OPTIMALISASI BOBOT JARINGAN SYARAF TIRUAN MENGGUNAKAN ALGORITMA GENETIK DALAM IDENTIFIKASI SUARA

SILVANA, MEZA (2008) OPTIMALISASI BOBOT JARINGAN SYARAF TIRUAN MENGGUNAKAN ALGORITMA GENETIK DALAM IDENTIFIKASI SUARA. Other thesis, Fakultas Teknik.

Preview

PDF (OPTIMALISASI BOBOT JARINGAN SYARAF TIRUAN MENGGUNAKAN ALGORITMA GENETIK DALAM IDENTIFIKASI SUARA) - Supplemental Material Available under License Creative Commons Public Domain Dedication. Download (375Kb) | Preview

Abstract

Jaringan Syaraf Tiruan dapat digunakan sebagai cara untuk mengenali sumber suara, karena ia dapat mengenali pola masukan dari bobot-bobot yang diatur melalui suatu pelatihan (training). Permasalahan yang sering terjadi adalah nilai bobot tidak sesuai pada jaringan syaraf tiruan tersebut sehingga error yang cukup besar yang menyebabkan proses identifikasi kurang akurat. Untuk mengatasi hal tersebut, pada penelitian ini digunakan algoritma genetik. Algoritma ini memiliki kemampuan untuk mencari solusi optimum dengan data pelatihan yang kurang dan juga memiliki kemampuan generalisasi sehingga mudah untuk digabungkan dengan Jaringan syaraf tiruan. Penelitian ini menggunakan bahasa pemograman Matlab dengan input suara masukan sebanyak 5 (lima) orang. Proses optimalisasi bobot ini dilakukan dengan mengkonversikan bobot ke dalam bentuk individu yang akan dioptimasi menggunakan algoritma genetik. Hasil optimum yang didapatkan dari hasil proses algoritma genetik dikembalikan ke dalam bentuk bobot, sehingga didapatkan nilai bobot sebagai pola suara referensi. Unjuk kerja sistem dilakukan dengan membandingkan error bobot yang diujikan. Dari penelitian ini, sistem dapat mengenali semua suara yang telah dilatih dan pengujian sumber suara yang sama dengan ucapan yang berbeda (uji generalisasi tiap-tiap orang) dengan baik. Sistem juga mampu mengenali suara dengan jenis kelamin berbeda. Untuk pengujian suara yang tidak dilatih sistem dapat mengenali sebanyak 54,5% suara. Secara keseluruhan sistem dapat mengenali sebanyak 75% suara. Dari penelitian ini dapat dilihat bahwa sistem dapat mengidentifikasi suara lebih akurat dari penelitian sebelumnya yang hanya menggunakan JST saja yaitu 35% suara.

Actions (login required)

View Item