VERIFIKASI SUARA MENGGUNAKAN METODE MFCC DAN DTW (ABSTRACT, KATA PENGANTAR, DAFTAR ISI)


ABSTRAK

Teknologi pengenalan suara merupakan salah satu teknologi biometrika yang tidak memerlukan biaya besar serta peralatan khusus. Suara merupakan salah satu dari bagian tubuh manusia yang unik dan dapat dibedakan dengan mudah. Aplikasi yang dibuat dalam Tugas Akhir ini adalah sistem verifikasi suara yang dapat memverifikasi/membuktikan identitas yang di klaim oleh seseorang berdasarkan suara yang di-input-kan.
Perangkat lunak ini dirancang menggunakan metode MFCC (Mel Frequency Cepstrum Coefficients) untuk proses ekstraksi ciri dari sinyal suara dan metode DTW (Dynamic Time Warping) untuk proses pencocokan. Proses MFCC akan mengkonversikan sinyal suara menjadi beberapa vektor yang berguna untuk proses pengenalan. Vector ciri hasil dari proses MFCC selanjutnya akan dibandingkan dengan vector ciri yang tersimpan dalam basis data melalui proses DTW berdasarkan ID yang di klaim oleh pengguna. Bahasa pemrograman yang digunakan dalam merancang perangkat lunak ini adalah Visual C# 2008.
Pengujian dilakukan terhadap 35 orang pengguna yang terdiri dari 27 orang laki-laki dan 8 orang perempuan. Masing-masing orang mengucapkan 5 buah kata yang telah ditentukan sebelumnya, dimana untuk masing-masing kata diucapkan sebanyak 7 kali. Enam buah sampel dijadikan sebagai acuan dan 1 sebagai sampel uji. Hasil pengujian memperlihatkan tingkat akurasi paling rendah adalah 59.664 %, sedangkan tingkat akurasi tertinggi yaitu 93.254 %. Baik buruknya sistem dalam melakukan pengenalan dipengaruhi oleh panjang frame, panjang overlapping, jumlah koefisien fileterbank, dan jumlah koefisien MFCC.

Kata kunci : pengenalan suara, MFCC, DTW, filterbank, verifikasi suara.



ABSTRACT

Voice recognition technology is one of biometrics technology that does not require great cost and special equipment. The sound is one of the unique human body and can be distinguished easily. Applications made in this Final Project is the voice verification system that can verify / prove the identity that claimed by a person based on the input voice.
This software is designed using the MFCC (Mel Frequency Cepstrum Coefficients) method for feature extraction process of the speech signals and DTW (Dynamic Time Warping) for the matching process. MFCC process will convert the speech signal into a useful vector for the introduction. Vector features from the MFCC results will be compared with the characteristic vector stored in a database through DTW process based on the ID that claimed by user. Programming language used in designing this software is Visual C # 2008.
This software was tested on 35 people, consisting of 27 men and 8 women. Each person pronounce 5 words predetermined where for each word spoken as much as 7 times. Six words are used as reference samples and 1 as the test samples. Test results showed the lowest accuracy rate was 59,664%, and the highest accuracy is 93,254%. Performance of system in conducting recognition is affected by the length of the frame, overlapping length, the number of coefficients fileterbank, and the number of MFCC coefficients.

Key words : voice recognition, MFCC, DTW,filterbank, voice verfication.


