i
Perancangan Perangkat Lunak Pembuka Program Aplikasi Komputer
melalui Pengenalan Suara
Anugrah Endy/0322028
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email: anugrah_endy@hotmail.com
ABSTRAK
Suara merupakan alat komunikasi yang esensial bagi manusia. Sistem pengenalan suara dapat diterapkan dalam berbagai bidang, seperti militer, telepon selular dsb. Sistem pengenalan yang dibuat dalam Tugas Akhir ini adalah memanfaatkan suara sebagai alat untuk membuka aplikasi komputer dengan menggunakan metode LPC (Linear Predictive Coding) sebagai pengolahan sinyal dan pengenalan suara digunakan metoda DTW (Dynamic Time Warping). Program dirancang dengan menggunakan MATLAB 7.
Hasil pengujian dari realisasi perangkat lunak pembuka aplikasi komputer melalui pengenalan suara didapatkan rata-rata persentase keberhasilan sistem dalam mengenali kata untuk menjalankan panggilan aplikasi yang sesuai dengan referensi yang ditentukan adalah 64,44 % dan untuk menjalankan panggilan aplikasi yang tidak sesuai dengan referensi yang ditentukan adalah 29,10 %.
i
Designing of Voice Recognition for Computer Application Starter
Anugrah Endy / 0322028
Department of Electrical Engineering, Christian Maranatha University
Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email: anugrah_endy@hotmail.com
ABSTRACT
Sound is an essential communication instrument to human. Speech Recognition system is applicable to various areas; such as military, cell phone etc. The Recognition System developed in this Final Assignment uses sound as an instrument to open computer application by using LPC (Linear Predictive Coding) method to process sound signal and DTW (Dynamic Time Warping) to recognize voice. This program is built using MATLAB 7.
The result of this computer application viewer software implementation showed that the success average result of systems ability to recognize voice in executing application according to particular reference is 64,44% and to unaccording to particular reference is 29,10 %
1
BAB I
PENDAHULUAN
1.1.Latar Belakang
Suara merupakan modal yang dimiliki oleh manusia untuk dapat mengkomunikasikan maksud dan tujuan dalam kehidupannya. Berbagai hal dapat dilakukan hanya dengan mengeluarkan suara, misalnya memberikan perintah kepada sesamanya. Dengan mudahnya manusia dapat mengerti apa yang diucapkan oleh manusia yang lain tanpa mengalami kesulitan sedikitpun. GUI (Graphical User Interface) telah menjadi pilihan utama pada pengembangan aplikasi komputer pada umumnya. Interaksi GUI melalui keyboard dan mouse menjadi bagian keseharian pengguna komputer. Dalam perkembangannya penggunaan suara digunakan juga untuk interaksi dengan komputer melalui GUI. Pada tugas akhir ini dibuat suatu perangkat lunak yang memanfaatkan teknologi pengenalan suara yang digunakan sebagai perintah untuk membuka aplikasi komputer
1.2.Identifikasi Masalah
Bagaimana merancang perangkat lunak pembuka aplikasi program komputer berbasis pengenalan suara ?
1.3.Maksud dan Tujuan
Merancang perangkat lunak agar sinyal suara dapat dikenal sebagai perintah untuk membuka suatu aplikasi pada komputer.
1.4.Pembatasan Masalah
• Aplikasi komputer yang dapat diakses bersifat command yang berekstensi .exe .com atau .bat
2 • Program dibuat dengan Matlab 7.0
• Menggunakan metoda Linear Predictive Coding (LPC) untuk pengolahan suara dan metoda Dynamic Time Warping (DTW) untuk pengenalan suara
1.5. Sistematika Penulisan
Agar dalam penulisan laporan Tugas Akhir ini lebih terarah dan teratur serta terstruktur maka akan dibagi dalam :
BAB I PENDAHULUAN
Berisi latar belakang, identifikasi masalah, maksud dan tujuan, pembatasan masalah, dan sistematika penulisan.
BAB II LANDASAN TEORI
Berisi tentang teori-teori yang menunjang dalam pembuatan aplikasi dalam tugas akhir ini, yaitu ulasan mengenai pengertian pengolahan suara, pengenalan suara serta matlab.
BAB III PERANCANGAN
Bab ini berisi baris-baris program yang digunakan untuk membuat program, penjelasan program serta flowchart program pengolahan citra.
