Pengujian Secara Real Time Tanpa Nilai Thresholding Pengujian Secara Real Time Dengan Nilai Thresholding

time dikarenakan data ucapan yang digunakan sebagai masukan dan database telah direkam terlebih dulu, sehingga pola sinyalnya mirip dan tidak berubah-ubah karena telah direkam. Hal ini juga memperkecil kemungkinan gangguan yang tidak diinginkan seperti derau pada saat sampling ucapan masukan untuk pengolahan data. Untuk pengujian real time yang menggunakan variasi yang tersebut akan diambil batas bawah dari nilai similariasnya untuk setiap kata yang diucapkan. Tujuan pengambilan nilai batas bawah adalah untuk penggunaan metode thresholding. Metode thresholding digunakan untuk mengetahui “error” jika kata yang diucapkan bukan ucapan yang akan dikenali. Penulisan program untuk thresholding menggunak an logika “if” dan “elseif”, yaitu jika syarat terpenuhi, maka program tersebut akan mengeksekusi pernyataan di bawahnya, dan jika tidak, maka akan diteruskan ke perintah selanjutnya. Percobaan untuk menentukan nilai thresholding dapat dilihat pada lampiran L30. Nilai batas bawah thresholding pada setiap ucapan ditunjukan pada tabel 4.6. Tabel 4.6. Batas Bawah Nilai Similaritas

4.3.2 Pengujian Pengenalan Ucapan Secara Real Time

Pengujian pengenalan ucapan secara real time dilakukan dengan mengambil sampel ucapan secara langsung dan akan diproses untuk dikenali oleh program saat itu juga. Pengujian dilakukan oleh Penulis dan 2 orang pengguna lainnya yang telah ditentukan. Pengujian dilakukan dengan kombinasi nilai variabel kNN adalah 1 dan segment averaging adalah 8, mengacu pada hasil pengujian tidak real time. Lalu pengguna juga harus memilih COM PORT yang akan digunakan untuk komunikasi. Program dapat dijalankan dengan menekan tombol “UCAP”. Pengujian dilakukan sebanyak 20 kali untuk masing-masing ucapan setiap penggunanya. Pengujian ini dilakukan dengan nilai thresholding dan tanpa nilai thresholding.

4.3.2.1 Pengujian Secara Real Time Tanpa Nilai Thresholding

Pada pengujian ini, program dijalankan tanpa memberikan nilai batas bawah similaritas sebagai thresholding. Pengujian dilakukan sebanyak 80 kali percobaan dengan KOPI SUSU KOPSUS COKELAT EVAN 0,6654 0,5727 0,5577 0,5512 KRIS 0,6063 0,5637 0,8766 0,5994 FIAN 0,6310 0,5328 0,6466 0,6078 USER NILAI MINIMAL SIMILARITAS UCAPAN masing-masing ucapan 20 kali untuk setiap pengguna. Hasil pengujian ditunjukan oleh tabel 4.7. Tabel 4.7. Confusion Matrik Hasil Pengujian Secara Real Time Tanpa Nilai Thresholding Berdasarkan hasil pengujian, rata-rata persentase keberhasilan untuk setiap pengguna termasuk tinggi, dengan rata-rata keseluruhan sebesar 90. Tingkat pengenalan pada pengujian real time mengalami penurunan dibandingkan saat tidak real time, dikarenakan sampling ucapan masukan dilakukan secara langsung bersamaan dengan eksekusi program sehingga akan terdapat pengaruh dari derau, gaung ruangan, serta cara pengucapan yang berubah.

