SISTEM PENGENALAN PENGUCAP MANUSIA DENGAN EKSTRAKSI CIRI MFCC DAN ALGORITMA JARINGAN SARAF TIRUAN PERAMBATAN BALIK SEBAGAI PENGENALANNYA PADA SISTEM KEHADIRAN

Eko, Riyanto (2013) SISTEM PENGENALAN PENGUCAP MANUSIA DENGAN EKSTRAKSI CIRI MFCC DAN ALGORITMA JARINGAN SARAF TIRUAN PERAMBATAN BALIK SEBAGAI PENGENALANNYA PADA SISTEM KEHADIRAN. Masters thesis, Diponegoro University.

[img]Microsoft Word
1856Kb
[img]Microsoft Word
1856Kb

Official URL: http://www.msi.undip.ac.id

Abstract

Suara merupakan identitas yang dimiliki manusia yang berisifat unik dan melekat pada tubuh manusia. Sistem pengenalan suara manusia dengan memanfaatkan suara manusia yang diekstraksi dengan metode MFCC, menghasilkan matrikss dan disimpan dalam basis data. Proses pengenal suara manusia dengan mencocokan suara yang diuji dan dicocokan dengan matriks yang ada dalam basisdata. Model prototipe digunakan dalam pengembangan sistem pengenalan suara dengan melakukan analisis, desain, dan implementasi. Sistem pengenalan suara memerlukan data suara manusia yang diakuisisi dengan mikropon direkam menggunakan Free Sound Recorder dengan format file .wav serta disimpan dalam folder nama masing-masing. Data latih yang diperlukan 10 suara dari masing-masing orang. Data suara yang sudah dibaca dan diekstraksi ciri dengan MFCC menghasilkan matriks 10x503 karena data terlalu besar maka disederhanakan dengan PCA sehingga matrikss menjadi 10x4 selanjutnya dilakukan reshape suapaya matrikss menjadi 1 x 40. Jadi matriks seluruhnya 300 x 40 karena data yang dilatih sejumlah 300 suara dari 30 orang.Matriks yang sudah disederhanakan tersebut akan menjadi masukan jaringan saraf tiruan perambatan balik, dan diatur paramater-paramatar jaringan saraf tiruan seperti Max. Epoch, Goal, Learning Rate, PCA, Num.Of Hidden Neuron, fungsi aktivasi dari masukan ke lapisan tersembunyi dan fungsi aktivasi dari lapisan tersembunyi ke keluaran. Setelah jaringan tersebut dilatih kemudian disimpan kedalam basis data. Proses pengujian yaitu dengan mencocokkan data uji dengan contoh data yang sudah dilatih dengan jaringan saraf tiruan. Sistem pengenalan suara dengan jaringan saraf tiruan mempunyai tingkat keakuratan 81,67%. Pengembangan lebih lanjut dari sistem pengenalan suara dengan meningkatkan tingkat akurasi dalam pengenalan suara, sehingga perlu menambah perangkat akuisisi yang beresolusi tinggi. Selain menambah perangkat akuisisi, diperlukan data suara latih dalam kondisi yang bermacam-macam pada lingkungan yang beragam sehingga pada saat pengujian pada kondisi lingkungan yang beragam mempunyai akurasi yang tinggi.

Item Type:Thesis (Masters)
Subjects:Q Science > QA Mathematics > QA76 Computer software
Divisions:School of Postgraduate (mixed) > Master Program in Information System
ID Code:39546
Deposited By:Mr Musa MSI
Deposited On:14 Mar 2016 21:38
Last Modified:14 Mar 2016 21:38

Repository Staff Only: item control page