Suara bisa dibuat database engine untuk pengenalan kata. Dengan aplikasi ini, dapat secara otomatis melakukan transkripsi suara, sehingga dapat mengur
|
|
- Yuliana Chandra
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMBENTUKAN BASIS DATA UCAPAN DALAM BAHASA INDONESIA DAN PENGKODEANNYA BERDASARKAN LINEAR PREDICTIVE CODING (LPC) Elly Oktarina Universitas Gunadarma Jl. Margonda Raya No. 100 Pondok Cina Depok ABSTRAK Basis data (database) adalah kumpulan dari data yang saling berhubungan satu dengan yang lainnya, tersimpan di simpanan luar komputer dan digunakan perangkat lunak tertentu untuk memanipulasinya. Pembentukan basis data ucapan ini terdiri dari beberapa proses yaitu perekaman suara per suku kata, simpan suara dalam bentuk.wav, pengkodean menggunakan metode Linear Predictive Coding (LPC), dan simpan ke dalam basis data dalam bentuk.mat. LPC merupakan proses untuk mendapatkan parameter-parameter sinyal suara berupa koefisien-koefisien LPC. Secara umum, LPC di bagi menjadi 3 tahap, tahap pertama adalah pembingkaian sinyal suara, tahap kedua adalah penjendelaan, dan tahap ketiga adalah metode autokorelasi. Basis data ucapan ini berisi suara yang sudah direkam sebanyak 1202 suku kata dalam Bahasa Indonesia. Kata Kunci : LPC, speech recognition. PENDAHULUAN Pengertian basis data (database) adalah kumpulan dari data yang saling berhubungan satu dengan yang lainnya, tersimpan di simpanan luar komputer dan digunakan perangkat lunak tertentu untuk memanipulasinya. Sebuah mesin database (atau "penyimpanan mesin") adalah komponen perangkat lunak yang mendasari bahwa suatu sistem manajemen database (DBMS) digunakan untuk membuat, mengambil, update dan hapus data dari database. Seseorang mungkin perintah mesin database melalui DBMS itu sendiri antarmuka pengguna, dan kadang-kadang melalui port jaringan.
2 Suara bisa dibuat database engine untuk pengenalan kata. Dengan aplikasi ini, dapat secara otomatis melakukan transkripsi suara, sehingga dapat mengurangi biaya tulis dan memudahkan penyimpanan arsip berupa rekaman suara digital dan teks elektronik dalam bentuk database. Juga kesenjangan digital antara manusia normal dan yang memiliki keterbatasan fisik bisa dikurangi. Maka dari itu database sangat penting dibuat, untuk membandingkan suara dengan database dan diketahui hasil inputan suaranya. Pada mode diktasi pengguna komputer dapat mengucapkan kata / kalimat yang selanjutnya akan dikenali oleh komputer dan diubah menjadi data teks. Kemungkinan jumlah kata yang dapat dikenali dibatasi oleh jumlah kata yang telah terdapat pada database. Keakuratan pengenalan mode ini bergantung pada pola suara dan aksen pembicara serta pelatihan yang telah dilakukan. Sedangkan pada mode command and control pengguna komputer mengucapkan kata/kalimat yang sudah terdefinisi terlebih dahulu pada database dan selanjutnya akan digunakan untuk menjalankan perintah tertentu pada aplikasi komputer. Jumlah perintah yang dapat dikenali tergantung dari aplikasi yang telah mendefinisikan terlebih dahulu pada database jenis-jenis perintah yang dapat dieksekusikan. Linear Predictive Coding (LPC) LPC didefinisikan sebagai metode digital untuk encoding sinyal analog di mana nilai tertentu diperkirakan oleh fungsi linier dari nilai-nilai masa lalu sinyal. Ini pertama kali diusulkan sebagai metode untuk pengkodean suara manusia oleh Amerika Serikat Departemen Pertahanan di standar federal 1015, yang diterbitkan pada tahun Suara manusia diproduksi dalam saluran vokal yang dapat diperkirakan sebagai variabel diameter tabung. LPC model didasarkan pada pendekatan matematika dari saluran vokal diwakili oleh tabung dengan diameter yang bervariasi. Pada waktu tertentu, t sampel suara s(t) direpresentasikan sebagai penjumlahan linear dari p sampel sebelumnya. Aspek yang paling penting dari LPC adalah linear predictive filter yang memungkinkan nilai sampel berikutnya akan ditentukan oleh kombinasi linear dari sampel sebelumnya. Teori LPC yang dipakai dalam analisa suara, telah dipahami dengan baik dalam beberapa tahun yang lalu. Ada beberapa alasan yang menjadikan teori LPC telah banyak digunakan dalam sistem pengenalan suara, antara lain: [Rabiner 1993]
