Identifikasi isyarat suara huruf vokal dalam bahasa Indonesia menggunakan transformasi fourier cepat berbasis jaringan saraf tiruan perambatan balik

Danial Ramadan, (NIM. 1021311010) (2017) Identifikasi isyarat suara huruf vokal dalam bahasa Indonesia menggunakan transformasi fourier cepat berbasis jaringan saraf tiruan perambatan balik. skripsi thesis, Universitas Bangka Belitung.

Preview	Text Halaman Depan.pdf Download (8MB) | Preview
Preview	Text BAB I.pdf Download (477kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (3MB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (4MB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (3MB) | Request a copy
Preview	Text BAB V.pdf Download (439kB) | Preview
Preview	Text Daftar Pustaka.pdf Download (434kB) | Preview
Preview	Text Lampiran.pdf Download (9MB) | Preview

Abstract

Perkembangan ilmu pengetahuan dan teknologi meningkat dengan cepat. Dalam ilmu pengetahuan dan teknologi khususnya pada bidang komunikasi, pengolahan sinyal memiliki peranan yang sangat penting. Salah satu pengolahan sinyal adalah pengenalan/identifikasi sinyal suara. Identifikasi suara isyarat huruf abjad dalam bahasa Indonesia, khususnya isyarat huruf vokal (a, i, u, e, o) dalam bahasa Indonesia. Fast Fourier Transform (FFT) sering digunakan untuk melakukan ekstraksi ciri dari suatu data suara, gambar, dll. Untuk identifikasi suatu data algoritma yang banyak diaplikasikan adalah jaringan saraf tiruan (JST) perambatan balik (backpropagation). Bahan atau materi yang digunakan dalam penelitian ini, berupa hasil rekaman isyarat suara huruf vokal (a, i, u, e, o) dalam bahasa Indonesia dengan kisaran umur responden 19-22 tahun yang terdiri dari 6 laki-laki dan 6 perempuan dengan masing-masing huruf vokal (a, i, u, e, o) diulang 33-34 kali untuk setiap responden, jumlah total data suara yang digunakan dalam penilitian ini adalah 2000 sampel data suara. Hasil ekstraksi ciri pada penelitian ini berupa matriks dengan ordo 512 x 1, yang mana nilai-nilai yang dihasilkan berbeda-beda untuk setiap huruf vokal (a, i, u, e, o). Model jaringan saraf tiruan perambatan balik yang dihasilkan mampu mengidentifikasi isyarat suara huruf vokal dengan baik, akurasi tertinggi pada arsitektur JST perambatan balik yang memiliki 7 hidden layer (arsitektur 1-7-1), dengan jumlah neuron untuk setiap hidden layer 70, rata-rata persentase keberhasilan untuk data latih adalah 100 %, sedangkan untuk data uji rata-rata persentase keberhasilannya adalah 72.2 %.

Actions (login required)

View Item