Sistem Pengenalan Individu Berbasis Suara Ucapan Menggunakan Metode Estimasi Trispektrum Dan K-Harmonic Means

Dini, Gina Faaizatud (2017) Sistem Pengenalan Individu Berbasis Suara Ucapan Menggunakan Metode Estimasi Trispektrum Dan K-Harmonic Means. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1213100043-Undergraduate_Theses.pdf]
Preview
Text
1213100043-Undergraduate_Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Kemajuan ilmu pengetahuan dan teknologi telah memberikan pengaruh terhadap perkembangan biometrika. Hal ini memungkinkan suatu perangkat dapat mengenali individu melalui ciri-ciri biologis yang bersifat unik seperti wajah, sidik jari dan suara ucapan. Penelitian ini membuat sistem pengenalan individu berbasis suara ucapan, yang diolah menggunakan metode estimasi trispektrum pada tahap prapengolahan data dan K-Harmonic Means pada tahap pengelompokan ciri. Output dari proses K-Harmonic Means berupa magnitude pewakil dari masing-masing kelompok sehingga diperoleh data yang lebih sedikit untuk masukan pada tahap klasifikasi dengan menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization. Data suara yang digunakan dalam penelitian ini diperoleh dari 30 individu dengan mengucapkan 10 kata berbeda. Uji coba dilakukan terhadap 1 kata dengan 30 individu berbeda dan 10 kata dari 30 individu berbeda. Dengan chunk=128, jumlah pewakil K=16 dan parameter p=3.5 rata-rata tingkat akurasi mencapai 82,22% untuk pengujian dengan 1 kata dan 70,39% untuk pengujian dengan 10 kata.

========================================================================================

The progress of science and technology has given the influence on the development of biometrics. This allows a device can individual identification through biological characteristics which are unique, like a finger print, face and speech. This research make individual identification system based on speech, which are processed using trispectrum estimation in data preprocessing and K-Harmonic Means methods in grouping feature. Output of the K-Harmonic Means process is agent magnitude from each group to retrieved data is less for input in the classification using neural network Learning Vector Quantization. Speech data used in final project was obtained from 30 individuals with said 10 different words. Trials conducted 1 word from 30 different individuals and 10 words from 30 different individuals. With chunk=128, number of agent K=16 and parameter p=3.5 average accuracy rate reached 82,22% for testing using 1 word and 70,39% for testing using 10 words.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Sistem Pengenalan Suara, Estimasi Trispektrum, K-Harmonic Means, Learning Vector Quantization
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User: Gina Faaizatud Dini
Date Deposited: 24 Oct 2017 02:29
Last Modified: 06 Mar 2019 04:29
URI: http://repository.its.ac.id/id/eprint/47029

Actions (login required)

View Item View Item