• Tidak ada hasil yang ditemukan

S KOM 0608616 Abstract

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2017

Membagikan "S KOM 0608616 Abstract"

Copied!
2
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 2 Halaman )

Teks penuh

(1)

Rezdy Anugrah Perdana, 2014

Aplikasi Pengenalan Suara Pembicara Menggunakan Hidden Markov Model (HMM)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

ABSTRAK

Sistem Speaker Recognition merupakan sebuah sistem yang dapat mengenali

pembicara hanya melalui suaranya. Terdapat dua jenis speaker recognition, yaitu

speaker identification dan speaker verification. Speaker recognition digunakan

untuk mengidentifikasi siapa yang sedang berbicara sedangkan speaker

verification digunakan untuk mengesahkan apakah orang yang sedang berbicara

merupakan target speaker. Dalam skripsi ini digunakan metode ekstraksi ciri

Mel-Frequency

Cepstral

Coefficients

(MFCC)

dan

pengenalan

pola

menggunakan Hidden Markov Models. Eksperimen dilakukan dengan 8 orang

responden yang mengucapkan kata “Pendidikan” sebanyak 20 kali secara

berturut-turut. 10 data ucapan digunakan sebagai data training sedangkan 10

sisanya digunakan sebagai data uji. Hasil eksperimen tersebut menunjukkan

tingkat akurasi dari sistem adalah sebesar 71.25%.

(2)

Rezdy Anugrah Perdana, 2014

Aplikasi Pengenalan Suara Pembicara Menggunakan Hidden Markov Model (HMM)

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

ABSTRACT

Speaker Recognition System is a system that can recognize people only through

his voice. There are two types of speaker recognition, the speaker identification

and speaker verification. Speaker recognition is used to identify who is speaking

while the speaker verification is used to validate whether the person who is

speaking is the target speaker. This study used Mel-Frequency Cepstral

Coefficients (MFCC) feature extraction method and pattern recognition using

Hidden Markov Models. Experiments performed with 8 respondents who say the

word "Pendidikan" as many as 20 times in a row. 10 are used as training data,

while the remaining 10 are used as test data. The experimental results

demonstrate the accuracy of the system is equal to 71.25%.

Keywords:

Speaker Recognition, Speaker Verification, Speaker Identification,

Referensi

Unduh sekarang ( PDF - 2 Halaman - 109.23 KB )

Dokumen terkait

Pengembangan Model HMM Berbasis Maksimum Lokal Menggunakan Jarad Euclid Untuk Sistem Identifikasi Pembicara

(HMM) yang dimoifikasi pada distribusi observasi menggunakan jarak Euclid serta Mel-Frequency Cepstrum Coefficients (MFCC) sebagai ekstraksi ciri, Untuk menentukan distribusi

Aplikasi Pengenalan Ucapan dengan Ekstra

Tujuan dari Penelitian ini adalah membuat suatu program aplikasi dari pengenalan ucapan dengan ekstraksi Mel-Frequency Cepstrum Coefficients (MFCC) melalui Jaringan

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

Rizal Isnanto “Aplikasi pengenalan ucapan dengan ekstraksi Mel Frequency Cepstrum Coefficients (MFCC) melalui jaringan syaraf tiruan (JST) Learning Vektor. Quantization (LVQ)

Welcome to Repositori Universitas Muria Kudus - Repositori Universitas Muria Kudus

Aplikasi Pengenalan Ucapan dengan Ekstraksi Mel-Frequency Cepstrum Coefficients ( MFCC ) Melalui Jaringan Syaraf Tiruan ( JST ) Learning Vector Quantization ( LVQ ) untuk

Available online at TRANSMISI Website TRANSMISI, 13 (3), 2011,

Tujuan dari Penelitian ini adalah membuat suatu program aplikasi dari pengenalan ucapan dengan ekstraksi Mel-Frequency Cepstrum Coefficients (MFCC) melalui Jaringan

Wahana Fisika, 1(2), 2016

Dalam penelitian ini dibahas pengujian sistem ekstraksi ciri sinyal suara menggunakan Mel-Frequency Cepstrum Coefficients (MFCC) dan metode belajar serta klasifikasi

Verifikasi Suara menggunakan Jaringan Syaraf Tiruan dan Ekstraksi Ciri Mel Frequency Cepstral Coefficient

Pada penelitian ini metode yang digunakan adalah metode Jaringan Syaraf Tiruan (JST) untuk verifikasi suara dengan ekstraksi ciri Mel-Frequency Cepstral

CLASSIFICATION OF DISCRETE EMOTIONS IN SPEECH USING PROSODIC AND SPECTRAL FEATURES: INTRA AND CROSS-LINGUAL STUDIES IN FIVE NATIVE LANGUAGES OF ASSAM

Key words: Vocal Emotion Recognition; Gaussian Mixture Model GMM Classifier; Prosodic Features; Mel Frequency Cepstral Coefficients MFCC; Log Frequency Power Coefficients LFPC;