Lesmana, Evan ( 1022010 ) (2015) Implementasi Sistem Pengenalan Kata Menggunakan Sinyal Electromyography Berbasis Rasberry PI. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1022010_Abstract_TOC.pdf - Accepted Version Download (360Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1022010_AppendicesA.pdf - Accepted Version Restricted to Registered users only Download (214Kb) |
|
|
Text
1022010_AppendicesB.pdf - Accepted Version Restricted to Registered users only Download (2312Kb) |
|
|
Text
1022010_Chapter1.pdf - Accepted Version Download (94Kb) | Preview |
|
|
Text
1022010_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (774Kb) |
|
|
Text
1022010_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (1023Kb) |
|
|
Text
1022010_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (1025Kb) |
|
|
Text
1022010_Conclusion.pdf - Accepted Version Download (187Kb) | Preview |
|
|
Text
1022010_Cover.pdf - Accepted Version Restricted to Repository staff only Download (312Kb) |
|
|
Text
1022010_References.pdf - Accepted Version Download (191Kb) | Preview |
Abstract
Speech recognition telah banyak digunakan untuk melakukan panggilan telepon, memilih stasiun radio, voice dictation dan personal assistant. Speech recognition ini menggunakan microphone untuk mendeteksi getaran di udara yangg bersumber dari pita suara manusia. Sistem tersebut tidak dapat dilakukan di lingkungan yang banyak noise dan mengharuskan penggunanya mengucapkan kata dengan keras. Raspberry Pi adalah Single Board Computer yang banyak digunakan untuk proyek inovasi, eksperimen dan belajar. Pada Tugas Akhir ini dibuat sistem pengenalan kata menggunakan sinyal electromyography (EMG) dengan pengolahan di Raspberry Pi. Sistem ini akan mendeteksi aktivitas listrik di sekitar otot artikulasi pada saat mengucapkan kata. Metoda ekstraksi ciri yang dipakai adalah rata-rata koefisien transformasi fourier diskrit dan support vector machine untuk klasifikasi data. Dari hasil realisasi dan pengamatan data, sistem pendeteksi dapat berfungsi dengan baik. Tingkat keberhasilan mencapai 92% untuk mendeteksi 5 kata dan sistem ini bersifat spesifik terhadap pengguna.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Kata Kunci : EMG, Rasberry Pi, speech recognition, transformasi fourier diskrit, Support Vector Machine. |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 08 Jun 2015 10:38 |
| Last Modified: | 08 Jun 2015 10:38 |
| URI: | http://repository.maranatha.edu/id/eprint/12960 |
Actions (login required)
 |
View Item |
