ek SIPIL MESIN ARSITEKTUR ELEKTRO
|
|
- Suryadi Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ek SIPIL MESIN ARSITEKTUR ELEKTRO PENGENALAN UCAPAN KATA BERKORELASI TINGGI Mery Subito * Abstract The research on speech recognition by using stochastic ethods has been carried out intensively since 1970 s. One of these ethods is based on the HMM (Hidden Markov Model). Utilizing this odel, the research explored the possibilities of recognizing eight highly correlated Indonesian Words, viz. uka (face), uak (to dislike), kau (you), kau (people), asuk (coe in), kaus (dictionary), kusa (dull), and suka (soul). LPC (Linear Predictive Coding) analysis was carried out to each speech signal of the spoken words to extract the iportant features. The HMM was then applied for the training sessions as well as in the recognition phase. The results show that this word recognition schee was, on the average, 97% successful. Key word: LPC, Linear Predictive Coding, HMM, Hidden Markov Model Abstrak Penelitian pengenalan ucapan oleh koputer dengan etode stokastik sudah ulai dipopulerkan sejak tahun 1970-an. Salah satu bentuk etode pendekatan stokastik adalah Hidden Markov Model. Penelitian ini enggunakan odel tersebut untuk enganalisis dan engenali delapan ucapan kata bahasa Indonesia yang eiliki korelasi tinggi antara kata yang satu dengan kata yang lainnya, yaitu: uka, uak, kau, kau, asuk, kaus, kusa dan suka. Analisis LPC (Linear Predictive Coding) digunakan untuk encari ciri-ciri penting setiap sinyal suara i kata-kata terucap. Selanjutnya HMM (Hidden Markov Model) digunakan untuk pelatihan dan pengenalan. Hasil penelitian enunjukkan bahwa rata-rata pengenalan seluruh kata cukup signifikan yaitu di atas 97%. Kata kunci: LPC, HMM 1. Pendahuluan Proses pengenalan ucapan oleh anusia ulai terbentuk sejak balita yaitu ketika sudah dapat endengar dan apu engeluarkan bunyi. Proses ini tanpa disadari dilakukan elalui proses pebelajaran, yaitu belajar engenal ucapan yang didengar. Pada anusia tidaklah begitu sulit untuk engenali suatu ucapan yang didengarnya, karena anusia epunyai siste inforasi yang sangat canggih dan eiliki keapuan pengenalan pola yang sangat baik. Pola tutur kata dari setiap penutur bergantung pada bunyi dari tutur bahasa yang diucapkan. Penelitian pengenalan suara dengan tutur kata bahasa Indonesia enggunakan jaringan syaraf tiruan telah dilaksanakan, naun terbatas pada peilihan kata-kata yang korelasinya rendah. Penelitian tersebut engalai habatan pada peilihan kata-kata berkorelasi tinggi. Siste jaringan yang dibangun tidak dapat engenali kata-kata yang korelasinya tinggi dengan baik. Mengacu kepada perasalahan tersebut diatas aka penelitian ini sesuai dengan judulnya, * Staf Pengajar Jurusan Teknik Listrik Fakultas Teknik Universitas Tadulako, Palu
2 Pengenalan Ucapan Kata Berkorelasi Tinggi) (Mery Subito) yaitu Pengenalan Ucapan Kata Berkorelasi Tinggi encoba enyelesaikannya dengan enggunakan pendekatan etode lain, yaitu dengan siste pengenal pola yang enggunakan LPC untuk proses ekstraksi ciri dan HMM untuk proses klasifikasi. Adapun tujuan penelitian ini adalah eanfaatkan siste pengenal pola ucapan untuk enganalisis dan engenali bentuk atau pola sinyal ucapan yang terdiri dari kata-kata yang epunyai korelasi tinggi satu saa lain. Dengan siste pengenal pola yang enggunakan LPC untuk proses ekstraksi ciri dan HMM untuk proses klasifikasi akan diaati tingkat keberhasilan siste untuk engenali ucapan kata-kata berkorelasi tinggi. 2. Tinjauan Pustaka 2.1 Analisis LPC Secara garis besarnya, prosesor odel LPC dibagi kedala 8 bagian seperti diperlihatkan pada Gabar-1. Bagian-bagian tersebut adalah seperti berikut. a. Preephasis; sinyal suara digital s(n), diasukkan kedala siste digital orde rendah (biasanya berupa filter FIR orde satu) untuk ereratakan spektru sinyal. b. Bingkai peblok; sinyal suara hasil preephasis diblok kedala beberapa bingkai N sapel suara, dengan jarak antara bingkai yang berdekatan dipisahkan oleh M saple untuk ebentuk overlap sinyal, sehingga hasil estiasi spektral LPC akan berkorelasi dari bingkai ke bingkai; c. Penjendelaan; setiap frae keudian dijendelakan (proses windowing) untuk einialkan diskontinuitas sinyal pada awal dan akhir bingkai. Jendela yang biasa digunakan untuk etode autokorelasi LPC adalah jendela Haing dengan bentuk: 2 n..(1) w( n) 0,54 0,46cos, 0 n N 1, N 1 d. Analisis autokorelasi; setiap bingkai sinyal yang telah dijendelakan keudian dianalisis autokorelasinya untuk eberikan: ~ ) ~ (2) l ( ) xl ( n xl ( n ), 0,1,, p, r dengan nilai autokorelasi tertinggi, p, adalah orde analisis LPC. Autokorelasi ke-nol Rl(0) erupakan energi bingkai yang ke-l. e. Analisis LPC; pada tahap ini setiap bingkai dengan autokorelasi ke-(p+1) akan dikonversi ke bentuk paraeterparaeter LPC yang dapat berupa koefisien LPC, koefisien refleksi, cepstral coefficients atau transforasi yang lainnya sesuai kebutuhan. f. Konversi paraeter LPC enjadi koefisien cepstral; Rangkaian paraeter yang sangat penting, yang dapat diturunkan secara langsung dari rangkaian koefisien LPC adalah koefisien cepstral, c(), yang ditentukan secara rekursif sebagai berikut: 2 c.(3) c c 0 ln a k cka k cka 1 k1 1 k1 k k,, (4) 1 p p, (5) dengan 2 adalah gain dala odel LPC. g. Pebobotan paraeter; karena cepstral coefficients orde rendah sensitif terhadap keiringan spektru dan cepstral coefficients orde tinggi sensitif terhadap derau, aka dilakukan pebobotan cepstral coefficient dengan jendela penyadap sehingga einialkan sensitivitas tersebut. h. Turunan cepstral terhadap waktu; representasi cepstral dari spektru suara eberikan representasi yang bagus atas sinyal spektru lokal untuk analisis bingkai. 125