KATA PENGANTAR

Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa/Ida Sang Hyang Widhi Wasa atas karunia-Nya sehingga penulis dapat menyelesaikan tugas akhir ini. Tugas akhir yang berjudul “VERIFIKASI SUARA MENGGUNAKAN METODE MFCC DAN DTW” ini disusun sebagai syarat untuk memenuhi sebagian persyaratan menyelesaikan Program Sarjana S-1 pada Program Studi Teknik Elektro Universitas Udayana.
Dalam penyusunan Tugas Akhir ini, penulis mendapatkan bimbingan dan petunjuk dari berbagai pihak sehingga dapat diselesaikan dengan baik. Untuk itu, dalam kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya kepada :
1.        Tuhan Yang Maha Esa atas rahmat dan karunia yang telah diberikan-Nya hingga saat ini.
2.        Keluarga yang telah memberikan dukungan baik moral maupun material.
3.        Bapak Prof. Ir. I Wayan Redana, M.A.Sc., PhD. sebagai Dekan Fakultas Teknik Universitas Udayana.
4.        Bapak Ir. Lie Jasa, M.T. sebagai Ketua Program Studi Teknik Elektro Fakultas Teknik Universitas Udayana.
5.        Bapak Dr. I Ketut Gede Darma Putra, S.Kom., M.T. sebagai Dosen Pembimbing I yang telah memberikan petunjuk dan bimbingan kepada penulis selama penyusunan Tugas Akhir ini.
6.        Bapak I Nyoman Piarsa, ST, MT. sebagai Dosen Pembimbing II yang telah memberikan petunjuk dan bimbingan kepada penulis selama penyusunan Tugas Akhir ini.
7.        Bapak Ir. IB. Alit S., M., Erg. sebagai Dosen Pembimbing Akademis yang telah memberikan bimbingan, perhatian dan dorongan selama menempuh kuliah di Program Studi Teknik Elektro Fakultas Teknik Universitas Udayana.
8.        Bapak/Ibu Dosen Pengajar khususnya Dosen Pengajar mata kuliah SKI di Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana yang telah memberikan bimbingan selama proses perkuliahan dan penyusunan Tugas Akhir ini.
9.        Bapak/Ibu Pegawai di Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana yang telah membantu selama proses perkuliahan.
10.    Teman-teman penulis khususnya Mahasiswa Teknik Elektro angkatan ’03, ’04 dan ‘05 yang telah memberikan dukungan selama penulis menempuh kuliah dan ketika penyusunan Tugas Akhir ini.
11.    Dan segenap pihak yang telah membantu dalam penyelesaian Tugas Akhir ini.
Penulis menyadari sepenuhnya bahwa laporan Tugas Akhir ini masih jauh dari sempurna. Oleh karena itu, segala bentuk kritik dan saran yang konstruktif dari berbagai pihak sangat penulis hargai dan harapkan. Akhir kata, semoga laporan Tugas Akhir ini dapat bermanfaat dalam pengembangan ilmu pengetahuan dan teknologi khususnya dan masyarakat pada umumnya.

