Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Skripsi ini betujuan untuk merancang sebuah software pendeteksi korona yang terjadi pada peralatan listrik yang mengunakan tegangan tinggi. Metode identifikasi menggunakan Hidden Markov Model (HMM) yang memiliki kelebihan dalam memodelkan persamaan matematika. Software ini meliputi 2 proses utama, yaitu training sebagai proses pengisian database dan identifikasi. Input berupa data audio (*.wav) yang kemudian diolah melalui beberapa tahapan diantaranya labelisasi, pembentukan codebook dan pembentukan parameter HMM. Hal yang harus diperhatikan dalam pengolahan ini adalah waktu pencuplikan, jumlah iterasi dan ukuran codebook yang digunakan, dimana ketiga variabel ini akan dianalis sehingga dapat diketahui nilai masing - masing parameter yang menghasilkan identifikasi dengan akurasi paling tinggi. Akurasi tertinggi yang dapat dicapai software ini hanya sebesar 50% dikarenakan data latih korona yang terbatas.

---

This final project was made to design a corona detection that occured in the electric equipment using very hight voltage, such as electric guardhouse. Identification methode that used was Hidden Markov Model (HMM). It had an advantage in modeling mathematic equations. This software contains 2 main proces, training as filling in the database and identification. The input is audio data which format is (*.wav) then processed pass through many steps, such as : labelisation, forming the codebook and HMM parameters. Factor that influenced to the accuration as the result of the software is duration time, amount of iteration and codebook size. With testing the software, we will know which setting will result the highest accuration. The maximal accuration of the identification is only 50% because of limited training data.

Abstrak :
[ABSTRAK
Pesatnya perkembangan Deep Learning akhir-akhir ini juga menyentuh ASR berbasis HMM, sehingga memunculkan teknik hibrid HMM-ANN. Salah satu teknik Deep Learning yang cukup menjanjikan adalah penggunaan arsitektur CNN. CNN yang memiliki kemampuan mendeteksi local correlation sesuai untuk digunakan pada data spectrum suara. Spectrogram memiliki karakteristik local correlation yang nampak secara visual. Penelitian ini adalah eksperimen penggunaan spectrogram sebagai fitur untuk HMM-CNN untuk meningkatkan kinerja ASR berbasis HMM. Penelitian menyimpulkan spectogram dapat digunakan sebagai fitur untuk HMM-CNN untuk meningkatkan kinerja ASR berbasis HMM.

---

ABSTRACT
The latest surge in Deep Learning affecting HMM based ASR, which give birth to hybrid HMM-ANN technique. One of the promising Deep Learning technique is the implementation of CNN architecture. The ability of CNN to detect local correlation make it suitable to be used for speech spectral data. Spectrogram as a speech spectral data has local correlation characteristic which is visually observable. This research is an experiment to use spectrogram as a feature for HMM-CNN to add to the performance of HMM based ASR. This research found that spectrogram is indeed can be used as a feature for CNN to add to the performance of HMM based ASR., The latest surge in Deep Learning affecting HMM based ASR, which give birth to hybrid HMM-ANN technique. One of the promising Deep Learning technique is the implementation of CNN architecture. The ability of CNN to detect local correlation make it suitable to be used for speech spectral data. Spectrogram as a speech spectral data has local correlation characteristic which is visually observable. This research is an experiment to use spectrogram as a feature for HMM-CNN to add to the performance of HMM based ASR. This research found that spectrogram is indeed can be used as a feature for CNN to add to the performance of HMM based ASR.]

Abstrak :

Informasi mengenai penggunaan energi listrik merupakan salah satu elemen penting dalam hal pengaturan distribusi jaringan listrik pada jaringan pintar skala kecil (smart micro grid). Selain itu informasi pemakaian energi listrik dapat membantu konsumen melakukan proses evaluasi pemakaian energi listrik untuk menekan biaya tagihan pembayaran listrik yang secara tidak langsung berpengaruh pada efisensi energi keseluruhan. Salah satu metode dalam proses pemantauan pemakaian energi listrik adalah Non-Intrusive Load Monitoring (NILM). Permasalahan utama dalam NILM adalah mengetahui peralatan-peralatan elektronik yang ada dan mengetahui konsumsi energi listrik masing-masing peralatan dengan hanya melakukan proses pengambilan data hanya dari satu titik yang terhubung dengan semua peralatan elektronik pada jaringan listrik. Berdasarkan hasil pengujian menggunakan dataset AMPds dan REDD, nilai akurasi terendah yang didapatkan adalah sebesar 96,69% pada semua pengujian yang dilakukan.

