Articles
<![CDATA[IMPLEMENTASI METODE MFCC DAN DTW UNTUK PENGENALAN JENIS SUARA PRIA DAN WANITA ]]>
<![CDATA[Permana, Irham Sidik]]>;
<![CDATA[Indrawaty, Youllia]]>;
<![CDATA[Zulkarnain, Andriana]]>
<![CDATA[ MIND Journal Vol 3, No 1 (2018): MIND Journal ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (945.953 KB)
|
DOI: 10.26760/mindjournal.v3i1.61-76
<![CDATA[MFCC (Mel-Frequency Cepstral Coefficient ) dan DTW (Dynamic Time Warping)adalah suatu metode dalam mengolah suara, pada penelitian ini pengolahan suarayang dilakukan bertujuan untuk pengenalan jenis suara pria dan wanita.Penentuan jenis suara pria atau wanita biasanya dilakukan dalam penentuankelompok paduan suara. MFCC merupakan metode untuk ekstraksi ciri, selainMFCC digunakan metode lain yaitu DTW yang merupakan metode pencocokansuara latih dan suara uji, teknik ini berguna untuk menghitung jarak antara duadata dengan pola-pola yang berbeda dan menghitung nilai dan jarak dari datatersebut. Pada penelitian ini dibangun suatu sistem yang dapat mengenali jenissuara pria dan wanita, Jenis suara pada pria dibagi menjadi Tenor, Bariton danBass, sedangkan pada wanita dibagi menjadi Sopran, Mezzosopran dan Alto. HasilPenelitian yang didapat yaitu untuk tingkat akurasi pada wanita dengan jenis suaraalto didapatkan presentase 80%, untuk tingkat akurasi jenis suara mezzosoprandidapatkan 90%, untuk tingkat akurasi jenis suara sopran didapatkan 80%.Kemudian pada jenis suara pria, untuk jenis suara bass didapatkan tingkat akurasisebesar 80%, untuk jenis suara bariton didapatkan tingkat akurasi 70%, dan untukjenis suara tenor didapatkan tingkat akurasi sebesar 60%. ]]>
<![CDATA[Penerapan Metode Transformasi Wavelet pada Klasifikasi Jenis Renda ]]>
<![CDATA[Hermana, Asep Nana]]>;
<![CDATA[Z, Andriana]]>;
<![CDATA[K, Wahyu Didit]]>
<![CDATA[ MIND Journal Vol 1, No 2 (2016): MIND Journal ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26760/mindjournal.v1i2.25-37
<![CDATA[Renda memiliki ragam motif yang berbeda-beda berdasarkan jenis kain. Namun, banyak masyarakat yang masih susah untuk mengetahui jenis renda akibat banyaknya motif. Salah satu solusinya adalah dengan menyiapkan suatu sistem yang dapat melakukan klasifikasi jenis renda. Penelitian ini mengembangkan teknik komputerisasi citra untuk melakukan proses klasifikasi jenis kain renda dengan memanfaatkan Metode Transformasi Wavelet. Klasifikasi dimulai dengan melakukan grayscale pada citra renda yang dilanjutkan dengan proses dekomposisi untuk mendapatkan koefisien wavelet yang kemudian dihitung nilai energi dari aproksimasi Level1 dan aproksimasi Level2. Selanjutnya membandingkan nilai energi antara nilai energi data uji dan nilai energi data latih. Langkah terakhir dengan menggunakan algoritma Euclidean Distance sebagai pencocokan jarak. Hasil perhitungan Euclidean Distance yang dapat diambil sebagai keputusan suatu citra bila mendekati nilai 0. Berdasarkan pengujian aplikasi, tingkat keakuratan rata-rata keseluruhannya klasifikasi kain renda mencapai 75%, sehingga aplikasi dapat digunakan untuk melakukan klasifikasi.]]>
<![CDATA[Pengenalan Pembicara untuk Menentukan Gender Menggunakan Metode MFCC dan VQ ]]>
<![CDATA[N, Youllia Indrawaty]]>;
<![CDATA[ana, Andri]]>;
<![CDATA[Permatasari, Dita]]>
<![CDATA[ MIND Journal Vol 2, No 1 (2017): MIND Journal ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1475.666 KB)
|
DOI: 10.26760/mindjournal.v2i1.34-47
<![CDATA[Klasifikasi suara berdasarkan gender dibuat dengan tujuan agar komputer mampu mengenali suara laki-laki dan perempuan. Dengan kemampuan komputer yang mampu membedakan suara laki-laki dan perempuan pada pengembangan selanjutnya akan memperkuat tingkat suatu sistem keamanan yang menggunakan password dengan suara. Penelitian ini mengenai pengenalan gender dari pengucap/ pembicara dengan ucapan bergantung teks dan bergantung pembicara, dalam proses pengenalan tersebut digunakan algoritma ekstraksi yang disebut Mel Frequency Cepstral Coefficients (MFCC) digunakan untuk ekstraksi ciri dari sinyal wicara sedangkan proses pengelompokan menggunakan metode Vector Quantization (VQ). Dalam tahap pengenalan, ukuran distorsi berdasarkan minimisasi jarak Euclidean digunakan untuk mencocokkan penutur uji dengan penutur dalam database. Database wicara menggunakan 20 penutur, terdiri dari 10 penutur pria dan 10 penutur wanita dengan tingkat akurasi pria mencapai 90% dan wanita 80%.]]>