                                                          Denpasar, 17 Maret 2010

                                                          (IWayan Adi Resmawan)
DAFTAR ISI

LEMBAR JUDUL ................................................................................................. i
LEMBAR PENGESAHAN TUGAS AKHIR.................................................... ii
PERNYATAAN .................................................................................................. iii
ABSTRAK ........................................................................................................... iv
ABSTRACT .......................................................................................................... v
KATA PENGANTAR ........................................................................................ vi
DAFTAR ISI ...................................................................................................... viii
DAFTAR GAMBAR.. xiii
DAFTAR TABEL.. xxvi
DAFTAR KODE PROGRAM... xxviii
DAFTAR ISTILAH.. xxix
BAB I PENDAHULUAN.. 1
1.1  Latar Belakang. 1
1.2  Rumusan Masalah. 2
1.3  Tujuan. 2
1.4  Manfaat 2
1.5  Ruang Lingkup dan Batasan Masalah. 2
1.6  Sistematika Pembahasan. 3
BAB II TINJAUAN PUSTAKA.. 4
2.1   Konsep Dasar Pengenalan Suara. 4
2.2 Proses Produksi Suara. 5
2.3   MFCC (Mel Frequency Cepstrum Coefficients) 6
2.3.1 Konversi Analog menjadi Digital 7
2.3.2 DC-Removal 8
2.3.3 Pre – emphasize Filetering. 8
2.3.4 Frame Blocking. 11
2.3.5 Windowing. 12
2.3.6 Analisis Fourier. 13
2.3.6.1 Discrete Fourier Transform (DFT) 13
2.3.6.2 Fast Fourier Transform (FFT) 14
2.3.7 Mel Frequency Wrapping. 14
2.3.8 Discrete Cosine Transform (DCT) 15
2.3.9 Cepstral Liftering. 16
2.4 DTW (Dynamic Time Warping) 17
2.5   Biometrika. 20
2.5.1 Sistem Biometrika. 20
2.5.2 Rasio Kesalahan Pencocokan. 22
2.5.3 Perbandingan antara berbagai sistem biometrika. 26
2.5.4   Aplikasi Sistem Biometrika. 37
BAB III METODE DAN PERANCANGAN SISTEM... 39
3.1 Tempat dan Waktu Penelitian. 39
3.2   Data. 39
3.2.1 Sumber Data. 39
3.2.2 Metode Pengumpulan Data. 39
3.3 Alur Analisis. 39
3.4   Cara Penelitian. 41
3.4.1   Materi Penelitian. 41
3.4.2   Alat Penelitian. 41
3.5 Gambaran Umum Sistem.. 42
3.6 Algoritma Program.. 43
3.6.1 Algoritma MFCC.. 43
3.6.2 Algoritma Remove DC Components. 46
3.6.3 Algoritma Pre emphasize. 47
3.6.4 Algoritma Frame Blocking. 49
3.6.5 Algoritma Windowing. 50
3.6.6 Algoritma Fast Fourier Transform.. 52
3.6.7 Algoritma Mel Frequency Warping (Mel-Filterbank) 56
3.6.8 Algoritma Descrete Cosine Transform (DCT) 63
3.6.9 Algoritma Cepstral Liftering. 65
3.6.10 Remove Silence. 66
3.7 Pemrograman. 68
3.7.1 Kelas MFCC (Mel Frequency Cepstrum Coefficients) 69
3.7.1.1 Remove DC.. 69
3.7.1.2 Pre-emphasize Filtering. 69
3.7.1.3 Frame Blocking dan Windowing. 70
3.7.1.4 FFT. 71
3.7.1.5 Filterbank. 73
3.7.1.6 Discrete Cosine Transform.. 75
3.7.1.7 Cepstral Liftering. 75
3.7.1.8 Remove Silence. 76
3.7.2 Kelas DTW (Dynamic Time Warping) 83
3.8   Antarmuka Aplikasi 84
3.8.1 Form Utama. 84
3.8.2 Form Step by Step Feature Extraction. 84
3.8.3 Form Offline Enrollment 85
3.8.4 Form Input New Speaker 86
3.8.5 Form Enrollment 86
3.8.6 Form Offline Matching. 88
3.8.7 Form New User 88
3.8.8 Form Matching. 89
3.8.9 Form Database Control 90
3.8.10 Form Simulation. 90
3.8.11 Form Data User 91
3.8.12 Form Settings. 92
BAB IV HASIL DAN PEMBAHASAN.. 93
4.1 Gambaran Umum.. 93
4.1.1 Pengolahan Sinyal Suara. 93
4.1.1.1 Perekaman Suara (Voice Recording) 93
4.1.1.2 Remove DC.. 95
4.1.1.3 Pre-Emphasize Filtering. 95
4.1.1.4 Frame Blocking. 96
4.1.1.5 Windowing. 97
4.1.1.6 FFT (Fast Fourier Transform) 98
4.1.1.7 Mel – Filterbank. 99
4.1.1.8 Remove Silence. 100
4.1.1.9 DCT (discrete cosine transform) 101
4.1.1.10 Cepstral Liftering. 101
4.1.2 Pencocokan Sinyal Suara dengan Metode DTW (Dynamic Time Warping) 102
4.2 Hasil Pengujian. 102
4.2.1 Pengujian Terhadap Suku Kata yang Diucapkan. 103
4.2.2 Pengujian Terhadap Jumlah Sampel Acuan. 109
4.2.2.1 Pengujian dengan Satu Sampel Acuan. 109
4.2.2.2 Pengujian dengan Tiga Sampel Acuan. 114
4.2.2.3 Pengujian dengan Enam Sampel Acuan. 115
4.2.3 Pengujian Terhadap Jumlah Pengguna. 120
4.2.3.1 Pengujian Terhadap 10 Orang Pengguna. 120
4.2.3.2 Pengujian Terhadap 20 Orang Pengguna. 120
4.2.3.3 Pengujian Terhadap 35 Orang Pengguna. 126
4.2.4 Pengujian Terhadap Jumlah Koefisien MFCC.. 132
4.2.4.1 Pengujian Terhadap 11 Koefisien MFCC.. 132
4.2.4.2 Pengujian Terhadap 15 Koefisien MFCC.. 138
4.2.4.3 Pengujian Terhadap 19 Koefisien MFCC.. 138
4.2.4.4 Pengujian Terhadap 23 Koefisien MFCC.. 144
4.2.5 Pengujian Terhadap Panjang Frame (N) dan Panjang pergeseran frame(M) 150
4.2.5.1 Pengujian Terhadap N=20 ms, M=10 ms dengan 23 Koefisien MFCC.. 150
4.2.5.2 Pengujian Terhadap N=30 ms, M=15 ms dengan 23 Koefisien MFCC.. 150
4.2.5.3 Pengujian Terhadap N=30 ms, M=15 ms dengan 25 Koefisien MFCC.. 155
4.3 Analisa Hasil 161
4.3.1 Analisa Hasil Pengujian Terhadap Suku Kata yang Diucapkan. 161
4.3.2 Analisa Hasil Pengujian Terhadap Jumlah Sampel Acuan. 162
4.3.3 Analisa Hasil Pengujian Terhadap Jumlah Pengguna. 163
4.3.4 Analisa Hasil Pengujian Terhadap Jumlah Koefisien MFCC.. 165
4.3.5 Analisa Hasil Pengujian Terhadap Panjang Frame (N) dan Panjang pergeseran frame(M) 167
BAB V PENUTUP.. 170
5.1 Simpulan. 170
5.2 Saran. 171
DAFTAR PUSTAKA.. 172
DAFTAR GAMBAR