3 Jurnal SMARTek, Vol. 6, No. 2, Mei 2008: Peningkatan reprensentasi dapat diperoleh elalui aproksiasi c(t)/(t) dengan polinoial ortogonal pada jendela dengan panjang berhingga, yaitu : c c t K tk kc ( t k),.(6) dengan adalah konstanta noralisasi yang tepat dan (2K + 1) adalah julah bingkai pada waktu koputasi dikerjakan. Untuk setiap bingkai t, hasil analisis LPC adalah vektor koefisien cepstral terbobot Q, yaitu : o ˆ ˆ ˆ t ( c1, c2( t),, cq, c1, c2,, cq,...(7) dengan ot adalah koponenkoponen vektor 2Q dan enunjukkan atriks transpose. Hasil analisis prosesor LPC berupa besaran paraeter-paraeter koefisien cepstral ( cˆ ), turunan koefisien cepstral ( ˆ ), besaran c energi bingkai (e), dan besaran turunan energi frae (de) akan enjadi runtun observasi bagi HMM, dituliskan dala bentuk: cˆ ˆ o = [ c e de] (8) 2.2. Model Markov Tersebunyi Model arkov tersebunyi adalah salah satu bentuk odel Markov dengan observasi yang erupakan sebuah fungsi probabilistik keadaan, artinya, odel yang dihasilkan adalah sebuah proses stokastik yang disipan secara berganda. Proses stokastik tidak dapat diobservasi langsung, tetapi dapat diobservasi hanya elalui rangkaian proses stokastik yang enghasilkan runtun observasi. Suatu odel HMM dinyatakan dengan sibol = (A,B, ) yang enetapkan besaran probabilitas untuk O, P(O), seperti berikut. a. Distribusi probabilitas transisi keadaan A = {aij} dengan: a P q ij j q i, 1 i, j, t1 t N (9) Untuk kasus khusus bila setiap state dapat enjangkau setiap state lainnya pada satu langkah tunggal, aka aij > 0 untuk seua i,j. N M W(n) p S(n) ( ) Preephasis ~ s n Xt(n) ~ xt ( n ) Bingkai peblok penjendelaa Analisis autokorelasi de e Teporal Derivative w() r(t) Teporal Pebobotan Konversi cˆ Derivative paraeter c(t) paraeter s(t) LPC ˆ c Analisis LPC Gabar 1. Diagra blok ekstraksi ciri dengan analisis LPC 126
4 Pengenalan Ucapan Kata Berkorelasi Tinggi) (Mery Subito) b. Distribusi probabilitas sibol observasi B = {bj(k)}, dengan: v q j, 1 k, b ( k) P o M.(10) j t k t enetapkan distribusi sibol dala keadaan j, j = 1, 2,, N. c. Distribusi state inisial }, dengan: i q i, 1 i N, P t { i (11) 3. Metode Penelitian 3.1 Bahan penelitian Bahan diteliti adalah ucapan kata-kata yang berkorelasi tinggi yang akan diucapkan oleh banyak penutur. Sapel penelitian adalah 8 buah kata bahasa Indonesia yaitu : uka, uak, kau, kau, asuk, kaus, kusa, suka. Untuk ebuktikan bahwa ke-8 kata yang telah ditetapkan itu benarbenar eiliki korelasi yang tinggi satu saa lain aka dilakukan analisis korelasi terhadap spektrunya dengan koefisien FFT sebesar 256. Julah penutur sebanyak 85 orang dengan spesifikasi dinyatakan dala tabel Alat penelitian Alat yang digunakan dala penelitian ini adalah eliputi perangkat keras yang terdiri atas ikrofon sebagai alat pereka dan seperangkat PC (Personal coputer). Sedangkan untuk proses pengabilan data dan pengolahan serta pebuatan laporan dibutuhkan perangkat lunak, yang dala penelitian ini enggunakan progra aplikasi Microsoft Word 2000, toolbox h2 dan Matlab Jalannya penelitian Penelitian dilakukan dengan sapel data yang dibedakan untuk kelopok pengucap berdasarkan jenis kelain yaitu laki-laki dan perepuan serta untuk keseluruhan pengucap. Secara garis besar jalannya penelitian pengenalan ucap dapat dilihat pada gabar 2. Tabel 1. Spesifikasi pengucap sebagai bahan penelitian No. Spesifikasi Julah Total Julah 1 Berdasarkan jenis kelain Laki-laki Perepuan 2 Berdasarkan uur uur uur uur 40 uur Kata Terucap Proses Perekaan Proses Ekstraksi Ciri Proses HMM Kata Terkenali Perosesan Awal Perosesan Akhir Gabar 2. Blok diaga proses pengenalan ucap 127
5 Jurnal SMARTek, Vol. 6, No. 2, Mei 2008: Gabar 3. Cara perekaan ucapan kata N M W(n) p Preephasis S(n ( ) Frae Blocking ~ Windowing s n Xt(n) ~ xt ( n ) Autocorrelation Analysis e r (t) Teporal Derivative de w() Teporal Paraeter LPC Paraeter cˆ Derivative Weighting c(t) Conversion s(t) LPC Analysis ˆ c Gabar 4. Blok diagra ekstraksi ciri dengan analisis LPC Adapun tahapan pelaksanaan penelitian sesuai dengan blok diagra diatas adalah : 1. Tahap pertaa, pengabilan data suara dengan cara ereka sapel kata yang telah ditetapkan sebanyak 8 kata oleh 85 orang pria dan wanita dengan frekuensi perekaan 8000Hz. Proses perekaan enggunakan perangkat keras ikrofon dan PC serta perangkat lunak perekaan yang sebelunya telah dibuat dengan bantuan GUI pada progra Matlab6P1, seperti terlihat pada gabar-3. Hasil perekaan disipan dala file dengan forat.at 128
6 Pengenalan Ucapan Kata Berkorelasi Tinggi) (Mery Subito) 2. Tahap kedua, elakukan analisis LPC untuk endapatkan ciri-ciri besaran dari setiap kata yang diucapkan enggunakan fungsi-fungsi progra yang sebelunya telah dibuat di Matlab6P1. Paraeter LPC yang digunakan adalah p = 8, N = 400 (julah sapel perfrae), dan M = 100 (jarak antara frae yang berturutan). Blok diagra analisis LPC yang enghasilkan runtun vektor ciri yang terdiri atas 18 eleen berbentuk o = [c dc e de] dapat dilihat pada gabar-4, dengan c adalah besaran koefisien cepstral sebanyak 8 eleen, dc adalah besaran turunan koefisien cepstral terhadap waktu sebanyak 8 eleen, e adalah besaran energi frae sebanyak 1 eleen dan de adalah besaran turunan energi frae sebanyak 1 eleen. a11 a22 ann a12 a N Gabar 5. HMM kiri-kanan dengan N cacah keadaan M u l a i Inisialisasi paraater odel Paraeter awal = Paraeter baru Reestiasi paraeter odel Konvergensi or Iiterasi tercapai? S e l e s a i Gabar 6. Diagra alir proses pelatihan 129
7 Jurnal SMARTek, Vol. 6, No. 2, Mei 2008: Tahap ketiga, elakukan proses pelatihan setiap kata enggunakan odel HMM kiri-kanan dengan fungsi latih_h yang sebelunya telah dibuat di Matlab6P1. Type proses pelatihan adalah type terbibing, diana keseluruhan runtun observasi hasil ekstraksi ciri akan engalai proses pelatihan berurutan sesuai dengan urutan jenis kata yang diucapkan yang tersipan dala satu berkas (file).at. Gabar odel HMM kiri-kanan dengan N cacah keadaan dapat dilihat pada gaabr-5. Sedangkan diagra alir proses pelatihan dapat dilihat pada gabar-6 dengan algorita sebagai berikut : a. Menentukan nilai awal paraeter odel A,,, ) yaitu : 0 ( U 0 o probabilitas transisi keadaan A0, dipilih aii = 0,75; aii+1=0,25; ann=1, untuk 1 i N, dan probabilitas keadaan awal i = 1 untuk i = 1 dan i = 0 untuk i 1 dengan fungsi init_pi_a o penentuan nilai awal 0 dan U0 oleh toolbox H2M dengan cara engelopokkan asingasing