<![CDATA[Daftar Kehadiran Mahasiswa dengan Autentikasi Wajah Menggunakan Metode Eigenface ]]>
<![CDATA[Barmawi, Mira Musrini]]>;
<![CDATA[Z, Andriana]]>;
<![CDATA[A F, Muhamad Rizki]]>
<![CDATA[ MIND Journal Vol 1, No 2 (2016): MIND Journal ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (816.35 KB)
|
DOI: 10.26760/mindjournal.v1i2.62-75
<![CDATA[Sistem pengenalan atau autentikasi tidak hanya dengan menggunakan sidik jari, tetapi juga dapat menggunakan pengenalan wajah. Pengenalan wajah dapat dikembangkan sebagai media identifikasi dan memiliki berbagai manfaat, diantaranya tidak diperlukan kartu atau foto pada kartu identifikasi. Metode eigenface digunakan dalam daftar kehadiran dengan pengenalan wajah, media webcam digunakan untuk menangkap gambar secara real-time. Proses dari aplikasi ini adalah kamera menangkap gambar pada wajah, kemudian didapatkan sebuah nilai R, G, B. Dengan melakukan pemrosesan awal dilakukan penyesuaian ukuran, RGB ke Grayscale, dan histogram equalizer. Metode eigenface berfungsi untuk menghitung eigenvalue dan eigenvector yang digunakan sebagai fitur dalam melakukan pengenalan. Euclidean distance digunakan untuk mencari jarak dengan data fitur yang telah didapat, serta jarak terkecil dengan hasilnya. Berdasarkan pengujian aplikasi, tingkat keberhasilan pengenalan citra wajah mencapai 80%, sehingga aplikasi ini dapat dijadikan sebagai alternatif untuk autentikasi kehadiran mahasiswa.Kata Kunci : eigenface, pengenalan wajah, daftar kehadiran]]>
<![CDATA[IMPLEMENTASI PENGOLAHAN MODEL WARNA RGB PADA APLIKASI IDENTIFIKASI WARNA ]]>
<![CDATA[Hermana, Asep Nana]]>;
<![CDATA[Zulkarnain, Andriana]]>;
<![CDATA[Riadi, Yudi Arief]]>
<![CDATA[ MIND Journal Vol 3, No 1 (2018): MIND Journal ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1149.318 KB)
|
DOI: 10.26760/mindjournal.v3i1.49-60
<![CDATA[Ada sebagian orang yang memiliki kelainan pada penglihatan, salah satunyaadalah kelainan melakukan identifikasi warna (buta warna). Salah satu cara untukmenolong melakukan identifikasi warna yaitu dengan cara menampilkan informasiwarna ke dalam teks. Informasi warna video digital masih berbentuk model warnaYCbCr. Model warna YCbCr adalah model warna yang digunakan pada kamerahandphone. Metode pengkonversian YCbCr digunakan untuk mendapatkan danmengkonversikan nilai warna yang didapat ke dalam model warna RGB. Nilai hasilpengkonversian dibandingkan dengan nilai RGB yang tersimpan pada programdengan menggunakan metode euclidean distance. Metode euclidean distanceberfungsi untuk mencari nilai selisih terkecil dari dua matriks yang dibandingkan.Hasil perbandingan ditampilkan sebagai keluaran yang terdiri dari gambar warna,nama warna, nilai warna dan warna yang serupa dengan hasil perbandingan.Berdasarkan hasil pengujian warna objek dapat dideteksi dengan persentasekeberhasilan mencapai 93,75%. ]]>
<![CDATA[Implementasi Metode Principal Component Analysis dan Hidden Markov Model pada Pengenalan Suara ]]>
<![CDATA[N, Youllia Indrawaty]]>;
<![CDATA[Z, Andriana]]>;
<![CDATA[Prasetia, Fadhlin]]>
<![CDATA[ MIND Journal Vol 2, No 2 (2017): MIND Journal ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (908.632 KB)
|
DOI: 10.26760/mindjournal.v2i2.51-60
