Algoritma Quickprop Pada Pengenalan Suara
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Aziz, Abdul
Subject
005_Computer Programming, Programs & Data
Datestamp
2019-07-11 07:01:10
Abstract :
Speaker recognition merupakan suatu proses pengenalan suara berdasarkan seorang pembicara. Angga setiawan, dkk telah menggunakan backpropagation untuk melakukan speaker recognition. Hasil penelitian diperoleh nilai akurasi sebesar 83,99%. Selain itu Windra Swastika juga telah membandingkan penggunaan quickprop dengan backpropagation untuk masalah image recognition. Hasil penelitian menunjukkan bahwa metode quickprop bekerja lebih baik dari metode backpropagation. Oleh karena itu, algoritma klasifikasi yang akan digunakan pada penelitian ini adalah metode quickprop. Pada penelitian ini, data suara yang digunakan berasal dari 5 orang pembicara laki-laki yang mengucapkan 5 kata dalam bahasa Indonesia. Kata yang digunakan berasal dari penelitian menurut Leipzig Corpora Collection yang disimpan dalam bentuk file .wav. Sebelum dilakukan pengenalan, data suara terlebih dahulu dilakukan proses ekstraksi ciri dengan metode MFCC. Hasil dari ekstraksi ciri tersebut yang akan disimpan dan kemudian akan digunakan sebagai masukan untuk proses klasifikasi Quickprop. Berdasarkan pengujian K-Fold Cross Validation terhadap parameter yang digunakan didapatkan rata-rata akurasi yaitu sebesar 92% dan kata yang dipilih dapat digunakan dalam proses pengenalan.
Speaker recognition merupakan suatu proses pengenalan suara berdasarkan seorang pembicara. Angga setiawan, dkk telah menggunakan backpropagation untuk melakukan speaker recognition. Hasil penelitian diperoleh nilai akurasi sebesar 83,99%. Selain itu Windra Swastika juga telah membandingkan penggunaan quickprop dengan backpropagation untuk masalah image recognition. Hasil penelitian menunjukkan bahwa metode quickprop bekerja lebih baik dari metode backpropagation. Oleh karena itu, algoritma klasifikasi yang akan digunakan pada penelitian ini adalah metode quickprop. Pada penelitian ini, data suara yang digunakan berasal dari 5 orang pembicara laki-laki yang mengucapkan 5 kata dalam bahasa Indonesia. Kata yang digunakan berasal dari penelitian menurut Leipzig Corpora Collection yang disimpan dalam bentuk file .wav. Sebelum dilakukan pengenalan, data suara terlebih dahulu dilakukan proses ekstraksi ciri dengan metode MFCC. Hasil dari ekstraksi ciri tersebut yang akan disimpan dan kemudian akan digunakan sebagai masukan untuk proses klasifikasi Quickprop. Berdasarkan pengujian K-Fold Cross Validation terhadap parameter yang digunakan didapatkan rata-rata akurasi yaitu sebesar 92% dan kata yang dipilih dapat digunakan dalam proses pengenalan.
File :
UNIKOM_ABDUL AZIZ_COVER.pdf
UNIKOM_ABDUL AZIZ_LEMBAR PENGESAHAN.pdf
UNIKOM_ABDUL AZIZ_BAB 5.pdf
UNIKOM_ABDUL AZIZ_DAFTAR PUSTAKA.pdf
UNIKOM_ABDUL AZIZ_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_ABDUL AZIZ_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_ABDUL AZIZ_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_ABDUL AZIZ_KATA PENGANTAR.pdf
UNIKOM_ABDUL AZIZ_DAFTAR ISI.pdf
UNIKOM_ABDUL AZIZ_BAB 1.pdf
UNIKOM_ABDUL AZIZ_BAB 2.pdf
UNIKOM_ABDUL AZIZ_BAB 3.pdf
UNIKOM_ABDUL AZIZ_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