runtun observasi (hasil ekstraksi ciri) kedala N kelopok sesuai cacah keadaan HMM. Terhadap setiap kelopok runtun observasi akan dilakukan penghitungan nilai rerata dan nilai kovarians dengan fungsi h_int diana vektor rerata enjadi nilai awal 0 dan atriks kovarians enjadi nilai awal U0. b. Pada proses pelatihan ini dilakukan reestiasi paraeter odel untuk keudian dihitung nilai probabilitas P(O) untuk enguji konverginitas pelatihan dengan algorita Bau-Welch. Proses pelatihan dinyatakan konvergen apabila cacah iterasi aksiu (yang dala penelitian ini dipilih julah iterasi 40) tercapai atau apabila konvergenitas proses pelatihan encapai nilai : P( O 0) ) / 2 P( O 1) P( O 0) / ( P( O 1) abang 0,0001, Proses reestiasi odel A,,, U ) dilakukan oleh i ( i i i i fungsi-fungsi yang terdapat di dala toolbox h2, sebagai berikut : o reestiasi paraeter Ai enggunakan fungsi h_est o reestiasi paraeter i dan Ui enggunakan fungsi ix_par o paraeter i tidak direestiasi karena nilainya yang deterinistik sesuai dengan kekangan yang ada pada paraeter tersebut. Setelah iterasi aksiu tercapai atau syarat konvergen tercapai aka akan diperoleh hasil pelatihan berupa paraeter-paraeter odel opt = (A,,, U), ditabah dengan nilai logarita probabilitas untuk setiap iterasi dan peubah naa kata yang diodelkan. Pelatihan untuk seluruh kata enggunakan fungsi latihan_ucap yang akan enghasilkan 8 odel HMM sesuai julah jenis kata yang diucapkan asing-asing dengan N cacah keadaan, dengan odel output pelatihan : pola = [A_; pi_; u_; siga_ ; LL; naa], dengan A_ adalah atriks probabilitas transisi keadaan (NxN), pi_ adalah probabilitas keadaan awal (1xN), u_ adalah N buah rerata vektor ciri [1x(2p+1+1)], siga_ adalah N buah atriks kovarians [(2p+1+1)x(2p+1+1)], LL adalah logarita probabilitas iterasi, dengan p adalah orde LPC dan N adalah cacah keadaan HMM. Pelatihan dilakukan dengan beberapa type, yaitu untuk keseluruhan data yang ada dengan cacah keadaan yang berbeda-beda yaitu dipilih dari 130
8 Pengenalan Ucapan Kata Berkorelasi Tinggi) (Mery Subito) cacah keadaan 5 sapai dengan 8, yang akan enghasilkan odel optial dari asing-asing kata untuk enjadi pola referensi. Juga dilakukan pelatihan runtun observasi untuk asing-asing kelopok berdasarkan jenis kelain pengucap yaitu kelopok pengucap perepuan dan kelopok pengucap laki-laki. 4. Tahap keepat, elakukan pengujian/pengenalan atas sapel kata-kata yang telah dilatih aupun yang belu dilatih dan enghitung persentasi keberhasilan pengujian, serta engaati pada cacah keadaan berapa dicapai tingkat keberhasilan tertinggi. Untuk proses pengujian atau pengenalan setiap kata enggunakan fungsi uji_kata dan untuk pengenalan seluruh kata terucap digunakan fungsi uji_ucap. Hasil koputasi uji_ucap adalah persentase keberhasilan pengenalan seluruh kata, persentase keberhasilan pengenalan asing-asing kata dan penyataan kata yang salah dikenali yang dapat dilihat dengan fungsi hasil_ucap, ditulis dala bentuk: [hasil, has, yg_salah]=hasil_ucap(path,kosa), dengan path adalah direktori tepat enyipan file kata-kata terucap, dan kosa adalah variabel sel berisi odel HMM seluruh kata. Terhadap sapel data hasil rekaan dilakukan proses ekstraksi ciri untuk endapatkan runtun observasi, untuk keudian dihitung probabilitas odel runtun observasi enggunakan algorita viterbi dan dipilih probabilitas aksiu odel yang akan dibandingkan dengan odel pola referensi hasil pelatihan untuk keudian ditetapkan sebagai kata yang terkenali sesuai dengan kecocokan pola referensi yang ada. Diagra blok pengenalan kata berdasarkan algorita viterbi dapat dilihat pada gabar-7. 1 HMM kata-1 Menghitung Probabilitas P(O 1 ) Runtun 2 Indeks kata Isyarat Observasi (O) HMM kata-2 terkenali Ucap Analisis LPC Menghitung Probabilitas Peilih Probabilitas Maksiu v HMM kata-v P(O v ) Menghitung Probabilitas Gabar 7. Diagra Blok Pengenal Kata 131
9 Jurnal SMARTek, Vol. 6, No. 2, Mei 2008: Hasil dan Pebahasan Adapun hasil yang telah diperoleh dala penelitian ini adalah seperti berikut. 1. Untuk pengujian kata-kata yang dipilih sebagai bahan penelitian adalah benar eiliki korelasi satu saa lain telah dilakukan penghitungan koefisien korelasi diantara kata yang satu dengan kata yang lainnya enggunakan fungsi seperti berikut. [uka]=wavread('uka030'); x=spectru(uka,256,0,hain g(256)); a=x/ax(x); [uak]=wavread('uak030'); x=spectru(uak,256,0,hain g(256)); b=x/ax(x); Y=corrcef (a,b) Hasil penghitungan korelasi antara 2 kata dinyatakan dala bentuk tabel yang dapat dilihat pada tabel-2 yang enunjukkan adanya korelasi yang tinggi antara kata yang satu dengan kata yang lain, khususnya pada kata kau dan kaus enunjukkan koefisien korelasi 0, Penelitian dengan sapel data yang diucapkan oleh 85 pengucap lakilaki dan perepuan, dengan runtun observasi o = [c dc e de] dan variasi cacah keadaan odel HMM dari 5-8 dapat dilihat pada Tabel 3. Tabel 2. Koefisien korelasi antara kata yang enjadi bahan penelitian uka uak kau kau asuk kaus kusa suka uka 1 0,5788 0,9420 0,8009 0,7161 0,9299 0,9379 0,7584 uak 0, ,6581 0,8770 0,7643 0,7258 0,5205 0,7235 kau 0,9420 0, ,9069 0,8170 0,9787 0,9249 0,8948 kau 0,8009 0,8770 0, ,8934 0,9255 0,7581 0,9098 asuk 0,7161 0,7643 0,8170 0, ,8718 0,7271 0,8497 kaus 0,9299 0,7258 0,9787 0,9255 0, ,8992 0,8835 kusa 0,9379 0,5205 0,9249 0,7581 0,7271 0, ,8161 suka 0,7584 0,7235 0,8948 0,9098 0,8497 0,8835 0, Tabel 3.. Persentase rata-rata pengenalan kata seluruh pengucap dengan variasi cacah keadaan; (o = [c dc e de]) No. Cacah Sapel Kata Total State uka uak Kau Kau asuk kaus kusa suka Hasil
