BAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang
|
|
- Bambang Dharmawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (artificial intelligence) merupakan bidang yang berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang mengarah kepada bidang aplikasi yang memerlukan keputusan yang cepat, yang juga terkadang mengandung resiko tinggi bagi manusia yang terlibat didalamnya atau tantangan resiko yang tidak diramalkan yang memerlukan keputusan kondisional. Semua kebutuhan tersebut memberikan dorongan bagi perkembangan pengetahuan kecerdasan buatan sebagai disiplin ilmu yang dapat dikembangkan untuk meniru pola pikir manusia dan meniru kemampuan kretifitas manusia dalam menyelesaikan masalah. Ciri utama kecerdasan buatan adalah kemampuan belajar dan berpikir secara nalar sebagaimana manusia belajar dari pengalaman dan berpikir secara simbolik. Kemampuan belajar dalam kecerdasan buatan memungkinkan teknik ini mampu melakukan inferensi secara berbeda sesuai dengan perbadaan lingkungan dan kondisi yang dihadapi [1]. Pada tiga dasawarsa terakhir, mulai muncul adanya teknik-teknik pendekatan dalam penyelesaian masalah yang kemudian dikenal dengan istilah soft computing. Soft computing adalah suatu model pendekatan untuk melakukan 1
2 komputasi dengan meniru akal manusia dan memiliki kemampuan untuk menalar dan belajar pada lingkungan yang penuh ketidakpastian dan ketidaktepatan [2]. Komponen utama pembentuk soft computing adalah sistem fuzzy (fuzzy system), jaringan neural (neural network), algoritma evolusioner (evolusionary algorithm) dan penalaran dengan probabilitas (probabilistic reasoning). Keempat komponen tersebut bukanlah merupakan pesaing antara satu dengan yang lain, melainkan saling melengkapi. Komponen-komponen utama tersebut memiliki bidang-bidang kajian yang sangat bervariasi [3]. Sistem inferensi fuzzy sering kali digunakan sebagai salah satu mekanisme inferensi pada sistem pakar, terutama untuk sistem pakar yang menggunakan aturan-aturan dalam basis pengetahuannya. Meskipun logika fuzzy dapat menterjemahkan pengetahuan dari para pakar secara langsung dengan menggunakan aturan-aturan yang dibangun secara linguistik, namun biasanya dibutuhkan waktu yang cukup lama untuk menetapkan fungsi keanggotaan pada setiap pernyataan linguistiknya. Untuk kepentingan efisiensi waktu dan biaya, perlu adanya metode lain yang digunakan untuk melengkapi logika fuzzy tersebut. Teknik-teknik pembelajaran pada jaringan neural dapat mengotomatisasi proses tersebut dan secara substansial dapat mengurangi waktu dan biaya [4]. Di antara sekian banyak penerapan teknik kecerdasan buatan salah satunya adalah dalam bidang pengenal isyarat atau signal recognize. Bidang aplikasi ini sangat luas, antara lain: sebagai interface agar manusia dapat berkomunikasi dengan mesin, sebagai indentifikasi personel melalui sidik jari (sidik jari setiap orang bersifat unik), sebagai alat deteksi kebohongan melalui suara (pola suara 2
3 orang akan berubah bila mengatakan sesuatu dengan tidak benar dan disengaja), dan lain-lain [1]. Pengenalan Tutur Otomatis (Automatic Speech Recognition, ASR) telah mencapai keberhasilan besar dalam beberapa dekade terakhir namun studi lebih lanjut diperlukan karena tidak ada metode saat ini yang cukup cepat dan tepat sebanding dengan kemampuan pengenalan manusia [5]. Hasil review terhadap beberapa hasil penelitian dipaparkan dalam kajian pustaka di Bab 2. Upaya awal untuk merancang sistem ASR dibuat tahun 1950-an dan an ketika berbagai peneliti mencoba untuk mengeksploitasi ide-ide dasar fonetik akustik. Karena pengolahan isyarat dan teknologi komputer yang masih primitif, sebagian besar sistem pengenalan tutur diteliti menggunakan resonansi spektral pada daerah vokal setiap ucapan yang diekstrak dari isyarat keluaran sebuah bank