Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK Ma'ruf idris
Jurnal Elektronika Telekomunikasi & Computer Vol 2, No 2 (2017): September
Publisher : Jurnal Elektronika Telekomunikasi & Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (131.697 KB)

Abstract

Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan jaringansaraf tiruan metode propagasi balik (back propagation) menggunakan personal komputer.Sinyal suara analog mula-mula dicuplik menjadi sinyal digital dengan kecepatan cuplik8000 Hz. Untuk proses ekstraksi parameter suara digunakan metode Linear PredictiveCoding (LPC) untuk mendapatkan koefisien cepstral. Koefisien cepstral LPC iniditransformasikan ke dalam domain frekuensi dengan Fast Fourier Transform (FFT) 512point. Hasil FFT selanjutnya diproses dengan jaringan saraf tiruan propagasi balik dengankonfigurasi neuron yaiut 32-160-100-30-30 untuk melakukan pengenalan. Lima puluhsampel suara dari lima pembicara yang berbeda digunakan sebagai input pada prosespelatihan jaringan saraf tiruan. Hasil pengujian proses pengenalan suara menunjukkankeberhasilan 90 %.Kata Kunci : jaringan saraf tiruan propagasi balik, pengenalan suara, LPC, FFT.
OPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK Ma'ruf idris
Jurnal Elektronika Telekomunikasi & Computer Vol 2, No 1 (2017): April
Publisher : Jurnal Elektronika Telekomunikasi & Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (573.019 KB)

Abstract

Algoritma umum metode propagasi balik dalam jaringan syaraf tiruan memiliki beberapa kelemahan iterasi mundur, karena itu dalam penelitian ini dilakukan perbaikan metode propagasi balik. Kelemahan tersebut bisa diperbaiki dengan memberikan parameter momentum (α) yang mengintegrasikan dirinya ke dalam persamaan umum sebagai learning term. Parameter momentum dan laju belajar pada bagian koreksi bobot diintegrasikan bersamaan. Persamaan hasil perbaikan adalah sebuah persamaan umum yang dijumlahkan dengan faktor koreksi bobot –η(1-α) Δwn + α Δwn – 1.Namun kecepatan iterasi dari persamaan perbaikan metode propagasi balik lebih tinggi minimal 50,6% dari pada persamaan hasil pengembangan terakhir (advanced propagasi balik) pada tingkat ralat 0,01.Hal ini disebabkan efisiensi perbaikan bobot yang sangat tinggi. Aktivasi bobot pada metode propagasi balik berbasis momentum term dan metode propagasi balik hasil perbaikan memberikan hasil yang tidak signifikan, karena kedua metode tersebut memiliki dasar perhitungan numerik yang sama.Kata Kunci : propagasi balik, ralat, konvergensi, kinerja, bobot