3 1. LPC membuktikan suatu model yang baik untuk pengenalan suara, yaitu memberikan parameter model yang tepat untuk sinyal suara, dapat dilihat pada spektrum koefisien peramalan yang mirip dengan spektrum sinyal aslinya. 2. Perhitungan yang dibutuhkan untuk mencari parameter sinyal suara relatif lebih singkat dibandingkan dengan metode lainnya. 3. Metode untuk mendapat parameter-parameter sinyal ucapan, seperti jalur forman ( Saluran vokal (tenggorokan dan mulut) membentuk tabung, yang dicirikan oleh resonansi, yang disebut forman.) dan amplitudo. Prinsip Dasar LPC LPC dimulai dengan asumsi bahwa sinyal suara diproduksi oleh dengungan pada akhir sebuah pita suara. The glotis (ruang antara pita suara) menghasilkan dengungan, yang dicirikan oleh intensitas (kerasnya suara) dan frekuensi (pitch). Saluran vokal (tenggorokan dan mulut) bentuk pipa, yang dicirikan oleh resonansi, yang disebut forman. LPC menganalisis sinyal suara dengan memperkirakan forman, menghapus pengaruhnya dari sinyal suara, dan memperkirakan intensitas dan frekuensi dari dengungan tersisa. Proses menghapus forman disebut invers penyaringan, dan sinyal sisa disebut residu. LPC mensintesis sinyal suara dengan membalik proses : menggunakan residu untuk menciptakan sumber sinyal, menggunakan forman untuk membuat penyaring, dan menjalankan sumber sinyal melalui filter, sehingga menghasilkan pengaruh pada suara. Karena sinyal suara yang bervariasi dengan waktu, proses ini dilakukan pada potongan pendek dari sinyal suara, yang disebut frame. Biasanya frame per detik memperlihatkan suara yang jelas dengan kompresi yang baik. Proses LPC LPC membuktikan suatu model yang baik untuk pengenalan suara, yaitu memberikan parameter model yang tepat untuk sinyal suara. Blok diagram dari LPC seperti Gambar 1.
4 Sinyal ucapan Pemilihan Bingkai Windowing Metode Autokolerasi Koefisien LPC Gambar 1. Blok Diagram Analisis LPC Langkah-langkah dari pemrosesan sinyal dengan LPC sebagai berikut : 1. Pemilihan Bingkai Pada tahap ini sinyal ucapan dikelompokkan ke dalam bingkai-bingkai dengan ukuran masing-masing bingkai sebesar N data. Bingkai ini berurutan dengan pemisahan antara kedua bingkai sebesar M data. Biasanya M = 1/3 N. Blok pemilihan bingkai dari sinyal suara dapat dilihat pada Gambar 2. Gambar 2. Blok pemilihan bingkai dari sinyal suara 2. Penjendelaan Setiap frame kemudian dijendelakan (proses windowing) untuk meminimalkan diskontinuitas sinyal pada awal dan akhir bingkai. Jendela yang biasa digunakan untuk metode autokorelasi LPC adalah jendela Hamming dengan bentuk: 2πn w( n) = 0, 54 0, 46cos N 1 3. Analisis Autokolerasi, 0 n N 1 (1) Pada tahap ini masing-masing frame yang telah di windowing diautokorelasikan dengan nilai autokorelasi yang tertinggi adalah orde dari analisa LPC, biasanya orde LPC tersebut 8 sampai 16.
5 N 1 m r ( m) = x~ ( n ) x~ ( n + m ) l l l n= 0 (2) Perencanaan Dalam pembuatan perangkat lunak ini, penulis melakukan serangkaian kegiatan berupa langkah-langkah penelitian, seperti yang tertera di bawah ini: - Merekam suara per-suku kata. - Simpan dalam bentuk.wav - Pengkodean dengan LPC. - Simpan ke dalam basis data dalam bentuk.mat Problem Mendapatkan basis data suara yang berupa koefisien-koefisien LPC dalam bentuk.mat Solusi Berikut ini merupakan tahapan-tahapan solusi : Melakukan Perekaman Data Suara Proses rekaman ini diambil menggunakan alat rekam mikrofon dengan bantuan software Pro Tools 8. Setiap suara mempunyai waktu rekam yang berbeda satu sama lain, tergantung pengucapan tiap suku kata. Misal pada suku kata ba, bi, bu, be, bo, tiap suku kata membutuhkan waktu rekam 1 detik. Setelah suara direkam akan secara otomatis tersimpan dalam folder yang telah dibuat sebelumnya. Suara yang kita rekam tadi, kita buka kembali dengan menggunakan Matlab untuk di LPC. Waktu yang dibutuhkan untuk merekam suara 1 suku kata hingga tersimpan dalam database kira-kira 3 menit 29 detik. Jumlah suku kata yang direkam adalah 1202 suku kata, jadi waktu yang dibutuhkan untuk memproses 1202 suku kata adalah 1202 dikali 3 menit 29 detik sama dengan jam.