filter analog dan rangkaian logika. Selama 35 tahun terakhir, sistem ASR telah mengalami kemajuan besar selama bertahun-tahun. Beberapa faktor telah memberi kontribusi pada kemajuan pesat, seperti pengembangan teknik pemrosesan isyarat yang canggih dan juga daya komputasi yang terus meningkat. Kompleksitas dari suatu aplikasi pengolahan tutur sangat ditentukan oleh persyaratan sistem. Untuk sistem pengenalan tutur otomatis, parameter penting adalah jenis tutur, gaya berbicara, ukuran kosakata, lingkungan operasi dan ketergantungan pembicara [6]. Dilihat dari jenis tutur, sistem pengenalan tutur terbagi kepada dua jenis, yaitu pengenalan tutur kata-terisolasi (isolated-word speech recognition system) 3
4 dan pengenalan tutur kontinu (continuous speech recognition system). Jenis pengenalan tutur kata-terisolasi mengharuskan pembicara jeda sebentar antara kata-kata, sedangkan sistem pengenalan tutur kontinu tidak mengharuskan demikian [6]. Penggunaan kata-kata tunggal yang terisolasi menjadikan pengenalan tutur lebih mudah untuk diimplementasikan, sementara dengan kalimat tutur yang secara alami diucapkan kontinu menjadikan pengenalan tutur lebih sulit untuk diimplementesikan. Dalam pengenalan tutur kata-terisolasi yang menerapkan algoritma endpoint detection (voice activity detection) dalam mendeteksi titik awal dan akhir setiap kata, disyaratkan jeda antar-tutur setidaknya 100 milidetik [7]. Hal ini dimaksudkan untuk memastikan agar algoritma tersebut berjalan dengan benar. Pengenalan tutur kata-terisolasi menggunakan kata tunggal Dalam hal gaya berbicara, dialek dan aksen pembicara bisa membuat sulit bagi sistem ASR untuk mengenali kata yang diucapkan. Beberapa aplikasi membutuhkan penggunaan hanya sejumlah terbatas dari kata yang diprediksi, sementara sistem ASR lainnya dapat dihadapkan dengan kata apapun yang mungkin. Secara umum, ASR juga lebih sulit ketika beberapa kata yang terdengar mirip harus dibedakan. Beberapa aplikasi hanya digunakan di ruangan yang tenang, sementara yang lain harus mengenali tutur yang terdistorsi oleh suara latar belakang yang tak terduga seperti di stasiun kereta api atau tempat pasar. Secara garis besar suatu sistem pengenalan tutur terdiri dari pengolahan awal, ekstraksi ciri dan pengklasifikasi. Langkah-langkah tesebut diperlihatkan pada Gambar
5 Isyarat tutur Preprocessing Ekstraksi ciri Pengklasifikasi Hasil pengenalan Gambar 1.1 Sistem pengenealan tutur. Ciri dari isyarat tutur dapat diekstrak diantaranya dengan menggunakan Linear Predictive Coding (LPC), Fast Fourier Transform (FFT), Fuzzy C-Means Clustering (FCM), wavelet, Mel Frequency Cepstral Coeficient (MFCC), dan lain-lain. Pada penelitian ini digunakan MFCC yang merupakan teknik ekstraksi ciri yang telah luas dipakai dalam pemrosesan isyarat suara. Selama bertahun-tahun para peneliti telah menemukan beberapa metode untuk pengenalan tutur terisolasi seperti Hidden Markov Models (HMM), Support Vector Classifiers, Time Delay Neural Networks (TDNN), Hybrid Neuro-Fuzzy Network, Multi-layer Perceptron (MLP) dengan algoritma genetika (genetic algorithm) sebagai algoritma pelatihannya, dan Dynamic Time Warping (DTW). Semua studi ini telah dilakukan dalam pengenalan tutur tak bergantung-pembicara (independent-speaker) dengan sejumlah kata terbatas [5]. Dalam bidang pemrosesan isyarat suara, sistem jaringan neural (neural network) telah banyak diaplikasikan untuk proses pengenalan suara atau pengenalan kata. Akan tetapi, dalam beberapa kasus, jaringan neural belum dapat memberikan hasil yang baik. Penerapan sistem neuro-fuzzy yang menggabungkan sistem fuzzy yang mempunyai gaya penalaran (reasoning) seperti manusia dengan jaringan neural yang mempunyai kemampuan pembelajaran (learning) dimungkinkan dapat memberikan hasil yang lebih baik. 5
