PENERAPAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENT (MFCC) UNTUK MENENTUKAN SIDIK SUARA MENGGUNAKAN NEURAL NETWORK

Pratiwi, Putri Ayu (2020) PENERAPAN METODE MEL FREQUENCY CEPSTRUM COEFFICIENT (MFCC) UNTUK MENENTUKAN SIDIK SUARA MENGGUNAKAN NEURAL NETWORK. Diploma thesis, Universitas YARSI.

Preview	Text 1. Halaman Sampul.pdf Download (337kB) \| Preview
Preview	Text 3. Abstrak.pdf Download (635kB) \| Preview
Preview	Text 5. Halaman Pengesahan.pdf Download (1MB) \| Preview
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)
Preview	Text 17. Daftar Pustaka.pdf Download (550kB) \| Preview
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)
Preview	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:	Mr. Administrator System Admin
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

Search for collections on Universitas YARSI Repository