Identifikasi isyarat suara huruf vokal dalam bahasa Indonesia menggunakan transformasi fourier cepat berbasis jaringan saraf tiruan perambatan balik
Main Author: | Danial Ramadan, (NIM. 1021311010) |
---|---|
Format: | Thesis NonPeerReviewed Book |
Bahasa: | ind |
Terbitan: |
, 2017
|
Subjects: | |
Online Access: |
http://repository.ubb.ac.id/221/1/Halaman%20Depan.pdf http://repository.ubb.ac.id/221/2/BAB%20I.pdf http://repository.ubb.ac.id/221/5/BAB%20II.pdf http://repository.ubb.ac.id/221/7/BAB%20III.pdf http://repository.ubb.ac.id/221/6/BAB%20IV.pdf http://repository.ubb.ac.id/221/4/BAB%20V.pdf http://repository.ubb.ac.id/221/3/Daftar%20Pustaka.pdf http://repository.ubb.ac.id/221/8/Lampiran.pdf http://repository.ubb.ac.id/221/ |
ctrlnum |
221 |
---|---|
fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ubb.ac.id/221/</relation><title>Identifikasi isyarat suara huruf vokal dalam bahasa Indonesia menggunakan transformasi fourier cepat berbasis jaringan saraf tiruan perambatan balik</title><creator>Danial Ramadan, (NIM. 1021311010)</creator><subject>TK Electrical engineering. Electronics Nuclear engineering</subject><description>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 %.</description><date>2017-07-13</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>ind</language><identifier>http://repository.ubb.ac.id/221/1/Halaman%20Depan.pdf</identifier><type>Book:Book</type><language>ind</language><identifier>http://repository.ubb.ac.id/221/2/BAB%20I.pdf</identifier><type>Book:Book</type><language>ind</language><identifier>http://repository.ubb.ac.id/221/5/BAB%20II.pdf</identifier><type>Book:Book</type><language>ind</language><identifier>http://repository.ubb.ac.id/221/7/BAB%20III.pdf</identifier><type>Book:Book</type><language>ind</language><identifier>http://repository.ubb.ac.id/221/6/BAB%20IV.pdf</identifier><type>Book:Book</type><language>ind</language><identifier>http://repository.ubb.ac.id/221/4/BAB%20V.pdf</identifier><type>Book:Book</type><language>ind</language><identifier>http://repository.ubb.ac.id/221/3/Daftar%20Pustaka.pdf</identifier><type>Book:Book</type><language>ind</language><identifier>http://repository.ubb.ac.id/221/8/Lampiran.pdf</identifier><identifier> 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. </identifier><recordID>221</recordID></dc>
|
language |
ind |
format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
author |
Danial Ramadan, (NIM. 1021311010) |
title |
Identifikasi isyarat suara huruf vokal dalam bahasa Indonesia menggunakan transformasi fourier cepat berbasis jaringan saraf tiruan perambatan balik |
publishDate |
2017 |
isbn |
9781021311016 |
topic |
TK Electrical engineering. Electronics Nuclear engineering |
url |
http://repository.ubb.ac.id/221/1/Halaman%20Depan.pdf http://repository.ubb.ac.id/221/2/BAB%20I.pdf http://repository.ubb.ac.id/221/5/BAB%20II.pdf http://repository.ubb.ac.id/221/7/BAB%20III.pdf http://repository.ubb.ac.id/221/6/BAB%20IV.pdf http://repository.ubb.ac.id/221/4/BAB%20V.pdf http://repository.ubb.ac.id/221/3/Daftar%20Pustaka.pdf http://repository.ubb.ac.id/221/8/Lampiran.pdf http://repository.ubb.ac.id/221/ |
contents |
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 %. |
id |
IOS5190.221 |
institution |
Universitas Bangka Belitung |
institution_id |
170 |
institution_type |
library:university library |
library |
Perpustakaan Universitas Bangka Belitung |
library_id |
475 |
collection |
Repository Universitas Bangka Belitung |
repository_id |
5190 |
city |
BANGKA |
province |
KEPULAUAN BANGKA BELITUNG |
shared_to_ipusnas_str |
1 |
repoId |
IOS5190 |
first_indexed |
2018-02-20T02:47:29Z |
last_indexed |
2018-02-20T02:47:29Z |
recordtype |
dc |
_version_ |
1684924320907788288 |
score |
17.60897 |