Push button “Selesai” Antarmuka Program Pengenalan Ucapan Untuk Pengaturan Kipas

Gambar 4.7 Pengaruh Perubahan Nilai Downsampling Terhadap Pengenalan Ucapan Grafik pada gambar 4.6 menunjukan tingkat pengenalan ucapan berdasarkan pengaruh perubahan variasi nilai batas potong. Grafik ini menunjukan pengenalan terbaik terdapat pada nilai variasi batas potong 0,2 dan 0,3 yang mampu mengenali ucapan hingga 81,67 persen. Pada grafik gambar 4.7 menunjukan tingkat pengenalan ucapan berdasarkan pengaruh perubahan bariasi variasi nilai downsampling. Grafik ini menunjukan pengenalan terbaik terdapat pada variasi variasi downsampling 2 yang mampu mengenali ucapan hingga 81,67 persen. Nilai batas potong yang mampu mengenali terbaik dengan variasi nilai downsampling 2 adalah 0,2 dan 0,3 yang mampu mengenali ucapan hingga 81,67 persen. Pengujian selanjutnya dilakukan dengan mengambil salah satu kombinasi nilai pengenalan ucapan terbaik yaitu variasi nilai batas potong 0,2 atau 0,3 dengan variasi nilai downsampling 2. Pengambilan kombinasi nilai pengenalan ucapan terbaik dilakukan karena pada nilai kombinasi tersebut memiliki tingkat pengenalan yang sama yaitu 81,67 persen. Dalam penulisan berikutnya penulis menggunakan parameter variasi nilai batas potong 0,2 dan variasi nilai downsampling 2. Penggunaan parameter variasi nilai batas potong 0,2 dan variasi nilai downsampling 2 dengan melakukan pengujian selanjutnya yaitu 66 68 70 72 74 76 78 80 82 84 1 2 4 P re se nt a se P e ng e na la n Nilai Downsampling Pengaruh Perubahan Nilai Downsampling Terhadap Pengenalan Ucapan Batas potong 0,1 Batas potong 0,2 Batas potong 0,3 Batas potong 0,4 pengujian pengurangan jumlah elemen koefisien ekstraksi ciri dengan presentase tingkat pengenalan terbaik. Ketidaakmampuan pengenalan ucapan untuk mengenali ucapan 100 persen adalah karena adanya pengenalan ucapan yang salah. Selisih untuk mencapai hasil 100 persen adalah sebesar 18,33 persen. Selisih sebesar 18,33 persen ini dapat disebabkan oleh keterbatasan metode yang digunakan oleh penulis.

B. Pengujian Dengan Menggunakan Segment Averaging

Presentase pengenalan ucapan terbaik terdapat pada variasi nilai batas potong 0.2 dan variasi nilai downsampling 2. Variasi nilai terbaik tersebut memiliki tingkat pengenalan ucapan hingga 81,67 persen setelah dilakukan pengujian secara tidak real time. Dalam pengujian secara tidak real time masih terdapat 18,33 persen dari 100 persen kebenaran. Kesalahan 81,33 persen tersebut dapat diperkecil presentase kesalahan dengan cara menggunakan segment averaging . Pengujian ini dilakukan dengan membagi jumlah data dalam beberapa segment dengan mengurangi koefisien ekstraksi ciri. Perbaikan tingkat pengenalan ini dilakukan agar kinerja program pengenalan antarmuka dapat lebih baik dengan meminimalkan jumlah presentase kesalahan. Ukuran sinyal yang digunakan pada pengenalan adalah 1024 data oleh karena itu dalam membagi dengan kelipatan 2 n dimulai dari n=3. Faktor pembagi data awal disebut dengan segment dan hasil pembagian data awal dengan segment menjadi hasil akhir koefisien ekstraksi ciri yang akan dipakai dalam perhitungan berikutnya. Pembagian jumlah data dalam beberapa segment kemudian dilakukan perhitungan rata – rata agar membuat yang jumlahnya banyak menjadi lebih sedikit ukurannya. Gambar 4.8 menunjukan proses pembagian data awal dengan beberapa segment dan menghasilkan pengurangan jumlah elemen koefisien ekstraksi ciri[23].