CPU USAGE DARI PENGGUNAAN CLOUD GAMINGANYWHERE PADA GAME DENGAN SPEECH RECOGNITION SYSTEM SEBAGAI COMMAND INPUT

Perkembangan industry game semakin semarak dengan adanya perkembangan teknologi cloud gaming. Penelitian cloud gaming merupakan penelitian terbaru dan bermanfaat bagi pencinta game karena memberikan informasi akan kualitas cloud gaming yang digunakan. Selain dari cloud gaming, adanya teknologi sistem pengenal suara sebagai input suatu perintah dalam game sangat membantu gamer yang memiliki keterbatasan motoris tangan untuk memainkan game. Penelitian yang peneliti lakukan memberikan informasi CPU Usage dari penggunaan cloud gaminganywhere pada game dengan menggunaan inputan suara. Dengan menggunakan cloud gaming GamingAnywhere dan platform speech recognition system FreeePIE, client akan dapat memainkan game berspesifikasi tinggi pada perangkat miliknya yang berspesifikasi lebih rendah dan dengan sistem input menggunakan perintah suara. Dari hasil pengukuran, dapat dilihat bahwa client hanya membutuhkan 34-40% CPU usage untuk memainkan game NEVERBALL dan 22-25 % CPU usage untuk memainkan game 7 Days to Die.

Download Full-text

THE QUALITY OF SERVICES (QOS) OF GAMINGANYWHERE ON A GAME WITH SPEECH RECOGNITION SYSTEM AS COMMAND INPUT

Jurnal Elektro dan Telekomunikasi Terapan ◽

10.25124/jett.v5i2.1371 ◽

2019 ◽

Vol 5 (2) ◽

pp. 682

Author(s):

Sussi . . ◽

Rendy Munadi . ◽

Nurwulan Fitriyanti . ◽

Indra Perdana Putra Sutejo

Keyword(s):

Quality Of Service ◽

Speech Recognition ◽

Open Source ◽

Packet Loss ◽

Recognition System ◽

Quality Of Services ◽

Speech Recognition System ◽

Command Input

Perkembangan dunia industri game semakin semarak dengan munculnya teknologi jaringan dibidang Cloud Gaming. Platform Cloud Gaming yang sering digunakan dan sifatnya open source yaitu GamingAnywhere. Dengan menggunakan cloud gaming GamingAnywhere dan platform speech recognition system FreeePIE, client dapat memainkan game berspesifikasi tinggi pada perangkat miliknya yang berspesifikasi lebih rendah dengan sistem input menggunakan perintah suara. Pencinta game yang memiliki kerusakan motoris tangan masih bisa menikmati game dengan inputan suara. Penelitian akan Cloud Gaming yang ada masih terbatas, karena teknologi Cloud Gaming merupakan teknologi yang baru (2013). Penelitian ini ditujukan untuk memberikan informasi mengenai Quality of Service (QoS) dari GamingAnywhere. Dari hasil pengukuran, untuk meraih QoS yang optimal dalam menjalankan game dengan cloud gaming GamingAnywhere, dibutuhkan minimal bandwidth sebesar 3 Mbps. Bila bandwidth yang diberikan kurang dari 3 Mbps, sistem akan mengalami delay yang massif bernilai Â± 0.5 detik pada game NEVERBALL dan bernilai Â± 1.9 detik pada game 7 Days to Die dan packet loss yang dihasilkan pun akan sangat tinggi.

Download Full-text

Development of HMM/Neural Network‐Based Medium‐Vocabulary Isolated‐Word Lithuanian Speech Recognition System

Informatica ◽

10.15388/informatica.2004.073 ◽

2004 ◽

Vol 15 (4) ◽

pp. 465-474 ◽

Cited By ~ 1

Author(s):

Mark Filipovič ◽

Antanas Lipeika

Keyword(s):

Neural Network ◽

Speech Recognition ◽

Recognition System ◽

Speech Recognition System ◽

Isolated Word

Download Full-text

Design Of A Voice Controlled Home Automation System Using Deep Learning Convolutional Neural Network (DL-CNN)

Telekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika Terapan ◽

10.34010/telekontran.v8i1.3078 ◽

2020 ◽

Vol 8 (1) ◽

pp. 57-73

Author(s):

Lery Sakti Ramba

Keyword(s):

Deep Learning ◽

Speech Recognition ◽

Background Noise ◽

Electronic Devices ◽

Recognition System ◽

Background Intensity ◽

Automation System ◽

Home Automation ◽

Speech Recognition System ◽

Home Automation System

The purpose of this research is to design home automation system that can be controlled using voice commands. This research was conducted by studying other research related to the topics in this research, discussing with competent parties, designing systems, testing systems, and conducting analyzes based on tests that have been done. In this research voice recognition system was designed using Deep Learning Convolutional Neural Networks (DL-CNN). The CNN model that has been designed will then be trained to recognize several kinds of voice commands. The result of this research is a speech recognition system that can be used to control several electronic devices connected to the system. The speech recognition system in this research has a 100% success rate in room conditions with background intensity of 24dB (silent), 67.67% in room conditions with 42dB background noise intensity, and only 51.67% in room conditions with background intensity noise 52dB (noisy). The percentage of the success of the speech recognition system in this research is strongly influenced by the intensity of background noise in a room. Therefore, to obtain optimal results, the speech recognition system in this research is more suitable for use in rooms with low intensity background noise.

Download Full-text