Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 1

Pengenalan Bentuk Benda Berdasarkan Sinyal Suara dengan Transducer Mikrofon dan Teknologi Kinect

Jurnal Nasional Teknik Elektro · Vol. 7 No. 3 (2018) · hlm. 191–191

DOI
10.25077/jnte.v7n3.600.2018
ISSN
2302-2949, 2407-7267
Terbit
2018-11-19
Penerbit
Andalas University
Bahasa
id
Lisensi
creativecommons.org/licenses/by-nc-sa/4.0/

Abstrak

Voice processing or speech recognition is growing rapidly hence it can be used for various applications such as moving a system or motion control and multimedia-based learning media. Implementation of speech recognition and image detection in this study using microphone transducer and kinect technology. This study aims to produce a system that can identify and recognize an object with word commands, such as circles, triangles, rectangles and many. In sound processing, sound feature extraction is carried out with Mel-Frequency Cepstrum Coeffecient (MFCC). Word modeling was done using statistical modeling, namely the Hidden Markov Model (HMM). HMM is able to provide an efficient mechanism for statistically modeling diversity in words or words. Data were collected with offline and online microphone transducers. This study matches the pattern of words through training and testing process. The output of this system is a recognizable word based on the highest probability and displaying the object shape based on the recognized word, namely circle, triangle and quadrilateral. Test results with mirofon tranducers, for 85% trained sources, 81.5% untrained sources, and 84% untrained Kinect source testing hence that word recognition systems can be implemented with Kinect technology. Keywords: speech processing, HMM, MFCC, Kinect AbstrakPengolahan suara atau pengenalan kata berkembang pesat sehingga dapat digunakan untuk berbagai aplikasi seperti menggerakan suatu sistem atau kontrol gerak dan media pembelajaran berbasis multimedia. Implementasi pengenalan suara dan deteksi citra pada penelitian ini menggunakan transducer mikrofon dan teknologi kinect. Penelitian ini bertujuan untuk menghasilkan sistem yang dapat mengidentifikasi dan mengenali suatu objek dengan perintah kata, seperti lingkaran, segitiga, segiempat dan segibanyak. Dalam pengolahan suara dilakukan ekstraksi ciri suara dengan Mel-Frequency Cepstrum Coeffecient (MFCC). Pemodelan kata dilakukan dengan menggunakan pemodelan statistik yaitu Hidden Markov Model (HMM). HMM mampu memberikan mekanisme yang efisien untuk memodelkan secara statistik keragaman dalam ucapan atau kata. Pengambilan data sampel dengan transducer mikrofon secara offline dan online. Pada penelitian ini pencocokan pola kata melalui proses pelatihan dan pengujian kata. Keluaran sistem ini berupa kata yang dikenali berdasarkan probabilitas tertinggi dan menampilkan bentuk benda berdasarkan kata yang dikenali. Prosesnya setelah kata dikenali, sistem akan mentracking citra benda berdasarkan bentuk benda kemudian menampilkan bentuk benda yaitu lingkaran, segitiga, segiempat dan segibanyak. Hasil pengujian dengan tranducer mirofon, untuk sumber terlatih 85%, sumber tidak terlatih 81,5%, dan pengujian dengan Kinect sumber tidak terlatih 84% sehingga sistem pengenalan kata dapat diimplementasikan dengan teknologi Kinect. Kata Kunci: speech processing, HMM, MFCC, kinect

