handles. Sama seperti sebelumnya, hal ini bertujuan agar nilai segment averaging yang dipilih dapat dikenali sebagai bahasa program untuk proses selanjutnya. proses
pemanggilan nilai yang telah diubah menjadi nilai untuk bahasa program dikenali sebagai callback. Program nilai variasi segment averaging adalah sebagai berikut :
Pada program pemilihan nilai user diinisialisasi dengan “user”. Dimana inisialisasi ini digunakan untuk menginisialisasi nilai user pada pop up menu. Inisialisasi “user”
kemudian diubah menjadi “user” menggunakan fungsi handles. Program pemilihan user adalah sebagai berikut.
function popupmenu3_CallbackhObject, eventdata, handles indeks=gethandles.popupmenu3,Value;
switch indeks
case 1 dsamp=16;
case 2 dsamp=32;
case 3 dsamp=64;
case 4 dsamp=128;
end handles.sampling=dsamp;
guidatahObject,handles;
function popupmenu4_CallbackhObject, eventdata, handles indeks=gethandles.popupmenu4,Value;
switch indeks
case 1 user=1;
case 2 user=2;
case 3 user=3;
end handles.xuser=user;
guidatahObject,handles;
4.1.3. Tombol Reset
Tombol “RESET” merupakan tombol yang digunakan untuk mereset atau mensetting program untuk kembali ke pengaturan awal. Tombol “RESET” berfungsi untuk
membersihkan “Plot Hasil Perekaman”, “Plot Hasil Ekstraksi ciri” dan “Hasil Pengenalan”. Program tombol “RESET dituliskan sebagai berikut :
Berdasarkan pengujian, tombol “RESET” dapat berjalan sesuai perancangan. Tombol “RESET” ketika ditekan dapat mengembalikan program ke keadaan awal. Semua
yang berhubungan dengan tampilan antarmuka dikembalikan seperti keadaan awal.
4.1.4. Tombol Keluar
Tombol “KELUAR” berfungsi untuk menutup program aplikasi pengenalan ucapan. program tombol “KELUAR” dituliskan sebagai berikut :
function pushbutton2_CallbackhObject, eventdata, handles hObject handle to pushbutton2 see GCBO
eventdata reserved - to be defined in a future version of MATLAB handles structure with handles and user data see GUIDATA
axeshandles.axes1; plot0;
axeshandles.axes2; plot0;
sethandles.edit1,String, ; s=serialCOM3,BaudRate,9600,DataBits,8,parity,none,StopBits,1,FlowControl,n
one; fopens;
fprintfs,c,M fcloses;
deletes; clear s;
function pushbutton3_CallbackhObject, eventdata, handles hObject handle to pushbutton3 see GCBO
eventdata reserved - to be defined in a future version of MATLAB handles structure with handles and user data see GUIDATA
s=serialCOM3,BaudRate,9600,DataBits,8,parity,none,StopBits,1,FlowControl,no ne;
fopens; fprintfs,c,M
fcloses;
Berdasarkan pengujian, tombol “KELUAR” dapat berjalan sesuai perancangan. Ketika Tombol “KELUAR” ditekan aplikasi pengenalan ucapan dapat ditutup dan kembali
ke tampilan awal matlab. . Hasil pengenlan ucapan akan muncul pada tampilan hasil pengenalan pada
program pengenalan ucapan seperti pada tabel 4.1 berikut. Tabel 4.1 Hasil Pengenalan Ucapan Yang Dikenali
No. Ucapan Masukan Input
Hasil Pengenalan Ucapan 1
Mati Mati
2 Hidup
Hidup 3
Terang Terang
4 Gelap
Gelap
4.2. Hasil Pengujian Program Pengenalan Ucapan Untuk Tingkat
Pengenalan Ucapan.
Pengujian pengenalan ucapan dilakukan dengan dua cara yaitu secara real time dan secara tidak real time. Pengujian secara real time dilakukan dengan menggunakan suara
masukan yang direkam saat itu juga dan akan langsung dikenali secara langsung pada saat itu. Pengujian secara real time menggunakan parameter hasil pengenalan terbaik pada
pengenalan secara tidak real time. meskipun demikian pengguna bisa memvariasi nilai parameter sesuai yang diinginkan untuk menguji pengenalan secara real time. Pengujian
secara tidak real time dilakukan dengan memvariasi nilai parameter batas potong, standar deviasi dan segment averaging. Pengujian secara tidak real time menggunakan masukan
dari suara uji yang telah direkam sebelumnya dan dibandingkan dengan database yang telah dibuat sebelumnya. Hasil parameter pengujian terbaik secara tidak real time akan
digunakan sebagai parameter untuk pengujian pengenalan ucapan secara real time. deletes;
clear s; deletehandles.figure1;
clear
4.2.1. Pengujian Pengenalan Secara Tidak Real Time.
Seperti yang telah dijelaskan sebelumnya, percobaan pengenalan secara tidak real time ini dilakukan dengan merekam ucapan masukan yang yang kemudian disimpan
dengan nama yang berbeda dan akan dibandingkan dengan databse. Pembentukan database dilakukan dengan memproses ucapan yang juga sebelumnya sudah direkam
kedalam proses preprocessing seperti yang telah dijelaskan pada diagram blok gambar 3.13. Proses preprocessing terdiri dari normalisasi, pemotongan sinyal, windowing, dan
zerro padding. Setelah melalui tahap preprocessing, kemudian dilanjutkan dengan proses ekstraksi ciri yang pada kali ini penulis menggunakan ekstraksi ciri DCT. Setelah proses
ekstraksi ciri, data hasil ekstraksi ciri kemudian disimpan pada directory yang sama dengan program untuk melakukan pengenalan secara tidak real time. Untuk program
pembentukan database dapat dilihat pada lampiran L23. Proses yang sama juga terjadi pada ucapan masukan. Selanjutnya adalah membandingkan antara database dan hasil
ektraksi ciri dari ucapan masukan menggunakan metode korelasi. Tujuan dari pengujian pengenalan secara tidak real time adalah untuk mencari parameter batas potong, standar
deviasi dan segment averaging terbaik. Hasil pengenalan terbaik yang akan digunakan untuk pengujian program secara real time. Pada proses ini penulis melakukan pengujian
dengan 3 user yang berbeda. Data hasil pengenalan secara tidak real time kemudian ditampilkan dalam tabel dan grafik sehingga pengambilan kesimpulan lebih gampang
dilakukan. Berikut adalah tabel dan grafik hasil pengujian pengenalan ucapan secara tidak real time.
Tabel 4.2 Hasil Pengujian Secara Tidak Real Time Segment Averaging 16
Batas Potong Nilai Standar Deviasi
1,3 1,4
1,5 1,6
1,7 0,2
95 95 93,33
93,30 93,33 0,3
95 95
95 90,83
90 0,4 93,30 92,50 91,60
90,83 89,16 0,5 87,50 85,83 87,50
86,67 87,50
Gambar 4.4 Pengaruh Perubahan Batas Potong Terhadap Tingkat Pengenalan Segment Averaging 16
Gambar 4.5 Pengaruh Perubahan Standar Deviasi Terhadap Tingkat Pengenalan Segment Averaging 16
80 82
84 86
88 90
92 94
96
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 deviasi1,3 standar deviasi 1,4
standar deviasi 1,5 standar deviasi 1,6
standar deviasi 1,7
batas potong
80 82
84 86
88 90
92 94
96
1,3 1,4
1,5 1,6
1,7
ti n
gk at
p en
ge n
al an
Pengaruh Perubahan Standar Deviasi Untuk Tingkat Pengenalan
batas potong 0,2 batas potong 0,3
batas potong 0,4 batas potong 0,5
Standar deviasi Batas potong