10 Pengenalan Ucapan Kata Berkorelasi Tinggi) (Mery Subito) Tabel 4. Pengaruh orde analisis LPC terhadap pengenalan ucapan Orde Sapel Kata Total No. LPC Muka uak Kau kau asuk kaus kusa Suka Hasil Tabel-5. Persentase pengenalan 24 ucapan laki-laki terhadap pelatihan 15 ucapan laki-laki Kata Kata terkenali sebagai Terucap uka uak kau kau asuk kaus kusa suka X uka uak kau kau asuk kaus kusa suka Penelitian untuk elihat pengaruh perubahan orde analisis LPC terhadap tingkat pengenalan ucapan kata berkorelasi tinggi, yaitu dengan enetapkan paraeterparaeter N=400, M=100, cacah keadaan 7, dan variasi orde dari 8 sapai 10 (Tabel 4). 5. Penelitian untuk elihat pengaruh korelasi terhadap pengenalan kata, dengan julah data pelatihan 15 dan julah data pengenalan 24, pada cacah keadaan 7, p = 8, N=400, dan M =100, dengan hasil seperti pada Tabel Kesipulan Dari hasil penelitian diatas dapat disipulkan yang berikut. 1) Ucapan kata-kata yang berkorelasi tinggi dapat dikenali oleh koputer setelah terlebih dahulu dilakukan proses ekstraksi ciri enggunakan odel LPC dan proses klasifikasi enggunakan odel HMM, dengan tingkat pengenalan cukup signifikan yaitu di atas 97%. 2) Pengenalan encapai tingkat keberhasilan tertinggi pada cacah keadaan 7 untuk runtun observasi dengan epat ciri-ciri besaran yaitu koefisien cepstral dan turunannya serta koefisien energi dan turunannya diana rata-rata keberhasilan pengenalan untuk seluruh kata adalah 99%. 3) Perubahan orde analisis LPC tidak eberikan pengaruh yang signifikan terhadap tingkat pengenalan ucapan kata berkorelasi tinggi diana pada penelitian ini untuk orde LPC dari 8 sapai
11 Jurnal SMARTek, Vol. 6, No. 2, Mei 2008: tingkat pengenalan rata-rata di atas 97%. 4) Korelasi antara kata yang sangat tinggi akan eberikan pengaruh terhadap tingkat pengenalan kata tersebut. Tingkat pengenalan kata terucap kau dikenali 50% sebagai kata kaus, hal ini dikarenakan korelasi antara kedua kata yang cukup tinggi yaitu 0,9787. Wilpon, J.G., 1990, Autoatic Recognition of Keywords in Unconstrained Speech Using Hidden Markov Models, IEEE Transaction on Acoustic, Speech, and Signal Processing, vol. 38. No Daftar Pustaka Basuki, A., 2002, Pengenalan Tutur kata Terisolasi Menggunakan Model Markov Tersebunyi, Tesis Progra Studi Teknik Elektro Progra Pasca Sarjana UGM. Bristow, G., 1976, Electronic Speech Synthesis, McGraww-Hill Book Copany Deller, J. R., 1993, Discrete-Tie Processing of Speech Signals, Macilon Publishing Copany, a division of Macillan, Inc. Fadlil, M., 2000, Pengenalan Ucapan Dengan Jaringan Syaraf Tiruan Kuantisasi Vektor Adaptif, Tesis Progra Studi Teknik Elektro Progra Pasca Sarjana UGM. Fallside, F., dan Woods A. W., 1985, Coputer Speech Processing, Prentice-Hall, Inc. Rabiner, L., 1993, Fundaentals of Speech Recogniton, Prentice- Hall International,Inc. Schalkoff, R.J.,1992, Pattern Recognition : Statistical, Structural and Neural Approach, John Willey & Sons Inc. Canada. Susilawati, H., 2001, Aplikasi Jaringan Syaraf Tiruan untuk Pengenalan Suara pada Lingkungan berderau, Tesis Progra Studi Teknik Elektro Progra Pasca Sarjana UGM. 134
Sigit Nur Rohman Achmad Hidayatno Ajub Ajulian Zahra ABSTRACT
APLIKASI PENCIRIAN DENGAN LINEAR PREDICTIVE CODING UNTUK PEMBELAJARAN PENGUCAPAN NAMA HEWAN DALAM BAHASA INGGRIS MENGGUNAKAN JARINGAN SARAF TIRUAN PROPAGASI BALIK Sigit Nur Rohan Achad Hidayatno Ajub Ajulian
Lebih terperinciPengenalan Fonem Vokal Bahasa Jawa Mataraman Menggunakan Metode Liner Predictive Model Dan Hidden Markov Model
Pengenalan Fonem Vokal Bahasa Jawa Mataraman Menggunakan Metode Liner Predictive Model Dan Hidden Markov Model Ziaul Haq, Teknik Informatika S1,Universitas Dian Nuswantoro Semarang Abstract Pengenalan
Lebih terperinciBAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin.
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciJurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jl. Prof. Sudharto, Tembalang, Semarang, Indonesia
APLIKASI KENDALI ADAPTIF PADA SISTEM PENGATURAN TEMPERATUR CAIRAN DENGAN TIPOLOGI KENDALI MODEL REFERENCE ADAPTIVE CONTROLLER (MRAC) Ferry Rusawan, Iwan Setiawan, ST. MT., Wahyudi, ST. MT. Jurusan Teknik
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 terperinciImplementasi Histogram Thresholding Fuzzy C-Means untuk Segmentasi Citra Berwarna
JURNAL TEKNIK POMITS Vol., No., (03) ISSN: 337-3539 (30-97 Print) Ipleentasi Histogra Thresholding Fuzzy C-Means untuk Segentasi Citra Berwarna Risky Agnesta Kusua Wati, Diana Purwitasari, Rully Soelaian
Lebih terperinciBAB III METODE BEDA HINGGA CRANK-NICOLSON
BAB III METODE BEDA HINGGA CRANK-NICOLSON 3. Metode Beda Hingga Crank-Nicolson (C-N) Metode Crank-Nicolson dikebangkan oleh Crank John dan Phyllips Nicholson pada pertengahan abad ke-, etode ini erupakan
Lebih terperinciBAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelumnya bahwa dalam mengonstruksi field GF(3 )
BAB IV BAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelunya bahwa dala engonstruksi field GF(3 ) diperoleh dari perluasan field 3 dengan eilih polinoial priitif berderajat atas 3 yang dala hal
Lebih terperinciCLASSIFIER BERDASAR TEORI BAYES. Pertemuan 4 KLASIFIKASI & PENGENALAN POLA
CLASSIFIER BERDASAR TEORI BAYES Perteuan 4 KLASIFIKASI & PENGENALAN POLA Miniu distance classifiers elakukan klasifikasi berdasarkan jarak terpendek. Ada dua jenis yang dibahas:. The Euclidean Distance
Lebih terperinciBAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data dan Variabel 2.1.1 Data Pengertian data enurut Webster New World Dictionary adalah things known or assued, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap.
Lebih terperinciPenekanan Derau secara Adaptif pada Pengenalan Ucapan Kata
Penekanan Derau secara Adaptif pada Pengenalan Ucapan Kata Achmad Bayhaki (L2F 002 541) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Semarang, Indonesia trainingmoment@yahoo.com Abstrak
Lebih terperinciAPLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR MOBIL DENGAN PENGENDALI JARAK JAUH
APLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR MOBIL DENGAN PENGENDALI JARAK JAUH Muh. Widyanto Tri Saksono*, Achmad Hidayatno, ST, MT **, Ajub Ajulian Z, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciAPLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR KECEPATAN PUTARAN KIPAS ANGIN
APLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR KECEPATAN PUTARAN KIPAS ANGIN Riva Anggara Yudha*, Achmad Hidayatno, ST, MT **, Ajub Ajulian Z, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningrum*, Imam Santoso**, R.