6 Gambar 3. Tampilan ucapan suku kata ba pada Matlab Gambar 4. Tampilan ucapan suku kata bi pada Matlab Gambar 5. Tampilan ucapan suku kata bu pada Matlab Gambar 6. Tampilan ucapan suku kata be pada Matlab Gambar 7. Tampilan ucapan suku kata bo pada Matlab
7 Pengkodean dengan LPC Secara umum, LPC di bagi menjadi 3 tahap, tahap pertama adalah pembingkaian sinyal suara, tahap kedua adalah penjendelaan, dan tahap ketiga adalah metode autokorelasi. Blok diagram LPC dapat dilihat pada gambar 8. Sinyal ucapan Pemilihan Bingkai Windowing Metode Autokolerasi Koefisien LPC Gambar 8. Blok Diagram Analisis LPC LPC digunakan untuk mendapatkan koefisien-koefisien LPC dan disimpan dalam basis data. Hasil LPC ini dapat dilihat pada gambar 9 sampai gambar 13. Gambar 9. Tampilan suku kata ba hasil analisis LPC pada matlab Gambar 10. Tampilan suku kata bi hasil analisis LPC pada matlab Gambar 11. Tampilan suku kata bu hasil analisis LPC pada matlab
8 Gambar 12. Tampilan suku kata be hasil analisis LPC pada matlab Gambar 13. Tampilan suku kata bo hasil analisis LPC pada matlab Dari hasil LPC pada gambar di atas dapat dilihat bahwa LPC menganalisis sinyal suara dengan memperkirakan forman, menghapus pengaruhnya dari sinyal suara, dan memperkirakan intensitas dan frekuensi dari dengungan tersisa. Proses menghapus forman disebut invers penyaringan, dan sinyal sisa disebut residu. Maka dari itu gelombang suara asli dengan hasil LPC lebih besar daripada gelombang suara hasil LPC. Uji Coba Aplikasi Uji coba aplikasi ini dilakukan terhadap ucapan suku kata ba.wav, bi.wav, bu.wav, be.wav, bo.wav. Output dari suara tersebut dapat dilihat pada gambar 15. Setelah proses LPC selesai, hasil suara yang telah di LPC akan secara otomatis tersimpan ke dalam database dalam bentuk file dengan nama ba.wav-lpc.mat.
9 Gambar 14. Tampilan awal program Gambar 15. Output dari suara ba yang dianalisis oleh LPC Pembahasan Dari hasil uji coba program diatas, dapat disimpulkan bahwa aplikasi yang telah dibuat berjalan sesuai dengan rancangan dan aplikasi berhasil melakukan analisis suara dengan baik karena setiap sinyal suara dengan ucapan suku kata ba, bi, bu, be, bo yang di
10 uji coba dapat menghasilkan koefisien-koefisien LPC. Hasil koefisien-koefisien LPC dapat dilihat dibawah ini. Hasil koefisien LPC Hasil koefisian LPC ini didapat dari pemrosesan sinyal tahap Windowing dengan 2πn bentuk w( n) = 0, 54 0, 46cos N 1 N 1 m 0 n N 1, dan tahap Analisis Autokorelasi dengan bentuk r ( m) = x~ ( n ) x~ ( n + m ). Dengan M menunjukkan orde LPC dan N l l l n= 0 panjang bingkai. Maka didapat angka-angka koefisien LPC yang dihitung dari nilai amplitudo suara tersebut. Koefisien LPC suku kata ba.mat Di bawah ini merupakan koefisien LPC dari suku kata ba.mat yang diperoleh dari sinyal suara yang telah dianalisis dengan LPC. Pertama suara di bingkai kemudian setiap bingkai suara tersebut di-windowing dan dilakukan proses autokorelasi sehingga menghasilkan koefisien LPC Tabel 1. Hasil koefisien LPC dari suku kata ba.mat
11 PENUTUP Berdasarkan pada hasil pengujian dan analisa terhadap hasil yang didapatkan, maka dapat diambil kesimpulan yaitu : 1. Suara sudah direkam sebanyak 1202 suku kata dalam Bahasa Indonesia.
