Ulasan Karya Ilmiah VI
Judul
Sistem Penjadwalan Perkuliahan Menggunakan Algoritma Genetika (Studi Kasus Fakultas Matematika dan IPA IPB)
Penulis
Gibbon Mardame Parsaoran Tamba
Tahun
2004
Link
http://iirc.ipb.ac.id/jspui/handle/123456789/2230Hasil Ulasan
Karya ilmiah berjudul “Sistem Penjadwalan Perkuliahan Menggunakan Algoritma Genetika (Studi Kasus Fakultas Matematika dan IPA IPB)” yang ditulis oleh Gibbon Mardame Parsaoran Tamba ini mengulas permasalahan yang sering terjadi pada penjadwalan perkuliahan menerapkan algoritma genetika pada sistem penjadwalan perkuliahan. Masalah penjadwalan merupakan salah satu masalah yang muncul dari sistem manajem yang kurang baik. Persyaratan-persyaratan lain yang ada membuat proses penjadwalan menjadi semakin rumit.
Dalam penelitian ini, studi kasus yang diambil yaitu pada Fakultas Matematika dan Ilmu Pengetahuan Institut Pertanian Bogor (IPB) semester ganjil tahun ajaran 2002/2003. Percobaan dilakukan dalam 3 tahapan, yaitu pengujian pengaruh perubahan nilai dari parameter operator logika (crossover, mutasi dan propagasi) dengan metode evolusi 3-tournament based selection, selanjutnya dilakukan pengujian pengaruh perbedaan hasil penjadwalan pada jumlah dan iterasi populasi, dan pengujian perbedaan metode inisialisasi terhadap hasil dan durasi proses penjadwalan perkuliahan.
Berdasarkan hasil penelitian bahwa jumlah kromosom dalam satu populasi yang akan diproses dengan menggunakan GA, mempengaruhi dalam mendapatkan hasil penjadwalan tercepat dan optimal. Hal ini disebabkan pada jumlah populasi yang semakin besar, keragaman dalam satu populasi bertambah besar dalam mencapai solusi optimum.
Ulasan Karya Ilmiah V
Judul
Pembangunan Aplikasi SMS dengan Fitur Suara Berformat MP3 Menggunakan JSR 135
Penulis
Ingrid Masithoh
Tahun
2009
Link
http://iirc.ipb.ac.id/jspui/handle/123456789/13045Hasil Ulasan
Karya ilmiah berjudul “Pembangunan Aplikasi SMS dengan Fitur Suara Berformat MP3 Menggunakan JSR 135” yang ditulis oleh Ingrid Masithoh ini membahas mengenai pembangunan aplikasi SMS (short message service) dengan penambahan fitur suara di dalamnyai. Aplikasi ini dapat bermanfaat misalnya dapat mempermudah seorang tunanetra ataupun yang berpenglihatan kurang dalam menggunakan fasilitas SMS.
Dalam penelitian ini, penulis membangun aplikasi dengan menggunakan Java 2 Micro Edition (J2ME) dan telepon selular yang mendukung JSR (Java Spesification Request) 135 untuk memainkan fitur suara. Berkas suara yang digunakan berformat MP3 karena hasil kompresi bisa mencapai 1/10 berkas suara berformat WAV. Cara kerja aplikasi ini adalah saat pengguna menekan salah satu tombol pada keypad, maka pada layar akan muncul huruf, angka, atau tanda baca, bersamaan dengan itu juga akan diperdengarkan suara yang melafalkan huruf, angka, atau tanda baca tersebut
JSR 135 atau yang biasa disebut MMAPI (Mobile Media API) adalah API tambahan yang digunakan oleh pengembang untuk memasukkan kemampuan multimedia pada berbagai perangkat elektronik yang mendukung Java (Goyal 2006). Dengan MMAPI kita dapat memainkan berbagai format audio dan video dari jaringan maupun dari Java Archive (JAR); merekam audio, video dan mengambil foto; memainkan berkas MIDI; dan masih banyak lagi. JSR 135 hanyalah satu dari beberapa JSR yang ada.
Dengan menambahkan fitur pada aplikasi sms, konsekuensi yang muncul yaitu waktu pengaksesan aplikasi sms atau tepatnya pada waktu ketik sms tentunya akan bertambah. Dan berdasarkan hasil penelitian ini, waktu kinerja yang dihasilkan adalah 20,46 WPM (Word Per Minute) jika dijalankan dengan menggunakan tambahan fitur suara dan menghasilkan 28, 78 WPM jika dijalankan tanpa menggunakan tambahan fitur suara. Berdasarkan perbandingan nilai tersebut, peneliti menyimpulkan bahwa sistem ini masih tergolong layak digunakan, dan tidak terlalu mengganggu kecepatan dalam proses pengetikan pesan.