Kata kunci

Jaringan kolaborasi para penulis

7 penulis · 10 tautan kepenulisan bersama · 5 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Andalas University
  • Politeknik Negeri Padang
  • Bandung Institute of Technology
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Rahmadi KurniaAndalas University2
Ramiati RamiatiPoliteknik Negeri Padang2
Suhartono TjondronegoroBandung Institute of Technology1
FitrilinaAndalas University1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OpenAlex API (jurnal SINTA, ADR 0048) https://openalex.org/S4210175326, pertama di-harvest 20 Nov 2026, terakhir terlihat 20 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title xml:lang="id">Pengenalan Bentuk Benda Berdasarkan Sinyal Suara dengan Transducer Mikrofon dan Teknologi Kinect</dc:title><dc:creator>Siska Aulia</dc:creator><dc:creator>Lifwarda Lifwarda</dc:creator><dc:creator>Yustini Yustini</dc:creator><dc:subject>speech recognition</dc:subject><dc:subject>Kinect sensor</dc:subject><dc:subject>object shape recognition</dc:subject><dc:subject>Mel-frequency cepstral coefficients</dc:subject><dc:subject>hidden Markov models</dc:subject><dc:subject>word recognition</dc:subject><dc:subject>speech feature extraction</dc:subject><dc:subject>multimedia learning media</dc:subject><dc:subject>pattern matching</dc:subject><dc:subject>image detection</dc:subject><dc:description xml:lang="id">Voice processing or speech recognition is growing rapidly hence it can be used for various applications such as moving a system or motion control and multimedia-based learning media. Implementation of speech recognition and image detection in this study using microphone transducer and kinect technology. This study aims to produce a system that can identify and recognize an object with word commands, such as circles, triangles, rectangles and many. In sound processing, sound feature extraction is carried out with Mel-Frequency Cepstrum Coeffecient (MFCC). Word modeling was done using statistical modeling, namely the Hidden Markov Model (HMM). HMM is able to provide an efficient mechanism for statistically modeling diversity in words or words. Data were collected with offline and online microphone transducers. This study matches the pattern of words through training and testing process. The output of this system is a recognizable word based on the highest probability and displaying the object shape based on the recognized word, namely circle, triangle and quadrilateral. Test results with mirofon tranducers, for 85% trained sources, 81.5% untrained sources, and 84% untrained Kinect source testing hence that word recognition systems can be implemented with Kinect technology. Keywords : speech processing, HMM, MFCC, Kinect AbstrakPengolahan suara atau pengenalan kata berkembang pesat sehingga dapat digunakan untuk berbagai aplikasi seperti menggerakan suatu sistem atau kontrol gerak dan media pembelajaran berbasis multimedia. Implementasi pengenalan suara dan deteksi citra pada penelitian ini menggunakan transducer mikrofon dan teknologi kinect. Penelitian ini bertujuan untuk menghasilkan sistem yang dapat mengidentifikasi dan mengenali suatu objek dengan perintah kata, seperti lingkaran, segitiga, segiempat dan segibanyak. Dalam pengolahan suara dilakukan ekstraksi ciri suara dengan Mel-Frequency Cepstrum Coeffecient (MFCC). Pemodelan kata dilakukan dengan menggunakan pemodelan statistik yaitu Hidden Markov Model (HMM). HMM mampu memberikan mekanisme yang efisien untuk memodelkan secara statistik keragaman dalam ucapan atau kata. Pengambilan data sampel dengan transducer mikrofon secara offline dan online. Pada penelitian ini pencocokan pola kata melalui proses pelatihan dan pengujian kata. Keluaran sistem ini berupa kata yang dikenali berdasarkan probabilitas tertinggi dan menampilkan bentuk benda berdasarkan kata yang dikenali. Prosesnya setelah kata dikenali, sistem akan mentracking citra benda berdasarkan bentuk benda kemudian menampilkan bentuk benda yaitu lingkaran, segitiga, segiempat dan segibanyak. Hasil pengujian dengan tranducer mirofon, untuk sumber terlatih 85%, sumber tidak terlatih 81,5%, dan pengujian dengan Kinect sumber tidak terlatih 84% sehingga sistem pengenalan kata dapat diimplementasikan dengan teknologi Kinect. Kata Kunci : speech processing, HMM, MFCC, kinect</dc:description><dc:publisher>Andalas University</dc:publisher><dc:date>2018-11-19</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.25077/jnte.v7n3.600.2018</dc:identifier><dc:identifier>10.25077/jnte.v7n3.600.2018</dc:identifier><dc:source>Jurnal Nasional Teknik Elektro; Vol 7 No 3 (2018); 191-191</dc:source><dc:source>2302-2949</dc:source><dc:source>2407-7267</dc:source><dc:language>id</dc:language><dc:relation>http://jnte.ft.unand.ac.id/index.php/jnte/article/download/600/364</dc:relation><dc:rights>https://creativecommons.org/licenses/by-nc-sa/4.0/</dc:rights></oai_dc:dc>