Persiapan Perangkat Pendukung Pengujian Sistem

3. Laptop Dalam pengujian sistem ini digunakan Laptop bermerk HP ProBook 4421s dengan Spesifikasi Intel® Core™ i3 CPU sebagai unit pengolahan data yang dikirim oleh sistem dan sekaligus untuk menampilkan data dalam bentuk grafik. 4. Software Matlab Matlab merupakan salah satu bahasa pemrograman dengan unjuk kerja tinggi high performance untuk komputasi Teknis yang mengintegrasikan komputasi visualisasi dan pemrograman didalam lingkungan yang mudah penggunaannya dalam memecahkan persoalan dengan solusi yang dinyatakan dengan notasi matematik. Pada pengujian sistem ini digunakan Matlab R2012a dengan batasan lingkungan kerja hanya pada pemrograman koding pada lingkungan ,m-file.

4.3 Pengujian Sistem terhadap file Suara

Pada pengujian ini file suara yang diambil dengan selang 2 detik dan dengan pengucapan kata “MAKAN, MINUM, dan BELAJAR,” dilakukan terhadap 1 orang, hal ini ditunjukan untuk mendapatkan perbedaan koefisien terhadap setiap pengucapan kata pada sinyal suara. Sinyal suara tersebut akan dianalisa berdasarkan nilai N dan M yang diubah – ubah sesuai dengan ketentuan tertentu. Adapun perbedaan koefisien diantara pengucapan kata tersebut ditunjukkan pada Gambar 4.1 untuk N = 256 dan M = 100. Gambar 4.1Grafik perbandingan koefisien untuk N = 256 dan M = 100 Pada Grafik yang ditunjukkan pada Gambar 4.1, data 1 merupakan pengucapan kata “MAKAN”, data 2 merupakan pengucapan kata “MINUM”, data 3 merupakan pengucapan kata “BELAJAR”. Berdasarkan hasil pengujian dari perbandingan koefisien sinyal suara yang telah dilakukan dapat dilihat bahwa besar nilai koefisien untuk pengucapan kata “MAKAN” bernilai mulai dari 1.8341 mv sampai 3.1374 mv dan rata – rata 2.82171 mv dengan jumlah total koefisien 69 buah. Untuk koefisien pengucapan kata “MINUM” bernilai mulai dari 1.8972 mv sampai 3.1374 mv dan nilai rata – rata 2.559138 mv dengan jumlah total koefisien 71 buah. Kemudian untuk koefisien pengucapan kata “BELAJAR” bernilai mulai dari 1.7493 mv sampai 3.1523 mv dan rata – rata 2.82171 mv dengan jumlah total koefisien 68 buah.

Dokumen yang terkait

Implementasi Metode Mel-Frequency Cepstrum Coefficients (MFCC) Dalam IDentifikasi jenis Suara Burung Berkicau

15 74 61

Penerapan Mel Frequency Cepstrum Coefficients (MFCC) sebagai ekstraksi ciri pada pengenalan fonem dengan Probabilistic Neural Network (PNN) sebagai classifier

0 8 48

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 1 8

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 0 1

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 2 5

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 0 12

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 1 1

Pengenalan Karakteristik Suara Menggunakan Mel Frequency Cepstrum Coefficients (Mfcc) Pada Sistem Pengenalan Pembicara (Speaker Recognition Sistem)

0 0 12

SIMULASI DAN ANALISIS SPEAKER RECOGNITION MENGGUNAKAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENT (MFCC) DAN GAUSSIAN MIXTURE MODEL (GMM) SPEAKER RECOGNITION SIMULATION AND ANALYSIS USING MEL FREQUENCY CEPSTRUM COEFFICIENT (MFCC) DAN GAUSSIAN MIXTURE MODEL

0 0 7

IDENTIFIKASI PENUTUR MENGGUNAKAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENTS (MFCC) DAN JARINGAN SYARAF TIRUAN MODEL MADALINE Speaker Identification using Mel Frequency Cepstrum Coefficients (MFCC) and Madaline Neural Network

0 1 12