Laporkan Masalah

Pengenalan ekspresi pengucapan kata "Waaah" berbasis jaringan syaraf tiruan propagasi-balik dengan analisis gelombang-singkat sebagai pemroses suara

WIRYADINATA, Romi, Prof. Adhi Susanto, M.Sc.,Ph.D

2007 | Tesis | S2 Teknik Elektro

Penelitian ini bertujuan menghasilkan program dengan algoritma jaringan syaraf tiruan propagasi-balik untuk mengenali jenis kelamin dan jenis emosi manusia berdasarkan kata ‘waaah’. Selain untuk memperdalam dan studi simulasi mengenai kecerdasan buatan, penelitian ini juga bertujuan mencari algortima yang paling cocok atau optimum untuk pengenalan jenis kelamin dan emosi. Urutan cara penelitian adalah pengumpulan data, pengelompokan data, analisis menggunakan metode gelombang-singkat, prosedur pelatihan jaringan syaraf tiruan, prosedur pengujian jaringan syaraf tiruan secara offline, prosedur pengujian jaringan syaraf tiruan secara online, pengenalan jenis kelamin dan emosi, dan analisis hasil penelitian. Keberhasilan pengujian dengan pelatihan data murni dan kompresi nilai bobot pelatihan yang mendekati nol dapat mencapai 28%, sedangkan pelatihan setelah melalui proses ekstraksi ciri dengan gelombang singkat keluarga Daubechies12 pada level dekomposisi 1 keberhasilan mencapai 31%. Rata-rata keberhasilan total untuk jenis emosi adalah 21,3 dan untuk jenis kelamin adalah 32,9. Arsitektur jaringan terbaik memiliki lima lapisan tersembunyi dengan jumlah neuron pada setiap lapisan tersembunyi berurutan yaitu 15, 30, 50, 45, dan 20 neuron. Laju pembelajaran pelatihan 0,4 dan koefisien moemntum 0,9. Tingkat keberhasilan pengujian jaringan cenderung rendah, karena dipengaruhi oleh kecocokan antar jenis kelamin dan jenis emosi yang dihasilkan, oleh karena itu pemisahan ekstraksi ciri akan meningkatkan keberhasilan.

This aim of the research was to develop a program with a backpropagation neural network algorithm to recognize human gender and emotion based on the word ‘waaah’. Beside to find the most compatible or optimum algorithm for gender and emotion recognition, this research was to explore how far an artificial intelligence scheme can be simulated with the available hardware and software tools. The sequence of this research consisted of data gathering, data grouping, data analysis with wavelet method, neural network training procedure, offline neural network testing procedure, online neural network testing procedure, recognizing each gender and emotion, and commenting on the research of results. The success rates of testing with pure data training and compression of weight value training ranged from 0 to 28%, meanwhile training after the feature extraction process with a wavelet Daubechies 12 family on decomposition level 1 the succes rate have reached 31%. Total average of success for gender is 21,3 and for gender is 32,9. The best architecture for neural network had five hidden layers with the number of neurons in each hidden layer were 15, 30, 50, 45 and 20. Learning rate was 0,4 and the coefficient of momentum was 0,9. The low succes rate are mainly due to comformity betwen gender and emotion, there for separated feature extraction would enhance these rates.

Kata Kunci : Jaringan Syaraf Tiruan,Pengenalan Ekspresi, Expression Recognition, Data Compression, Feature Extraction, Backpropagation Neural Network, Wavelet


    Tidak tersedia file untuk ditampilkan ke publik.