IMPLEMENTASI PENGENALAN KATA DENGAN METODE LINEAR PREDICTIVE CEPSTRAL COEFFICIENT DAN HIDDEN MARKOV MODEL UNTUK MENGENDALIKAN ROBOT MOBIL PENJEJAK OBJEK BERDASARKAN UKURAN

KURNIANDRA, WAWAN (2010) IMPLEMENTASI PENGENALAN KATA DENGAN METODE LINEAR PREDICTIVE CEPSTRAL COEFFICIENT DAN HIDDEN MARKOV MODEL UNTUK MENGENDALIKAN ROBOT MOBIL PENJEJAK OBJEK BERDASARKAN UKURAN. Other thesis, Fakultas Teknik.

Preview

PDF (IMPLEMENTASI PENGENALAN KATA DENGAN METODE LINEAR PREDICTIVE CEPSTRAL COEFFICIENT DAN HIDDEN MARKOV MODEL UNTUK MENGENDALIKAN ROBOT MOBIL PENJEJAK OBJEK BERDASARKAN UKURAN ) - Supplemental Material Available under License Creative Commons Public Domain Dedication. Download (151Kb) | Preview

Abstract

Teknologi pengenalan ucapan saat ini telah mengalami perkembangan yang cukup pesat, dan berbagai aplikasi telah di hasilkan diantaranya perintah dan pengontrolan gerak sistem dengan suara. Pada tugas akhir ini dikembangkan suatu sistem robot yang dapat mendengar, melihat dan memberi respon sesuai kata yang diucapkan. Proses pengenalan ucapan menggunakan Linear Predictive Cepstral Coefficient (LPCC) sebagai ekstraksi ciri dan Hidden Markov Model (HMM) untuk pengenalan pola suara. Pada tugas akhir ini setelah kata dikenali, robot mobil akan melakukan tracking objek berdasarkan ukuran yaitu besar, sedang, dan kecil. Ukuran objek tersebut didapatkan dari perhitungan jumlah pixel masing-masing objek. Robot mobil menggunakan web kamera sebagai proses penangkapan objek yang dilihatnya. Selanjutnya, objek tersebut akan disegmentasi dengan metode multilevel thresholding pada ruang warna RGB untuk membedakan antara objek dengan backgroundnya. Keluaran dari sistem robot mobil ini dihubungkan ke motor servo standar sebagai penggerak kamera dalam proses tracking objek. Keluaran sistem ini berupa gerakan horizontal kamera dan respon maju yang dilakukan robot mobil berdasarkan kata yang dikenali. Hasil pengujian untuk pengenalan ucapan terlatih sebesar 100%, kemudian sumber terlatih sebesar 91,11% dan untuk sumber tidak dilatih sebesar 80,67%. Sedangkan pengujian dan pengamatan untuk tracking objek berdasarkan kata yang dikenali didapatkan tingkat keberhasilan sebesar 100 %. Oleh karena itu dapat disimpulkan bahwa robot dapat mendengar, melihat dan membedakan objek sesuai ukuran.

Actions (login required)

View Item