Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JITTER (Jurnal Ilmiah Teknologi Informasi Terapan)
Chondro seto Nur Suryawan
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sebuah Optimalisasi Metode LPC-16 dan HMM-Forward Pada Sistem Asisten Virtual: Optimalissasi Metode Linear Predictive Coding - 16 dan Hidden Markov Model Forward pada Sistem Asisten Virtual Chondro seto Nur Suryawan; Marisa Premitasari
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 7 No. 2 (2021)
Publisher : Universitas Widyatama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (557.202 KB) | DOI: 10.33197/jitter.vol7.iss2.2021.531

Abstract

Pada umumnya manusia saat ini menggunakan sistem operasi windows yang berjalan di perangkat desktop akan memasang banyak aplikasi sesuai kebutuhannya. Semakin banyak aplikasi yang di pasang maka semakin banyak pula shortcut yang tampil di bagian desktop windows. Shortcut sendiri merupakan sebuah objek alternatif yang digunakan untuk mewakili sehingga pengguna dapat dengan mudah membuka aplikasi tanpa harus pengguna membuka tempat dimana aplikasi tersebut terpasang. Banyaknya aplikasi yang terpasang pada sistem operasi windows membuat shortcut pada bagian desktop menjadi banyak dan membuat pengguna kesulitan dalam mencari atau membuka aplikasi yang dinginkan. Oleh karena itu diperlukan aplikasi yang dapat membantu pengguna dalam mencari dan membuka aplikasi dengan mudah tanpa membuat pengguna kesulitan. Aplikasi tersebut adalah virtual asisten yang akan membantu pengguna dalam mencari dan membuka aplikasi yang diinginkan. Cara kerjanya dengan pengguna memasukan suara pengguna lalu di proses ekstraksi ciri menggunakan metode Linear Predictive Coding lalu di klasifikasikan menggunakan metode Hidden Markov Model Forward. Setelah terdeteksi maka aplikasi akan membuka aplikasi sesuai suara yang terdeksi. Penelitian ini menggunakan 120 data latih yang terdiri dari 6 label yaitu whatsapp, linkedin, Tokopedia, gmail, powerpoint, word. Untuk setiap label memiliki data latih berjumlah 20 data. Data yang diujikan berjumlah 60. Untuk setiap labelnya memiliki 10 data uji.
Co-Authors Marisa Premitasari, Marisa