6 Penentuan set aturan pada sistem fuzzy didasarkan pada jumlah masukan dan fungsi keanggotaan. Dengan lima fungsi keanggotaan dan dua masukan maka sebuah Adaptive Neuro Fuzzy Inference System (ANFIS) yang digunakan mempunyai 5 2 = 25 aturan [8]. Jika jumlah masukannya adalah lima dengan sepuluh fungsi keanggotaan, maka jumlah aturannya adalah 10 5 = aturan. Semakin banyak jumlah masukan dan jumlah fungsi keanggtaan yang digunakan maka jumlah aturan yang diperlukan akan semakin banyak pula. Terlalu banyaknya aturan yang digunakan dapat menimbulkan permasalahan dalam kecepatan komputasi. Untuk itu diperlukan proses identifikasi sistem yang mengidentifikasi parameter-parameter dan menginisialisasi aturan-aturan yang digunakan untuk membedakan kualitas-kualitas fuzzy dikaitkan dengan masingmasing cluster (Fuzzy Inference System, FIS) dengan metode clustering terhadap masukan-masukan ANFIS. Tujuan menggunakan metode clustering adalah untuk menemukan aturan yang lebih disesuaikan dengan data masukan daripada dalam suatu FIS yang dihasilkan tanpa clustering [9] Perumusan Masalah Berdasarkan uraian di atas, maka perumusan masalah pada penelitian ini adalah bagaimana implementasi MFCC sebagai ciri dan ANFIS sebagai pengklasifikasi dalam sebuah sistem pengenalan tutur kata terisolasi, serta implementasi FCM untuk clustering vektor ciri dalam proses identifikasi dan inisialisasi sistem inferensi fuzzy. 6
7 Perancangan sistem pengenalan tutur kata terisolasi berbasiskan ciri MFCC dan pengklasifikasi ANFIS dalam penelitian ini difokuskan pada masalah perancangan ANFIS sebagai pengklasifikasinya. Dalam perancangan ANFIS, masalah utama adalah perancangan aturan, dalam hal ini adalah pemilihan jumlah aturan dan parameter-parameter awal himpunan fuzzy yang akan digunakan dalam ANFIS. Tanpa adanya satu set aturan yang diberikan oleh pakarnya maka proses penentuan aturan dan parameter-parameter awal akan bersifat trial and error dengan keacakan yang cukup tinggi. Clustering data pelatihan ANFIS dengan metode FCM diharapkan dapat mengarahkan dan memperpendek proses trial and error dalam perancangan bagian pengklasifikasi dari sistem pengenalan tutur terisolasi berbasiskan MFCC dan ANFIS Keaslian Penelitian Penelitian mengacu pada beberapa penelitian sebelumnya, diantaranya penelitian Speech Recognition of Isolated Malayalam Words Using Wavelet Features and Artificial Neural Network [10]. Dalam penelitian ini digunakan wavelet daubechies tipe 4 untuk ekstraksi ciri dan Jaringan Syaraf Tiruan (Artificial Neural Network, ANN) untuk tujuan kalsifikasi dan pengenalan. Lima kata dalam Bahasa Malayalam (salah satu bahasa di India Selatan) digunakan untuk eksperimen. Penelitian yang berjudul Isolated Digit Speech Recognition in Malay Language using Neuro-Fuzzy Approach, membahas pengembangan dan implementasi sebuah sistem pengenalan tutur angka (dari 0 sampai 9) dalam 7
8 Bahasa Melayu [5]. Teknik Mel Frequency Cepstral Coefficient (MFCC) digunakan untuk ekstraksi ciri tutur, Adaptive Neuro Fuzzy Inference System (ANFIS) digunakan sebagai teknik klasifikasi modern untuk melatih dalam identifikasi ciri dari tutur, sedangkan algoritma substractive clustering diterapkan untuk mengidentifikasi sistem inferensi fuzzy. Dalam penelitian yang berjudul Aplikasi Sistem Neuro-Fuzzy untuk Pengenalan Kata digunakan sistem neuro-fuzzy untuk pengenalan kata dalam Bahsa Indonesia yaitu kata nol, satu, dua, tiga, empat [11]. Disini digunakan Fast Fourier Transform (FFT) dalam proses transformasi isyarat tutur dalam domain waktu menjadi domain frekuensi untuk kemudian dilakukan segmentasi dan menjadi masukan bagi sistem neuro-fuzzy untuk tujuan klasifikasi dan pengenalan. Berdasarkan rujukan pada penelitian-penelitian yang telah ada, penelitian ini mengambil gagasan untuk menerapkan algoritma MFCC untuk ekstraksi ciri, clustering dengan FCM untuk mengidentifikasi sistem inferensi fuzzy dan sistem neuro-fuzzy struktur ANFIS untuk tujuan klasifikasi pada sebuah sistem pengenalan tutur tersiolasi dalam Bahasa Indonesia Manfaat Penelitian Hasil penelitian ini diharapkan memberikan manfaat sebagai berikut. 1. Mengembangkan metode pengenalan isyarat tutur kata terisolasi dengan menggunakan metode-metode atau teknik-teknik modern (MFCC, FCM dan ANFIS) yang dapat diimplementasikan diantaranya untuk voice-dialing, 8