BAB IV DATA PENGAMATAN DAN ANALISA
Berisi gambar yang akan diuji, tampilan hasil percobaan dan hasil survey yang dilakukan.
BAB V KESIMPULAN DAN SARAN
Perancangan Perangkat Lunak Pembuka Program
Aplikasi Komputer melalui Pengenalan Suara
Designing of Voice Recognition for Computer Application
Starter
Laporan Tugas Akhir
Diajukan Untuk Memenuhi Persyaratan Program Studi Strata Satu (S1) Jurusan Teknik Elektro - Fakultas Teknik
Universitas Kristen Maranatha Bandung
Disusun Oleh :
Nama
: Anugrah Endy
NRP
: 0322028
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS KRISTEN MARANATHA
BANDUNG
ix
DAFTAR GAMBAR
Halaman
Gambar 2.1 Bentuk sinyal sinus ... 3
Gambar 2.2 Bentuk sinyal sinus yang telah di sampling ... 3
Gambar 2.3 Bentuk sinyal yang di frame blocking ... 5
Gambar 2.4 Sinyal sinus murni ... 5
Gambar 2.5 Sinyal sinus yang telah di window ... 6
Gambar 2.6 Tampilan utama Matlab ... 14
Gambar 2.7 Contoh M-File ... 16
Gambar 2.8 Diagram Pemrograman Berbasis Objek... 17
Gambar 3.1 Diagram alir keseluruhan ... 20
Gambar 3.2 Diagram alir Linear Predictive Coding .. ... 21
Gambar 3.3 Diagram alir Dynamic Time Warping ... 23
Gambar 3.4 Diagram alir Perbandingan Hasil . ... 24
Gambar 3.5 Tampilan Program ... 26
v
DAFTAR ISI
Halaman
LEMBAR PENGESAHAN
PERNYATAAN ORISINALITAS LAPORAN
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR... iii
DAFTAR ISI ... v
DAFTAR GAMBAR... ix
DAFTAR TABEL... x
BAB I PENDAHULUAN... 1
1.1 Latar Belakang... 1
1.2 Identifikasi Masalah ... 1
1.3 Maksud dan Tujuan ... 1
1.4 Pembatasan Masalah... 1
vi
BAB II LANDASAN TEORI... 3
2.1 Proses Sampling ... 3
2.2 Linear Predictive Coding (LPC) ... 4
2.3 Teknik Untuk Membandingkan Pola ... 7
2.4 Pengukuran Jarak Antara Dua Pola ... 8
2.5 Normalisasi Waktu ... 8
2.6 Pemrograman Dinamik (Dynamic Programming) ... 9
2.7 Pembatasan Dalam Normalisasi Waktu ... 10
2.7.1 Pembatasan Titik Awal dan Akhir (Endpoint Constraints).... 10
2.7.2 Kemonotonan (Monotonicity) ... 11
2.7.3 Pembatasan Jalan Lokal (Local Path Constraints) ... 11
2.7.4 Pembatasan Jalan Keseluruhan (Global Path Constraints) ... 11
2.8 Dynamic Time Warping (DTW) ... 12
2.9 Matlab ... 12
2.9.1 Lingkup Matlab ... 13
2.9.2 Variabel pada Matlab ... 14
2.9.3 Matriks ... 14
2.9.4 Fungsi Matematika lain ... 15
2.9.5 M-File Editor ... 15
2.9.5.1 Aturan dan sifat – sifat ... 16
vii
2.9.6.1 Objek Figure ... 18
2.9.6.2 Objek Uicontrol ... 19
2.9.6.3 Properti Callback sebagai Media Interaksi ... 19
BAB III PERANCANGAN PROGRAM ... 20
3.1 Linear Predictive Coding (LPC) ... 21
3.1.2 Program Linear Predictive Coding ... 21
3.2 Dynamic Time Warping ... 23
3.2.1 Program Dynamic Time Warping ... 24
3.3 Perbandingan Hasil ... 24
3.3.1 Program Perbandingan Hasil ... 25
3.4 Perancangan Tampilan Program ... 26
3.4.1 Fungsi tombol pada Tampilan Program ... 26
BAB IV DATA PENGAMATAN DAN ANALISA DATA ... 27
4.1 Tampilan Program ... 27
4.2 Hasil Pengujian... 28
4.3 Analisa Data ... 29
viii
BAB V KESIMPULAN DAN SARAN. ... 31
5.1 Kesimpulan ... 31
5.2 Saran ... 31
DAFTAR PUSTAKA... 32
LAMPIRAN A : LISTING PROGRAM
x
DAFTAR LAMPIRAN
LAMPIRAN A A-1
32
DAFTAR PUSTAKA