12 2. Aplikasi ini dapat menyimpan hasil koefisien koefisien LPC dalam bentuk tabel ke dalam basis data. Saran penulis untuk aplikasi ini dalam hal interface yang digunakan sebagai berikut : 1. Agar penerapan aplikasi ini dapat dilakukan secara optimal, sebaiknya sebelum aplikasi ini digunakan oleh user, sehendaknya diberikan pelatihan mengenai bagaimana mengoperasikan aplikasi tersebut dalam hal fungsi-fungsi menu yang terdapat didalam aplikasi, agar kesalahan dalam menggunakan aplikasi ini dapat di minimalisir sekecil mungkin. 2. Fitur yang tersedia pada aplikasi telah dapat mengatasi permasalahan yang ada pada sistem lama. Namun demikian, seiring dengan berjalannya waktu dunia teknologi informasi akan terus meningkat, karena manusia menginginkan efektifitas dan efisiensi dalam pekerjaannya. Oleh karena itu diperlukan pengembangan yang lebih lanjut terhadap fitur yang sudah ada. 3. Diharapkan aplikasi ini selanjutnya dapat dikembangkan untuk pengenalan kata. DAFTAR PUSTAKA Away, Gunaidi Abdia The shortcut of MATLAB programming, Bandung : Informatika. Becchetti, Claudio dan Ricotti, Lucio Prina Speech Recognition Theory and C++ Implementation. Chichester : John Willey & Sons. Bradbury, Jeremy. Linear Predictive Coding. Chou, Wu dan Juang, B. H., Pattern Recognition in Speech and Language Processing. Washington DC : CRC PRESS. Melissa, Gressia. Pencocokan Pola Suara (Speech Recognition) dengan Algoritma FFT dan DIVIDE and CONQUER pdf
13 Rabiner, Lawrence A Tutuorial on Hidden Markov Model and Selected Application in Speech Recognition. vol. 77. no. 2. pp IEEE. Rabiner, Lawrence Fundamental of Speech Recognition. New Jersey : Prentice Hall. Rabiner, Lawrence dan Juang, B. H., Hidden Markov Models for Speech Recognition. vol. 33. no. 3. pp TECHNOMETRICS. Santoso, Tri Budi. dan Miftahul Huda. Topik Lanjutan Pengolah Wicara. Sugiharto, Aris Pemrograman GUI dengan MATLAB. Yogyakarta : ANDI.
BAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Proses pengenalan kata merupakan salah satu fungsi dari voice recognition. Voice recognition dibagi menjadi dua jenis, yaitu speech recognition dan speaker
Lebih terperinciPengenalan 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 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 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 terperinciBAB 3 PERANCANGAN SISTEM. yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk
BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Voice Command pada demonstrasinya merupakan aplikasi pengenalan suara yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk menampung
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Suara Suara adalah sebuah sinyal yang merambat melalui media perantara. suara dapat didefinisikan sebagai gelombang yang merambat dengan frekuensi dan amplitudo tertentu. Suara
Lebih 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 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 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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, perkembangan teknologi informasi di dunia sudah sangat maju. Tentu saja, hal ini membuat banyak orang beralih dari metode manual ke penggunaan teknologi informasi.
Lebih terperinciudara maupun benda padat. Manusia dapat berkomunikasi dengan manusia dari gagasan yang ingin disampaikan pada pendengar.
BAB II DASAR TEORI 2.1 Suara (Speaker) Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitudo tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun
Lebih terperinciBAB 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 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 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 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 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 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 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 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 terperinciFrekuensi Dominan Dalam Vokal Bahasa Indonesia
Frekuensi Dominan Dalam Vokal Bahasa Indonesia Tjong Wan Sen #1 # Fakultas Komputer, Universitas Presiden Jln. Ki Hajar Dewantara, Jababeka, Cikarang 1 wansen@president.ac.id Abstract Pengenalan ucapan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan ucapan (speech recognition) merupakan sistem yang dirancang untuk dapat mengenali sinyal suara, sehingga menghasilkan keluaran berupa tulisan. Input dari
Lebih 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 1 PENDAHULUAN. kehandalannya. Komputer terus dikembangkan. Komputer dituntut memiliki kecepatan
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sejak komputer ditemukan manusia selalu berusaha meningkatkan kemampuan dan kehandalannya. Komputer terus dikembangkan. Komputer dituntut memiliki kecepatan komputasi
Lebih 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 terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Riset di bidang sistem pengenalan ucapan otomatis (Automatic Speech Recognition) merupakan salah satu riset yang banyak ditekuni dan terus dikembangkan hingga saat
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Cara interaksi antara manusia dengan komputer sampai saat ini, yang secara umum digunakan sebagian besar masih dilakukan secara tanpa lisan. Cara tersebut dilakukan
Lebih terperinciANALISA DAN PERANCANGAN PERANGKAT LUNAK PERINTAH SUARA SEBAGAI PENUNJANG SARANA INPUT PADA SISTIM OPERASI MICROSOFT WINDOWS XP
UNIVERSITAS BINA NUSANTARA Jurusan Tehnik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 ANALISA DAN PERANCANGAN PERANGKAT LUNAK PERINTAH SUARA SEBAGAI PENUNJANG SARANA INPUT PADA
Lebih terperinciPENGENALAN AHKAMUL HURUF MENGGUNAKAN METODE LPC DAN TRANSFORMASI SLANT. Abstract
PENGENALAN AHKAMUL HURUF MENGGUNAKAN METODE LPC DAN TRANSFORMASI SLANT Bustami Abdullah 1, Rizal 2 1 Teknik Informatika, Universitas Malikussaleh, 2 Teknik Informatika, Universitas Malikussaleh e-mail:
Lebih terperinciPEMBUATAN PERANGKAT BASIS DATA UNTUK SINTESIS UCAPAN (NATURAL SPEECH SYNTHESIS) BERBAHASA INDONESIA BERBASIS HIDDEN MARKOV MODEL (HMM)
PEMBUATAN PERANGKAT BASIS DATA UNTUK SINTESIS UCAPAN (NATURAL SPEECH SYNTHESIS) BERBAHASA INDONESIA BERBASIS HIDDEN MARKOV MODEL (HMM) Oleh: ELOK ANGGRAYNI NRP. 2409 100 092 Dosen Pembimbing: Prof. Dr.