Gambar 2.1 Blok Diagram Speaker Verification...................................................... 4
Gambar 2.2 contoh signal suara............................................................................... 6
Gambar 2.3 Blok Diagram Untuk MFCC................................................................ 7
Gambar 2.4 Proses Pembentukan signal digital....................................................... 8
Gambar 2.5 Contoh dari pre-emphasize pada sebuah frame................................... 9
Gambar 2.6 Magnitude response dari pre-emphasize filter untuk nilai α yang berbeda         10
Gambar 2.7 Short Term Spectral Analysis............................................................. 11
Gambar 2.8 Domain Waktu menjadi Domain Frekuensi....................................... 14
Gambar 2.9 magnitude dari rectangular dan triangular filterbank........................ 15
Gambar 2.10 Perbandingan spectrum dengan dan tanpa cepstral liftering............ 17
Gambar 2.11 Pencocokan sequence ...................................................................... 18
Gambar 2.12 Ilustrasi matrik jarak terjumlahkan (cumulative distance matrix) antara 2 vektor.        19
Gambar 2.13 Berbagai model grafik Receiver Operation Characteristics (ROC). 24
Gambar 2.14 Grafik distribusi pengguna asli (sah) dan pengguna palsu (tidak sah)  ........... 26
Gambar 2.15 Contoh Karakteristik Biometrika..................................................... 27
Gambar 2.16 Bagian dari speech processing (Campbell, Joseph, 2008)................ 28
Gambar 2.17 Karakteristik  fisiologis yang berkaitan dengan bagian-bagian pembentukan suara     28
Gambar 2.18 Sistem pengenalan pembicara menggunakan smart card ................ 29
Gambar 2.19 Modul sistem pengenalan pembicara ............................................... 29
Gambar 3.1 Alur analisis perancangan sistem. ...................................................... 41
Gambar 3.2 Gambaran umum sistem. ................................................................... 44
Gambar 3.3 Flowchart MFCC............................................................................... 45
Gambar 3.4 Flowchart remove DC components.................................................... 47
Gambar 3.5 Flowchart pre emphasize................................................................... 48
Gambar 3.6 flowchart frame blocking.................................................................... 50
Gambar 3.7 flowchart frame Windowing............................................................... 52
Gambar 3.8 Flowchart Fast Fourier Transform.................................................... 56
Gambar 3.9 Flowchart Generate Filterbank Coefficients...................................... 60
Gambar 3.10 Flowchart Konvolusi Filterbank...................................................... 62
Gambar 3.11 Flowchart DCT................................................................................ 64
Gambar 3.12 Flowchart Cepstral Liftering............................................................ 66
Gambar 3.13 Flowchart Remove Silence............................................................... 68
Gambar 3.14 Form utama...................................................................................... 84
Gambar 3.15 Form Step by step feature extraction................................................ 85
Gambar 3.16 Form Offline Enrollment.................................................................. 86
Gambar 3.17 Form New Speaker........................................................................... 86
Gambar 3.18 Form Enrollment.............................................................................. 87
Gambar 3.19 Form MessageBox Information........................................................ 87
Gambar 3.20 Form MessageBox............................................................................ 88
Gambar 3.21 Form Offline Matching..................................................................... 88
Gambar 3.22 Form New User................................................................................ 89
Gambar 3.23 Form Matching................................................................................. 89
Gambar 3.24 Form Database Control................................................................... 90
Gambar 3.25 Form Simulation............................................................................... 91
Gambar 3.26 Form Data User............................................................................... 91
Gambar 3.27 Form Settings................................................................................... 92
Gambar 4.1 Form Enrollment ............................................................................... 94
Gambar 4.2 sinyal dari kata ‘satu’ setelah proses Pre-emphasize Filtering........... 95
Gambar 4.3 sinyal dari kata ‘satu’ setelah proses Frame Blocking........................ 96
Gambar 4.4 sinyal dari kata ‘satu’ setelah proses Windowing............................... 97
Gambar 4.5 sinyal dari kata ‘satu’ setelah proses FFT........................................... 98
Gambar 4.6 sinyal dari kata ‘satu’ setelah proses Mel-Filterbank.......................... 99
Gambar 4.7 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’ 103
Gambar 4.8 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’      104
Gambar 4.9 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’ 104
Gambar 4.10 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’  105
Gambar 4.11 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’       105
Gambar 4.12 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’  106
Gambar 4.13 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’   106
Gambar 4.14 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’          107
Gambar 4.15 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’      107
Gambar 4.16 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 30 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’ 108
Gambar 4.17 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’      109
Gambar 4.18 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’ 109
Gambar 4.19 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’       110
Gambar 4.20 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’  110
Gambar 4.21 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’       111
Gambar 4.22 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’  111
Gambar 4.23 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’   112
Gambar 4.24 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’          112
Gambar 4.25 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’      113
Gambar 4.26 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 10 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’ 113
Gambar 4.27 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’      115
Gambar 4.28 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’ 115
Gambar 4.29 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’       116
Gambar 4.30 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’  116
Gambar 4.31 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’       117
Gambar 4.32 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’  117