1. Duane Hanselman, Bruce Littlefield, 1998, Mastering MATLAB 5 A Comprehensive Tutorial And Reference, Prentice Hall, Upper Saddle River, New Jersey 07458
2. Etter, D. M.,1993, Engineering Problem Solving with MATLAB, Prentice Hall, Englewood Cliff, New Jersey 07632
3. Lawrence Rabiner, Biing Hwang Juan, “Fundamentals of Speech Recognition”, Prentice Hall International Inc, 1993
4. Linfield, G., Penny, J., 1995, Numerical Methods Using MATLAB, Ellis Horwood
5. MATLAB User’s Guide, 1989, The Math Works, inc, 13 September 2007. Rabiner, Lawrence, and Biing-Hwang Juang, 1993, “Fundamentals of Speech Recognition”.Prentice Hall, New Jersey
5. Orfanidis, Sophocles.J., Optimum Signal Processing. Singapore : McGraw-Hill Book Co. 1990
6. Pelton, Gordon E, 1993, “Voice Processing”. McGraw-Hill, Inc., Singapore
7. http://en.wikipedia.org/wiki/Linear_predictive_coding, 17 Agustus 2007 8. http://en.wikipedia.org/wiki/MATLAB, 3 Agustus 2007
9. http://en.wikipedia.org/wiki/Speech_recognition, 13 Agustus 2007
10.http://www.ee.columbia.edu/~dpwe/resources/matlab/dtw, 13 Agustus 2007
LAMPIRAN A
program.m
% --- % Program Aplikasi Pembuka Software berbasis Pengenalan Suara
% Matlab Window Programming % Oleh : Anugrah Endy (0322028)
% ---
'name','Aplikasi Pembuka Software berbasis Pengenalan Suara');
recognition.m
%Input masuk fs = 11025;
x = wavrecord(1*fs,fs,'double');
%lakukan proses Preemphasis ,Frame blocking & windows xprhm = preham(x, 1);
[lpcoefs, errorPow] = lpc(wx, order);
%KOnversi Parameter LPC ke koefisien
% Fit the original LPC model (high-order) [a,g,e] = lpcfit(wx,20);
% Warp pole-pole
% (warppoles memodifikasi setiap frame - baris pada a - pada waktu sama)
alpha = 0.5;
[bhat, ahat] = warppoles(a, alpha);
% Resynthesize with the new LPC
% (fortunately, bhat is the same for all frames) dw = filter(bhat(1,:), 1, lpcsynth(ahat, g, e)); Z = dw';
load('newdatabase'); [p l] = size(x);
%Dynamic Time Warping ( DTW) M = simmx(Z,x);
winopen('C:\Program Files\Microsoft Office\OFFICE11\winword.exe'); case 2
case 3
% calculate a sim matrix between specgram-like feature matrices A and B. % size(M) = [size(A,2) size(B,2)]; A and B have same #rows.
% 2003-03-15 dpwe@ee.columbia.edu
% Copyright (c) 2003 Dan Ellis <dpwe@ee.columbia.edu> % released under GPL - see file COPYRIGHT
dp.m
function [p,q,D] = dp(M) % [p,q] = dp(M)
% Use dynamic programming to find a min-cost path through matrix M. % Return state sequence in p,q
% 2003-03-15 dpwe@ee.columbia.edu
% Copyright (c) 2003 Dan Ellis <dpwe@ee.columbia.edu> % released under GPL - see file COPYRIGHT
p = i;
% Strip off the edges of the D matrix before returning D = D(2:(r+1),2:(c+1));
lpcfit.m
function [a,g,e] = lpcfit(x,p,h,w,ov)
% [a,g,e] = lpcfit(x,p,h,w,ov) Fit LPC to short-time segments % x is a stretch of signal. Using w point (2*h) windows every % h points (128), fit order p LPC models. Return the successive % all-pole coefficients as rows of a, the per-frame gains in g % and the residual excitation in e.
% ov nonzero selects overlap-add of window-length
% residuals, otherwise successive hop-sized residuals are concatenated % for independent near-perfect reconstruction with lpcsynth.