Lebih terperinciTUGAS AKHIR. Diajukan Sebagai Salah Satu Syarat untuk Menyelesaikan Program Strata I Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Andalas
TUGAS AKHIR PERANCANGAN DAN IMPLEMENTASI CONNECTED DIGIT RECOGNITION DENGAN METODE MEL FREQUENCY CEPSTRUM COEFFECIENT DAN HIDDEN MARKOV MODEL UNTUK VOICE DIALING PADA HANDPHONE TIGER C KF-828 Diajukan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Pengenalan lafal manusia agar dapat dilakukan oleh sebuah mesin telah menjadi fokus dari berbagai riset selama lebih dari empat dekade. Ide dasar yang sederhana
Lebih 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 terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciBAB I PENDAHULUAN. Seorang muslim harus bisa membaca ayat-ayat Al-Quran dengan baik
BAB I PENDAHULUAN 1.1 Latar Belakang Seorang muslim harus bisa membaca ayat-ayat Al-Quran dengan baik sesuai yang diajarkan oleh Rasulullah saw. Membaca Al-Quran sesuai ilmu tajwid hukumnya wajib bagi
Lebih terperinciAPLIKASI PENGENALAN GENDER MENGGUNAKAN SUARA
APLIKASI PENGENALAN GENDER MENGGUNAKAN SUARA Susetyo Bagas Bhaskoro 1), Altedzar Riedho W. D 2) 1) Universitas Widyatama. Jl. Cikutra 204 Bandung 40125 2) Politeknik Elektronika Negeri Surabaya Kampus
Lebih terperinciMODUL II : SPEECH AND AUDIO PROCESSING
MODUL II : SPEECH AND AUDIO PROCESSING TUJUAN 1. Memahami karakteristik sinyal suara dan audio 2. Mampu melakukan pengolahan terhadap sinyal suara dan audio 3. Mampu menggunakan tool untuk pengolahan sinyal
Lebih 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian tugas akhir ini dilaksanakan pada : Waktu : Juni 2014 Maret 2015 Tempat : Laboratorium Terpadu Jurusan Teknik Elektro Universitas Lampung
Lebih terperinciBAB I PENDAHULUAN. yang dikenal sebagai antarmuka pengguna grafis atau Graphical User Interface. yakni ucapan, untuk meningkatkan kemudahannya.
