Please take a moment to complete this survey below
Library's collection Library's IT development CancelPada tugas akhir ini dibuat suatu sistem pengenalan suara manusia dengan
jaringan saraf tiruan metode back propagation menggunakan personal computer.
Jaringan saraf tiruan yang dibuat mempunyai hidden layer minimal dua buah. Dan
akan diteliti pengaruh hidden layer terhadap word error rate yang dihasilkan serta
pengaruh learning rate dan momentum terhadap word error rate.
Sinyal suara analog mula-mula dicuplik menjadi sinyal digital dengan
kecepatan cuplik 8000 Hz. Kemudian hasil cuplik tersebut dinormalisasi. Untuk
proses ekstraksi parameter suara digunakan metode Linear Predictive Coding (LPC)
dimana dalam perhitungan cuplikan data menuju ke vektor autokorelasi digunakan
algoritma Durbin yang kemudian dari vektor autokorelasi tersebut diturunkan
menjadi koefisien cepstral. Koefisien cepstral LPC ini dimasukkan ke Fast Fourier
Transform (FFT) 512 point dan hasil FFT ini diambil setengahnya (256 data)
kemudian dibagi menjadi 32 blok dimana masing-masing blok berisi 8 data dan
dihitung rata-ratanya. Hasil perhitungan tersebut kemudian dimasukkan ke proses
jaringan saraf tiruan untuk proses pengenalan.
Setelah dilakukan pengujian, didapat parameter yang optimum yaitu jumlah
hidden layer jaringan saraf tiruan ialah tiga buah dengan masing-masing node
berjumlah 160, 100 dan 30 data. Nilai learning rate yang optimum ialah 0,5 serta
nilai momentum ialah 0,75. Hasil pengujian keakuratan sistem pengenalan suara
untuk training data set mencapai 90 % dan untuk blind data set mencapai 98 %.
Pengenalan suara ini diaplikasikan untuk menjalankan suatu perintah pada
komputer, sehingga komputer dapat melaksanakan perintah tanpa pengguna harus
menekan tombol keyboard.