% 2001-02-25 dpwe@ee.columbia.edu $Header:
/homes/dpwe/matlab/columbiafns/RCS/lpcfit.m,v 1.1 2004/03/30 20:55:52 dpwe Exp $
x = filter(pre,1,x);
% Form autocorrelation (calculates *way* too many points) rxx = xcorr(wxx);
% extract just the points we need (middle p+1 points) rxx = rxx(w+[0:p]);
% Setup the normal equations R = toeplitz(rxx(1:p));
% Solve for a (horribly inefficient to use full inv()) an = inv(R)*rxx(2:(p+1))';
% Calculate residual by filtering windowed xx aa = [1 -an'];
% for proper synchronization of resynth
% d = lpcsynth(a,g,e,h,ov) Resynthesize from LPC representation % Each row of a is an LPC fit to a h-point (non-overlapping) % frame of data. g gives the overall gains for each frame and % e is an excitation signal (if e is empty, white noise is used; % if e is a scalar, a pulse train is used with that period). % ov nonzero selects overlap-add of reconstructed
% windows, else e is assumed to consist of independent hop-sized % segments that will line up correctly without cross-fading
w = 2*h;
[nhops,p] = size(a);
npts = nhops*h;
else
% De-emphasis (must match pre-emphasis in lpcfit) pre = [1 -0.9];
d = filter(1,pre,d);
enframe.m
function f=enframe(x,win,inc)
%ENFRAME split signal up into (overlapping) frames: one per row. F=(X,WIN,INC)
%
% F = ENFRAME(X,LEN) splits the vector X up into % frames. Each frame is of length LEN and occupies % one row of the output matrix. The last few frames of X % will be ignored if its length is not divisible by LEN. % It is an error if X is shorter than LEN.
%
% F = ENFRAME(X,LEN,INC) has frames beginning at increments of INC % The centre of frame I is X((I-1)*INC+(LEN+1)/2) for I=1,2,...
% The number of frames is fix((length(X)-LEN+INC)/INC) %
% each frame by WINDOW(:)
% This program is free software; you can redistribute it and/or modify % it under the terms of the GNU General Public License as published by % the Free Software Foundation; either version 2 of the License, or % (at your option) any later version.
%
% This program is distributed in the hope that it will be useful,
% but WITHOUT ANY WARRANTY; without even the implied warranty of % MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
% GNU General Public License for more details. %
% You can obtain a copy of the GNU General Public License from % ftp://prep.ai.mit.edu/pub/gnu/COPYING-2.0 or by writing to
if (nwin == 1)
% This code originally mapped zeros. I adapted it to map
% poles just by interchanging b and a, then swapping again at the % end. Sorry that makes the variables confusing to read.
% accumulate terms from this factor
B(:,1:length(dd)) = B(:,1:length(dd)) + a(:,n)*dd;
AA = 1; for n = 2:order AA = conv(AA,c); end
A = repmat(AA, nrows, 1);
% Exchange zeros and poles T = A; A = B; B = T;
coba.bat
LAMPIRAN B
Nama : Robin Habibi NRP : 0322040
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,1083 0,3898 0,7472 0,0027 0,0053 0,0015 0,0504 0,2191 0,0492
