Search for collections on Universitas YARSI Repository

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.

[img]
Preview
Text
1. Halaman Sampul.pdf

Download (337kB) | Preview
[img]
Preview
Text
3. Abstrak.pdf

Download (635kB) | Preview
[img]
Preview
Text
5. Halaman Pengesahan.pdf

Download (1MB) | Preview
[img]
Preview
Text
12. Bab 1 Pendahuluan.pdf

Download (624kB) | Preview
[img] Text
13. Bab 2 Tinjauan Pustaka.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
14. Bab 3 Metode Penelitian.pdf
Restricted to Registered users only

Download (856kB)
[img] Text
15. Bab 4 Hasil dan Pembahasan.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
16. Bab 5 Penutup.pdf
Restricted to Registered users only

Download (736kB)
[img]
Preview
Text
17. Daftar Pustaka.pdf

Download (550kB) | Preview
[img]
Preview
Text
23. (Agama) Bab 1 Pendahuluan.pdf

Download (791kB) | Preview
[img] Text
24. (Agama) Bab 2 Isi dan Pembahasan.pdf
Restricted to Registered users only

Download (881kB)
[img] Text
25. (Agama) Bab 3 Kesimpulan dan Saran.pdf
Restricted to Registered users only

Download (663kB)
[img]
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: 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 View Item