1 MAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningru*, Ia Santoso**, R.Rizal Isnanto** Abstrak - Tekstur adalah karakteristik yang penting
Lebih terperinciBAB III UJI STATISTIK PORTMANTEAU DALAM VERIFIKASI MODEL RUNTUN WAKTU
BAB III UJI STATISTIK PORTMANTEAU DALAM VERIFIKASI MODEL RUNTUN WAKTU Salah satu langkah yang paling penting dala ebangun suatu odel runtun waktu adalah dari diagnosisnya dengan elakukan peeriksaan apakah
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di PT Tirta Ala Seesta. Perusahaan tersebut berlokasi di Desa Ciburayut, Kecaatan Cigobong, Kabupaten Bogor. Peilihan objek
Lebih terperinciSistem Linear Max-Plus Interval Waktu Invariant
Siste Linear Max-Plus Interval Waktu Invariant A 11 M. Andy udhito Progra Studi Pendidikan Mateatika FKIP Universitas Sanata Dhara Paingan Maguwoharjo Yogyakarta eail: arudhito@yahoo.co.id Abstrak elah
Lebih terperincimemahami kata-kata yang diucapkan dengan cara digitalisasi kata dan mencocokkan sinyal digital dengan suatu pola tertentu. Kata-kata yang diucapkan di
APLIKASI PENGENALAN UCAPAN KATA BAHASA INGGRIS MENGGUNAKAN LINEAR PREDICTIVE CODING (LPC) DAN HIDDEN MARKOV MODEL (HMM) Juniar Lestary ne3a_azza@yahoo.com Universitas Gunadarma Jl. Margonda Raya No. 100
Lebih terperinciBAB III ESTIMASI PARAMETER PADA MODEL REGRESI LOGISTIK 2-LEVEL. Model hirarki 2-level merupakan model statistik yang digunakan untuk
BAB III ESTIMASI PARAMETER PADA MODEL REGRESI LOGISTIK -LEVEL Model hirarki -level erupakan odel statistik ang digunakan untuk enganalisis data ang bersarang, atau data ang epunai struktur hirarki -level.
Lebih terperinciPenerapan Metode Simpleks Untuk Optimalisasi Produksi Pada UKM Gerabah
Konferensi Nasional Siste & Inforatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Penerapan Metode Sipleks Untuk Optialisasi Produksi Pada UKM Gerabah Ni Luh Gede Pivin Suwirayanti STMIK STIKOM Bali Jl. Raya
Lebih terperinciPENJUMLAHAN MOMENTUM SUDUT
PENJUMAHAN MOMENTUM SUDUT A. Penjulahan Moentu Sudut = + Gabar.9. Penjulahan oentu angular secara klasik. Dua vektor oentu angular dan dijulahkan enghasilkan Jika oentu angular elektron pertaa adalah dan
Lebih terperinciPENYEARAH TERKENDALI SATU FASA BERUMPAN BALIK DENGAN PERUBAHAN GAIN PENGENDALI PI (PROPORSIONAL INTEGRAL)
Media Elektrika, ol. 8, No. 1, Juni 015 ISSN 1979-7451 PENYEARAH TERKENDALI SATU FASA BERUMPAN BALIK DENGAN PERUBAHAN GAIN PENGENDALI PI (PROPORSIONAL INTEGRAL) Adhi Kusantoro, ST, MT [1] Ir.Agus Nuwolo,
Lebih terperinciMATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan
Kristal no.12/april/1995 1 MATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan Di dala ateatika anda pasti sudah pernah berhadapan dengan sebuah siste persaaan linier. Cacah persaaan yang berada di dala siste
Lebih terperinciIMPLEMENTASI PANORAMIC IMAGE MOSAIC DENGAN METODE 8 PARAMETER PERSPECTIVE TRANSFORMATION
IMPLEMENTSI PNORMIC IMGE MOSIC DENGN METODE 8 PRMETER PERSPECTIVE TRNSFORMTION Rud dipranata, Hendra Litoo, Cherr G. Ballangan Teknik Inforatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciPerbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil
Vol. 2, 2017 Perbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil Widiarti 1*, Rifa Raha Pertiwi 2, & Agus Sutrisno 3 Jurusan Mateatika, Fakultas Mateatika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Konsep Dasar Graph Sebelu sapai pada pendefinisian asalah network flow, terlebih dahulu pada bagian ini akan diuraikan engenai konsep-konsep dasar dari odel graph dan representasinya
Lebih terperinciEstimasi Sinyal Quantitative Ultrasound QUS dengan Algoritma Space Alternate Generalized Expectation (SAGE)
JUISI, Vol. 03, No. 02, Agustus 2017 1 Estiasi Sinyal Quantitative Ultrasound QUS dengan Algorita Space Alternate Generalized Expectation (SAGE) Musayyanah 1, Yosefine Triwidyastuti 2, Heri Pratikno 3
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada bab ini enjelaskan engenai berbagai teori yang digunakan untuk elakukan penelitian ini. Bab ini terdiri dari penjelasan engenai penghitung pengunjung, lalu penjelasan engenai
Lebih terperinciPERBANDINGAN METODE KEMUNGKINAN MAKSIMUM DAN BAYES DALAM MENAKSIR KEMAMPUAN PESERTA TES PADA RANCANGAN TES ADAPTIF ABSTRAK
PERBANDINGAN METODE KEMUNGKINAN MAKSIMUM DAN BAYES DALAM MENAKSIR KEMAMPUAN PESERTA TES PADA RANCANGAN TES ADAPTIF Agus Santoso Jurusan Statistik FMIPA Universitas Terbuka eail:aguss@ut.ac.id ABSTRAK Penelitian
Lebih terperinciBAB II METODOLOGI PENELITIAN
6 BAB II METODOLOGI PENELITIAN.1 Waktu dan Tepat Penelitian Gabar Peta kawasan hutan KPH Madiun Peru perhutani Unit II Jati. Pengabilan data penelitian ini dilakukan pada bulan Oktober sapai dengan bulan
Lebih terperinciPENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL
PENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL Waris Wibowo Staf Pengajar Akadei Mariti Yogyakarta (AMY) ABSTRAK Penelitian ini bertujuan untuk endapatkan
Lebih terperinciIII HASIL DAN PEMBAHASAN
7 III HASIL DAN PEMBAHASAN 3. Analisis Metode Dala penelitian ini akan digunakan etode hootopi untuk enyelesaikan persaaan Whitha-Broer-Koup (WBK), yaitu persaaan gerak bagi perabatan gelobang pada perairan
Lebih terperinciBENTUK GELOMBANG AC SINUSOIDAL
BENTUK GELOMBANG AC SINUSOIDAL. PENDAHULUAN Pada bab sebelunya telah dibahas rangkaian resistif dengan tegangan dan arus dc. Bab ini akan eperkenalkan analisis rangkaian ac diana isyarat listriknya berubah
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 terperinciANALISA PENGGUNAAN GENEATOR INDUKSI TIGA FASA PENGUATAN SENDIRI UNTUK SUPLAI SISTEM SATU FASA