<![CDATA[Informasi sinyal suara yang dikenali memiliki karakteristik yang unik. Dengan adanya keunikan pada sinyal suara dapat diimplementasikan untuk melakukan identifikasi suara pada bidang kesehatan yang difungsikan sebagai pengenalan suara pada tunawicara. Dimana pada pengembangannya aplikasi mampu untuk membantu pembelajaran pada tunawicara. Metode yang dapat melakukan ekstraksi ciri suara salah satunya adalah metode Principal Component Analsis. Metode Principal Component Analysis bekerja dengan melakukan ekstraksi ciri suara dan pengelompokan pada pola suara. Suara yang direkam melalui proses pre-processing audio sebelum dikelompokan menggunakan Principal Component Analysis untuk mendapatkan nilai koefisien suara. Hasil dari nilai koefisien disimpan sebagai sinyal referensi dan digunakan pada proses pencocokan sinyal suara menggunakan algoritma Hidden Markov Model. Sistem diuji sebanyak 3 sesi pengujian oleh 14 orang penguji. Berdasarkan hasil pengujian diketahui bahwa sistem yang dibangun mencapai tingkat akurasi 85% dari 3 sesi pengujian oleh 14 orang penguji.]]>
<![CDATA[Implementasi Algoritma GLCM Dan MED pada Aplikasi Pendeteksi Kolesterol Melalui Iris Mata ]]>
<![CDATA[B, Mira Musrini]]>;
<![CDATA[ana, Andri]]>;
<![CDATA[Hidayat, Ari Seisar]]>
<![CDATA[ MIND Journal Vol 2, No 2 (2017): MIND Journal ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (824.432 KB)
|
DOI: 10.26760/mindjournal.v2i2.23-42
<![CDATA[Berdasarkan penelitian yang telah dilakukan dengan menggunakan gambar iris normal dan kolesterol sebagai input, metode GLCM (Gray Level Co-Occurrence Matrix) dapat digunakan pada aplikasi pendeteksi kolesterol melalui iris mata. Karena GLCM mampu memperoleh nilai fitur yang terdiri dari energi, entropi, homogenitas dan kontras dengan cara menghitung nilai probabilitas dari hasil perhitungan kemunculan matriks yang sama dalam piksel gambar dengan sudut(θ) 0◦ dan jarak(d) 1. Metode MED (Minimum Euclidean Distance) dapat digunakan untuk mengklasifikasi gambar iris normal dan kolesterol dengan menghitung nilai jarak Euclidean berdasarkan dari nilai fitur GLCM. Pembuatan aplikasi ini bertujuan untuk membantu orang-orang dengan mudah mendeteksi kolesterol secara cepat dan praktis tanpa harus pergi ke klinik atau rumah sakit. Pengujian yang dilakukan ke 24 orang dari gambar iris normal dan kolesterol dengan intensitas cahaya yang berbeda tingkat akurasi mencapai 70,83%.]]>
<![CDATA[Simulasi Speech Recognition untuk Sistem Keamanan Starter Mobil ]]>
<![CDATA[, Andriana]]>;
<![CDATA[Riyanto Setiyono]]>
<![CDATA[ SOSIOHUMANITAS Vol 18 No 2: Agustus 2016 ]]>
Publisher : <![CDATA[Lembaga Penelitian Universitas Langlangbuana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (489.033 KB)
|
DOI: 10.36555/sosiohumanitas.v18i2.70
<![CDATA[Banyaknya pencurian kendaraan bermotor disebabkan karena sistem pengamanan yang standard, yaitu hanya dengan kunci starter mobil. Untuk mengatasi hal ini maka dibutuhkan pengamanan tambahan sebelum mobil dapat dinyalakan dengan kunci starter. Pada penelitian ini dirancang suatu alat tambahan yang dapat mengenali perintah suara. Setiap manusia mempunyai pola ciri suara yang berbeda, berupa pitch, formant, dan energy. Oleh karena itu suara dapat dijadikan password awal untuk dapat menyalakan starter mobil. Suara latih masuk ke microphone condenser kemudian disimpan di modul Easy Voice Recognition Shield V3 . Data suara ini disimpan dalam database sebagai data pembanding dengan data digital audio yang akan diujikan. Kata HIDUPKAN kem udian MATIKAN sebagai kata yang direkam dan disimpan dalam database. Modul Arduino uno akan mengakses dan membandingkan data yang masuk dengan data dalam database. Jika data string yang baru muncul sama dengan database maka modul Arduino uno akan mengaktif kan LED, Buzzer dan blok driver relay supaya dapat aktif. Saat itu menandakan modul Arduino sudah dapat memberikan instruksi data perintah kepada LED, buzzer dan driver relay ini sesuai dengan kerja alat yang telah direncanakan. Mikrokontrol Atmega 328 di dalam modul Arduino uno yang telah di isi program dapat berkomunikasi dengan benar dengan modul Easy Voice Recognition Shield V3. Jarak maksimum sensor suara dapat menangkap gelombang audio sejauh 35 cm. Sedangkan respons frekuensi yang dapat diterima oleh sensor suara berkisar antara 120 Hz sampai 10 Khz.]]>
