Klasifikasi Sinyal Audio Content-Based Dengan Metode Nearest Feature Line

Hendrawan, Andrianto ( 9922091 ) (2007) Klasifikasi Sinyal Audio Content-Based Dengan Metode Nearest Feature Line. Undergraduate thesis, Universitas Kristen Maranatha.

[img]
Preview
Text
9922091_Abstract_TOC.pdf - Accepted Version

Download (349Kb) | Preview
[img]
Preview
Text
9922091_Appendices.pdf - Accepted Version

Download (63Kb) | Preview
[img]
Preview
Text
9922091_Chapter1.pdf - Accepted Version

Download (230Kb) | Preview
[img] Text
9922091_Chapter2.pdf - Accepted Version
Restricted to Repository staff only

Download (311Kb)
[img] Text
9922091_Chapter3.pdf - Accepted Version
Restricted to Repository staff only

Download (275Kb)
[img] Text
9922091_Chapter4.pdf - Accepted Version
Restricted to Repository staff only

Download (260Kb)
[img]
Preview
Text
9922091_Conclusion.pdf - Accepted Version

Download (206Kb) | Preview
[img]
Preview
Text
9922091_Cover.pdf

Download (239Kb) | Preview
[img]
Preview
Text
9922091_References.pdf - Accepted Version

Download (214Kb) | Preview

Abstract

Data audio merupakan suatu bagian yang berperan sangat penting dalam sistem multimedia. Suatu informasi multimedia dapat berisikan jutaan klip audio, seperti suara hewan, suara musik, suara percakapan manusia (speech), dan lainnya. Kebutuhan untuk mengenali kelas atau kategori apa yang dimiliki oleh audio tersebut secara tepat mengakibatkan munculnya sebuah penelitian untuk mengklasifikasikan sinyal audio tersebut. Dalam tugas akhir ini, akan direalisasikan suatu metode untuk mengklasifikasikan sinyal audio secara tepat. Metode yang digunakan adalah metode “Nearest Feature Line” (NFL). Untuk metode ini, kombinasi feature perceptual dan feature cepstral digunakan untuk menguji sinyal audio yang akan diklasifikasikan (query). Dari hasil eksperimen diperoleh bahwa dengan menggunakan metode Nearest Feature Line, error rate klasifikasi untuk query dari database mencapai angka error terbaik sebesar 9,78%, dibanding dengan angka error 18,34% dari sebuah sistem lain generasi sebelumnya, sebagaimana diuji pada database audio umum.

Item Type: Thesis (Undergraduate)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > 22 Electrical Engineering Department
Depositing User: Perpustakaan Maranatha
Date Deposited: 07 Nov 2014 10:33
Last Modified: 05 Mar 2018 03:31
URI: http://repository.maranatha.edu/id/eprint/8074

Actions (login required)

View Item View Item