Gambar 4.33 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’   118
Gambar 4.34 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’          118
Gambar 4.35 Kurva Karakteristik Kinerja Sistem menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’      119
Gambar 4.36 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’ 119
Gambar 4.37 Kurva Karakteristik Kinerja Sistem menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’      121
Gambar 4.38 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’ 121
Gambar 4.39 Kurva Karakteristik Kinerja Sistem menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’       122
Gambar 4.40 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’  122
Gambar 4.41 Kurva Karakteristik Kinerja Sistem menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’       123
Gambar 4.42 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’  123
Gambar 4.43 Kurva Karakteristik Kinerja Sistem menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’   124
Gambar 4.44 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’          124
Gambar 4.45 Kurva Karakteristik Kinerja Sistem menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’      125
Gambar 4.46 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’ 125
Gambar 4.47 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’      126
Gambar 4.48 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’ 127
Gambar 4.49 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’       127
Gambar 4.50 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’  128
Gambar 4.51 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’       128
Gambar 4.52 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’  129
Gambar 4.53 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’   129
Gambar 4.54 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’          130
Gambar 4.55 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’      130
Gambar 4.56 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’ 131
Gambar 4.57 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’      132
Gambar 4.58 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’ 133
Gambar 4.59 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’       133
Gambar 4.60 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’  134
Gambar 4.61 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dan kata ‘tiga’........................................ 134
Gambar 4.62 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’  135
Gambar 4.63 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’   135
Gambar 4.64 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’          136
Gambar 4.65 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’      136
Gambar 4.66 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’ 137
Gambar 4.67 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’      139
Gambar 4.68 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’ 139
Gambar 4.69 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’       140
Gambar 4.70 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’  140
Gambar 4.71 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’       141
Gambar 4.72 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 11 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’  141
Gambar 4.73 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’   142
Gambar 4.74 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’          142
Gambar 4.75 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’      143
Gambar 4.76 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 19 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’ 143
Gambar 4.77 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’      144
Gambar 4.78 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘satu’ 145
Gambar 4.79 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’       145
Gambar 4.80 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘dua’  146
Gambar 4.81 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’       146
Gambar 4.82 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘tiga’  147
Gambar 4.83 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’   147
Gambar 4.84 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘empat’          148
Gambar 4.85 Kurva Karakteristik Kinerja Sistem menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’      148
Gambar 4.86 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji, 23 koefisien MFCC dengan N=20 ms dan M=10 ms dan kata ‘lima’ 149
Gambar 4.87 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘satu’      150
Gambar 4.88 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘satu’ 151
Gambar 4.89 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘dua’       151
Gambar 4.90 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘dua’  152
Gambar 4.91 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘tiga’       152
Gambar 4.92 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘tiga’  153
Gambar 4.93 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘empat’   153
Gambar 4.94 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘empat’          154
Gambar 4.95 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘lima’      154
Gambar 4.96 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 23 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘lima’ 155
Gambar 4.97 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘satu’      156
Gambar 4.98 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘satu’ 156
Gambar 4.99 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘dua’       157
Gambar 4.100 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘dua’  157
Gambar 4.101 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘tiga’       158
Gambar 4.102 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘tiga’  158
Gambar 4.103 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘empat’   159
Gambar 4.104 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘empat’          159
Gambar 4.105 Kurva Karakteristik Kinerja Sistem menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘lima’      160
Gambar 4.106 Kurva Distribusi Pengguna Asli dan Palsu menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji, 25 koefisien MFCC dengan N=30 ms dan M=15 ms dan kata ‘lima’ 160
Gambar 4.107 Grafik perbandingan akurasi sistem berdasarkan suku kata yang diucapkan 161
Gambar 4.108 Grafik perbandingan akurasi sistem berdasarkan jumlah sampel acuan          162
Gambar 4.109 Grafik pengaruh jumlah sampel acuan terhadap waktu............... 163
Gambar 4.110 Grafik perbandingan akurasi sistem berdasarkan jumlah pengguna 164
Gambar 4.111 Grafik pengaruh jumlah pengguna terhadap waktu..................... 165
Gambar 4.112 Grafik perbandingan akurasi sistem berdasarkan jumlah koefisien MFCC    166
Gambar 4.113 Grafik pengaruh jumlah kofisien MFCC terhadap waktu............ 167
Gambar 4.114 Grafik perbandingan akurasi sistem berdasarkan panjang frame dan panjang pergeseran frame.................................................................................................................. 168
Gambar 4.115 Grafik pengaruh jumlah panjang frame dan pergeseran frame terhadap waktu         169
DAFTAR TABEL

