Articles

Found 3 Documents
Search

IDENTIFIKASI PARAMETER OPTIMAL GAUSSIAN MIXTURE MODEL PADA IDENTIFIKASI PEMBICARA DI LINGKUNGAN BERDERAU MENGGUNAKAN RESIDU DETEKSI ENDPOINT Prayogi, Yanuar Risah; Buliali, Joko Lianto
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 2, Juli 2015
Publisher : Teknik Informatika, ITS

Show Abstract | Original Source | Check in Google Scholar

Abstract

Salah satu permasalahan pada sistem identifikasi pembicara adalah fitur yang dihasilkan kurang tahan terhadap de-rau. Di lingkungan berderau, kinerja sistem identifikasi pembicara bisa turun secara signifikan. Hal ini disebabkan oleh perbedaan lingkungan ketika pelatihan dan pengujian. Salah satu metode ekstraksi fitur yang digunakan untuk identifi-kasi pembicara dan sensitif terhadap derau adalah Mel Frequency Cepstral Coefficient (MFCC). Di lingkungan bersih, kinerja yang dihasilkan oleh metode MFCC sangat tinggi, tetapi turun drastis ketika berada di lingkungan berderau. Pada penelitian ini diusulkan memodifikasi metode MFCC menggunakan residu dari algoritma deteksi endpoint. Hasil dari algoritma deteksi endpoint adalah speech dan nonspeech (residu). Nonspeech atau residu ini biasanya tidak dipakai pada proses berikutnya. Pada sinyal suara yang berderau, residu dari algoritma deteksi endpoint sebagian besar diisi oleh derau itu sendiri sehingga bisa dijadikan informasi derau. Residu tersebut diekstrak untuk mendapatkan besaran (magnitude) frekuensi derau. Kemudian magnitude frekuensi derau digunakan untuk menghilangkan derau pada sinyal utama atau speech. Uji coba menggunakan lima tipe derau dengan tujuh tingkat SNR. Tipe derau yang digunakan adalah f16, hfchannel, pink, volvo, dan white. Sedangkan tingkat SNR yang digunakan adalah bersih, 25, 20, 15, 10, 5, dan 0 dB. Hasil uji coba menunjukkan bahwa metode yang diusulkan unggul pada mayoritas pembicara. Selain itu metode yang diusulkan juga unggul pada semua tipe derau dan unggul hampir pada semua tingkat SNR. Metode yang diusulkan menunjukkan rata-rata akurasi sebesar 14.69% lebih tinggi dari metode MFCC, 2.74% dari MFCC+Spectral Subtraction (SS), dan 6.4% dari MFCC+wiener.
Color Grading Systems to Classify Ripeness of Apple Mango Fruit Prayogi, Yanuar Risah; Budiman, Saiful Nur
An International Journal on Information and Communication Technology Vol 3, No 2: July 2018
Publisher : An International Journal on Information and Communication Technology

Show Abstract | Original Source | Check in Google Scholar | Full PDF (383.527 KB)

Abstract

Harvesting of apple mangoes fruit that simultaneously causes not all apple mango fruits are harvested ripe. Farmers should sort the apple mango manually. So, harvesting in large quantities will take a long time. There are several obstacles to sort the apple mango fruit manually. It needs skills and experiences to sort the apple mangoes fruit and it needs many workers. In addition, when the apple mango is ripe and not immediately sorted, it will be too ripe and decayed, so cause losses. Previous research has already made the apple mango classification system mango level but required an expensive tool and take a long time to process one apple mango. This research proposes a new strategy to measure the ripeness level of apple mango fruit, especially apple mango at low cost, without the expensive device and takes a short time based on the apple mango skin color region using the feed-forward neural network. The test used 214 images consisting of 4 classes. Validation test using k-fold of 7, 9, and 11 with an average accuracy of 90.61%, 91.41%, and 90.82%. Highest accuracy with a value of 91.41% on k-fold 9 while at k-fold 11 accuracy is lower but has the least standard deviation value. A small standard deviation means that the accuracy is more stable than others
Modifikasi Metode MFCC untuk Identifikasi Pembicara di Lingkungan Ber-Noise Prayogi, Yanuar Risah
JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 1 (2019)
Publisher : Universitas Widyagama Malang

Show Abstract | Original Source | Check in Google Scholar | Full PDF (581.976 KB)

Abstract

Beberapa metode ekstraksi fitur untuk sistem identifikasi pembicara memiliki kelemahan yaitu ketika dilingkungan berderau hasil akurasinya menurun. Metode ekstraksi fitur Mel-Frequency Cepstral Coefficient (MFCC) merupakan metode ekstraksi sinyal suara yang peka terhadap derau. Metode MFCC menghasilkan akurasi yang tinggi ketika dilingkungan yang bersih. Sebaliknya ketika di lingkungan yang berderau akurasi yang dihasilkan turun drastis. Penelitian ini mengusulkan metode ekstraksi fitur menggunakan MFCC digabung dengan algoritma deteksi endpoint. Algoritma deteksi endpoint memisahkan daerah speech dan nonspeech. Daerah nonspeech biasanya lebih banyak berisi derau sehingga bisa dijadikan informasi derau. Informasi derau diekstrak dan menghasilkan magnitude frekuensi derau. Uji coba metode yang diusulkan menghasilkan nilai akurasi yang lebih tinggi pada semua tipe derau dan tingkat SNR. Akurasi yang dihasilkan oleh metode yang diusulkan lebih tinggi 14.69% dibanding metode MFCC, 6.4% dibanding metode MFCC+wiener, dan 2.74% dibanding metode MFCC+Spectral Subtraction (SS).