2 0,0000 0,0002 0,0021 0,0035 0,0017 0,0039 0,0036 0,0051 0,0051 3 0,0003 0,0007 0,0010 0,0001 0,0007 0,0006 0,0028 0,0050 0,0071 4 0,0101 0,0037 0,1959 0,0048 0,0117 0,0173 0,0001 0,0044 0,0107 5 0,0061 0,0129 0,0165 0,0039 0,0133 0,0161 0,5229 0,5391 0,2779
6 0,0043 0,0066 0,0061 0,0011 0,0002 0,0013 0,0002 0,0014 0,0023 7 0,0040 0,0080 0,0205 0,0054 0,0048 0,0072 0,0004 0,0142 0,0174 8 0,0013 0,0050 0,0057 0,0012 0,0039 0,0049 0,0017 0,0064 0,0053 9 0,0003 0,0021 0,0023 0,1306 0,0656 0,5447 0,0027 0,0062 0,0053 10 0,0012 0,0015 0,0010 0,0001 0,0004 0,0013 0,0015 0,0034 0,0045 11 0,0039 0,0021 0,0087 0,1074 0,7286 0,8236 0,0043 0,0073 0,0021
12 0,0002 0,0015 0,0136 0,0003 0,0005 0,0015 0,0013 0,0008 0,0054 13 0,0018 0,0053 0,0057 0,0005 0,0014 0,0009 0,0011 0,0006 0,0094 14 0,0013 0,0069 0,0008 0,3748 0,2680 0,0955 0,0001 0,0003 0,0019 15 0,0007 0,0094 0,0155 0,0914 0,6787 0,9843 0,0023 0,0097 0,0093
% 80 % 33.33 % 20 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Zora NRP :0110141
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0134 0,0099 0,0120 0,0004 0,0089 0,0055 0,0008 0,0033 0,0026 2 0,0001 0,0044 0,0078 0,0018 0,0018 0,0016 0,0009 0,0069 0,0072 3 0,0020 0,0038 0,0097 0,0001 0,0022 0,0085 0,0009 0,0033 0,0073 4 0,0000 0,0116 0,0139 0,0013 0,0067 0,0073 0,0003 0,0031 0,0044 5 0,0000 0,0004 0,0087 0,0006 0,0057 0,0063 0,0010 0,0005 0,0019 6 0,0000 0,0000 0,0071 0,0014 0,0100 0,0102 0,0008 0,0022 0,0011 7 0,0002 0,0019 0,0007 0,0004 0,0051 0,0122 0,0006 0,0004 0,0047 8 0,1032 0,9496 0,7859 0,0007 0,0100 0,0121 0,0003 0,0022 0,0028 9 0,0001 0,0104 0,0120 0,0006 0,0007 0,0033 0,0017 0,0047 0,0164 10 0,0003 0,0118 0,0200 0,0005 0,0005 0,0048 0,0002 0,0054 0,0169 11 0,0000 0,0025 0,0099 0,0011 0,0016 0,0038 0,0007 0,0108 0,0094 12 0,0002 0,0126 0,0150 0,0001 0,0023 0,0000 0,0003 0,0036 0,0072 13 0,0161 0,0120 0,0158 0,0000 0,0005 0,0059 0,0015 0,0054 0,0089 14 0,0610 0,5212 0,5418 0,0016 0,0016 0,0014 0,0003 0,0182 0,0199 15 0,0131 0,0086 0,0117 0,0006 0,0097 0,0074 0,0002 0,0052 0,0081
% 73,33 % 0 % 0 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Rosiana Jeny
Nrp : 0251029
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0003 0,0059 0,0053 0,0013 0,7087 0,4257 0,0015 0,0030 0,0006
2 0,0006 0,0134 0,0189 0,0007 0,0034 0,0019 0,0041 0,0072 0,0109 3 0,0010 0,0045 0,0087 0,0003 0,0024 0,0002 0,0036 0,0080 0,0066 4 0,0008 0,0034 0,0007 0,0015 0,0029 0,0048 0,0003 0,0007 0,0024 5 0,0010 0,0045 0,0033 0,0008 0,0058 0,0082 0,0013 0,0004 0,0008 6 0,0004 0,0012 0,0019 0,0004 0,0013 0,0005 0,0008 0,0091 0,0128 7 0,0008 0,0023 0,0004 0,7087 0,5561 0,9574 0,0026 0,0182 0,0195 8 0,0013 0,0011 0,0027 0,0009 0,0002 0,0039 0,0018 0,0010 0,0007