ANALISA PENGGUNAAN GENEATOR INDUKSI TIGA ASA PENGUATAN SENDIRI UNTUK SUPLAI SISTEM SATU ASA Maulana Ardiansyah, Teguh Yuwono, Dedet Candra Riawan Jurusan Teknik Elektro TI - ITS Abstrak Generator induksi
Lebih terperinciKAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE () DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 05 Desen pebibing:
Lebih terperinciKriptografi Visual Menggunakan Algoritma Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gambar Sampul
Kriptografi Visual Menggunakan Algorita Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gabar Sapul Yusuf Rahatullah Progra Studi Teknik Inforatika Institut Teknologi Bandung Bandung, Indonesia 13512040@std.stei.itb.a.id
Lebih terperinciPERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG )
PERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG ) Siti Munawaroh, S.Ko Abstrak: Koperasi Aanah Sejahtera erupakan
Lebih terperinciModel Produksi dan Distribusi Energi
Model Produksi dan Distribusi Energi Yayat Priyatna Jurusan Mateatika FMIPA UNPAD Jl. Raya Jatinangor Bdg Sd K 11 E ail : yatpriyatna@yahoo.co Abstrak Salah satu tujuan utaa proses produksi dan distribusi
Lebih terperinciSuara bisa dibuat database engine untuk pengenalan kata. Dengan aplikasi ini, dapat secara otomatis melakukan transkripsi suara, sehingga dapat mengur
PEMBENTUKAN BASIS DATA UCAPAN DALAM BAHASA INDONESIA DAN PENGKODEANNYA BERDASARKAN LINEAR PREDICTIVE CODING (LPC) Elly Oktarina zonalee_cho@yahoo.com Universitas Gunadarma Jl. Margonda Raya No. 100 Pondok
Lebih terperinciRANCANG BANGUN KAMUS VISUAL BAHASA INGGRIS TENTANG PETERNAKAN BERBASIS FLASH DENGAN MENGGUNAKAN VOICE RECOGNITION
RANCANG BANGUN KAMUS VISUAL BAHASA INGGRIS TENTANG PETERNAKAN BERBASIS FLASH DENGAN MENGGUNAKAN VOICE RECOGNITION Moch. Agus Eko Fachtur Rochman Teknik Informatika, Universitas Kanjuruhan Malang, augustus.synystrosaurus@gmail.com
Lebih terperinciKAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA
Jurnal Mateatika UNAND Vol. 3 No. 4 Hal. 160 167 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND KAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA
Lebih terperinciBAB IV GENERATOR BILANGAN RANDOM
BAB IV GENERATOR BILANGAN RANDOM 4.1. Generator Bilangan Rando dan Fungsi Distribusi Pada siulasi seringkali dibutuhkan bilangan-bilangan yang ewakili keadaan siste yang disiulasikan. Biasanya, kegiatan
Lebih terperinciTRANSFORM FOURIER CEPAT MATEMATIS UNTUK MENGANALISIS SPEKTRUM FREKUENSI LINIER SINYAL TUTUR
ISS: 1693-6930 31 TRASFORM FOURIER CEPAT MATEMATIS UTUK MEGAALISIS SPEKTRUM FREKUESI LIIER SIYAL TUTUR Salan Abd. Cadu 1, Prayoto 2, Adhi Susanto 3, Kirbani Sri Brotopuspito 4 1 Jurusan Teknik Eektro Fakultas
Lebih terperinciAplikasi Pengenalan Suara Dalam Pengaksesan Sistem Informasi Akademik
Aplikasi Pengenalan Suara Dalam Pengaksesan Sistem Informasi Akademik Jenny Putri Hapsari (L2F003511) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Semarang, Indonesia jenny_putri_hapsari@yahoo.com
Lebih terperinciBAB I PENDAHULUAN. History Analysis), metode respon spektrum (Response Spectrum Method), dangaya
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Gepa dapat terjadi sewaktu waktu akibat gelobang yang terjadi pada sekitar kita dan erabat ke segala arah.gepa bui dala hubungannya dengan suatu wilayah berkaitan
Lebih terperinciBAB II PENYEARAH DAYA
BAB II PENYEARAH DAYA KOMPETENSI DASAR Setelah engikuti ateri ini diharapkan ahasiswa eiliki kopetensi: Menguasai karakteristik penyearah setengah-gelobang dan gelobang-penuh satu fasa dan tiga fasa Menguasai
Lebih terperinciPenyelesaian Algortima Pattern Generation dengan Model Arc-Flow pada Cutting Stock Problem (CSP) Satu Dimensi
Penyelesaian Algortia Pattern Generation dengan Model Arc-Flow pada Cutting Stock Proble (CSP) Satu Diensi Putra BJ Bangun, Sisca Octarina, Rika Apriani Jurusan Mateatika Fakultas MIPA Universitas Sriwijaya
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 terperinciPelabelan Total Super (a,d) - Sisi Antimagic Pada Graf Crown String (Super (a,d)-edge Antimagic Total Labeling of Crown String Graph )
1 Pelabelan Total Super (a,d) - Sisi Antiagic Pada Graf Crown String (Super (a,d)-edge Antiagic Total Labeling of Crown String Graph ) Enin Lutfi Sundari, Dafik, Slain Pendidikan Mateatika, Fakultas Keguruan
Lebih terperinciINSTANTON. Casmika Saputra Institut Teknologi Bandung
INSTANTON Casika Saputra 02200 Institut Teknologi Bandung Abstrak. Solusi klasik pada kasus Double Well Potential dala ekanika kuantu dala iaginary tie Euclidian eberikan dua buah solusi yaitu solusi trivial
Lebih terperinciMETODE ITERASI TIGA LANGKAH DENGAN ORDE KONVERGENSI LIMA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR BERAKAR GANDA ABSTRACT
METODE ITERASI TIGA LANGKAH DENGAN ORDE KONVERGENSI LIMA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR BERAKAR GANDA Zuhnia Lega 1, Agusni, Supriadi Putra 1 Mahasiswa Progra Studi S1 Mateatika Laboratoriu Mateatika
Lebih terperinciImplementasi Sistem Pengenalan Kata pada Mikrokontroler Keluarga MCS51
Ipeentasi Siste Pengenaan Kata pada Mikrokontroer Keuarga MCS51 Thiang Jurusan Teknik Eektro, Universitas Kristen Petra Siwaankerto 121-131, Surabaya eai : thiang@petra.ac.id Abstrak-Makaah ini eaparkan
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 terperinciKEBERADAAN SOLUSI PERSAMAAN DIOPHANTIN MATRIKS POLINOMIAL DAN PENYELESAIANNYA MENGGUNAKAN TITIK-TITIK INTERPOLASI
KEBERADAAN SOLUSI PERSAMAAN DIOPHANTIN MATRIKS POLINOMIAL DAN PENYELESAIANNYA MENGGUNAKAN TITIK-TITIK INTERPOLASI Laila Istiani R. Heri Soelistyo Utoo 2, 2 Progra Studi Mateatika Jurusan Mateatika FMIPA