Tabel 2.1 Perbandingan berbagai teknologi biometrika (Goananta Wangsa, 2008) 36
Tabel 4.1 Hasil pengujian menggunakan 10 orang pengguna, 30 sampel acuan dan 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms................................................... 108
Tabel 4.2 Hasil pengujian menggunakan 10 orang pengguna, 10 sampel acuan dan 10 sampel uji.   114
Tabel 4.3 Hasil pengujian menggunakan 10 orang pengguna, 30 sampel acuan dan 10 sampel uji, 15 koefisien MFCC dengan N=20 ms dan M=10 ms................................................... 114
Tabel 4.4 Hasil pengujian menggunakan 10 orang pengguna, 60 sampel acuan, 10 sampel uji dan 15 koefisien MFCC dengan N=20 ms, M=10 ms......................................................... 120
Tabel 4.5 Hasil pengujian menggunakan 20 orang pengguna, 120 sampel acuan, 20 sampel uji dan 15 koefisien MFCC dengan N=20 ms dan M=10 ms................................................... 126
Tabel 4.6 Hasil pengujian menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji dan 15 koefisien MFCC dengan N=20 ms dan M=10 ms................................................... 131
Tabel 4.7 Hasil pengujian menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji dan 11 koefisien MFCC dengan N=20 ms dan M=10 ms................................................... 137
Tabel 4.8 Hasil pengujian menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji dan 15 koefisien MFCC dengan N=20 ms dan M=10 ms................................................... 138
Tabel 4.9 Hasil pengujian menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji dan 19 koefisien MFCC dengan N=20 ms dan M=10 ms................................................... 144
Tabel 4.10 Hasil pengujian menggunakan 35 orang pengguna, 210 sampel acuan, 35 sampel uji dan 23 koefisien MFCC dengan N=20 ms dan M=10 ms................................... 149
Tabel 4.11 Hasil pengujian menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji dan 23 koefisien MFCC dengan N=30 ms dan M=15 ms................................... 155
Tabel 4.12 Hasil pengujian menggunakan 36 orang pengguna, 216 sampel acuan, 36 sampel uji dan 25 koefisien MFCC dengan N=30 ms dan M=15 ms................................... 161
DAFTAR KODE PROGRAM

