BASHART, ICHBAL SEPTIAN EL (2019) APLIKASI PENGENALAN SUARA UNTUK PENGAMANAN SOFTWARE KOMPUTER MENGGUNAKAN METODE MFCC(Mel Frequency Cepstrum Coefficients) DAN HMM (Hidden Markov Model). S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
1.halaman judul.pdf Download (111kB) | Preview |
|
|
Text (ABSTRAK)
2.Abstrak.pdf Download (138kB) | Preview |
|
|
Text (LEMBAR PERNYATAAN)
3.Surat pernyataan.pdf Download (261kB) | Preview |
|
|
Text (LEMBAR PENGESAHAN)
4.Lembar pengesahan.pdf Download (229kB) | Preview |
|
|
Text (KATA PENGANTAR)
5.kata pengantar.pdf Download (142kB) | Preview |
|
|
Text (DAFTAR ISI)
6. daftar isi.pdf Download (191kB) | Preview |
|
|
Text (DAFTAR TABEL)
7.daftar tabel.pdf Download (98kB) | Preview |
|
|
Text (DAFTAR GAMBAR)
8.daftar gambar.pdf Download (153kB) | Preview |
|
Text (BAB I)
9.BAB 1.pdf Restricted to Registered users only Download (76kB) |
||
Text (BAB II)
10.BAB 2.pdf Restricted to Registered users only Download (614kB) |
||
Text (BAB III)
11.BAB 3.pdf Restricted to Registered users only Download (404kB) |
||
Text (BAB IV)
12.BAB 4.pdf Restricted to Registered users only Download (628kB) |
||
Text (BAB V)
13.BAB 5.pdf Restricted to Registered users only Download (103kB) |
||
Text (DAFTAR PUSTAKA)
14.Daftar pustaka.pdf Restricted to Registered users only Download (147kB) |
||
Text (LAMPIRAN)
15.Lampiran.pdf Restricted to Registered users only Download (210kB) |
Abstract
Proses pengolahan sinyal suara dapat menggunakan digital signal processing dan algoritma tertentu yang dapat mengolah baik itu dengan fungsi matematis ataupun persamaan sehingga dapat dikenali. Suara sendiri memiliki sinyal informasi yang tidak terbatas dan memiliki banyak kegunaan penerapan sehari – hari termasuk diantaranya adalah untuk proses kontrol dan identifikasi aplikasi komputer misalnya. Perancangan aplikasi pengenalan suara untuk membuka aplikasi komputer berdasar pengguna nya dilakukan dengan 2 proses utama yaitu dengan menggunakan algoritma untuk ekstraksi pencocokan ciri. Ekstraksi ciri merupakan fitur untuk mendapatkan ciri atau elemen suara yang bisa membeda bedakan masing-masing suara manusia. Metode yang digunakan dalam tugas akhir ini untuk ekkstraksi suara adalah MFCC (Mel Frequency Cepstral Coefficient). Proses selanjutnya adalah pencocokan fitur ciri dengan menggunakan HMM (Hidden Markov Model). Hasil pengujian dari penelitian ini dapat diketahui apabila semakin adanya kemiripan suara saat pengujian dengan saat pelatihan maka aplikasi yang terbuka akan sesuai dengan aplikasi yang disuarakan. Hasil pengujian suara untuk mengenali suara yang ada pada database suara yang tertinggi 80% dan untuk suara diluar database hanya 0-40%, dengan kondisi aplikasi yang terbuka masih ada perbedaan antara aplikasi yang diinginkan dengan hasil keputusan sistem. Kata kunci : Ekstraksi dan pencocokan ciri, Mel Frequency Cepstral Coefficient, Hidden Markov Model.
Actions (login required)
View Item |