Ulasan Karya Ilmiah IV
Judul
Pengembangan Model Jaringan Syaraf Tiruan Resilient Backpropagation Untuk Identifikasi Pembicara Dengan Praproses MFCC
Penulis
Nurhadi Susanto
Tahun
2007
Link
http://iirc.ipb.ac.id/jspui/handle/123456789/14620Hasil Ulasan
Karya ilmiah berjudul “Pengembangan Model Jaringan Syaraf Tiruan Resilient Backpropagation Untuk Identifikasi Pembicara Dengan Praproses MFCC” yang ditulis oleh Nurhadi Susanto ini membahas mengenai pengidentifikasian pembicara menggunakan pemodelan jaringan syaraf tiruan resilient backpropagation. Resilient backpropagation atau biasa disingkat RPROP adalah salah satu algoritma yang digunakan untuk mempercapat laju pembelajaran pada pelatihan jaringan syaraf tiruan propagasi balik. RPROP melakukan penyesuaian nilai bobot secara langsung berdasarkan informasi dari gradien lokalnya.
Suara manusia dapat digunakan sebagai media untuk mengidentifikasi diri. Dari suara seseorang dapat diambil suatu fitur yang kemudian dimodelkan dan digunakan untuk mengenali seseorang berdasarkan suaranya. Untuk memperoleh fitur / ekstraksi ciri sinyal suara tersebut digunakan metode yang disebut MFCC (Mel Frequency Cepstrum Coefficients).
Dalam penelitian tersebut, jenis identifikasi yang digunakan adalah closed-set identification dimana suara masukan yang akan dikenali merupakan bagian dari sekumpulan suara pembicara yang telah terdaftar atau diketahui dan kata yang dilatih maupun diujikan telah ditentukan.
Data yang diguanakan dalam penelitian ini adalah gelombang suara yang telah didijitasi dan direkam dari 10 pembicara, yaitu masing-masing 5 perempuan dan 5 laki-laki. Setiap suara diambil dalam jangka waktu yang sama dan tanpa pengarahan, maksudnya pembicara dapat menggunakan cara pengucapan, intonasi, dan logat apapun pada saat merekam data. Setiap suara dicuplik dengan sampling rate 16000 Hz dan dikuantitasi ke dalam representasi 16 bit. Selanjutnya data suara tersebut dilakukan proses pereduksian dan analisis fitur menggunakan MFCC. Hasil dari MFCC dijadikan sebagai data latih pada tahap selanjutnya menggunakan metode resilient backpropagation dengan tipe supervised learning. Pada tahapan akhir yaitu model jaringan syaraf tiruan yang terbentuk dari hasil pelatihan diuji dengan data uji dan kemudian diukur nilai akurasinya.
Hasil penelitian yang dilakukan yaitu berupa tingkat akurasi kebenaran dari data yang diujikan. Dan berdasarkan hasil penelitian tersebut, model terbaik yang dikembangkan menghasilkan nilai akurasi rata-rata sebesar 92,8%.
Ulasan Karya Ilmiah III
Judul
Pengembangan Model Identifikasi Pembicara dengan Probabilitas Neural Network
Penulis
Mohamad Nono Suhartono
Tahun
2007
Link
http://iirc.ipb.ac.id/jspui/handle/123456789/18672Hasil Ulasan
Karya ilmiah berjudul “Pengembangan Model Identifikasi Pembicara dengan Probabilitas Neural Network” yang ditulis oleh Mohamad Nono Suhartono ini membahas mengenai proses pengidentifikasian suara untuk mengidentifikasi pembicara. Penelitian ini sangat bermanfaat untuk mengetahui siapa yang berbicara jika kita hanya memiliki suara atau rekaman suara.
Pengidentifikasian pembicara yang dilakukan dalam penelitian ini menggunakan metode Probabilistik Neural Network, sedangkan untuk pemrosesan awal menggunakan metode MFCC (Mel Frequency Cepstrum Coefficients). Secara garis besar, proses pengidentifikasian pembicara dapat dilihat pada gambar berikut :
Identifikasi Pembicara
Data suara : Data suara yang digunakan dalam penelitian ini adalah gelombang suara yang telah di dijitasi dan direkam dari 20 pembicara, yaitu 10 pembicara laki-laki dan 10 pembicara perempuan dengan rentang usia 20-23 tahun dan masing-masing diambil suaranya selama 1 detik dengan sampling rate 16000 Hz.
Ekstraksi Ciri : Suara yang telah terkumpul kemudian dilakukan analisis fitur / ekstraksi ciri menggunakan MFCC dan menghasilkan 13 koefisien mel cepstrum untuk masing-masing frame.
Probabilistik Neural Network : Hasil ekstarksi ciri kemudian menjadi masukan untuk Probabilistik Neural Network. PNN terdiri dari empat layer, yaitu input layer, pattern layer, summation layer, dan decision layer. Pada PNN akan dilakukan perhitungan untuk mencari nilai terbesar dari data yang diujikan untuk mengetahui identitas pemilik suara tersebut. Identifikasi terdiri dari identifikasi tanpa threshold dan identifikasi dengan threshold. Theshold berfungsi untuk meningkatkan keakuratan hasil identifikasi.