4.3.2.2 Pengujian Secara Real Time Dengan Nilai Thresholding

Pada pengujian secara real time dengan nilai thresholding, program dijalankan dengan memberikan nilai batas bawah similaritas yang mengacu pada tabel 4.6 sebagai nilai thresholding. Pengujian ini dilakukan 2 kali, untuk melihat kemampuan program mengenal ucapan dan kemampuan program menentukan ”error”. Pengujian untuk melihat PENGGUNA KOPI SUSU KOPSUS COKELAT KOPI 19 - 1 - 95,00 SUSU 1 17 2 - 85,00 KOPSUS - 1 19 - 95,00 COKELAT - 1 - 19 95,00 92,50 PENGGUNA KOPI SUSU KOPSUS COKELAT KOPI 17 - 3 - 85,00 SUSU - 18 - 2 90,00 KOPSUS 2 - 18 - 90,00 COKELAT - 2 - 18 90,00 88,75 PENGGUNA KOPI SUSU KOPSUS COKELAT KOPI 18 - 2 - 90,00 SUSU - 17 2 1 85,00 KOPSUS - 1 18 1 90,00 COKELAT - 2 - 18 90,00 88,75 RATA-RATA PERSENTASE PENGENALAN EVAN MASUKAN UCAPAN PENGENALAN PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN KRIS MASUKAN UCAPAN PENGENALAN PERSENTASE PENGENALAN FIAN MASUKAN UCAPAN PENGENALAN PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN SELURUH PENGGUNA 90,00 kemampuan program mengenali ucapan dilakukan sebanyak total 240 kali percobaan dengan masing-masing ucapan kopi, susu, kopsus, dan cokelat 20 kali untuk setiap pengguna. Tabel 4.8. menunjukan hasil pengujian untuk masing-masing pengguna. Tabel 4.8. Confusion Matrik Hasil Pengujian Pengenalan Ucapan Secara Real Time Dengan Nilai Thresholding Pengujian selanjutnya untuk melihat kemampuan program mengenali error, yang dilakukan sebanyak 240 kali percobaan, dengan ucapan balok, kubus, bola, dan tabung sebanyak 20 kali untuk tiap ucapan pada setiap pengguna. Hasil pengujian ditunjukan oleh tabel 4.9. PENGGUNA KOPI SUSU KOPSUS COKELAT ERROR KOPI 17 - 1 - 2 85,00 SUSU - 17 - - 3 85,00 KOPSUS 1 - 19 - - 95,00 COKELAT - - - 19 1 95,00 90,00 PENGGUNA KOPI SUSU KOPSUS COKELAT ERROR KOPI 18 - - - 2 90,00 SUSU - 18 - - 2 90,00 KOPSUS 1 - 18 - 1 90,00 COKELAT - - 1 18 1 90,00 90,00 PENGGUNA KOPI SUSU KOPSUS COKELAT ERROR KOPI 18 - - - 2 90,00 SUSU - 18 - 1 1 90,00 KOPSUS - - 18 - 2 90,00 COKELAT - - 1 17 2 85,00 88,75 KRIS EVAN MASUKAN UCAPAN PENGENALAN PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN PENGENALAN PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN FIAN PENGENALAN PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN SELURUH PENGGUNA 89,58 MASUKAN UCAPAN MASUKAN UCAPAN Tabel 4.9. Confusion Matrik Hasil Pengujian Secara Real Time Dengan Nilai Thresholding Untuk Mengenali Error Berdasarkan tabel 4.8. dan tabel 4.9. dapat diketahui bahwa pengenalan ucapan memiliki tinggkat keberhasilan yang tinggi, dengan rata-rata keseluruhan untuk pengenalan ucapan sebesar 89,58 dan untuk mengenali error sebesar 89,58 yang menandakan program dapat bekerja dengan baik. Terjadi penurunan tingkat pengenalan dibandingkan dengan pengujian saat tidak real time, dikarenakan sampling ucapan masukan dilakukan secara langsung bersamaan dengan eksekusi program sehingga akan terdapat pengaruh dari derau, gaung ruangan, serta cara pengucapan yang berubah. Serta terjadi penurunan keberhasilan pengenalan jika dibandingkan dengan pengujian tanpa nilai thresholding, hal ini dapat disebabkan oleh pemberian batas error yang mampu membatasi kelas pengenalan ucapan agar ucapan yang diuji tidak dikenali sebagai ucapan lain, tetapi berakibat ucapan dengan similaritas rendah dikenali sebagai error, sehingga tingkat keberhasilan pengenalan menurun. Tingkat pengenalan untuk setiap pengguna berbeda, hal ini dikarenakan kemampuan pengguna dalam melakukan pengucapan secara konsisten berbeda pula. PENGGUNA KOPI SUSU KOPSUS COKELAT ERROR BALOK 2 - - - 18 90,00 KUBUS - 2 - - 18 90,00 TABUNG 1 - 2 - 17 85,00 BOLA - - 2 - 18 90,00 88,75 PENGGUNA KOPI SUSU KOPSUS COKELAT ERROR BALOK 2 - 1 - 17 85,00 KUBUS - 3 - - 17 85,00 TABUNG - - - 1 19 95,00 BOLA - - - 1 19 95,00 90,00 PENGGUNA KOPI SUSU KOPSUS COKELAT ERROR BALOK - - - 2 18 90,00 KUBUS - - 3 - 17 85,00 TABUNG - - - 2 18 90,00 BOLA - - - 1 19 95,00 90,00 EVAN PENGENALAN PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN KRIS PENGENALAN PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN FIAN PENGENALAN PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN RATA-RATA PERSENTASE PENGENALAN SELURUH PENGGUNA 89,58 MASUKAN UCAPAN MASUKAN UCAPAN MASUKAN UCAPAN

4.4 Pengujian Mesin Pembuat Minuman