PENGENALAN PERINTAH SUARA UNTUK MENGGERAKKAN KARAKTER PADA PERMAINAN LABIRIN MENGGUNAKAN METODE KLASIFIKASI K-NEAREST NEIGHBOR

71120008, SUSY VALENTINA RAHARDJO (2016) PENGENALAN PERINTAH SUARA UNTUK MENGGERAKKAN KARAKTER PADA PERMAINAN LABIRIN MENGGUNAKAN METODE KLASIFIKASI K-NEAREST NEIGHBOR. Bachelor thesis, Universitas Kristen Duta Wacana.

[img] Text (Skripsi Informatika)
71120008_bab1_bab5_daftarpustaka.pdf

Download (3MB)
[img] Text (Skripsi Informatika)
71120008_bab2-sd-bab4_lampiran.pdf
Restricted to Registered users only

Download (3MB) | Request a copy

Abstract

Permainan merupakan salah satu hiburan di waktu luang. Salah satu contoh permainan adalah Labirin. Pada permainan Labirin, interaksi pengguna dengan sistem masih terbatas dengan cara menekan tombol untuk mengarahkan karakter. Karena keterbatasan tersebut, penulis ingin membuat suatu sistem yang dapat mengenali perintah suara yang akan digunakan sebagai pengganti tombol pada permainan Labirin. Hal ini bertujuan untuk memberikan pengalaman tersendiri bagi pengguna sistem saat memainkan permainan Labirin. Untuk dapat membuat sistem yang dapat mengenali perintah suara, maka diperlukan pelatihan, pengujian dan klasifikasi. Pelatihan yang dilakukan pada pembuatan sistem ini menggunakan 200 data latih yang terdiri dari kata “atas”, “bawah”, “kiri” dan “kanan”. Pelatihan tersebut dilakukan oleh 5 orang pria dan 5 orang wanita yang berusia 19–25 tahun. Sedangkan pada pengujian dalam bahasa Inggris, menggunakan 20 data latih yang terdiri dari kata “up”, “down”, “left” dan “right”. Ekstraksi ciri yang digunakan dalam mempelajari pola suara pada sistem ini adalah Root Mean Square (RMS) dan Linear Predictive Coding (LPC). Sedangkan untuk klasifikasi menggunakan metode K-Nearest Neighbor (KNN) dengan nilai k yang digunakan adalah 1. Hasil dari penelitian ini menunjukkan beberapa faktor yang mempengaruhi akurasi suara. Faktor-faktor yang mempengaruhi antara lain noise, pengucapan yang terpotong, logat bahasa, nada pengucapan dan nilai k pada KNN. Pengujian dilakukan dengan dua kali uji. Untuk pengujian pertama, hasil rata-rata akurasi pada penguji berjenis kelamin pria adalah 19,96% dengan kelas yang paling dikenali adalah “kiri”. Hasil rata-rata akurasi pada penguji berjenis kelamin wanita adalah 25,78% dengan kelas yang paling dikenali adalah “atas”. Hasil rata-rata akurasi sistem secara keseluruhan adalah 22,85% dengan kelas yang paling dikenali adalah “kiri”. Pada pengujian kedua, dilakukan di ruang kedap suara dan menghasilkan rata-rata akurasi 35,38% dengan kelas yang paling dikenali adalah kelas “kiri”. Kemudian dilakukan pelatihan dan pengujian menggunakan bahasa Inggris. Pengujian ini menghasilkan rata-rata akurasi 26,24% dengan kelas yang paling dikenali adalah kelas “bawah”.

Item Type: Thesis (Bachelor)
Uncontrolled Keywords: speech recognition, KNN, LPC, RMS
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Teknologi Informasi > Prodi Informatika
Depositing User: mr Kristofer Bayu Pamungkas - Resign
Date Deposited: 23 Oct 2020 07:43
Last Modified: 23 Oct 2020 07:43
URI: http://katalog.ukdw.ac.id/id/eprint/2849

Actions (login required)

View Item View Item