Pengujian Real Time tanpa Nilai Thresholding

107 BAB V KESIMPULAN DAN SARAN

5.1. Kesimpulan

Dari hasil percobaan dan pengujian aplikasi pengenalan ucapan manusia untuk mengatur gerak robot mobil disimpulkan sebagai berikut: 1. Implementasi dari aplikasi pengenalan ucapan untuk lengan robot pengambil benda sudah bekerja dengan baik sesuai perancangan. Sistem dapat mengenali ucapan balok, kubus, bola, dan tabung kemudian menggerakan lengan robot sesuai perintah ucapannya. 2. Pada pengujian pengenalan secara tidak real time persentase pengenalan terbaik terjadi pada kondisi segment averaging 8 dan nilai kNN 1, dimana untuk semua evaluasi database 1;2;4;dan 8 memiliki persentase keberhasilan diatas 95. 3. Pada pengujian pengenalan secara real time menggunakan database 1 dengan variasi segment averaging 8 dan nilai kNN 1 untuk semua user dengan nilai thresholding dan tanpa nilai threshoding memiliki tingkat pengenalan 87,5 dan 85,8. 4. Penggunaan thresholding dalam pengujian pengenalan secara real time sudah bekerja sesuai perancangan dengan ucapan satu, dua, tiga, dan empat yang memiliki tingkat pengenalan sebesar 87,5 .

5.2. Saran

1. Pengembangan sistem dengan menambah lebih banyak user sehingga pengenalan ucapan bisa dilakukan oleh banyak orang. 2. Sistem pengenalan dapat dikembangkan dengan mikrokontroler yang lebih canggih agar tidak memerlukan media PCLaptop sebagai pengolahan pengenalan ucapan. 3. Proses perekaman ucapan masukan dapat dikembangkan secara otomatis agar tidak perlu menekan tombol. 4. Program dan metode pengenalan dapat lebih dikembangkan agar dapat melakukan pengenalan ucapan dalam kondisi ruangan yang memiliki noise. 109 DAFTAR PUSTAKA [1] Ronando, E dan M. Isa Irawan., 2012, Pengenalan Ucapan Kata Sebagai Pengendali Gerakan Robot Lengan Secara Real-Time dengan Metode Linear predictive coding – Neuro Fuzzy, Jurnal Sains dan Seni ITS Vol.1, No. 1, Sept. 2012 ISSN: 2301-928X. [2] Bayhaki, A., 2011, Penekanan Derau secara Adaptif pada Pengenalan Ucapan Kata , Tugas Akhir Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Semarang. [3] Putra, L P Tjendro., 2014, Rancang Bangun Lengan Robot Penyusun Benda Berbasis Mikrokontroler , Prosiding Seminar RiTekTra 2014 ISBN:978-602-71306- 0-9, Universitas Sanata Dharma, Yogyakarta. [4] Nurhadin.,2014, Aspek Fisiologis Bahasa Pengantar Linguistik Umum http:n12y3.lecture.ub.ac.idfiles201410Aspek-Fisiologis-Bahasa-edited.pdf , diakses pada tanggal 5 maret 2015. [5] Sharul., 2012, MIKROKONTROLER AVR Atmega8535 Menjelajahi : Prinsip- prinsip,Antarmuka, dan Aplikasi Mikrokontroler dengan Assembler Bahasa Rakitan , Informatika Bandung, Bandung. [6] Juang, B. H., dan Rabiner, L., 1993, Fundamentals Of Speech Recognition. Signal Processing Series , Prentice Hall, Englewood Cliffs, NJ. [7] Wijayanto, Inung dan Reni Dwifebrianti, 2009, Jenis Tipe Jangkauan Suara Pada Pria Dan Wanita Menggunakan Metoda Mel-Frequency Cepstral Coefficient Dan Jaringan Syaraf Tiruan Backpropagation , Fakultas Elektro dan Komunikasi, Insitut Teknologi Telkom, Bandung [8] Hakim, Luqman., Analisa Suara Serak Berbasis Transformasi Wavelet dan Jaringan Syaraf Tiruan, Institut Teknologi Sepuluh Nopember ITS, Surabaya [9] Theodoridis, Sergios. And Konstantinos Koutroumbas.,2009, Pattern Recognition ,4th ed,Elsevier Inc,Massachusetts 01803,USA