BAB I PENDAHULUAN 1.1 Latar Belakang Pada kebanyakan sistem operasi komputer kontemporer telah disediakan pengantaraan grafis untuk mempermudah interaksi antar pengguna dan komputer yang dikenal sebagai
Lebih terperinciBAB 1 PENDAHULUAN. sesamanya dalam kehidupan sehari hari untuk menunjang kebutuhan hidup mereka.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia merupakan makhluk sosial yang memerlukan komunikasi dengan sesamanya dalam kehidupan sehari hari untuk menunjang kebutuhan hidup mereka. Suara merupakan salah
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN
BAB 3 METODOLOGI PEMECAHAN MASALAH DAN PERANCANGAN 3.1 Sistem Diagram Sistem diagram adalah diagram dari sebuah sistem, dengan fungsi atau bagian utamanya diwakili oleh blok yang dihubungkan oleh garis-garis
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pengaktifan peralatan elektronik yang berada di dalam rumah biasanya perlu menekan suatu tombol atau saklar. Hal ini kadang membutuhkan penggunaan waktu yang
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 terperinciPENGATURAN POSISI KAMERA CCTV DENGAN PERINTAH SUARA
PENGATURAN POSISI KAMERA CCTV DENGAN PERINTAH SUARA David Abriman Simatupang 1, Irianto 2, Suhariningsih 3 1 Mahasiswa Teknik Elektro Industri PENS-ITS, Surabaya, 2 Dosen Teknik Elektro Industri PENS-ITS,
Lebih terperinciIDENTIFIKASI TUTUR DENGAN METODE KUANTISASI VEKTOR LINDE - BUZO - GRAY TUGAS AKHIR OLEH: YOHANES AGUNG SANTOSO PRANOTO
IDENTIFIKASI TUTUR DENGAN METODE KUANTISASI VEKTOR LINDE - BUZO - GRAY TUGAS AKHIR OLEH: YOHANES AGUNG SANTOSO PRANOTO 02.50.0020 PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS KATOLIK
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB 1 PENDAHULUAN Chatbot adalah sebuah program komputer yang dirancang untuk mensimulasikan sebuah percakapan atau komunikasi yang interaktif kepada pengguna (manusia) melalui bentuk
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses penelitian penerapan Hidden Markov Models : 40 Studi Literatur dan Kepustakaan Rumusan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Dalam proses pembuatan suatu sistem harus dilakukan penelitian dan penganalisaan tentang sistem yang akan dibangun, berikut adalah beberapa analisis
Lebih terperinciAplikasi Teknik Speech Recognition pada Voice Dial Telephone
Aplikasi Teknik Speech Recognition pada Voice Dial Telephone Oleh: Ahmad Irfan Abdul Rahman Tri Budi Santoso Titon Dutono Laboratorium Sinyal, Politeknik Elektronika Negeri Surabaya (PENS) Institut Teknologi
Lebih terperinciMODUL 1 PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA
MODUL 1 PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan proses perekaman dan pengeditan sinyal wicara dengan menggunakan perangkat lunak. II. DASAR TEORI 2.1. Pembangkitan
Lebih 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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara
BAB 1 PENDAHULUAN Pada bab ini dijelaskan tentang latar belakang penelitian dibuat, rumusan masalah, batasan masalah yang akan dibahas, tujuan penelitian, manfaat penelitian, metodologi penelitian yang
Lebih terperinciMODUL 5 EKSTRAKSI CIRI SINYAL WICARA
MODUL 5 EKSTRAKSI CIRI SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan estimasi frekuensi fundamental sinyal wicara dari pengamatan spektrumnya dan bentuk gelombangnya - Mahasiswa mampu menggambarkan
Lebih terperinciABSTRACT. Nowadays, speech coding technology that encode speech with a minimum
ABSTRACT Nowadays, speech coding technology that encode speech with a minimum number of bits while maintaining its quality is very required. This final project uses Multi Band Excitation (MBE) to encode
Lebih terperinciPengenalan Suara Menggunakan Metode MFCC (Mel Frequency Cepstrum Coefficients) dan DTW (Dynamic Time Warping) untuk Sistem Penguncian Pintu
239 Pengenalan Suara Menggunakan Metode MFCC (Mel Frequency Cepstrum Coefficients) dan DTW (Dynamic Time Warping) untuk Sistem Penguncian Pintu Zulham Effendi *), Firdaus **), Tati Erlina ***), Ratna Aisuwarya
Lebih terperinciBAB 2 LANDASAN TEORI. Komputer berasal dari bahasa Latin computare yang artinya menghitung. Jadi
BAB 2 LANDASAN TEORI 2.1 Pengertian Komputer Komputer berasal dari bahasa Latin computare yang artinya menghitung. Jadi komputer dapat diartikan sebagai alat untuk menghitung. Perkembangan teknologi dan
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2003/2004
Abstrak UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2003/2004 ANALISIS DAN PERANCANGAN SISTEM PENDIKTEAN SEDERHANA DENGAN BAHASA INDONESIA Untoro
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 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 terperinciSISTEM PENGENALAN CHORD PADA FILE MUSIK DIGITAL DENGAN MENGGUNAKAN PITCH CLASS PROFILES DAN HIDDEN MARKOV MODEL. Ivanna K. Timotius, Adhi Prayogo
SISTEM PENGENALAN CHORD PADA FILE MUSIK DIGITAL DENGAN MENGGUNAKAN PITCH CLASS PROFILES DAN HIDDEN MARKOV MODEL Fakultas Teknik Elektronika dan Komputer, Program Studi Teknik Elektro, Universitas Kristen
Lebih terperinciDESAIN DAN IMPLEMENTASI PENGENDALIAN KECEPATAN MOTOR DC MENGGUNAKAN SUARA
DESAIN DAN IMPLEMENTASI PENGENDALIAN KECEPATAN MOTOR DC MENGGUNAKAN SUARA Noer Soedjarwanto 1, Osea Zebua 2 1,2 Jurusan Teknik Elektro, FakultasTeknik, Universitas Lampung 1 noersoedjarwanto@gmail.com,
Lebih terperinciPERANCANGAN APLIKASI PENGACAKAN CITRA MENGGUNAKAN M-SEQUENCE BERDASARKAN PARAMETER
PERANCANGAN APLIKASI PENGACAKAN CITRA MENGGUNAKAN M-SEQUENCE BERDASARKAN PARAMETER Kristian Telaumbanua 1, Susanto 2 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
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 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciPROGRAM PEMANGGILAN APLIKASI PERKANTORAN DENGAN MICROSOFT SPEECH APPLICATION PROGRAMMING INTERFACE YANG TERINTEGRASI MELALUI VISUAL BASIC.