Kode Program 3.1 Proses Remove DC.................................................................. 69
Kode Program 3.2 Proses fre-emphasize filtering.................................................. 70
Kode Program 3.3 Proses frame blocking dan windowing.................................... 71
Kode Program 3.4 Proses fast fourier transform.................................................... 72
Kode Program 3.5 Proses initialize filterbank........................................................ 74
Kode Program 3.6 Proses konvolusi filterbank...................................................... 75
Kode Program 3.7 Proses DCT.............................................................................. 75
Kode Program 3.8 Proses cepstral liftering............................................................ 76
Kode Program 3.9 Proses remove silence.............................................................. 77
Kode Program 3.10 Proses MFCC........................................................................ 82
Kode Program 3.11 Proses DTW........................................................................... 83
DAFTAR ISTILAH

DTW = Dynamic Time Warping
MFCC = Mel Frequency Cepstrum Coefficients
Voval Track = Jalur suara.
Nasal Track = Jalur hidung.
Vocal Cords = Pita suara.
Glottis = Celah suara.
Velum = Bagian belakang langit-langit.
Nostrils = Cuping hidung.
Voiced Sound = Suara yang terjadi jika pita suara bergetar dengan frekuensi antara 50 – 250 Hz. Contohnya kata ‘ah’, ‘oh’.
Unvoiced Sound = Suara yang keluar jika pita suara tidak bergetar sama sekali. Contohnya kata ‘shh’.
Plosive Sound = Suara yang keluar jika pita suara tertutup namun sesaat kemudian tiba-tiba membuka. Contohnya kata ‘beh’, ‘pah’.


*file dapat di dowload DISINI 

Comments

Post a Comment

silahkan berkomentar, kritik dan saran yang membangun adalah harapkan kita semua !

Popular posts from this blog

Data Flow Diagram (DFD)

Image
DATA FLOW DIAGRAM Data Flow Diagram (DFD) describes the system distribution into a smaller system. DFD allows the user to easily learn about computer and understand about worked system. DFD allows to learn new system are logically develop without consider the physically environment where the data flow (like by phone, mail, etc) or physically environment where the will be save (like file card, microfiche, hard disk, tape, diskette, etc). DFD is a tool used in methodology structured Analysis and design. CONTEXT DIAGRAM Context Diagram consists of one process to describe the system environment. It’s a highest level in DFD which is describes all the input into the system and output from system. System has a boundary which is to separate the system with the external entity. In context diagram there is no storage. Because context diagram are process to describe the system environment. ZERO DIAGRAMS Zero diagrams are describes the process of DFD. It gives a opi
Read more

flexigrid + php with add and edit button

Image
this is a little example for flexigrid with add and edit button. Original source code of flexigrid could be found at http://flexigrid.googlecode.com/files/flexigrid-1.1.zip additional code that I have is : function test(com,grid) { if (com=='Delete') { if($('.trSelected',grid).length>0){ if(confirm('Delete ' + $('.trSelected',grid).length + ' items?')){ var items = $('.trSelected',grid); var itemlist =''; for(i=0;i<items.length;i++){ itemlist+= items[i].id.substr(3)+","; } $.ajax({ type: "POST", dataType: "json", url: "delete.php", data: "items="+itemlist, success: function(data){ alert("Query: "+data.query+" - Total affected rows: "+da
Read more

VERIFIKASI SUARA MENGGUNAKAN METODE MFCC DAN DTW MENGGUNAKAN METODE MFCC DAN DTW (BAB II TINJAUAN PUSTAKA)

BAB II TINJAUAN PUSTAKA 1.1     Konsep Dasar Pengenalan Suara Diantara banyak komunikasi yang dilakukan oleh manusia, berbicara ( speech ) memberikan paling banyak informasi penting dan paling efektif dalam berkomunikasi. Informasi – informasi tersebut antara lain : gender, keadaan kesehatan, emosi, serta identitas pembicara. Pengenalan suara dapat dikategorikan menjadi 3 bagian, yaitu : speech recognition, speaker recognition, dan language recognition. Dalam tugas akhir ini hanya khusus membahas mengenai speaker recognition lebih spesifiknya lagi membahas tentang speaker verification. Speaker recognition adalah suatu proses yang bertujuan mengenali siapa yang sedang berbicara berdasarkan informasi yang terkandung dalam gelombang suara yang di- input -kan. Speaker recognition dibagi menjadi 2 bagian, yaitu : speaker verification dan speaker identification. Speaker verification adalah proses verifikasi seorang pembicara, dimana sebelumn
Read more