Pratiwi, Putri Ayu (2020) PENERAPAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENT (MFCC) UNTUK MENENTUKAN SIDIK SUARA MENGGUNAKAN NEURAL NETWORK. Diploma thesis, Universitas YARSI.
|
Text
1. Halaman Sampul.pdf Download (337kB) | Preview |
|
|
Text
3. Abstrak.pdf Download (635kB) | Preview |
|
|
Text
5. Halaman Pengesahan.pdf Download (1MB) | Preview |
|
|
Text
12. Bab 1 Pendahuluan.pdf Download (624kB) | Preview |
|
Text
13. Bab 2 Tinjauan Pustaka.pdf Restricted to Registered users only Download (1MB) |
||
Text
14. Bab 3 Metode Penelitian.pdf Restricted to Registered users only Download (856kB) |
||
Text
15. Bab 4 Hasil dan Pembahasan.pdf Restricted to Registered users only Download (1MB) |
||
Text
16. Bab 5 Penutup.pdf Restricted to Registered users only Download (736kB) |
||
|
Text
17. Daftar Pustaka.pdf Download (550kB) | Preview |
|
|
Text
23. (Agama) Bab 1 Pendahuluan.pdf Download (791kB) | Preview |
|
Text
24. (Agama) Bab 2 Isi dan Pembahasan.pdf Restricted to Registered users only Download (881kB) |
||
Text
25. (Agama) Bab 3 Kesimpulan dan Saran.pdf Restricted to Registered users only Download (663kB) |
||
|
Text
26. (Agama) Daftar Pustaka.pdf Download (526kB) | Preview |
Abstract
Penelitian ini melakukan eksperimen pengenalan sidik suara menggunakan ekstrasi fitur MFCC lalu dilakukan dengan 2 metode yaitu Multi Layer Perceptron (MLP) dan Convolutional Neural Network (CNN). Pada tahap ekperimen MLP dengan epoch 10 penulis mendapatkan tingkat akurasi yang cukup baik yaitu 98,92% dari training dan validating data, lalu pada tahap ekperiment CNN dengan epoch 10 menggunakan layer CNN7 dengan tingkat akurasi yang cukup baik yaitu 98,87% pada tahap training dataset dan epoch 100 menggunakan layer CNN3 dengan tikat akurasi yang sempurna yaitu 100%. Dari hasil eksperimen tersebut dapat disimpulkan kedua metode tersebut mempunyai tingkat akurasi yang cukup baik dalam pengenalan sidik suara menggunakan ekstrasi fitur MFCC. Keyword: Pengenalan Sidik Suara, Ekstraksi Fitur MFCC, Multi Layer Perceptron dan Convolutional Neural Network
Item Type: | Thesis (Diploma) |
---|---|
Additional Information: | S-707-FTI |
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
Depositing User: | Unnamed user with email admin@yarsi.ac.id |
Date Deposited: | 05 Aug 2021 08:14 |
Last Modified: | 05 Aug 2021 08:14 |
URI: | http://digilib.yarsi.ac.id/id/eprint/9099 |
Actions (login required)
View Item |