Perangkat lunak Pengenalan Suara (Voice Recognition) Untuk Absensi Karyawan Dengan Menggunakan Metode Dynamic Time Warping (DTW)
| Main Author: | Rianto, Jeri |
|---|---|
| Format: | Thesis PeerReviewed |
| Terbitan: |
Universitas Komputer Indonesia
, 2011
|
| Subjects: | |
| Online Access: |
http://repository.unikom.ac.id/19975/ http://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-jeririanto-26076 |
Daftar Isi:
- Penelitian yang intensif dalam bidang pengolahan sinyal menyebabkanbr / teknologi komunikasi berkembang dengan pesat. Salah satunya adalah pengenalanbr / suara (voice recognition). Proses pencocokan suara merupakan salah satu fungsibr / dari identifikasi suara. Dimana identifikasi suara dapat menjadi nilai tambahbr / dalam sebuah perintah di komputer, identifikasi suara merupakan cara komunikasibr / natural antara manusia dan dapat menghasilkan antarmuka yang baik untukbr / mengontrol suatu sistem atau aplikasi.br / Dalam proses pengenalan suara untuk absensi karyawan digunakanbr / metode Dynamic Time Warping (DTW), merupakan salah satu metode analisisbr / sinyal suara yang membandingkan antara sinyal masuk berupa suara denganbr / record suara di database dengan menghitung optimal warping path antara duabr / waktu.br / Penelitian ini membahas mengenai pencocokan suara untuk mengenalibr / suara yang diucapkan. Pengujian ini dilakukan berdasarkan 5 pengujian denganbr / kondisi dan pengucapan intonasi yang berbeda-beda. Pengujian 1, 2 dan 3 masingmasingbr / dilakukan dengan cara pengenalan suara pada kondisi suasana sunyi,br / pengenalan suara pada kondisi suara suasana tidak sunyi (ber-noise) danbr / pengenalan suara dengan intonasi panjang yang dilakukan oleh 15 orang yangbr / terdiri dari 10 pria dan 5 wanita, sedangkan pengujian 4 dan 5 masing-masingbr / dilakukan dengan cara pengenalan suara oleh 15 wanita dan pengenalan suarabr / oleh 15 pria.br / Hasil 15 kali pengujian menunjukkan bahwa pengujian 1, 2, 3, 4 dan 5br / dengan jumlah suara yang dikenali dan presentase keakuratan masing-masingbr / sebagai berikut: 14 suara dikenali, 93,3%; 0 suara dikenali, 0%; 5 suara dikenali,br / 33,3%, 9 suara dikenali, 60% dan 11 suara dikenali, 73,3%.