Mulai Masukan : Hasil dari Windowing
Mencari nilai absolut DFT
Keluaran : Hasil ekstraksi ciri DFT Selesai
Proses segmen averaging mengambil setengah bagian lain dari dari nilai DFT
Gambar 3.22. Diagram Blok ekstraksi ciri DFT
3.5.2.7. Korelasi
Pada proses ini korelasi berfungsi untuk menghitung besarnya perubahan antara dua variabel. Fungsi ini membagi dua variabel yang satu dengan yang lainnya yang saling
berhubungan. Dalam hal ini yang menjadi variabel yang akan dibandingkan adalah data referensi dan data terekam. Hasil penghitungan pembandingan kemudian digunakan
sebagai penentuan hasil keluaran pengenalan pada proses k-NN.
Mulai Masukan :
- hasil ekstraksi ciri - database
perhitungan korelasi antara hasil ekstraksi ciri dengan database
Keluaran : hasil korelasi
Selesai
Gambar 3.23. Diagram Alir Proses Pembandingan Korelasi.
3.5.2.8. Klasifikasi k-NN dan penentuan keluaran
Pada tahap perancangan ini hasil pengenalan suara didapat dari masukan nilai perhitungan korelasi. Hasil dari perhitungan korelasi dicari nilai terbesar kemudian
pengambilan nilai k dimana nilai k ditentukan oleh user. Dari hasil tersebut didapatkan nilai korelasi. Nilai korelasi akan diproses pada thresholding, dimana hasil yang
didapatkan akan dibandingkan dengan nilai thresholding. Apa bila nilai korelasi lebih kecil dari nilai thresholding maka akan error, jika lebih besar maka masuk ke proses
penentuan kelas. Penentuan keluaran dengan berdasarkan kelas yang paling banyak muncul dengan menggunakan metode k-Nearest Neighbor. Hasil dari perhitungan dan nilai
kelas yang paling banyak muncul tersebut akan ditampilkan berupa keluaran text. Hasil penentuan akan ditampilkan di tampilan GUI berupa tulisan.
Masukan : 1.Hasil Perhitungan korelasi
2.Nilai K-NN 3.Jumlah sampel per kelas
mengurutkan hasil perhitungan jarak dari yang paling besar
Selesai pengambilan k korelasi terbesar
pilih kelas yang paling sering muncul, sebagai kelas keluaran
Keluaran : Data Hasil Keluaran K-NN
Teks Keluaran : Error
Mulai
mencari index kelas dari korelasi k terbesar
nilai korelasi terendah pada kelas keluaranā„ nilai thresholding
ya tidak
Gambar 3.24. Diagram alur K-NN dan penentuan suara hasil pengenalan
Untuk mendapatkan nilai thresholding dengan cara, pertama data masukan pengucapan contoh untuk angka 0 dicari nilai korelasi untuk setiap indeks data referensi
angka 0 pada pengucapan angka 0. Setelah didapatkan hasil korelasi untuk setiap data referensi yang berjumlah 10 nilai korelsi, karena data referensi untuk pengucapan angka 0
dilakukan pengambilan suara sebanyak 10 kali. Data hasil fungsi korelasi tersebut dipilih nilai paling minimal, karena data referensi pengucapan angka 0 sebanyak 10 data referensi,
maka dilakukan percobaan dengan cara yang sama hingga 10 kali pengucapan. Setelah didapatkan nilai korelasi minimal dari 10 kali percobaan, kemudian dicari nilai minimal
dari 10 nilai korelasi minimal yang telah didapatkan tadi. Nilai minimal inilah yang akan menjadi thresholding untuk pengucapan angka 0. Untuk proses pengucapan angka lainya
berlaku hal yang sama.
3.5.3. Proses Pengiriman Serial
