Studi Perbandingan Metode Wavelet Dalam Speech Recognition Pada Sistem Akses Personel

Ariyawan Sunardi, Rezky Mahardika

Abstract


Penelitian tentang speech recognition terus berkembang terkait identifikasi personel. Pada penelitian ini, kami melakukan studi perbandingan metode wavelet dalam speech recognition. Pada penelitian ini teknologi speech recognition berbasiskan wavelett dan neuro fuzzy. Beberapa parameter yang digunakan dalam penelitian ini adalah sampel suara dengan frekuensi sampling 8000 Hz dan 8 bit per sampel dengan filter wavelet High Pass Filter (HPF). Level dekomposisi menggunakan wavelet daubechies, symlet dan coiflet. Nilai thereshold filter wavelet identifikasi personel 57,72%, False Rejection Rate (FRR) 40% dan running time 1,97 detik. Untuk nilai thereshold identifikasi personel 100%, False Rejection Rate (FRR) 0% dan running time 5,43 detik didapatkan pada level dekomposisi 5 pada wavelet db1. Identifikasi tipe wavelet dari yang terbaik adalah coiflet, symlet dan daubechies karena coif2 level 2 memberikan identifikasi 60,00%, FRR 40,00% dan running time 1,97 detik

Keywords


Speech Recognition, wavelet, coiflet, symlet, daubechies.

Full Text:

PDF

References


A. Tandyo And A. Widyatmoko, “Speaker Identification Menggunakan Transformasi Wavelet Diskrit Dan Jaringan Saraf Tiruan Back-Propagation Metode Tinjauan Pustaka,” Pp. 1–7.

W. Kurniawan, “Identifikasi Speech Recognition Manusia Dengan Menggunakan Average Energy Dan Silent Ratio Sebagai Feature Extraction Suara Pada Komputer,” Biospecies, Vol. 9, No. 1, Pp. 1–6, 2016.

Sutarno, C. Wajah, F. I. Komputer, And U. Sriwijaya, “Analisis Perbandingan Transformasi Wavelet,” J. Generic, Vol. 5, No. 2, Pp. 15–21, 2010.

S. Hidayat, H. R. P. Negara, And D. T. Kumoro, “Penentuan Fungsi Basis Wavelet Terbaik Untuk Sinyal Suara,” Sntt Fgdt, Vol. 3, No. November, Pp. 247–252, 2017.

Yohanes, Thiang, And S. Chandra, “Aplikasi Sistem Neuro-Fuzzy Untuk Pengenalan Kata,” Tek. Elektro, Vol. 2, No. 2, Pp. 73–77, 2002.

E. L. Utari, “Pengolahan Sinyal Kardiografi Dengan Menggunakan Alihragam Gelombang Singkat,” Proc. Univ. Respati Yogyakarta, Pp. 90–96, 2014.

M. M. Hidayat, “Pendahuluan Penggunaan,” No. C, Pp. 233–240, 2014.

C. E. Bire And B. Cahyono, “Denoising Pada Citra Menggunakan Transformasi Wavelet,” Semin. Nas. Teknol. Inf. Dan Komun. Terap., Vol. 2012, No. Semantik, Pp. 487–493, 2012.

B. Fatkhurrozi, M. A. Muslim, And D. R. Santoso, “Penggunaan Artificial Neuro Network System Dalam Penentuan Aktivitas Gunung Merapi,” Vol. 6, No. 2, Pp. 113–118, 2012.

B. Robi’in, “Analisis Dekomposisi Wavelet Pada Pengenalan Pola Lurik Dengan Metode Learning Vector Quantization,” Ilk. J. Ilm., Vol. 9, Pp. 153–160, 2017.




DOI: http://dx.doi.org/10.26418/elkha.v11i1.29343

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 ELKHA : Jurnal Teknik Elektro

Editorial Office/Publisher Address:
Editor Jurnal Elkha, Department of Electrical Engineering, Faculty of Engineering, Universitas Tanjungpura,
Jl. Prof. Dr. Hadari Nawawi, Pontianak 78124, Indonesia

website : http://jurnal.untan.ac.id/index.php/Elkha
email : [email protected]

ORCID iD : https://orcid.org/0000-0002-0779-1277

Assiciated with :

    MoU/IA   ELKHA - FORTEI

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.