknik Elektro dan Teknologi Informasi Jurusan Teknik Elektro
Lebih terperinciSeminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016
IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM DAN MEAN SQUARE PERCENTAGE ERROR UNTUK MENGHITUNG PERUBAHAN SPEKTRUM SUARA SETELAH MENGGUNAKAN FILTER PRE-EMPHASIS Fitri Mintarsih 1, Rizal Bahaweres 2, Ricky
Lebih terperinci