Lebih terperinciKELUARGA METODE ITERASI ORDE EMPAT UNTUK MENCARI AKAR GANDA PERSAMAAN NONLINEAR ABSTRACT
KELUARGA METODE ITERASI ORDE EMPAT UNTUK MENCARI AKAR GANDA PERSAMAAN NONLINEAR Kiki Reski Ananda 1 Khozin Mu taar 2 12 Progra Studi S1 Mateatika Jurusan Mateatika Fakultas Mateatika dan Ilu Pengetahuan
Lebih terperinciBAB III. METODE PENELITIAN. Tabel 1. Indikator/ Indikasi Penelitian
39 BAB III. METODE PENELITIAN 3.1. Tipe Penelitian Penelitian ini terasuk tipe penelitian dengan pendekatan analisis deskriptif kualitatif dan kuantitatif. Analisis ini dipergunakan untuk enggabarkan tentang
Lebih terperinciBab III S, TORUS, Sebelum mempelajari perbedaan pada grup fundamental., dan figure eight terlebih dahulu akan dipelajari sifat dari grup
GRUP FUNDAMENTAL PADA Bab III S, TORUS, P dan FIGURE EIGHT Sebelu epelajari perbedaan pada grup fundaental S, Torus, P, dan figure eight terlebih dahulu akan dipelajari sifat dari grup fundaental asing-asing
Lebih terperinciSISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM. Ivanna K. Timotius, Danie Kurniawan. Intisari
SISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM SISTEM PENGENALAN WICARA BERDASARKAN CEPSTRUM Fakultas Teknik Elektronika dan Komputer, Program Studi Teknik Elektro, Universitas Kristen Satya Wacana, Salatiga,
Lebih terperinciBAB 3 SEJARAH SINGKAT TEMPAT RISET. 3.1 Sejarah Singkat Badan Pusat Statistik (BPS)
BAB 3 SEJARAH SINGKAT TEMPAT RISET 3.1 Sejarah Singkat Badan Pusat Statistik (BPS) Adapun sejarah Badan Pusat Statistik di Indonesia terjadi epat asa peerintah di Indonesia, antara lain : 1. Masa Peerintahan
Lebih terperinciMODUL 3 SISTEM KENDALI POSISI
MODUL 3 SISTEM KENDALI POSISI Muhaad Aldo Aditiya Nugroho (13213108) Asisten: Dede Irawan (23214031) Tanggal Percobaan: 29/03/16 EL3215 Praktiku Siste Kendali Laboratoriu Siste Kendali dan Koputer - Sekolah
Lebih terperinciPENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL
PENGGUNAAN METODE HOMOTOPI PADA MASALAH PERAMBATAN GELOMBANG INTERFACIAL JAHARUDDIN Departeen Mateatika Fakultas Mateatika Ilu Pengetahuan Ala Institut Pertanian Bogor Jl Meranti, Kapus IPB Daraga, Bogor
Lebih terperinciSTUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING
Statistika, Vol., No., Noveber 0 STUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING Gede Suwardika, Heri Kuswanto, Irhaah Jurusan Statistika,Fakultas Mateatika dan Ilu Pengetahuan Ala, Universitas
Lebih terperinciPerancangan Sistem Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Sistem Fuzzy
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-58 Perancangan Siste Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Siste Fuzzy Mochaad Raa Raadhan,
Lebih terperinciBAB I PENDAHULUAN. segi kuantitas dan kualitasnya. Penambahan jumlah konsumen yang tidak di ikuti
BAB I PENDAHULUAN 1.1 Latar Belakang Air erupakan kebutuhan yang penting bagi kehidupan anusia. Manusia tidak dapat elanjutkan kehidupannya tanpa penyediaan air yang cukup dala segi kuantitas dan kualitasnya.
Lebih terperinciBAB 3 ANALISIS DAN SIMULASI MODEL HODGKIN-HUXLEY
BAB 3 ANALISIS DAN SIMULASI MODEL HODGKIN-HUXLEY 3.1 Analisis Dinaika Model Hodgkin Huxley Persaaan Hodgkin-Huxley berisi epat persaaan ODE terkopel dengan derajat nonlinear yang tinggi dan sangat sulit
Lebih terperinci1 1. POLA RADIASI. P r Dengan : = ½ (1) E = (resultan dari magnitude medan listrik) : komponen medan listrik. : komponen medan listrik
1 1. POLA RADIASI Pola radiasi (radiation pattern) suatu antena : pernyataan grafis yang enggabarkan sifat radiasi suatu antena pada edan jauh sebagai fungsi arah. pola edan (field pattern) apabila yang
Lebih terperinciPenggunaan Media Manik-Manik Untuk Meningkatkan Kemampuan Belajar Matematika Anak Tunagrahita. Maman Abdurahman SR dan Hayatin Nufus
Riset PenggunaanMedia Manik-Manik* Maan Abdurahan SR HayatinNufus Penggunaan Media Manik-Manik Untuk Meningkatkan Keapuan Belajar Mateatika Anak Tunagrahita Maan Abdurahan SR Hayatin Nufus Universitas
Lebih terperinciPenentuan Akar-Akar Sistem Persamaan Tak Linier dengan Kombinasi Differential Evolution dan Clustering
Jurnal Kubik, Volue No. ISSN : 338-0896 Penentuan Akar-Akar Siste Persaaan Tak Linier dengan Kobinasi Differential Evolution dan Clustering Jaaliatul Badriyah Jurusan Mateatika, Universitas Negeri Malang
Lebih terperinciMAKALAH SISTEM BASIS DATA
MAKALAH SISTEM BASIS DATA (Entity Relationship Diagra (ERD) Reservasi Hotel) Disusun Oleh : Yulius Dona Hipa (16101055) Agustina Dau (15101635) Arsenia Weni (16101648) PROGRAM STUDI TEKNIK INFORMARIKA
Lebih terperinciPEMBENTUKAN SEL-SEL MESIN UNTUK MENDAPATKAN PENGURANGAN JARAK DAN BIAYA MATERIAL HANDLING DENGAN METODE HEURISTIK DI PT. BENGKEL COKRO BERSAUDARA
PEMBENTUKAN SEL-SEL MESIN UNTUK MENDAPATKAN PENGURANGAN JARAK DAN BIAYA MATERIAL HANDLING DENGAN METODE HEURISTIK DI PT. BENGKEL COKRO BERSAUDARA Babang Purwanggono, Andre Sugiyono Progra Studi Teknik
Lebih terperinciAplikasi Pengenalan Ucapan Sebagai Pengatur Mobil Dengan Pengendali Jarak Jauh
Aplikasi Pengenalan Ucapan Sebagai Pengatur Mobil Dengan Pengendali Jarak Jauh Ajub Ajulian Z. Achmad Hidayatno Muhammad Widyanto Tri Saksono Abstract: Growth in Digital signal processing technology gives
Lebih terperinci1. Penyearah 1 Fasa Gelombang Penuh Terkontrol Beban R...1
DAFTA ISI. Penyearah Fasa Gelobang Penuh Terkontrol Beban..... Cara Kerja angkaian..... Siulasi Matlab...7.3. Hasil Siulasi.... Penyearah Gelobang Penuh Terkontrol Beban -L..... Cara Kerja angkaian.....