9 aplikasi telepon, sistem transkripsi dan interaksi manusia dengan komputer, antarmuka pengguna dan khususnya interaksi manusia dengan robot, atau untuk secured access lainnya; 2. Menunjang sains dan teknologi bagi dunia akademik dan masyarakat industri terutama di bidang teknik elektro dan ilmu komputer, khususnya bidang sistem isyarat elektronis; 3. Memberikan tambahan khazanah pustaka mengenai implementasi sistem kecerdasan buatan (artificial intelligence); 4. Menjadi dasar alternatif untuk pengembangan pada penelitain-penelitian selanjutnya mengenai pengenalan tutur (speech recognition). 1.2 Tujuan Penelitian Tujuan penelitian ini adalah: 1. Membangun sistem pengenalan tutur kata terisolasi menggunakan ciri MFCC dan pengklasifikasi ANFIS. 2. Memilih jumlah aturan fuzzy dan parameter-parameter awal himpunan fuzzy yang akan digunakan dalam ANFIS dengan clustering data pelatihan ANFIS menggunakan metode FCM. 3. Menguji dan menganalisis unjuk kerja hasil rancangan untuk jumlah aturan fuzzy yang berbeda-beda. 9
10 1.3 Batasan Masalah Batasan masalah dalam penelitian ini adalah sebagai berikut: 1. Jangkauan dari sistem dalam penelitian ini dibatasi pada sampel tutur dalam Bahasa Indonesia. 2. Sebagai sampel dipilih lima kata yang tersusun dari dua suku kata dan tiga suku kata; tersusun dari berbagai struktur suku kata (V, KV, KVK, KKV, KKVK); terdri dari kata yang diawali vokal dan kata yang diawali konsonan; terdiri dari kata yang diakhiri vokal dan kata yang diakhiri konsonan. 3. Jenis tutur yang digunakan adalah tutur kata-terisolasi (isolated-word speech) yang mengharuskan ada jeda diantara tutur kata yang diucapkan, dengan 100 milidetik pertama dari isyarat tutur merupakan durasi diam. 4. Isyarat tutur yang diambil sebagai data pelatihan dan pengujian pengklasifikasi adalah tutur yang direkam dari orang dewasa. 10
BAB 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 terperinciBAB 1. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Proses penalaran merupakan bagian yang sangat penting dalam sistem cerdas. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung ketidaktepatan
Lebih terperinciBAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Proses pengenalan kata merupakan salah satu fungsi dari voice recognition. Voice recognition dibagi menjadi dua jenis, yaitu speech recognition dan speaker
Lebih 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 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 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 terperinciBAB I PENDAHULUAN. menggunakan voice recognition dapat membantu user memilih produk buah
BAB I PENDAHULUAN 1.1 Latar Belakang Buah Semangka adalah tanaman merambat yang berasal dari daerah gurun di Afrika bagian selatan (Agritekno, tt). Buah semangka masih sekerabat dengan labulabuan. Buah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Isyarat tutur merupakan isyarat yang diproduksi oleh alat ucap manusia hingga menghasilkan informasi, baik berupa makna dari isyarat tutur yang diucapkan maupun yang
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 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 terperinciArtificial Intelligence. uthie 1
Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian
Lebih terperinciL ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.
POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Intelegensi Buatan Sesi 1 Pengantar Intelegensi Buatan 2015 Intelegensi
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 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 SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciBAB 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 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 terperinciArtificial intelligence
Artificial intelligence Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : 081392554050 E : andri.pranolo@tif.uad.ac.id Informatics Engineering,
Lebih terperinciPengenalan Sistem Cerdas. Soft Computing dan Aplikasi AI
Pengenalan Sistem Cerdas Soft Computing dan Aplikasi AI Soft Computing (SC) Merupakan pendekatan inovatif untuk konstruksi komputasi dalam sistem cerdas SC adalah suatu pendekatan yang muncul untuk komputasi
Lebih terperinciPengenalan Kecerdasan Buatan (KB)
Pengenalan Kecerdasan Buatan (KB) Pengertian Kecerdasan Buatan VS Kecerdasan Alami Komputasi KB VS Komputasi Konvensional Sejarah KB Lingkup KB Soft Computing Referensi Luger & Stubblefield - bab 1 Sri
Lebih terperinciPENDETEKSIAN TINGKAT USIA MUDA, DEWASA DAN TUA MENGGUNAKAN METODE MFCC DAN FUZZY LOGIC BERBASISKAN SPEECH RECOGNITION
PENDETEKSIAN TINGKAT USIA MUDA, DEWASA DAN TUA MENGGUNAKAN METODE MFCC DAN FUZZY LOGIC BERBASISKAN SPEECH RECOGNITION DETECTION OF THE LEVEL OF YOUTH, ADULTS AND ELDERLY BY USING MFCC METHOD AND FUZZY
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Emosi Emosi adalah perasaan intens yang ditujukan kepada seseorang atau sesuatu dan juga merupakan reaksi terhadap seseorang atau kejadian.emosi dapat ditunjukkan ketika merasa
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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di era modern seperti saat ini, energi listrik menjadi salah satu kebutuhan dasar dalam kehidupan masyarakat. Berbagai peralatan rumah tangga maupun industri saat ini
Lebih terperinciBAB I PENDAHULUAN. beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang
BAB I PENDAHULUAN A. Latar Belakang Kanker paru telah menjadi salah satu kanker yang sering terjadi dalam beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang tak terkendali pada
Lebih terperinciPERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA M. G. J. Harry Khesa S 1, W. Setiawan 2, I.G.A.K. Diafari Djuni H 3 1,2,3 Jurusan Teknik Elektro dan Komputer,
Lebih terperinciARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan)
ARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan) Definisi : - Awalnya komputer difungsikan sebagai alat hitung. - Seiring dengan perkembangan jaman, komputer diharapkan dapat diberdayakan untuk mengerjakan
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 terperinciIMPLEMENTASI DYNAMIC TIME WARPING UNTUK VOICE RECOGNITION
IMPLEMENTASI DYNAMIC TIME WARPING UNTUK VOICE RECOGNITION TUGAS AKHIR Diajukan Untuk Memenuhi Sebagian Persyaratan Dalam Memperoleh Gelar Sarjana Komputer Jurusan Teknik Informatika Disusun oleh : PAULA
Lebih terperinciPERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
SKRIPSI PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA MADE GDE JAYA HARRY KHESA S JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN
Lebih terperinciBAB I PENDAHULUAN. kendali dengan campur tangan manusia dalam jumlah yang sangat kecil.
BAB I PENDAHULUAN A. Latar Belakang Perkembangan teknologi pada saat ini mulai bergeser kepada otomatisasi sistem kendali dengan campur tangan manusia dalam jumlah yang sangat kecil. Banyaknya penemuan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dibahas tentang latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, dan kontribusi penelitian. Masalah-masalah yang dihadapi berkaitan dengan melakukan
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciIdentifikasi Pembicara dengan Menggunakan Mel Frequency Cepstral Coefficient (MFCC) dan Self Organizing Map (SOM)
Pembicara dengan Menggunakan Mel Frequency Cepstral Coefficient (MFCC) dan Self Organizing Map (SOM) Inggih Permana 1, Benny Sukma Negara 2 1 Universitas Sultan Sarif Kasim Riau 2 Universitas Sultan Sarif
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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pengenalan fonem adalah implementasi dari speech to teks yang merupakan bagian dari speech recognition atau pengenalan ucapan. Pengenalan ucapan lebih dikonsentrasikan pada ekstraksi
Lebih terperinciArtificial Intelegence. Eka Yuniar
Artificial Intelegence Eka Yuniar DEFINISI Awalnya komputer difungsikan sebagai alat hitung. Seiring dengan perkembangan jaman, komputer diharapkan dapatdiberdayakan untuk mengerjakan segala sesuatu yang
