NeurPR atau lebih dikenal dengan Jaringan Syaraf Tiruan merupakan sistem pembelajaran yang pada dasarnya mengacu pada konsep dasar sistem kerja otak manusia. Tujuan pembelajaran pasang input-output dilakukan untuk mencari konfigurasi bobot jaringan yang paling baik yang nantinya digunakan untuk pengenalan pola. Ada tiga metode pendekatan pengenalan pola yaitu Statistical Pattern Recognition (StatPR), Syntatic Pattern Recognition (SyntPR) dan Neural Pattern Recognition (NeurPR). Sistem ini dibangun untuk menganalisis pengenalan suara huruf alphabet. Parameter yang digunakan dalam pembuatan perangkat lunak ini adalah pola suara hasil keluaran dari FFT . Parameter yang kedua yaitu diambil dari pola suara orang yang dianggap kurang benar dalam mengeja huruf. Sehingga diharapkan dengan adanya acuan dua parameter antara suara yang benar dan tidak benar maka jika ada data baru yang akan diuji sistem bisa menentukan data uji tersebut tergolong benar atau tidak. Neural Network algoritma propagasi balik terdiri dari lapisan unit input, lapisan hidden (tersembunyi), dan lapisan untuk unit output/ keluaran. Untuk unit input akan dimasukkan pola suara masing-masing ucapan yang dijadikan sebuah matrik tiap-tiap jenis huruf, contohnya: huruf A akan dijadikan satu variabel yaitu a1, terdiri dari sepuluh pola suara orang yang dianggap benar dengan dijadikan satu matrik. Huruf A akan dijadikan satu variabel yaitu aa1, terdiri dari sepuluh pola suara orang yang dianggap tidak benar dengan dijadikan satu matrik. Begitu juga dengan huruf B sampai Z. Kemudian pada tahap kedua dilakukan penentuan target, penentuan target ini dilakukan agar keluaran dari pola suara yang telah dilatih akan sesuai dengan target yang telah ditentukan yang menandakan bahwa pola suara berhasil melakukan pengenalan sehingga jaringan pada akhirnya dapat memutuskan suatu pola suara benar atau tidak benar.
315. Analisis Suara Alphabet Menggunakan Jaringan Syaraf Tiruan Propagasi Balik
ABSTRAK
NeurPR atau lebih dikenal dengan Jaringan Syaraf Tiruan merupakan sistem pembelajaran yang pada dasarnya mengacu pada konsep dasar sistem kerja otak manusia. Tujuan pembelajaran pasang input-output dilakukan untuk mencari konfigurasi bobot jaringan yang paling baik yang nantinya digunakan untuk pengenalan pola. Ada tiga metode pendekatan pengenalan pola yaitu Statistical Pattern Recognition (StatPR), Syntatic Pattern Recognition (SyntPR) dan Neural Pattern Recognition (NeurPR). Sistem ini dibangun untuk menganalisis pengenalan suara huruf alphabet. Parameter yang digunakan dalam pembuatan perangkat lunak ini adalah pola suara hasil keluaran dari FFT . Parameter yang kedua yaitu diambil dari pola suara orang yang dianggap kurang benar dalam mengeja huruf. Sehingga diharapkan dengan adanya acuan dua parameter antara suara yang benar dan tidak benar maka jika ada data baru yang akan diuji sistem bisa menentukan data uji tersebut tergolong benar atau tidak. Neural Network algoritma propagasi balik terdiri dari lapisan unit input, lapisan hidden (tersembunyi), dan lapisan untuk unit output/ keluaran. Untuk unit input akan dimasukkan pola suara masing-masing ucapan yang dijadikan sebuah matrik tiap-tiap jenis huruf, contohnya: huruf A akan dijadikan satu variabel yaitu a1, terdiri dari sepuluh pola suara orang yang dianggap benar dengan dijadikan satu matrik. Huruf A akan dijadikan satu variabel yaitu aa1, terdiri dari sepuluh pola suara orang yang dianggap tidak benar dengan dijadikan satu matrik. Begitu juga dengan huruf B sampai Z. Kemudian pada tahap kedua dilakukan penentuan target, penentuan target ini dilakukan agar keluaran dari pola suara yang telah dilatih akan sesuai dengan target yang telah ditentukan yang menandakan bahwa pola suara berhasil melakukan pengenalan sehingga jaringan pada akhirnya dapat memutuskan suatu pola suara benar atau tidak benar.
NeurPR atau lebih dikenal dengan Jaringan Syaraf Tiruan merupakan sistem pembelajaran yang pada dasarnya mengacu pada konsep dasar sistem kerja otak manusia. Tujuan pembelajaran pasang input-output dilakukan untuk mencari konfigurasi bobot jaringan yang paling baik yang nantinya digunakan untuk pengenalan pola. Ada tiga metode pendekatan pengenalan pola yaitu Statistical Pattern Recognition (StatPR), Syntatic Pattern Recognition (SyntPR) dan Neural Pattern Recognition (NeurPR). Sistem ini dibangun untuk menganalisis pengenalan suara huruf alphabet. Parameter yang digunakan dalam pembuatan perangkat lunak ini adalah pola suara hasil keluaran dari FFT . Parameter yang kedua yaitu diambil dari pola suara orang yang dianggap kurang benar dalam mengeja huruf. Sehingga diharapkan dengan adanya acuan dua parameter antara suara yang benar dan tidak benar maka jika ada data baru yang akan diuji sistem bisa menentukan data uji tersebut tergolong benar atau tidak. Neural Network algoritma propagasi balik terdiri dari lapisan unit input, lapisan hidden (tersembunyi), dan lapisan untuk unit output/ keluaran. Untuk unit input akan dimasukkan pola suara masing-masing ucapan yang dijadikan sebuah matrik tiap-tiap jenis huruf, contohnya: huruf A akan dijadikan satu variabel yaitu a1, terdiri dari sepuluh pola suara orang yang dianggap benar dengan dijadikan satu matrik. Huruf A akan dijadikan satu variabel yaitu aa1, terdiri dari sepuluh pola suara orang yang dianggap tidak benar dengan dijadikan satu matrik. Begitu juga dengan huruf B sampai Z. Kemudian pada tahap kedua dilakukan penentuan target, penentuan target ini dilakukan agar keluaran dari pola suara yang telah dilatih akan sesuai dengan target yang telah ditentukan yang menandakan bahwa pola suara berhasil melakukan pengenalan sehingga jaringan pada akhirnya dapat memutuskan suatu pola suara benar atau tidak benar.