<![CDATA[Identifikasi Suara Tangisan Bayi menggunakan Metode LPC dan Euclidean Distance ]]>
<![CDATA[IRMA AMELIA DEWI]]>;
<![CDATA[ADRIANA ZULKARNAIN]]>;
<![CDATA[AYU APRILIA LESTARI]]>
<![CDATA[ ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 6, No 1 (2018): ELKOMIKA ]]>
Publisher : <![CDATA[Institut Teknologi Nasional, Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26760/elkomika.v6i1.153
<![CDATA[ABSTRAKKebanyakan orang tua masih jarang memiliki kemampuan mengartikan tangisan bayi. Bagi beberapa orang tua hal tersebut menjadi kendala ketika mengenali kebutuhan dari tangisan bayi. Oleh karena itu, pada penelitian ini telah diirancang sistem mengidentifikasi suara tangisan bayi dengan metode ektstraksi sinyal yaitu metode LPC (Linear Predictive Coding) dan pencocokan pola menggunakan algoritma Euclidean Distance. Data latih tangisan bayi menggunakan database suara Baby language-DBL, sementara data uji suara tangisan bayi diperoleh dari hasil observasi di poliklinik anak suatu rumah sakit. Proses diawali dengan mengektraksi file suara tangisan bayi dan disimpan ke dalam database sebagai data latih. Suara data uji diekstraksi kemudian dicocokkan dengan data latih menggunakan Euclidean Distance. Aplikasi dapat mengidentifikasi suara tangisan bayi dengan hasil pencocokan sebesar 76%.Kata kunci: Tangisan Bayi, Linear Predictive Coding, Euclidean Distance, Dunstan Baby LanguageABSTRACTMost parents still rarely have the ability to interpret the infant cries. Some parents become an obstacle when recognizing the needs of crying babies. Therefore, this research has designed the system to identify the sound of crying baby with method of signal extraction that is LPC (Linear Predictive Coding) method and pattern matching using Euclidean Distance algorithm. Training dataset of infant cries using the Dunstan Baby language database-DBL, while testing dataset of infant cries were obtained from observations in the child polyclinic of a hospital. The process begins by extracting training dataset from the sound of infant cries files and stored in the database. The extraction feature of testing dataset is matched with the training data using the Euclidean Distance. The system can identify the sound of crying babies with matching results of 76%.Keywords: Infant Cries, Newborn Cries, Linear Predictive Coding, Euclidean Distance, Dunstan Baby Language]]>
<![CDATA[SPEECH RECOGNITION UNTUK KENDALI LIFT BAGI PENYANDANG DIFABEL ]]>
<![CDATA[Andriana Andriana]]>;
<![CDATA[Olly Vertus]]>;
<![CDATA[Riyanto Setiyono]]>;
<![CDATA[Nuzul Ramdani]]>
<![CDATA[ Prosiding Semnastek PROSIDING SEMNASTEK 2015 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Speech Recognition atau Pengenalan Ucapan adalah sistem yang berfungsi untuk mengubah bahasa lisan menjadi input data. Masukan sistem adalah ucapan manusia, selanjutnya sistem akan mengidentifikasikan kata atau kalimat yang diucapkan dan menjadikan input data bagi peralatan kontrol. Kendali peralatan ini membutuhkan kata sederhana dan sistem yang hanya dapat mengenal sejumlah kata yang jumlahnya terbatas. Sistem ini biasanya lebih akurat dan lebih mudah dilatih, tetapi tidak dapat mengenal kata yang berada di luar kosa kata yang pernah diajarkan. Sistem ini menggunakan perangkat sensor suara sebagai pelengkap proses pelatihan dan pengenalan fonem. Salah satunya aplikasi yang dapat dimanfaatkan menggunakan teknologi suara adalah kendali lift yang ditujukan bagi penyandang difabel. Sistem terdiri dari perangkat sensor suara yang dapat mengenali perintah suara berdasarkan fonem, suku kata yang telah dilatihkan sebelumnya yang bersifat independent dan terhubung dengan perangkat kontrol lift untuk pengaturan turun naik lift berbasis arduino uno.]]>
