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