PROGRAM PEMANGGILAN APLIKASI PERKANTORAN DENGAN MICROSOFT SPEECH APPLICATION PROGRAMMING INTERFACE YANG TERINTEGRASI MELALUI VISUAL BASIC.NET SKRIPSI Disusun sebagai salah satu syarat menyelesaikan jenjang
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN Pada bagian ini akan dijelaskan tentang pendahuluan dalam penyusunan Laporan Penelitian. Pendahuluan meliputi latar belakang masalah, rumusan masalah, maksud dan tujuan penelitian, batasan
Lebih terperincigraph tersebut. Dengan menggunakan suatu metode (algoritma) tertentu dapat
BAB I PENDAHULUAN 1.1. Latar Belakang Jogjakarta adalah kota yang mempunyai aktifitas perckonomian yang tinggi. Hal ini bisa dilihat dari banyaknya tempat-tempat perbelanjaan yang tersebar di Yogyakarta.
Lebih terperinciBAB 1 PENDAHULUAN. manusia untuk mendengar sangat luar biasa. Sistem pendengaran manusia dapat
BAB 1 PENDAHULUAN 1.1 Latar Belakang Mendengar adalah bagian penting dalam proses interaksi manusia. Kemampuan manusia untuk mendengar sangat luar biasa. Sistem pendengaran manusia dapat membedakan jenis
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 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 terperinciSISTEM PENGOLAHAN SUARA MENGGUNAKAN ALGORITMA FFT (FAST FOURIER TRANSFORM)
SISTEM PENGOLAHAN SUARA MENGGUNAKAN ALGORITMA FFT (FAST FOURIER TRANSFORM) Harun Sujadi 1, Ii Sopiandi 2, Agis Mutaqin 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Majalengka
Lebih terperinciMODUL 3 REPRESENTASI SINYAL DALAM DOMAIN WAKTU DAN DOMAIN FREKUENSI
MODUL 3 REPRESENTASI SINYAL DALAM DOMAIN WAKTU DAN DOMAIN FREKUENSI I. TUJUAN - Mahasiswa mampu menjelaskan perbedaan sinyal wicara dalam domain waktu dan domain frekuensi menggunakan perangkat lunak II.
Lebih terperinciHubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz
Hubungan 1/1 filter oktaf f 1 f 2 f 1 = 2 1/2f c f 1 = 2 1/2f c f 1 = 2f c1 = frekuensi tengah penyaring =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Analisis oktaf sepertiga,
Lebih terperinciKOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4
KOMPRESI SINYAL SUARA DENGAN MENGGUNAKAN STANDAR MPEG-4 Disusun Oleh : Nama : Michael Darmawan Nrp : 0322130 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria Sumantri,
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN Pada bab ini akan dibahas mengenai hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, manfaat, dan metodologi penelitian serta sistematika penulisan dari
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
Lebih terperinciKAMUS DIGITAL DENGAR TULIS UCAP BAHASA INDONESIA
KAMUS DIGITAL DENGAR TULIS UCAP BAHASA INDONESIA Ricky*, Wahyudi, ST, MT **, Achmad Hidayatno, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro Jl. Prof. Sudharto, Tembalang, Semarang,
Lebih terperinciDAFTAR ISI HALAMAN JUDUI HALAMAN PENGESAHAN PEMBIMBING HALAMAN PENGESAHAN PENGUJI HALAMAN PERSEMBAHAN MOTTO KATA PENGANTAR DAFTAR GAMBAR DAFTAR TABRI
DAFTAR ISI HALAMAN JUDUI i HALAMAN PENGESAHAN PEMBIMBING HALAMAN PENGESAHAN PENGUJI HALAMAN PERSEMBAHAN MOTTO KATA PENGANTAR ii iii iv v vi DAFTAR ISI DAFTAR GAMBAR DAFTAR TABRI viii xi xvii DAFTAR LAMPIRAN
Lebih terperinciKomputer & Software Semester Ganjil 2014 Fak. Teknik Jurusan Teknik Informatika.
