scholarly journals Perancangan Sistem Kontrol Otomatis Lampu Menggunakan Metode Pengenalan Suara Berbasis Arduino

2016 ◽  
Vol 2 (2) ◽  
pp. 106-117
Author(s):  
Adam Faroqi ◽  
Mada Sanjaya WS ◽  
Riyan Nugraha
Keyword(s):  
Real Time ◽  
Speech Processing ◽  
Predictive Coding ◽  
Linear Predictive Coding ◽  
Fuzzy Interference System ◽  
Interference System ◽  
Neuro Fuzzy

Perkembangan teknologi saat ini sangat bermanfaat bagi kehidupan banyak orang. Semua aspek kehidupan dapat memanfaatkan teknologi sesuai dengan bidang yang dibutuhkan, termasuk kendali rumah. Dari berbagai penelitian yang telah dilakukan diketahui bahwa sinyal suara dapat juga digunakan untuk berinteraksi dengan komputer, sehingga interaksi tersebut dapat berjalan lebih alami.  Penelitian yang dilakukan dengan menggunakan data sinyal suara ini umumnya disebut dengan pemrosesan sinyal suara (speech processing).Penelitian ini bertujuan untuk membuat sistem yang dapat mengenali suara dalam bentuk kalimat agar kedepannya bisa digunakan dalam teknologi listrik. Proses pengolahan suara pun perlu melawati beberapa proses seperti: sampling, ektraksi dan pembelajaran. Dengan proses ekstraksi suatu sinyal suara dapat diketahui karakteristiknya. Terdapat beberapa macam metode ekstraksi ciri yang biasa digunakan, tetapi pada penelitian kali ini menggunakan metode Linear Predictive Coding (LPC). LPC digunakan karena sistem ekstraksinya yang mengadopsi sistem pendengaran manusia sebagai filter pengambilan informasi. Kemudian proses pembelajaran dan pengenalan suara sendiri akan dilakukan oleh Adaptive Neuro Fuzzy Interference System (ANFIS) karena kemampuannya yang bisa melakukan analisis probabilitas dan kemudian menghasilkan respon sesuai dengan parameter. Proses pengenalan suara untuk mengenali kalimat diawali dengan proses perekaman yang akan dijadikan data latih sebanyak 20 buah. Dari hasil uji coba, hasil ekstraksi dengan 4 ciri mempunyai akurasi paling kecil dengan 60% - 70% , sedangkan dengan 5 ciri  akurasinya 60% - 80% dan 6 ciri menghasilkan akurasi yang sama yaitu 70% - 80%. Hasil identifikasi secara secara real time dengan 2 orang sebagai pengujiannya menghasilkan akurasi 60% pada pengujian orang pertama dan 70% pada orang kedua untuk pengujian dengan 4 ciri. Analisa waktu respon dengan ciri adalah ciri lebih sedikit akan mempercepat respon matlab dan analisi dengan  banyak ciri akan melambatkan waktu respon.

scholarly journals Perancangan Sistem Kontrol Otomatis Lampu Menggunakan Metode Pengenalan Suara Berbasis Arduino

2016 ◽  
Vol 2 (2) ◽  
pp. 106-117
Author(s):  
Adam Faroqi ◽  
Mada Sanjaya WS ◽  
Riyan Nugraha
Keyword(s):  
Real Time ◽  
Speech Processing ◽  
Predictive Coding ◽  
Linear Predictive Coding ◽  
Fuzzy Interference System ◽  
Interference System ◽  
Neuro Fuzzy

