Ishardina Cholifatul Hidayati (2020) Identifikasi Penutur Menggunakan Metode Fuzzy Learning Vector Quantization Pada Jaringan Radial Basis Function. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (516kB)
	Text (ABSTRAK) 2. ABSTRAK.pdf Download (44kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (68kB)
	Text (PENDAHULUAN) 4. BAB I PENDAHULUAN.pdf Download (51kB)
	Text (TINJAUAN PUSTAKA) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 15 January 2024. Download (400kB) | Request a copy
	Text (METODE PENELITIAN) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 15 January 2024. Download (88kB) | Request a copy
	Text (PEMBAHASAN) 7. BAB IV PEMBAHASAN.pdf Restricted to Registered users only until 15 January 2024. Download (353kB) | Request a copy
	Text (PENUTUP) 8. BAB V PENUTUP.pdf Restricted to Registered users only until 15 January 2024. Download (43kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (48kB)
	Text (LAMPIRAN) 10. LAMPIRAN.pdf Restricted to Registered users only until 15 January 2024. Download (966kB) | Request a copy
	Text (PERNYATAAN EMBARGO) 63-081611233049_Ishardina Cholifatul Hidayati_Embargo - Ishardina CH.pdf Restricted to Registered users only Download (226kB) | Request a copy

Abstract

Suara dapat digunakan untuk proses biometrik karena setiap orang memiliki suara yang berbeda Penelitian ini menggunakan metode Fuzzy Learning Vector Quantization pada jaringan Radial Bas is Function untuk diaplikasikan pada sistem identifikasi penutur . Fuzzy Learning Vector uantization adalah salah satu metode jaringan saraf tiruan yang tak terawasi untuk pengelompokkan, sedangkan Radial Basis Function adalah metode dari jaringan saraf tiruan yang menggabungkan dua metode pembelajaran, yaitu pembelajaran terawasi dan pembelajaran tak terawasi . Secara keseluruhan data yang digunakan berjumlah 135 rekaman dari 15 orang yang terbagi menjadi 105 untuk data latih dan 30 untuk data uji validasi. Langkah awal dari penelitian ini adalah pengolahan file rekaman yang terdiri dari proses pemotongan sinyal dan ekstraksi ciri. Pemotongan sinyal dilakukan agar seluruh rekaman memiliki durasi yang sama. Ekstraksi ciri dalam penelitian ini menggunakan metode MFCC Mel Frequency Cepstral Coefficient) yang prosesnya terdiri dari: frame blocking, windowing, fast fourier transform, mel-frequency warping, dan discrete cosine transform. Hasil pengolahan sinyal digunakan sebagai input Fuzzy Learning Vector Quantization pada jaringan Radial Basis Function. Setelah melalui proses pengolahan file rekaman, selanjutnya adalah proses pelatihan dan uji validasi. Proses pelatihan menghasilkan parameter-parameter optimal untuk selanjutnya digunakan pada uji validasi Hasil uji validasi pada penelitian ini memperoleh akurasi 90%.

Actions (login required)

View Item