Sebuah Optimalisasi Metode LPC-16 dan HMM-Forward Pada Sistem Asisten Virtual

Optimalissasi Metode Linear Predictive Coding - 16 dan Hidden Markov Model Forward pada Sistem Asisten Virtual

Penulis

  • Chondro seto Nur Suryawan Institut Teknologi Nasional
  • Marisa Premitasari Institut Teknologi Nasional

DOI:

https://doi.org/10.33197/jitter.vol7.iss2.2021.531

Kata Kunci:

Pengenalan Suara, Linear Predictive Coding, Hidden Markov Model

Abstrak

Pada umumnya manusia saat ini menggunakan sistem operasi windows yang berjalan di perangkat desktop akan memasang banyak aplikasi sesuai kebutuhannya. Semakin banyak aplikasi yang di pasang maka semakin banyak pula shortcut yang tampil di bagian desktop windows. Shortcut sendiri merupakan sebuah objek alternatif yang digunakan untuk mewakili sehingga pengguna dapat dengan mudah membuka aplikasi tanpa harus pengguna membuka tempat dimana aplikasi tersebut terpasang. Banyaknya aplikasi yang terpasang pada sistem operasi windows membuat shortcut pada bagian desktop menjadi banyak dan membuat pengguna kesulitan dalam mencari  atau membuka aplikasi yang dinginkan. Oleh karena itu diperlukan aplikasi yang dapat membantu pengguna dalam mencari dan membuka aplikasi dengan mudah tanpa membuat pengguna kesulitan. Aplikasi tersebut adalah virtual asisten yang akan membantu pengguna dalam mencari dan membuka aplikasi yang diinginkan. Cara kerjanya dengan pengguna memasukan suara pengguna lalu di proses ekstraksi ciri menggunakan metode Linear Predictive Coding lalu di klasifikasikan menggunakan metode Hidden Markov Model Forward. Setelah terdeteksi maka aplikasi akan membuka aplikasi sesuai suara yang terdeksi. Penelitian ini menggunakan 120 data latih yang terdiri dari 6 label yaitu whatsapp, linkedin, Tokopedia, gmail, powerpoint, word. Untuk setiap label memiliki data latih berjumlah 20 data. Data yang diujikan berjumlah 60. Untuk setiap labelnya memiliki 10 data uji.

Unduhan

Data unduhan belum tersedia.

Unduhan

Diterbitkan

2021-04-12

Cara Mengutip

[1]
C. seto Nur Suryawan dan M. Premitasari, “Sebuah Optimalisasi Metode LPC-16 dan HMM-Forward Pada Sistem Asisten Virtual: Optimalissasi Metode Linear Predictive Coding - 16 dan Hidden Markov Model Forward pada Sistem Asisten Virtual”, JITTER, vol. 7, no. 2, hlm. 101–107, Apr 2021.

Terbitan

Vol 7 No 2 (2021)

Bagian

Articles

Lisensi

Submission of a manuscript implies that the submitted work has not been published before (except as part of a thesis or report, or abstract); that it is not under consideration for publication elsewhere; that its publication has been approved by all co-authors. If and when the manuscript is accepted for publication, the author(s) still hold the copyright and retain publishing rights without restrictions. Authors or others are allowed to multiply the article as long as not for commercial purposes. For the new invention, authors are suggested to manage its patent before published. The license type is CC-BY-SA 4.0.