Cover Image

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:
TK Electrical engineering. Electronics Nuclear engineering
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.&#xD; 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

Lihat Juga