9 0,0004 0,0055 0,0056 0,0000 0,0008 0,0018 0,0020 0,0108 0,0127 10 0,0007 0,0031 0,0042 0,1437 0,6913 0,7737 0,0023 0,0066 0,0077 11 0,0004 0,0066 0,0071 0,0029 0,0052 0,0151 0,0052 0,0128 0,0223 12 0,0011 0,0099 0,0139 0,0004 0,0031 0,0036 0,6321 0,3697 0,7771 13 0,0015 0,0038 0,0085 0,0005 0,0095 0,0110 0,0001 0,0069 0,0051 14 0,0004 0,0102 0,0086 0,2970 0,0938 0,2385 0,0010 0,0073 0,0044 15 0,0077 0,0054 0,0038 0,0008 0,0014 0,0027 0,0039 0,0018 0,0031
% 73,33 % 20 % 13,33 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Rio Christian NRP : 0322030
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0021 0,0013 0,0052 0,0000 0,0028 0,0002 0,0002 0,0042 0,0070 2 0,0001 0,0001 0,0034 0,0043 0,0058 0,0056 0,0011 0,0008 0,0025 3 0,0012 0,0070 0,0114 0,0041 0,0047 0,0070 0,0008 0,0014 0,0081 4 0,0006 0,0008 0,0051 0,0009 0,0024 0,0008 0,0014 0,0063 0,0065 5 0,0018 0,0045 0,0058 0,0016 0,0058 0,0142 0,0029 0,0078 0,0096 6 0,0051 0,0017 0,0104 0,0004 0,0047 0,0060 0,0002 0,0089 0,0073 7 0,0001 0,0105 0,0115 0,0006 0,0025 0,0025 0,0035 0,0007 0,0074 8 0,0015 0,0057 0,0041 0,0005 0,0050 0,0012 0,0022 0,0017 0,0017
9 0,0773 0,2007 0,5036 0,0012 0,0066 0,0130 0,0001 0,0034 0,0005 10 0,0038 0,0102 0,0138 0,0018 0,0004 0,0021 0,0000 0,0003 0,0013 11 0,0004 0,0049 0,0014 0,0002 0,0066 0,0130 0,0001 0,0015 0,0019 12 0,0921 0,5441 0,0778 0,0050 0,0157 0,0133 0,0010 0,0023 0,0013 13 0,0009 0,0077 0,0067 0,0011 0,0059 0,0086 0,0070 0,0090 0,0109 14 0,0018 0,0017 0,0092 0,0002 0,0017 0,0006 0,0001 0,0002 0,0051 15 0,1026 0,0034 0,0015 0,0014 0,0066 0,0109 0,0017 0,0063 0,0032
% 66,66 % 6,66 % 6,66 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Suwandi NRP : -
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0005 0,0015 0,0012 0,0015 0,0078 0,0039 0,0014 0,0007 0,0010 2 0,1907 0,1660 0,3661 0,0008 0,0020 0,0029 0,0014 0,0011 0,0016 3 0,0016 0,0155 0,0150 0,0006 0,0018 0,0015 0,0011 0,0020 0,0015 4 0,6166 0,8354 0,1776 0,0010 0,0128 0,0120 0,0062 0,0033 0,0049 5 0,0007 0,0142 0,0205 0,0003 0,0011 0,0008 0,0021 0,0018 0,0010
6 0,0004 0,0021 0,0042 0,0006 0,0006 0,0034 0,0034 0,0009 0,0003
7 0,0017 0,0056 0,0060 0,0008 0,0062 0,0105 0,0001 0,0045 0,0035 8 0,0002 0,0071 0,0135 0,1481 0,6212 0,6822 0,0036 0,0097 0,0120 9 0,0004 0,0073 0,0082 0,0023 0,0067 0,0073 0,0038 0,0030 0,0004
10 0,0022 0,0045 0,0019 0,0004 0,0018 0,0016 0,0024 0,0063 0,0096 11 0,0000 0,0037 0,0020 0,0024 0,0023 0,0008 0,9790 0,4115 0,7033 12 0,0002 0,0008 0,0066 0,0001 0,0007 0,0066 0,0007 0,0002 0,0014 13 0,0001 0,0040 0,0069 0,0033 0,0049 0,0066 0,0032 0,0035 0,0083 14 0,0007 0,0003 0,0030 0,0000 0,0066 0,0104 0,0004 0,0054 0,0051 15 0,0015 0,0009 0,0002 0,0033 0,0004 0,0033 0,0007 0,0044 0,0056
% 53,33 % 6,66 % 20 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Ertanto Wijono NRP : 0022140