 

---

Information on electricity consumption is one of the essential elements in terms of regulating the distribution of electricity in smart micro grid. Besides, information on electricity consumption can help consumers carry out an evaluation process to reduce electricity bill costs, which indirectly affect overall energy efficiency. One method in the process of monitoring electricity consumption is Non-Intrusive Load Monitoring (NILM). The main problem in NILM is electronic disaggregation equipment that exists and determines the electrical energy consumption of each appliance by merely performing the retrieval of data from only one point connected with all the electronic devices on the electrical grid. Based on the results of tests conducted using the REDD and AMPds dataset, the lowest accuracy was 96.69% for all tests performed.

 

Abstrak :
Sistem Query by Singing/Humming (QbSH) merupakan bidang MIR yang menawarkan teknologi pencarian lagu berdasarkan melodi. Sistem QbSH yang ada sekarang terbatas untuk lagu western saja. Skripsi ini membahas perancangan simulasi sistem QbSH untuk musik dangdut. Sistem QbSH yang dirancang menggunakan parameter pitch sebagai representasi melodi. Metode yang digunakan adalah Auto-Correlation Function (ACF) dan Hidden Markov Model (HMM). Sistem yang dibuat menggunakan database lagu monophonic MIDI. Sampel query yang diuji-cobakan terdiri dari 3 orang laki-laki dan 3 orang perempuan. Masing-masing orang menyenandungkan 10 lagu (query) yang ada dalam database. Optimasi hasil dilakukan dengan menggunakan variasi normalisasi pitch (berdasarkan energy, rata-rata dan maksimum), durasi pengambilan pitch (5 detik, 8 detik dan 10 detik) dari lagu dan durasi perekaman query (5 detik dan 10 detik). Dari hasil percobaan didapatkan nilai MRR yang optimum dengan menggunakan normalisasi rata-rata, durasi pengambilan pitch 5 detik dan durasi perekaman query 10 detik. Sistem QbSH yang dirancang untuk musik dangdut ini memiliki nilai MRR 0,40 yang diuji-cobakan pada 60 sampel query.

---

Query by Singing/Humming (QbSH) system is one of MIR focus which offer music searching technology based on melody. The limitation of QbSH system is designed for western music. This thesis is talking about simulation design of QbSH system for dangdut music. QbSH system is designed using pitch as melody representation. The implementation method are Auto-Correlation Function (ACF) dan Hidden Markov Model (HMM). Database which created must be Monophonic MIDI . Sample of query which tested include of 3 male dan 3 female sample. Each sample humming 10 piece of songs in database. The result could be optimize using variation of pitch normalization (based on energy, mean and maximmum), duration of taking song pitch (5 second, 8 second and 10 second) and duration of recording query (5 second and 10 second). The experiment result show that optimum MRR got using mean normalization, duration of taking pitch song 5 second and duration of recording query 10second. QbSH system which designed for dangdut music having MRR 0,40 and has been tested 60 query sample.

Abstrak :
Sistem pengenalan ucapan atau Speech Recognition merupakan salah satu teknologi yang dapat mempermudah cara manusia berinteraksi dengan mesin/komputer melalui ucapan. Recognition Experimental System (RES) merupakan sebuah sistem aplikasi Speech Recognition yang menerapkan metode HMM dalam mengenali ucapan man usia. Untuk mendapatkan kemampuan yang ideal dari sistem tersebut terdapat beberapa faktor yang berpengaruh terhadap sistem pengenalan ucapan yaitu faktor jumlah file pelatihan, dialek pembicara, jumlah parameter ekstraksi yang dapat merepresentasikan ciri dari sebuah ucapan serta arsitektur Hidden Markov Model (HMM) yang digunakan. Penelitian ini merupakan pengembangan dari penelitian terdahulu, yang menitikberatkan pada model Bahasa Indonesia yang diterapkan di sistem pengenalan ucapan RES. Dikarenakan banyak dialek bahasa daerah di Indonesia yang berpengaruh terhadap pengucapan Bahasa Indonesia baku, sehingga penelitian ini fokus pada analisis terhadap pengaruh dialek pembicara dalam sistem pengenalan ucapan yang diujikan pad a 4 model HMM yang berbeda. Berdasarkan hasil pengujian, menunjukkan bahwa variasi parameter- parameter yang diekstrak, model HMM yang digunakan serta jumlah state HMM yang optimal berpengaruh terhadap tingkat keberhasilan sistem dalam mengenali ucapan berbahasa Indonesia.

