Tombol Reset Tombol Keluar

Tabel 4.5 Hasil Pengujian Secara Tidak Real Time Segment Averaging 128 Batas Potong Nilai Standar Deviasi 1,3 1,4 1,5 1,6 1,7 0,2 99,16 97,50 97,50 96,67 97,50 0,3 97,50 97,50 97,50 96,67 97,50 0,4 97,50 97,50 97,50 96,67 96,67 0,5 95,83 95 91,67 93,33 93,33 Gambar 4.10 Pengaruh Perubahan Batas Potong Terhadap Tingkat Pengenalan Segment Averaging 128 Gambar 4.11 Pengaruh Perubahan Standar Deviasi Terhadap Tingkat Pengenalan Segment Averaging 128 86,00 88,00 90,00 92,00 94,00 96,00 98,00 100,00 0,2 0,3 0,4 0,5 ti n gk at p en ge n al an Pengaruh Perubahan Batas Potong Terhadap Tingkat Pengenalan standar deviasi 1,3 standar deviasi 1,4 standar deviasi 1,5 standar deviasi 1,6 standar deviasi 1,7 Batas potong 86,00 88,00 90,00 92,00 94,00 96,00 98,00 100,00 1,3 1,4 1,5 1,6 1,7 ti n gk at p en ge n al an Pengaruh Perubahan Standar Deviasi Terhadap Tingkat Pengenalan batas potong 0,2 batas potong 0,3 batas potong 0,4 batas potong 0,5 Standar deviasi Dari data-data di atas dapat dilihat bahwa pengenalan terbaik berada pada segment averaging 64 dengan tingkat pengenalan rata-rata di atas 93 persen. Pada tabel 4.4 dan gambar 4.8 dan 4.9 dapat dilihat bahwa pengenalan terbaik adalah 100. Pengenalan terbaik terletak pada variasi batas potong 0.3, variasi standar deviasi 1.7 dan segment averaging 64. Variasi pengenalan terbaik ini yang kemudian akan digunakan untuk pengujian pengenalan secara real time. Pada variasi terbaik ini pula diambil nilai batas bawah untuk setiap kata yang diucapkan. Tujuan pengambilan nilai batas bawah adalah untuk penggunaan metode thresholding. Penulisan program untuk thresholding menggunakan logika “if” dan “elseif”. Dimana jika syarat berinlai benar maka logika tersebut akan mengeksekusi pernyataan di bawahnya dan jika tidak maka akan meneruskan ke logika di bawahnya. Program untuk thresholding dapat dilihat pada lampiran L20. Tabel berikut menunjukkan nilai batas bawah thresholding. Tabel 4.6 Batas Bawah Nilai Korelasi Ucapan Batas Bawah Nilai Korelasi Hidup 0,8764 Mati 0,8714 Terang 0,7872 Gelap 0,9083

4.2.2. Pengujian Pengenalan Secara Real Time

Pada pengujian secara real time, pengujian dilakukan dengan merekam suara masukan secara langsung dan akan dikenali oleh program secara real time. pengguna harus memilih nilai variasi batas potong, standar deviasi, segment averaging dan memilih user yang menjalankan program. Setelah semuanya diisi dengan benar maka program bisa dijalankan dengan menekan tombol “REKAM”. Pengujian dilakukan sebanyak 10 kali tiap katanya dengan anggapan bahwa pengujian sebanyak 10 kali ditiap kata mampu mendefeinisikan keberhasilan dari program. Pengujian juga dilakukan dengan menguji menggunakan suara orang lain. Dari data tabel 4.4 diketahui bahwa pengenalan terbaik mencapai 100 dan terletak pada variasi batas potong 0.3, standar deviasi 1.7 dan segment averaging 64. Untuk pengujian menggunakan suara user pertama dengan total pengujian sebanyak 40 kali dan jumlah ucapan yang dikenali sebanyak 37. Total persentase dari tingkat pengenalan ucapan adalah 92,5 persen. Kesimpulan yang didapat adalah sistem