Lebih terperinciBAB I PENDAHULUAN. darah. Penyakit Jantung (cardiovascular disease) adalah setiap kondisi yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Jantung merupakan organ tubuh yang paling fungsional karena peranannya sebagai pemompa darah agar dapat mengalir ke seluruh tubuh melalui pembuluh darah. Penyakit
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 PENGANTAR KECERDASAN BUATAN
BAB I PENGANTAR KECERDASAN BUATAN 1. 1 DEFINISI Kecerdasan buatan (Artificial Intelligence) : Bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti
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 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin bertambah tahun, semua peralatan konvensional semakin tergantikan dengan adanya peralatan elektronik. Di setiap sisi kehidupan pada saat ini menggunakan peralatan
Lebih terperinciBAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli
BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli Definisi Kecerdasan Buatan Merupakan salah satu bagian dari ilmu komputer Yang membuat agar mesin
Lebih terperinciEKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON
EKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON Nurmasyitah 1, Mursyidah 2, Jamilah 3 Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknologi Informasi dan Komputer, Politeknik
Lebih terperinciBAB I PENDAHULUAN. manusia satu dengan manusia lainnya berbeda-beda intonasi dan nadanya, maka
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Suara adalah suatu alat komunikasi paling utama yang dimiliki oleh manusia. Dengan suara, manusia dapat berkomunikasi dengan manusia lainnya. Melalui suara,
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 PENDAHULUAN Latar Belakang Mengenali sebuah kata atau kalimat bukanlah hal yang sulit dilakukan bagi manusia Apalagi kata tersebut merupakan Bahasa Utama yang digunakannya sehari-hari Berbagai logat
Lebih 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 terperinciMenurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami
KECERDASAN BUATAN (AI/Artificial Intelligence) Menurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami (kecerdasan manusia). Kelebihan AI yaitu : AI lebih bersifat permanent
Lebih terperinciRekognisi Pengucap Forensik Forensic Speaker Recognition
Rekognisi Pengucap Forensik Forensic Speaker Recognition Untuk Komunitas: Lingkar Soca 28 Februari 2016 Oleh: Miranti Indar Mandasari, ST., MT. Institut Teknologi Bandung, Indonesia Radboud University
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih 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 terperinciPENGANTAR KECERDASAN BUATAN
PERTEMUAN PERTAMA PENGANTAR KECERDASAN BUATAN SEKOLAH TINGGI TEKNIK HARAPAN TAHUN AJARAN 2017-2018 Fera Damayanti Welcome Dosen Alamat : Fera Damayanti, ST, M.Kom : Jalan Karya Bakti No.26 Tanjung Pura,
Lebih terperinciTUGAS AKHIR. Diajukan Sebagai Salah Satu Syarat untuk Menyelesaikan Program Strata I Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Andalas
TUGAS AKHIR PERBANDINGAN KINERJA JARINGAN SYARAF TIRUAN (JST) DAN DYNAMIC TIME WARPING (DTW) PADA SISTEM PENGAKSESAN BERBASIS SUARA TERHADAP JADWAL KEGIATAN DOSEN DI JURUSAN TEKNIK ELEKTRO UNIVERSITAS
Lebih terperinciTINJAUAN PUSTAKA. Pengenalan Suara
Pengenalan Suara TINJAUAN PUSTAKA Menurut Peacock (1990), pengenalan suara merupakan kemampuan untuk mengidentifikasi kata-kata yang diucapkan. Terdapat 5 faktor yang dapat mengontrol dan menyederhanakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya teknologi informasi, kebutuhan akan informasi yang digunakan untuk mendukung business intelligent suatu perusahaan juga meningkat. Informasi penting
Lebih terperinciPENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG
PENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG TUGAS AKHIR MUHAMMAD AGUNG NURSYEHA 2211100164 Pembimbing: Dr. Muhammad
Lebih 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 terperinciPREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo)
PREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo) Ifan Wiranto, Wahab Musa, Wrastawa Ridwan Jurusan Teknik Elektro
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam sistem perdagangan internasional, setiap negara mempunyai mata uangnya masing-masing sebagai alat tukar atau alat pembayaran yang sah, dalam melakukan pembayaran
Lebih terperinciEKSTRAKSI CIRI DAN PENGENALAN TUTUR VOKAL BAHASA INDONESIA MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM
F.30 EKSTRAKSI CIRI DAN PENGENALAN TUTUR VOKAL BAHASA INDONESIA MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN DYNAMIC TIME WARPING (DTW) SECARA REALTIME Risky Via Yuliantari *, Risanuri Hidayat,
Lebih terperinciPengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI.