Abstrak :
Dalam proses pengarsipan musik dijital, dilakukan penyimpanan sejumlah informasi nada yang terkandung di dalamnya, contohnya chord. Chord merupakan salah satu atribut penting dalam musik yang nantinya akan mempengaruhi harmoni dan melodi suatu musik. Oleh karena itu, dalam menganalisis keseluruhan struktur harmoni dari sebuah bagian musik sering dimulai dengan melabelkan setiap chord pada bagian musik tersebut. Skripsi ini mensimulasikan pengenalan chord terisolasi dengan metode HMM. Prosesnya meliputi pelatihan dan pengenalan. Tahap pelatihan antara lain melabelkan chord, membuat codebook, dan memodelkan HMM. Proses pengenalan chord mengacu pada nilai yang mendekati probabilitas database yang telah dibuat. Berdasarkan hasil variasi beberapa bobot codebook dan repetisi, maka akurasi sistem paling optimal bernilai 98,33%, yaitu kombinasi bobot codebook 128 dan repetisi 20.

---

Setting databases of digital music - there are much information of tones saved, for example chords. Chord is one of the most important part of music that build the harmonic structure and its melody. Hence, analyzing the overall harmonic structure of musical piece often starts with labelling every chord at the part of music being analyzed. This minithesis had simulated isolated chord recognition with HMM method. There are two main processes : training and recognition. Training consists of labelling every chord, making codebook, and modelling HMM parameters. The recognition value reference on the probability value that approach database had been made. Based on the simulation with variation combined both codebook and repetion, thus the optimum value of this system is 98,33% that both combination codebook 128 and repetion 20.

Abstrak :
Berdasarkan informasi dari WHO tahun 2008, bahwa di negeri China telah terjadi pencampuran melamin dalam bahan makanan yang mengandung susu seperti susu, biskuit, yogurt dan bahan makanan lainnya. Campuran melamin pada makanan dan minuman dapat mengakibatkan penyakit gagal ginjal, kanker bahkan kematian. Pencampuran melamin sebagai bahan pembuatan makanan dan minuman ditujukan untuk mengelabuhi badan pengecekan kualitas pangan, karena pada melamin terdapat kadar nitrogen 66% yang membuat bahan makanan dan minuman akan terlihat memiliki kandungan protein yang tinggi sehingga bahan makanan dan minuman tersebut dapat dikategorikan normal dan sesuai standar badan pengecekan kualitas pangan. Skripsi ini membahas tentang analisa dan identifikasi kadar melamin pada berbagai bahan makanan dan minuman yang mengandung susu dengan metode Hidden Markov Model (HMM). Sistem ini terbagi menjadi dua proses utama, yaitu pembentukan database dan identifikasi kadar melamin. Kedua proses ini dilakukan dengan cara yang hampir sama, yaitu setiap sampel data larutan akan mengalami proses pelabelan, pembuatan codebook dan pembentukan parameter Hidden Markov Model (HMM). Hanya saja, pengolahan sinyal data pada proses identifikasi mengacu pada database yang telah lebih dulu diproses. Dimulai dengan pembentukan vektor-vektor data dengan proses ektraksi, yang kemudian dicari suatu nilai centroid yang presisi dengan teknik Vector Quantization (VQ) dan kemudian diproses kedalam Hidden Markov Model (HMM) untuk menentukan nilai-nilai parameter yang dibutuhkan. Berdasarkan parameterparameter inilah, dapat dihitung suatu nilai probabilitas (Log of Probability) maksimum yang akan menunjukkan hasil keluarannya. Dari hasil perancangan sistem ini, akan dibandingkan akurasi sistem terhadap variasi jumlah data training dan ukuran codebook. Pada perancangan sistem ini, jumlah database yang optimal dengan menggunakan jumlah data training sebanyak 7 (tujuh) buah dan untuk ukuran codebook yang optimal adalah 128. Sementara akurasi sistem secara keseluruhan bervariasi antara 60% hingga 85%.

---

Based on information from WHO in 2008, many food industry in china added some melamine in milk, biscuit, yogurt, and other food. This can be very harmful because melamine in food can cause many disease for example kidney abortive function, cancer which can lead to the death. The purpose of adding melamine in the food is for cheating government food quality department, because the nitrogen content in melamine is 66%, so the food and drink will be seen contains high protein and categorize a normal food and can pass food quality check. This final project will dwell on analyze and identification of melamine content in foods using Hidden Markov Model (HMM). The system divide in two process, the making of data base and introducing of melamine content in foods or drink. This both process will be done in almost the same way, that is labialization process of each data, codebook making process, and Hidden Markov Model (HMM) parameter making process. The difference is data signal processing in introducing process will refer to database previously made. Its all start with the making of vectors using quantization vector technique (VQ) which will be use for determine the precision centroid value use for Hidden Markov Model (HMM) state for determine the needed parameters value. Based on this parameters, the maximum probability (Log of Probability) can be count and will show the output of percentage melamine content. From this layout system, system accuracy will be compare with the amount of data training variation and codebook size. At this layout system, the amount of optimum database will be get by using 7 (seven) data training and the optimum codebook size is 128. Meanwhile, the overall accuracy of the system will be variate from 65% up to 85%.

