HIDDEN MARKOV MODEL SEDERHANA UNTUK APLIKASI PENGENALAN ISYARAT PENUTUR

Septiantar Tebe Nursaputro, Dwi Dharma Arta Kusuma, Risanuri Hidayat, Oyas Wahyunggoro

Abstract


Umumnya, orang memasukkan sandi dengan mengetik data mereka. Hal ini berisiko karena dapat terjadi kemungkinan untuk memberikan data yang sama kepada orang lain dan tidak ada ciri unik data tersebut. Salah satu metode untuk memecahkan masalah menggunakan pengenalan dengan klasifikasi Markov Model tersembunyi. Ada beberapa teknik untuk mendapatkan ciri pada pengenalan tutur; salah satunya adalah mengambil data langsung. Pertama, ekstraksi ciri dilakukan menggunakan transformasi wavelet. Proses belanjut ke Model Markov tersembunyi dimana nilai probabilitas ditentukan berdasarkan toleransi kesalahan dari suatu data percobaan. Nilai kesalahan didapat dengan menggunakan Mean Square kesalahan (MSE). Metode ini dapat mendeteksi ucapan dengan intonasi berbeda dengan akurasi 100% dalam jarak 25 sampai 40 cm, tetapi tidak untuk dialek berbeda.
Kata Kunci : kata sandi, Mean Square Error, Hidden Markov Model

Generally, people enter the password by typing their data. This is risky because of the probability to give similar data to others and there is no unique feature of data. One ofthe methods to solve the problem is using speech recognition with classification of Hidden Markov Model. There are some techniquesto get the features in speech recognition; one of them is direct data mining. Firstly, feature extraction was done using wavelet transform. The process was continued to Hidden Markov Model which the input probabilitywas determined based on the error tolerance of experiment data. The error value was got using Mean Square Error (MSE). This proposed method can detect the speech with different intonation with the accuracy of 100% within the distance of 25 to 40 cm, but not for different dialect.
Keywords: passwords, Mean Square Error, Hidden Markov Model


Keywords


passwords; Mean Square Error; Hidden Markov Model

Full Text:

PDF

References


Apandi, T. H. (2016). Prediksi Trafik Video Dengan Menggunakan. 101–104.

Are, G. P. B., Sitorus, S. H., Prof, J., Hadari, H., & Pontianak, N. (2020). Prediksi Nilai Tukar Mata Uang Rupiah Terhadap Dolar Amerika Menggunakan Metode Hidden Markov Model. Coding : Jurnal Komputer Dan Aplikasi, 08(01), 44–54.

Dwi Ramadhan, H. (2017). Analisis Pemeliharaan Prediktif Transformator Daya di PT. PLN GI Blimbing Malang Dengan Metode Markov. 9–10.

Kuswoyo, R., Dur, S., & Cipta, H. (2023). Penerapan Proses Stokastik Markov Chain Dalam Pengendalian Persediaan Produksi Kelapa Sawit di Perkebunan Nusantara IV Sumatera Utara. G-Tech: Jurnal Teknologi Terapan, 7(2), 429–438. https://doi.org/10.33379/gtech.v7i2.2025

Marganingsih, M., & Rosidin, O. (2023). Dengan Kelainan Dengar Konduktif. 19, 28–39.

Masriastri, I. G. A. K. Y. (2018). Perpustakaan dan masyarakat informasi. Al-Maktabah, 3(2), 72–83.

Meiyanti, R., & Mestika Sandy, C. L. (2021). Pendeteksi Pengenalan Emosi Pada Manusia Menggunakan Hidden Markov Model Dan Bidirectional Associative Memory Dengan Suara. Jurnal Tika, 6(03), 231–237. https://doi.org/10.51179/tika.v6i03.75 6

Prastowo, B. N., Putro, N. A. S., Dhewa, O.

A., & Yusuf, A. M. H. (2019). Pengenalan Personal Menggunakan Citra Tampak Atas pada Lingkungan Cashierless Strore. Jurnal Buana Informatika, 10(1), 19. https://doi.org/10.24002/jbi.v10i1.1779

Suarnatha, I. P. D., Agus, I. M., & Gunawan, O. (2022). Jurnal Computer Science and Information Technology ( CoSciTech ) manusia. CoSciTech, 3(2), 73–80.

Wicaksono, A. T., & Fatimah, T. (2018). Sistem Penilaian Online Menggunakan Keamanan One Time Password Dengan Algoritma Sha 512 Berbasis Web. Skanika, 1(3), 938–943.

Yahya, N. I., & Amini, S. (2018). Pengimplementasian One Time Password Dan Notifikasi Email Menggunakan Fungsi Hash SHA- 512 Berbasis Web Pada SMK Cyber Media. Skanika, 1(2), 745–750. https://jom.fti.budiluhur.ac.id/index.php/SKANIKA/article/view/285




DOI: http://dx.doi.org/10.32497/orbith.v19i3.5265

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License. View My Stats