Komputer & Software Semester Ganjil 2014 Fak. Teknik Jurusan Teknik Informatika Universitas i Pasundan Caca E Supriana S Si MT Caca E. Supriana, S.Si., MT. caca.e.supriana@unpas.ac.id Komputer Komputer
Lebih terperinciMODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA
MODUL PENGHIUNGAN ENERGI PADA SINYAL WICARA I. UJUAN - Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara dengan menggunakan perangkat lunak. II. DASAR EORI.1. Energi Suatu Sinyal
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul
37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perguruan tinggi merupakan suatu sarana dalam proses pembelajaran. Pembelajaran adalah proses interaksi mahasiswa dengan dosen dan sumber belajar pada lingkungan belajar.
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 terperinciSimulasi Perancangan Filter Analog dengan Respon Chebyshev
Elkomika Teknik Elekro Itenas Vol. 1 No.2 Jurnal Teknik Elektro Juli Desember 2013 Simulasi Perancangan Filter Analog dengan Respon Chebyshev Rustamaji, Arsyad Ramadhan Darlis, Solihin Teknik Elektro Institut
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 SUARA MENGGUNAKAN MICROSOFT SAPI SEBAGAI PENGENDALI PERALATAN ELEKTRONIK
APLIKASI PENGENALAN SUARA MENGGUNAKAN MICROSOFT SAPI SEBAGAI PENGENDALI PERALATAN ELEKTRONIK Sukarso 1, Abdusy Syarif 2 Teknik Informatika, Universitas Mercu Buana, Jakarta e-mail: 1 sukarso@gmail.com,
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 terperinciKata kunci : Pengolahan Citra, Kompresi Citra, Fast Fourier Transform, Discrete Cosine Transform.
ANALISIS PERBANDINGAN KINERJA METODE FAST FOURIER TRANSFORM (FFT) DAN METODE DISCRETE COSINE TRANSFORM (DCT) UNTUK KOMPRESI CITRA PADA APLIKASI KOMPRESI DATA Yulian Saputra (anjection@gmail.com), Andhin
Lebih terperinciBAB 1 PENDAHULUAN. tugas kita, mempermudah kita mencari informasi. Komputer juga bisa bergerak sebagai
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Komputer adalah sebuah alat/mesin yang membantu kita untuk menyelesaikan tugas kita, mempermudah kita mencari informasi. Komputer juga bisa bergerak sebagai penghibur
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Kompresi File Pada dasarnya semua data itu merupakan rangkaian bit 0 dan 1. Yang membedakan antara suatu data tertentu dengan data yang lain adalah ukuran dari rangkaian bit dan
Lebih terperinciBAB 2 LANDASAN TEORI. Data adalah fakta atau bagian dari fakta yang digambarkan dengan simbol-simbol,
BAB 2 LANDASAN TEORI 2.1 Data dan Informasi Data adalah fakta atau bagian dari fakta yang digambarkan dengan simbol-simbol, gambar-gambar, nilai-nilai, bilangan-bilangan, uraian karakter yang mempunyai
Lebih terperinciBAB I PENDAHULUAN 1.1 Tujuan 1.2 Latar Belakang
BAB I PENDAHULUAN 1.1 Tujuan Merancang sebuah sistem yang dapat meringkas teks dokumen secara otomatis menggunakan metode generalized vector space model (GVSM). 1.2 Latar Belakang Dunia informasi yang
Lebih terperinciBAB II DASAR TEORI Suara. Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan
BAB II DASAR TEORI 2. 1 Suara Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitude tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun benda
Lebih terperinciBAB I PENDAHULUAN. Suara merupakan salah satu media komunikasi yang paling sering dan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Suara merupakan salah satu media komunikasi yang paling sering dan umum digunakan oleh manusia. Manusia dapat memproduksi suaranya dengan mudah tanpa memerlukan
Lebih terperinciMODUL 4 PEMFILTERAN PADA SINYAL WICARA
MODUL 4 PEMFILTERAN PADA SINYAL WICARA I. TUJUAN - Mahasiswa mampu menyusun filter digital dan melakukan pemfilteran pada sinyal wicara II. DASAR TEORI 2.1. Filter IIR Yang perlu diingat disini bahwa infinite
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Landasan teori merupakan panduan untuk menemukan solusi pemecahan masalah yang sedang dihadapi. Pada bab ini akan dikemukakan landasan teori yang terkait dengan permasalahan untuk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kita semua menyadari bahwa teknologi merupakan hal yang penting di era globalisasi saat ini. Semakin lama teknologi semakin canggih dan berkembang pesat. Perkembangan
Lebih terperinci