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0008 0,0052 0,0092 0,0024 0,0073 0,0030 0,0025 0,0111 0,0098 2 0,0008 0,0003 0,0038 0,0002 0,0078 0,0093 0,0005 0,0036 0,0046 3 0,0004 0,0021 0,0024 0,0019 0,0028 0,0089 0,0002 0,0027 0,0033 4 0,0001 0,0037 0,0039 0,0005 0,0075 0,0075 0,0011 0,0026 0,0041 5 0,0008 0,0043 0,0010 0,0010 0,0053 0,0016 0,0027 0,0089 0,0085 6 0,0002 0,0029 0,0115 0,0009 0,0063 0,0052 0,0027 0,0066 0,0078 7 0,0020 0,0000 0,0015 0,0007 0,0104 0,0096 0,0005 0,0011 0,0004
8 0,0020 0,0002 0,0081 0,0008 0,0034 0,0076 0,0007 0,0012 0,0024 9 0,0061 0,0080 0,0147 0,0032 0,0074 0,0075 0,0022 0,0111 0,0151 10 0,0006 0,0038 0,0028 0,0009 0,0081 0,0094 0,0015 0,0008 0,0018 11 0,8860 0,8092 0,5832 0,0006 0,0037 0,0067 0,0007 0,0045 0,0087 12 0,0002 0,0047 0,0048 0,0014 0,0036 0,0072 0,0055 0,0014 0,0039 13 0,0005 0,0052 0,0097 0,0026 0,0100 0,0158 0,0011 0,0033 0,0013 14 0,0026 0,0048 0,0000 0,0015 0,0064 0,0093 0,0005 0,0087 0,0091 15 0,0008 0,0122 0,0173 0,0007 0,00106 0,0177 0,0000 0,0008 0,0036
% 66,66 % 0 % 6,66 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Yuli NRP : 0151146
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0015 0,0002 0,0032 0,0004 0,0062 0,0042 0,0012 0,0016 0,0027 2 0,0008 0,0082 0,0095 0,0003 0,0030 0,0036 0,0003 0,0023 0,0018 3 0,0026 0,0068 0,0039 0,0007 0,0064 0,0067 0,0027 0,0058 0,0069 4 0,0003 0,0077 0,0073 0,0004 0,0001 0,0065 0,0033 0,0057 0,0015
5 0,0013 0,0025 0,0032 0,0002 0,0080 0,0140 0,0000 0,0072 0,0121 6 0,0004 0,0095 0,0134 0,0007 0,0077 0,0083 0,0042 0,0051 0,0086 7 0,0001 0,0068 0,0044 0,0002 0,0017 0,0054 0,0024 0,0032 0,0087 8 0,0002 0,0018 0,0065 0,0011 0,0012 0,0009 0,0013 0,0032 0,0004
9 0,0014 0,0051 0,0108 0,0002 0,0140 0,0114 0,0038 0,0155 0,0184 10 0,0013 0,0049 0,0023 0,0002 0,0081 0,0073 0,0039 0,0050 0,0074 11 0,0011 0,0069 0,0010 0,0015 0,0067 0,0066 0,0009 0,0064 0,0058 12 0,0013 0,0049 0,0023 0,0013 0,0006 0,0006 0,0025 0,0014 0,0033 13 0,0011 0,0069 0,0010 0,0013 0,0136 0,0166 0,0018 0,0132 0,0217 14 0,0001 0,0006 0,0025 0,0009 0,0027 0,0036 0,0012 0,0052 0,0091 15 0,0018 0,0007 0,0036 0,0001 0,0039 0,0033 0,0001 0,0034 0,0081
% 73,33 % 6,66 % 13,33 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Erick Hartas NRP : 0322002
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0032 0,0035 0,0019 0,0026 0,0026 0,0055 0,0002 0,0041 0,0037 2 0,0001 0,0093 0,0144 0,0016 0,0021 0,0030 0,0014 0,0001 0,0020 3 0,0008 0,0084 0,0087 0,0011 0,0047 0,0062 0,0020 0,0002 0,0014 4 0,0028 0,0153 0,0174 0,0041 0,0036 0,0033 0,0065 0,0106 0,0107 5 0,0008 0,0049 0,0051 0,0011 0,0001 0,0002 0,2603 0,2421 0,5259 6 0,0000 0,0029 0,0096 0,0001 0,0082 0,0085 0,0007 0,0006 0,0015 7 0,0035 0,0016 0,0010 0,0010 0,0010 0,0013 0,0000 0,0146 0,0158 8 0,0003 0,0037 0,0050 0,0001 0,0026 0,0071 0,0029 0,0002 0,0011 9 0,8864 0,7670 0,7660 0,0030 0,0011 0,0011 0,0038 0,0041 0,0004