Pengenalan Pembicara dengan Ekstraksi Ciri MFCC Menggunakan Kuantisasi Vektor (VQ) Yoyo Somantri & Erik Haritman dosen tek elektro fptk UPI. Tujuan Tujuan dari penelitian ini adalah untuk mengidentifikasi
Lebih terperinciPerancangan Sistem Pengenalan Suara Untuk Pengamanan Dan Pemantauan Fasilitas PLTA
Perancangan Sistem Pengenalan Suara Untuk Pengamanan Dan Pemantauan Fasilitas PLTA Yufliha Dian Ayunisa, Ir. Achmad Affandi, DEA, Ir. Wirawan, DEA Jurusan Teknik Elektro FTI ITS Abstrak - Sistem pengawasan
Lebih terperinciANALISIS DAN PERANCANGAN PROGRAM APLIKASI. mahasiswa Binus University secara umum. Dan mampu membantu
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI 3.1. Analisa Sistem 3.1.1. Sejarah Umum Perusahaan Binus Learning Community adalah komunitas belajar binus yang berada dibawah sub unit mentoring Student
Lebih terperinciROBOT PEMADAM API DENGAN KENDALI UCAPAN MENGGUNAKAN LINIER PREDICTIVE CODING DAN JARINGAN SYARAF TIRUAN BACKPROPAGASI
Mikrotiga, Vol 1, No. 2 Mei 2014 ISSN : 2355-0457 25 ROBOT PEMADAM API DENGAN KENDALI UCAPAN MENGGUNAKAN LINIER PREDICTIVE CODING DAN JARINGAN SYARAF TIRUAN BACKPROPAGASI Desi Windi Sari 1*, Sri Agustina
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciKECERDASAN BUATAN Artificial intelligence TRI WAHYUDI TIPA 15
KECERDASAN BUATAN Artificial intelligence TRI WAHYUDI 1530055401001 TIPA 15 DAFTAR isi BAB I pengantar kecerdasan buatan BAB II Bidang Ilmu Ai BAB III Machine Learning BAB I PENGANTAR KECERDASAN BUATAN
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciBAB I PENDAHULUAN. Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada
BAB I PENDAHULUAN A. Latar Belakang Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada dasarnya ada dua jenis uang yang beredar di masyarakat, yaitu uang kartal dan uang giral.
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Permainan labirin merupakan salah satu pilihan permainan untuk mengisi waktu luang. Permainan Labirin atau Maze merupakan suatu permainan dengan sebuah area
Lebih terperinciSistem Pengenal Tutur Bahasa Indonesia Berbasis Suku Kata Menggunakan MFCC, Wavelet Dan HMM
ISSN: 2085-6350 Yogyakarta, 15 September 2015 CITEE 2015 Sistem Pengenal Tutur Bahasa Indonesia Berbasis Suku Kata Menggunakan MFCC, Wavelet Dan HMM Syahroni Hidayat 1, Risanuri Hidayat 2, Teguh Bharata
Lebih terperinciPENERAPAN METODE HIDDEN MARKOV MODEL DAN MEL FREQUENCY CEPSTRUM COEFFICIENT DALAM PENGENALAN VOICE COMMAND BERBAHASA INDONESIA KOMPETENSI KOMPUTASI
PENERAPAN METODE HIDDEN MARKOV MODEL DAN MEL FREQUENCY CEPSTRUM COEFFICIENT DALAM PENGENALAN VOICE COMMAND BERBAHASA INDONESIA KOMPETENSI KOMPUTASI SKRIPSI I GEDE ARYA MAHARTA NIM. 1108605025 JURUSAN ILMU
Lebih terperinciGambar 1. Hop multi komunikasi antara sumber dan tujuan
Routing pada Jaringan Wireless Ad Hoc menggunakan teknik Soft Computing dan evaluasi kinerja menggunakan simulator Hypernet Tulisan ini menyajikan sebuah protokol untuk routing dalam jaringan ad hoc yang
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 terperinciPerbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan Metode Berbasis Amplitudo
Tersedia secara online di: http://journal.ipb.ac.id/index.php.jika Volume 2 Nomor 1 halaman 29-37 ISSN: 2089-6026 Perbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Genre musik adalah pengelompokan musik sesuai dengan kemiripan satu dengan yang lain, seperti kemiripan dalam hal frekuensi musik, struktur ritmik, dan konten harmoni. Genre
Lebih terperinciPembuatan Prototype Speaker Diarization
Pembuatan Prototype Speaker Diarization Samuel Enrico Wijaya 13509059@std.stei.itb.ac.id Nur Ulfa Maulidevi ulfa@stei.itb.ac.id Dessi Puji Lestari dessipuji@gmail.com Abstrak - File suara mengandung banyak
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 terperinciJurnal Komputer Terapan Vol. 1, No. 2, November 2015, Jurnal Politeknik Caltex Riau