Abstrak :
Tingkat kesejahteraan suatu negara dapat dilihat dari angka kematian bayi. Berdasarkan informasi dari WHO salah satu penyebab kematian bayi adalah asfiksia. Asfiksia merupakan kondisi kekurangan oksigen pada jaringan tubuh. Skripsi ini membahas tentang sistem identifikasi kondisi janin dengan menggunakan metode Hidden Markov Model (HMM). Data audio merupakan masukan pada sistem. Data audio ini merupakan hasil konversi gelombang spektrum yang berasal sensor Near Infrared Spectroscopy (NIRS). Sistem ini terbagi menjadi dua proses utama, yaitu pembentukan database dan pengenalan kondisi janin. Kedua proses ini dilakukan dengan cara yang hampir sama yaitu pelabelan, pembentukan codebook, dan pembentukan parameter HMM. Dari parameter ini, hasil keluaran dapat diketahui dengan menghitung nilai probabilitas maksimum. Pada penelitian ini, digunakan data training sebanyak 5 dan 7 data dengan ukuran codebook 32, 64, 128, 256, 512, dan 1024. Dari hasil pengukuran, ukuran codebook yang optimal adalah 512. Sementara persentase akurasi bernilai 68% sampai 77%. ......The level of walfare of a country can be seen from its infant mortality rate. Based on WHO information, one of the causes of infant mortality is asphyxia. Asphyxia is the condition of lack of oxygen in body tissue. This final project discusses about identification system of fetal asphyxia condition by using Hidden Markov Model (HMM) method. Audio data is the input of the system. This audio data is the result of conversion of spectrum wave originated from Near Infrared Spectroscopy (NIRS) sensor. This system consists of two main prosesses: database construction and fetal condition recognition. These two processes are carried out with similar ways through labellling, codebook forming, and HMM parameter forming. From the parameter, the output can be detected by calculating the maximum value of Log of Probability. This research uses 5 and 7 training data with codebook size 32, 64, 128, 256, 512, dan 1024. From the calculation result, the optimum codebook size is 512. While the percentage of accuracy is 68% to 77%.

Abstrak :
Sistem pengenalan wajah manusia merupakan salah satu bidang yang cukup berkembang dewasa ini, dimana aplikasi dapat diterapkan dalam bidang keamanan (security system) seperti ijin akses masuk ruangan, pengawasan lokasi (surveillance), maupun pencarian identitas individu pada database kepolisian. Tujuan Penulisan laporan tugas akhir ini adalah untuk membangun sebuah perangkat lunak pengenalan citra wajah manusia menggunakan metode Hidden Markov Models (HMM) dengan input database Pain Ekspression Subset dan database Hasil Foto Sendiri dengan memanfaatkan aplikasi GUI. Hasil pengujian sistem menunjukkan bahwa sistem pengenalan wajah (face recognition) membandingkan percobaan pengenalan sesuai dengan codebook (32, 64,128, 256) dan iterasi (5, 10). Sistem pengenalan wajah manusia menggunakan metode Hidden Markov Models (HMM) mencapai tingkat akurasi pengenalan sebesar 84,28%, dengan database 70 gambar yang terdiri dari 10 individu dengan masing-masing individu memiliki 7 variasi ekspresi yang berbeda.

---

ABSTRACT
Human face recognition system is one area that is developing now, where applications can be applied in the field of security (security system) such as permit access into the room, monitoring locations (surveillance), or search for individual identity in the police database. Purpose of this final report is to build a software image of human face recognition using Hidden Markov Models method (HMM) with input Pain Ekspression Subset database and Image itself database applications of GUI. Test results show that the system of face recognition systems trial comparing the introduction according to the codebook (32, 64.128, 256) and iteration (5, 10). Human face recognition system using Hidden Markov Models (HMM) reached the level of recognition accuracy of 84,28%, with 70 database that consists of 10 individuals with each individual has 7 variations of expressions.

Abstrak :
The Hidden Markov Model (HMM) is a frequently used tool in scientific research for recognizing pattern. This study discusses signature recognition using HMM where the signature image is transmitted from the remote station to the headquarter office by wireless because the remote station was not provided by the original signature as a reference. Generally, the transmission of radio communication has been corrupted with Additive White Gaussian Noise (AWGN) over the Rayleigh fading channel. To reduce the number of bits in the bitstream, the signal prior to transmission was compressed by means of run-length encoding (RLE), also known as source coding. The signature image detected from the receiver was processed in the computer using the HMM. The successful rate of recognition was 0-36% without compression and 60-76%with compression.