10 0,0016 0,0016 0,0041 0,0004 0,0018 0,0088 0,0005 0,0012 0,0057 11 0,0003 0,0130 0,0152 0,0381 0,2915 0,2132 0,0013 0,0021 0,005 12 0,0009 0,0130 0,0169 0,0001 0,0002 0,0050 0,0024 0,0060 0,0024 13 0,0003 0,0071 0,0103 0,0000 0,0021 0,0070 0,0024 0,0030 0,0065 14 0,0016 0,0019 0,0004 0,0006 0,0040 0,0015 0,0016 0,0098 0,0154 15 0,0009 0,0093 0,0016 0,0016 0,0071 0,0075 0,0014 0,0109 0,0137
% 66,66 % 26,66 % 6,66 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Sabrina Leonita NRP : 0310077
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0064 0,0023 0,0025 0,0002 0,0037 0,0034 0,0008 0,0030 0,0023 2 0,0009 0,0002 0,0017 0,0009 0,0019 0,0012 0,0010 0,0021 0,0025 3 0,0011 0,0050 0,0055 0,0002 0,0037 0,0045 0,0004 0,0119 0,0120 4 0,0101 0,0110 0,0115 0,0003 0,0051 0,0019 0,0004 0,0017 0,0013 5 0,0011 0,0014 0,0013 0,0002 0,0034 0,0031 0,0002 0,0096 0,0071 6 0,3930 0,3226 0,7487 0,0023 0,0066 0,0093 0,0001 0,0065 0,0079 7 0,0005 0,0110 0,0114 0,0013 0,0034 0,0043 0,0001 0,0111 0,0061 8 0,0054 0,0031 0,0043 0,0005 0,0012 0,0022 0,0000 0,0094 0,00162 9 0,0050 0,0016 0,0025 0,4438 0,8773 0,9198 0,0019 0,0077 0,0113 10 0,0019 0,0042 0,0041 0,0006 0,0116 0,0140 0,0001 0,0030 0,0032 11 0,0034 0,0039 0,0037 0,0007 0,0015 0,0025 0,0000 0,0069 0,0102 12 0,0009 0,0033 0,0028 0,0055 0,0028 0,0027 0,0002 0,0101 0,0115 13 0,0016 0,0014 0,0012 0,0045 0,0070 0,0060 0,0005 0,0083 0,0100 14 0,0003 0,0027 0,0029 0,0004 0,0019 0,0030 0,0012 0,0012 0,0013 15 0,0007 0,0016 0,0015 0,0006 0,0048 0,0060 0,0000 0,0060 0,0043
% 60 % 0 % 0 %
Kata (p) = ucapan yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil
Nama : Stefanie NRP : 0310080
Word (p) Paint(p) Notepad (p)
P
Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) Word(n) Paint(n) Notepad(n) 1 0,0065 0,0094 0,0090 0,0000 0,0027 0,0018 0,0013 0,0046 0,0079 2 0,0008 0,0039 0,0071 0,0011 0,0005 0,0057 0,0001 0,0098 0,0078 3 0,0007 0,0012 0,0015 0,0011 0,0065 0,0074 0,0005 0,0051 0,0064 4 0,0033 0,0008 0,0006 0,0032 0,0133 0,0145 0,0002 0,0051 0,0064 5 0,0011 0,0113 0,0158 0,0008 0,0083 0,0059 0,0047 0,0019 0,0021 6 0,0004 0,0066 0,0178 0,0027 0,0091 0,0061 0,0013 0,0018 0,0015 7 0,0006 0,0001 0,0046 0,0025 0,0045 0,0039 0,0027 0,0004 0,0027 8 0,0001 0,0042 0,0060 0,0007 0,0007 0,0020 0,0001 0,0087 0,0102 9 0,0008 0,0136 0,0130 0,0014 0,0119 0,0138 0,0025 0,0066 0,0079 10 0,0001 0,0007 0,0032 0,0001 0,0114 0,0130 0,0003 0,0132 0,0121 11 0,0012 0,0049 0,0052 0,0000 0,0099 0,0086 0,0010 0,0064 0,0084 12 0,0001 0,0057 0,0041 0,0005 0,0021 0,0010 0,0001 0,0060 0,0065 13 0,0038 0,0125 0,0121 0,1973 0,5477 0,8494 0,0000 0,0087 0,0026 14 0,0011 0,0009 0,0012 0,0006 0,0079 0,0079 0,0003 0,0058 0,0081 15 0,0234 0,0136 0,0140 0,0043 0,0054 0,0026 0,0004 0,0021 0,0136
% 66,66 % 6,66 % 0 %
Kata (p) = ucapan yang ke-p yang diuji
Kata (n) = ucapan referensi yang ada di dalam database
Nilai tiap sel kolom menunjukkan selisih nilai antara kata (p) dengan kata(n) yang merupakan nilai error / simpangan Nilai sel yang dicetak miring merupakan data yang terkecil