Perkembangan teknologi saat ini sangat bermanfaat bagi kehidupan banyak orang. Semua aspek kehidupan dapat memanfaatkan teknologi sesuai dengan bidang yang dibutuhkan, termasuk kendali rumah. Dari berbagai penelitian yang telah dilakukan diketahui bahwa sinyal suara dapat juga digunakan untuk berinteraksi dengan komputer, sehingga interaksi tersebut dapat berjalan lebih alami.  Penelitian yang dilakukan dengan menggunakan data sinyal suara ini umumnya disebut dengan pemrosesan sinyal suara (speech processing).Penelitian ini bertujuan untuk membuat sistem yang dapat mengenali suara dalam bentuk kalimat agar kedepannya bisa digunakan dalam teknologi listrik. Proses pengolahan suara pun perlu melawati beberapa proses seperti: sampling, ektraksi dan pembelajaran. Dengan proses ekstraksi suatu sinyal suara dapat diketahui karakteristiknya. Terdapat beberapa macam metode ekstraksi ciri yang biasa digunakan, tetapi pada penelitian kali ini menggunakan metode Linear Predictive Coding (LPC). LPC digunakan karena sistem ekstraksinya yang mengadopsi sistem pendengaran manusia sebagai filter pengambilan informasi. Kemudian proses pembelajaran dan pengenalan suara sendiri akan dilakukan oleh Adaptive Neuro Fuzzy Interference System (ANFIS) karena kemampuannya yang bisa melakukan analisis probabilitas dan kemudian menghasilkan respon sesuai dengan parameter. Proses pengenalan suara untuk mengenali kalimat diawali dengan proses perekaman yang akan dijadikan data latih sebanyak 20 buah. Dari hasil uji coba, hasil ekstraksi dengan 4 ciri mempunyai akurasi paling kecil dengan 60% - 70% , sedangkan dengan 5 ciri  akurasinya 60% - 80% dan 6 ciri menghasilkan akurasi yang sama yaitu 70% - 80%. Hasil identifikasi secara secara real time dengan 2 orang sebagai pengujiannya menghasilkan akurasi 60% pada pengujian orang pertama dan 70% pada orang kedua untuk pengujian dengan 4 ciri. Analisa waktu respon dengan ciri adalah ciri lebih sedikit akan mempercepat respon matlab dan analisi dengan  banyak ciri akan melambatkan waktu respon.

scholarly journals Navigation Security Module with Real-Time Voice Command Recognition System

2017 ◽  
Vol 24 (2) ◽  
pp. 17-26
Author(s):  
Mustafa Yagimli ◽  
Huseyin Kursat Tezer
Keyword(s):  
Real Time ◽  
Situational Awareness ◽  
Predictive Coding ◽  
Recognition System ◽  
Time Warping ◽  
Linear Predictive Coding ◽  
Mel Frequency Cepstral Coefficients ◽  
Voice Command ◽  
Security Module ◽  
Dynamic Time

Abstract The real-time voice command recognition system used for this study, aims to increase the situational awareness, therefore the safety of navigation, related especially to the close manoeuvres of warships, and the courses of commercial vessels in narrow waters. The developed system, the safety of navigation that has become especially important in precision manoeuvres, has become controllable with voice command recognition-based software. The system was observed to work with 90.6% accuracy using Mel Frequency Cepstral Coefficients (MFCC) and Dynamic Time Warping (DTW) parameters and with 85.5% accuracy using Linear Predictive Coding (LPC) and DTW parameters.

scholarly journals Estimation of maximum scour depth downstream of an apron under submerged wall jets

2019 ◽  
Vol 21 (4) ◽  
pp. 523-540 ◽  
Author(s):  
Mohammad Aamir ◽  
Zulfequar Ahmad
Keyword(s):  
Scour Depth ◽  
Regression Equations ◽  
Wall Jets ◽  
Statistical Parameters ◽  
Densimetric Froude Number ◽  
Sediment Size ◽  
Fuzzy Interference System ◽  
Interference System ◽  
Neuro Fuzzy ◽  
Artificial Neural Network Ann

Abstract An analysis of laboratory experimental data pertaining to local scour downstream of a rigid apron developed under wall jets is presented. The existing equations for the prediction of the maximum scour depth under wall jets are applied to the available data to evaluate their performance and bring forth their limitations. A comparison of measured scour depth with that computed by the existing equations shows that most of the existing empirical equations perform poorly. Artificial neural network (ANN)- and adaptive neuro-fuzzy interference system (ANFIS)-based models are developed using the available data, which provide simple and accurate tools for the estimation of the maximum scour depth. The key parameters that affect the maximum scour depth are densimetric Froude number, apron length, tailwater level, and median sediment size. Results obtained from ANN and ANFIS models are compared with those of empirical and regression equations by means of statistical parameters. The performance of ANN (RMSE = 0.052) and ANFIS (RMSE = 0.066) models is more satisfactory than that of empirical and regression equations.

Sign in / Sign up

Export Citation Format

Share Document