Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Limits: Journal of Mathematics and Its Applications
Nurul Hidayat
Jurusan Matematika FMIPA ITS, Surabaya
Computer Science & IT Mathematics

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

Found 1 Documents
Search

 1 
Aplikasi Transformasi Wavelet Pada Prapengolahan Sinyal Suara Nurul Hidayat
Limits: Journal of Mathematics and Its Applications Vol. 1 No. 2 (2004): Limits: Journal of Mathematics and Its Applications Volume 1 Nomor 2 Edisi Nove
Publisher : Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu faktor penting didalam membangun sebuah sistem pengidentifikasi suara adalah proses prapengolahan data primer dari sinyal suara yang akan diidentifikasi. Prapengolahan sinyal diperlukan untuk mendapatkan besaran yang mengandung informasi berupa pola atau karakteristik dari sinyal itu. Metode estimasi trispektrum merupakan salah satu metode yang bisa digunakan untuk mendapatkan karakteristik suara berdasarkan analisis spektrum orde 4 (quadruple correlation) dari magnitudo dan fase sinyal suara. Pola atau karakteristik dari sinyal akan berubah dari aslinya jika sinyal suara tersebut mengandung noise. Semakin besar noise yang dikandungnya, semakin besar pula perubahan polanya. Oleh sebab itu, diperlukan suatu metode untuk menghilangkan kandungan noise yang terdapat pada sinyal sebelum sinyal tersebut diestimasi, agar pola sinyal aslinya bisa didapatkan kembali. Pada makalah ini dibahas aplikasi transformasi wavelet untuk pros- es denoising (penghilangan noise), sebagai bagian dari prapengolahan data primer. Dari ujicoba terhadap sinyal suara kata “atas”, “bawah”, “kanan”, “kiri”, “maju”, “mundur”, “naik”, “turun”, “buka”, “tutup” yang di- rekam menggunakan Personal Computer yang dilengkapi dengan Microphone dan perangkat lunak Goldwave, kemudian masing-masing ditambahi noise Gaussian dengan SNR (Signal to Noise Ratio) 1, 2, 4, dan 7 dB, aplikasi transformasi wavelet untuk proses denoising berhasil dengan baik, walaupun secara kuantitatif tidak bisa menghilangkan noise 100%, akan tetapi secara kualitatif menghasilkan sinyal suara yang (hampir) sama dengan sinyal aslinya.
Co-Authors