Jurnal Komputer Terapan Vol. 1, No. 2, November 2015, 121-132 121 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Aplikasi Pengenalan Ucapan Dengan Ekstraksi Ciri Mel- Frequency Cepstrum Coefficients
Lebih terperinciBAB 1 PENDAHULUAN. berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition
BAB 1 PENDAHULUAN 1.1 Latar Belakang Speaker recognition adalah salah satu bidang pengenalan pola yang berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition yang mengenali kata atau
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4B3 SOFT COMPUTING Disusun oleh: Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran
Lebih terperinciPREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU
PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU 091402118 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan adalah suatu organisasi yang didirikan oleh seseorang atau sekelompok orang atau badan lain yang kegiatannya adalah melakukan produksi dan distribusi guna
Lebih terperinciEKSTRASI CIRI DAN PENGENALAN SUARA VOKAL BAHASA INDONESIA BERDASARKAN JENIS KELAMIN SECARA REAL TIME
EKSTRASI CIRI DAN PENGENALAN SUARA VOKAL BAHASA INDONESIA BERDASARKAN JENIS KELAMIN SECARA REAL TIME Risky Via Yuliantari 1*, Risanuri Hidayat 2, Oyas Wahyunggoro 3 1,2,3 Jurusan Teknik Elektro dan Teknik
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 terperinciPengenalan Digit 0 Sampai 9 Menggunakan Ekstraksi Ciri MFCC dan Jaringan Syaraf Tiruan Backpropagation
1 JURNAL TEKNIK ELEKTRO ITP, Vol. 6, No. 1, JANUARI 2017 Pengenalan Digit 0 Sampai 9 Menggunakan Ekstraksi Ciri MFCC dan Jaringan Syaraf Tiruan Backpropagation Sitti Amalia Institut Teknologi Padang, Padang
Lebih terperinciBAB 1 PENDAHULUAN. Dengan pesatnya perkembangan teknologi dalam bidang IT (Information
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan pesatnya perkembangan teknologi dalam bidang IT (Information Technology), terutama dalam bagian AI (Artificial Intelligence), telah banyak aplikasiaplikasi yang
Lebih terperinciPenggunaan Model ELFIS dan Sistem Neuro Fuzzy Untuk Memprediksi Pasar Saham
Penggunaan Model ELFIS dan Sistem Neuro Fuzzy Untuk Memprediksi Pasar Saham Alexander Sukono - 13513023 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciJISICOM (Journal of Information System, Informatics and Computing ) APLIKASI PENGENALAN UCAPAN HURUF JEPANG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM)
APLIKASI PENGENALAN UCAPAN HURUF JEPANG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM) Dahlan Abdullah* 1, Cut Ita Erliana* 2 *1 Prodi Teknik Informatika, Universitas Malikussaaleh, Aceh, Indonesia *2 Prodi Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinci1. Pendahuluan 1.1 Latar belakang masalah
1. Pendahuluan 1.1 Latar belakang masalah Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: 'aurum') dan nomor atom 79. Emas digunakan sebagai standar keuangan di banyak
Lebih terperinciMengenal Artificial Intelligence, Machine. Learning, Neural Network, dan Deep Learning
Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning Abu Ahmad www.teknoindonesia.com E-mail: abuahmad@promotionme.com Abstract Dengan semakin canggihnya teknologi dan
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperincimental kita begitu penting bagi kehidupan
PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) Pendahuluan Manusia memiliki nama ilmiah homo sapiens - manusia yang bijaksana - karena kapasitas mental kita begitu penting bagi kehidupan sehari-hari.
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciBAB I PENDAHULUAN. seseorang, ataupun takut terhadap sesuatu (Frieda, 1993). Kondisi
BAB I PENDAHULUAN 1.1 Latar Belakang Emosi adalah perasaan intens yang ditujukan kepada seseorang atau sesuatu dan juga merupakan reaksi terhadap seseorang atau kejadian. Emosi dapat ditunjukkan ketika
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinci