Pengujian Sudut Motor Servo

Gambar 4.13. Grafik Perubahan Nilai k pada kNN pada Tingkat Pengenalan Database 2 Tabel 4.7. Tingkat Pengenalan Secara Tidak Real Time dengan Database 4 Segment Averaging Nilai k pada kNN 1 3 5 7 8 99,1 97,5 96,6 96,6 16 97,5 93,3 95,8 95,0 32 94,1 93,3 91,6 88,3 64 90,8 88,3 86,6 88,3 Gambar 4.14. Grafik Pengaruh Perubahan Segment Averaging pada Tingkat Pengenalan Database 4 60 70 80 90 100 110 1 3 5 7 T in gk at P en ge n alan Nilai k pada kNN Pengaruh Perubahan Nilai k pada kNN untuk Tingkat Pengenalan Segment Averaging 8 Segment Averaging 16 Segment Averaging 32 Segment Averaging 64 60,0 70,0 80,0 90,0 100,0 110,0 8 16 32 64 T in gk at P en ge n alan Segment Averaging Pengaruh Perubahan Segment Averaging untuk Tingkat Pengenalan Nilai k pada kNN 1 Nilai k pada kNN 3 Nilai k pada kNN 5 Nilai k pada kNN 7 Gambar 4.15. Grafik Perubahan Nilai k pada kNN pada Tingkat Pengenalan Database 4 Tabel 4.8. Tingkat Pengenalan Secara Tidak Real Time dengan Database 8 Segment Averaging Nilai k pada kNN 1 3 5 7 8 99,1 96,6 95,8 94,1 16 99,1 98,3 98,3 98,3 32 97,5 95,0 95,0 95,8 64 86,6 85,0 83,3 84,1 Gambar 4.16. Grafik Pengaruh Perubahan Segment Averaging pada Tingkat Pengenalan Database 8 50,0 60,0 70,0 80,0 90,0 100,0 110,0 1 3 5 7 T in gkat P engenalan Nilai k pada kNN Pengaruh Perubahan Nilai k pada kNN untuk Tingkat Pengenalan Segment Averaging 8 Segment Averaging 16 Segment Averaging 32 Segment Averaging 64 60,0 70,0 80,0 90,0 100,0 110,0 8 16 32 64 T in gk at P en ge n alan Segment Averaging Pengaruh Perubahan Segment Averaging untuk Tingkat Pengenalan Nilai k pada kNN 1 Nilai k pada kNN 3 Nilai k pada kNN 5 Nilai k pada kNN 7 Gambar 4.17. Grafik Perubahan Nilai k pada kNN pada Tingkat Pengenalan Database 8 Dari semua data-data diatas dapat dilihat bahwa pengenalan terbaik berada pada segment averaging 8 dan kNN 1 dengan tingkat pengenalan rata-rata diatas 95,8 . Pengaruh variasi nilai kNN pada semua data dilihat pada persentase keberhasilan terbaik yang didapat pada nilai kNN 1. Perubahan semakin besar nilai kNN menyebabkan tingkat pengenalan ucapan menurun. Demikian juga segment averaging semakin besar menyebabkan tingkat pengenalan menurun. Dari evaluasi database 1; 2; 4;dan 8 dilihat bahwa pada tabel 4.5 database 1 didapatkan tingkat pengenalan sudah optimal sebesar 95,8 yang terdapat pada variasi segment averaging 8 dan nilai kNN 1. Sehingga database 1 akan digunakan untuk pengujian secara real time. Pemilihan database 1 dikarenakan untuk melihat seberapa efektif program pengenalan jika database yang digunakan sedikit. Pada variasi terbaik ini pula diambil nilai batas bawah untuk setiap kata yang diucapkan. Tujuan pengambilan nilai batas bawah adalah untuk penggunaan metode thresholding . Metode thresholding digunakan untuk mengetahui “error” jika yang diucapkan bukan ucapan sebenarnya. Penulisan program untuk thresholding menggunalan log ika “if” dan “elseif”. Dimana jika syarat bernilai benar maka logika tersebut akan mengeksekusi pernyataan dibawahnya dan jika tidak maka akan meneruskan ke logika selanjutnya . Program untuk thresholding dapat dilihat pada lampiran L36. Tabel 4.8. menunjukan nilai batas bawa thresholding pada setiap ucapan. 50,0 60,0 70,0 80,0 90,0 100,0 110,0 1 3 5 7 T in gk at P en ge n alan Nilai k pada kNN Pengaruh Perubahan Nilai k pada kNN untuk Tingkat Pengenalan Segment Averaging 8 Segment Averaging 16 Segment Averaging 32 Segment Averaging 64