Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Dielektrika : Jurnal Ilmiah Kajian Teori dan Aplikasi Teknik Elektro
L. A Syamsul Irfan Akbar
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Energy

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
SPEAKER IDENTIFICATION MENGGUNAKAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENTS (MFCC) DAN DYNAMIC TIME WARPING (DTW) Sri Agustini Yumiati; S. Mariyanto Al Sasongko; L. A Syamsul Irfan Akbar
DIELEKTRIKA Vol 2 No 2 (2015): DIELEKTRIKA
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (258.4 KB)

Abstract

ABSTRAK Suara merupakan alat komunikasi yang paling dasar yang digunakan oleh manusia. Pengenal penutur merupakan proses mengenali identitas dari seorang penutur dengan membandingkan fitur-fitur suara yang di-input-kan dengan semua fitur-fitur dari setiap penutur yang ada dalam database. Dalam identifikasi penutur terdiri dari dua tahap yaitu tahap pengekstrakkan ciri dan tahap pengenalan pola. Untuk tahap pengekstrakan ciri digunakan metode mel frequency cepstrum coefficient (MFCC). Pada tahap pengenalan pola digunakan metode dynamic time warping (DTW) dimana membandingkan antara data uji dengan data referensi pada database dengan cara menghitung warping path. Hasil yang didapat dari penelitian membuktikan bahwa penggunaan nilai threshold akan menentukan keberhasilan sistem pengenalan penutur. Semakin rendah nilai threshold akan menyebabkan penurunan pada persentase tingkat pengenalannya. Ini terbukti dari pengenalan penutur dengan volume suara berbeda persentase terbesar terdapat pada nilai threshold 5,4 sebesar 94% dan nilai threshold terendah yaitu 0,9 sebesar 41%. Sedangkan untuk pengujian penutur diluar database hasil yang didapat adalah persentase tingkat pengenalan sebesar 79%. Ini dipengaruhi oleh besarnya nilai threshold. Nilai threshold antara 3,6 sampai 4,5 memiliki tingkat terima dan ditolak paling baik. Kata Kunci : MFCC, DTW, Pengenalan Penutur, Nilai threshold ABSTRACT The sound is the most basic means of communication used by humans. Identification of speakers is the process of recognizing the identity of a speaker by comparing the features-the inputted voice with all the features of each speaker in the database. In the speaker identification consists of two phases: feature extraction phase characteristics and pattern recognition. For the characteristic extraction phase used mel frequency cepstrum method coefficient (MFCC). At this stage of pattern recognition used method of dynamic time warping (DTW) which compares the test data with the reference data in the database by calculating warping path. The result from the research show that using the threshold value will determine the success of the speaker recognition system. The lower the threshold value will cause a decrease in the percentage level of recognition. This is evident from the introduction of different speakers with the largest percentage of the volume contained in the 5.4 threshold value of 94% and the lowest was 0.9 threshold value of 41%. As for testing the speakers outside the database results obtained recognition rate is the percentage of 79%. It is influenced by the magnitude of the threshold value. Threshold value between 3.6 to 4.5 have high levels of the most well received and rejected. Keywords : MFCC, DTW, Speaker Identification, Threshold Value
PENERAPAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGKLASIFIKASI JENIS GEMPA GUNUNG RINJANI SEMBALUN, LOMBOK Ishak .; Bulkis Kanata; L. A Syamsul Irfan Akbar
DIELEKTRIKA Vol 3 No 2 (2016): DIELEKTRIKA
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (740.289 KB)

Abstract

Penelitian ini menerapkan jarinagan sayaraf tiruan backpropagation untuk mengklasifikasi jenis gempa Gunung Rinjani Sembalun, Lombok. Jaringan syaraf tiruan backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan dengan pola yang dipakai selama pelatihan. Jaringan syaraf tiruan backpropagation berfungsi untuk mengklasifikasi jenis gempa gunung rinjani sembalun, Lombok menggunakan data satu tahun(tahun 1995) dengan cara membagi data menjadi dua bagian yaitu data latih dan data uji. Hasil penelitian JST Backpropagation terhadap 1119 data latih dan 687 data uji seismograf yang telah telah diketahui jenis gempanya dengan membandingkan 2 arsitektur yang berbeda yaitu arsitektur jaringan 3-3-3-3 yang terdiri atas 3 sel pada lapisan input, 3 sel pada lapisan tersembunyi satu, 3 sel pada lapisan tersembunyi dua dan 3 sel pada lapisan output, dengan persentase keberhasilan uji menggunakan 1119 data pelatihan dapat mengklasifikasi gempa tektonik jauh 44,95%, Vulkanik A 9,56% dan keberhasilan uji menggunakan 687 data pengujian dapat mengklasifikasi gempa tektonik jauh 59,53%, Vulkanik A 10,91%. dan arsitektur jaringan 3-5-10-3 yang terdiri atas 3 sel pada lapisan input, 5 sel pada lapisan tersembunyi satu, 10 sel pada lapisan tersembunyi dua dan 3 sel pada lapisan output, dengan persentase keberhasilan Uji menggunakan 1119 data pelatihan dapat mengklasifikasi Tektonik jauh 60,68%, Vulkanik A 1,25% dan 687 data keberhasilan uji menggunakan 687 data pengujian dapat mengklasifikasi Tektonik Jauh 71,17%, Vulkanik A 1,02%. Kata kunci : gempa, jaringan syaraf tiruan, backpropagation
Co-Authors Bulkis Kanata Ishak . Sri Agustini Yumiati Sudi Mariyanto Al Sasongko