Lebih terperinciRancang Bangun Modul Pengenalan Suara Menggunakan Teknologi Kinect
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Rancang Bangun Modul Pengenalan Suara Menggunakan Teknologi Kinect Ratri Cahyarini, Umi Laili Yuhana, dan Abdul Munif Teknik
Lebih terperinciBENTUK NORMAL SMITH DAN MATRIKS BAIK KIRI/KANAN
BENTUK NORMAL SMITH DAN MATRIKS BAIK KIRI/KANAN Yuiati (yui@ail.ut.ac.id) Universitas Terbuka ABSTRACT The Sith noral for and left good atrix have been known in atrix theore. Any atrix over the principal
Lebih terperinciIdentifikasi Suara Vokal Suku Banjar Berdasarkan Frekuensi Formant
Identifikasi Suara Vokal Suku Banjar Berdasarkan Frekuensi Formant Arfan Eko Fahrudin 1), Nofida Risna Diyanti 2) dan Tetti Novalina Manik 1) Abstrak: Telah dibuat program untuk mengidentifikasi suara
Lebih terperinciSEMINAR NASIONAL PENDIDIKAN FISIKA 2017
Peran Pendidikan, Sains, dan Teknologi untuk Mengebangkan Budaya Iliah dan Inovasi terbarukan dala endukung Sustainable Developent Goals (SDGs) 2030 ANALISIS INTENSITAS MEDAN MAGNET EXTREMELY LOW FREQUENCY
Lebih terperinciJurnal Einstein 4 (1) (2016): 1-6. Jurnal Einstein. Available online
Jurnal Einstein Available online http://jurnal.unied.ac.id/2012/index.php/einstein Aplikasi Citra Landsat 8 Oli Untuk Menganalisa Kerapatan Vegetasi Bill Cklinton Sianjuntak dan Rita Juliani* Jurusan Fisika,
Lebih terperinciBAB V PERENCANAAN STRUKTUR
BAB V PERENCANAAN STRUKTUR 5.1. TINJAUAN UMUM Dala perencanaan suatu bangunan pantai harus ditetapkan terlebih dahulu paraeter-paraeter yang berperan dalan perhitungan struktur. Paraeterparaeter tersebut
Lebih terperinciPersamaan Schrödinger dalam Matriks dan Uraian Fungsi Basis
Bab 2 Persaaan Schrödinger dala Matriks dan Uraian Fungsi Basis 2.1 Matriks Hailtonian dan Fungsi Basis Tingkat-tingkat energi yang diizinkan untuk sebuah elektron dala pengaruh operator Hailtonian Ĥ dapat
Lebih terperinciPerbandingan Bilangan Dominasi Jarak Satu dan Dua pada Graf Hasil Operasi Comb
Perbandingan Bilangan Doinasi Jarak Satu dan Dua pada Graf Hasil Operasi Cob Reni Uilasari 1) 1) Jurusan Teknik Inforatika, Fakultas Teknik, Universitas Muhaadiyah Jeber Eail : 1) reniuilasari@gailco ABSTRAK
Lebih terperinciPENDEKATAN ANALISIS FUZZY CLUSTERING
PENDEKATAN ANALISIS FUZZY CLUSTERING PADA PENGELOMPOKKAN STASIUN POS HUJAN UNTUK MEMBUAT ZONA PRAKIRAAN IKLIM (ZPI) (Studi Kasus Pengelopokkan Zona Prakiraan Ikli (ZPI) dengan Data Curah Hujan di Kabupaten
Lebih terperinciSimulasi dan Analisis Kinerja Prediktor Smith pada Kontrol Proses yang Disertai Tundaan Waktu
6 Siulasi dan Analisis Kinerja Prediktor Sith pada Kontrol Proses yang Disertai Tundaan Waktu Neilcy Tjahja Mooniarsih Progra Studi Teknik Elektro Jurusan Teknik Elektro Fakultas Teknik, Universitas Tanjungpura
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 terperinciFAMILI BARU DARI METODE ITERASI ORDE TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR DENGAN AKAR GANDA ABSTRACT
FAMILI BARU DARI METODE ITERASI ORDE TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR DENGAN AKAR GANDA Elvi Syahriah 1, Khozin Mu taar 2 1,2 Progra Studi S1 Mateatika Jurusan Mateatika Fakultas Mateatika
Lebih terperinciPENGARUH DISTRIBUSI PEMBOBOTAN TERHADAP POLA ARRAY PADA DELAY AND SUM BEAMFORMING
INDEPT, Vol., No., Juni 0 ISSN 087 945 PENGARUH DISTRIBUSI PEBOBOTAN TERHADAP POLA ARRAY PADA DELAY AND SU BEAFORING Ananto E. Prasetiadi Dosen Tetap Jurusan Teknik Elektro, Fakultas Teknik Universitas
Lebih terperinciISSN WAHANA Volume 67, Nomer 2, 1 Desember 2016
ISSN 0853 4403 WAHANA Volue 67, Noer 2, Deseber 206 PERBANDINGAN LATIHAN BOLA DIGANTUNG DAN BOLA DILAMBUNGKAN TERHADAP HASIL BELAJAR SEPAK MULA DALAM PERMAINAN SEPAK TAKRAW PADA SISWA PUTRA KELAS X-IS
Lebih terperinciBab 2 Tinjauan Pustaka
5 Bab 2 Tinjauan Pustaka 2.1. Definisi Penjadwalan Penjadwalan adalah kegiatan pengalokasian suber-suber atau esin-esin yang ada untuk enjalankan sekupulan tugas dala jangka waktu tertentu. (Baker,1974).
Lebih terperinciAPLIKASI PENGENALAN UCAPAN SEBAGAI PENGAKTIF PERALATAN ELEKTRONIK
APLIKASI PENGENALAN UCAPAN SEBAGAI PENGAKTIF PERALATAN ELEKTRONIK Sinung Tegar P*, Achmad Hidayatno, ST, MT **, Yuli Christiyono, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro
Lebih terperinciANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK
ANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK Lucky T Sianjuntak, Maksu Pine Departeen Teknik Elektro, Fakultas Teknik Universitas Suatera Utara, Medan e-ail : LuckyTrasya@gail.co
Lebih terperinci(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE
(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE Giat Sudrajat Saruda, 2 Septiadi Padadisastra, 3 I Gede Nyoan Mindra Jaya Mahasiswa
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 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 terperinciPENGENDALIAN MUTU PRODUKSI BERAT SEMEN PT. SEMEN PADANG DENGAN BAGAN KENDALI SHEWHART DAN ROBUST
Jurnal Mateatika UNAND Vol. 5 No. 1 Hal. 74 81 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND PENGENDALIAN MUTU PRODUKSI BERAT SEMEN PT. SEMEN PADANG DENGAN BAGAN KENDALI SHEWHART DAN ROBUST RELIGEA
Lebih terperinciRANCANGAN ALAT SISTEM PEMIPAAN DENGAN CARA TEORITIS UNTUK UJI POMPA SKALA LABORATORIUM. Oleh : Aprizal (1)
RANCANGAN ALAT SISTEM PEMIPAAN DENGAN CARA TEORITIS UNTUK UJI POMPA SKALA LABORATORIUM Oleh : Aprizal (1) 1) Dosen Progra Studi Teknik Mesin. Fakultas Teknik Universitas Pasir Pengaraian Eail. ijalupp@gail.co
Lebih terperinciSOAL UJIAN SELEKSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2013 TINGKAT PROPINSI
SOAL UJIAN SELEKSI CALON PESERTA OLIMPIADE SAINS NASIONAL 013 TINGKAT PROPINSI FISIKA Waktu : 3,5 ja KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN DIREKTORAT JENDERAL PENDIDIKAN MENENGAH DIREKTORAT PEMBINAAN SEKOLAH
Lebih terperinciSIFAT-SIFAT OPERASI ARITMATIKA, DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR. Oleh : NURSUKAISIH
SIFAT-SIFAT OPERASI ARITMATIKA DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Meperoleh Gelar Sarjana Sains pada Jurusan Mateatika Oleh : NURSUKAISIH 0854003938
Lebih terperinciPEMILIHAN PERINGKAT TERBAIK FESTIVAL KOOR MENGGUNAKAN METODE TOPSIS
Seinar Nasional Teknologi Inforasi dan Kounikasi 01 (SENTIKA 01 ISSN: 089-981 Yogyakarta, 8 Maret 01 PEMILIHAN PERINGKAT TERBAIK FESTIAL KOOR MENGGUNAKAN METODE TOPSIS Sauel Manurung 1 1Progra Studi Teknik
Lebih terperinciREVIEW GERAK HARMONIS SEDERHANA
REVIEW GERAK HARMONIS SEDERHANA Di sekitar kita banyak benda yang bergetar atau berosilasi, isalnya assa yang terikat di ujung pegas, garpu tala, gerigi pada ja ekanis, penggaris elastis yang salah satu
Lebih terperinci