RANCANG BANGUN APLIKASI PRESENSI DENGAN MEDIA SUARA MENGGUNAKAN MFCC DAN ANN BERBASIS ANDROID

Abstract

Abstrak
Suara manusia memiliki keragaman masing-masing di tiap
individu sehingga dapat digunakan sebagai media presensi.
Dengan teknologi Mel-Frequency Cepstral Coefficient dan
Artificial Neural Network berbasis Android diharapkan dapat
membuat sebuah presensi suara yang mudah, aman, dan
murah. Dataset dikumpulkan dari 6 pegawai toko Jersey Bike
Malang dengan 50 data suara per pegawai sepanjang 3 detik.
Data suara diproses oleh MFCC untuk memperoleh nilai
koefisien Cepstral dan digunakan sebagai Input ANN. Uji
coba arsitektur model di lakukan beberapa kali hingga
didapatkan 5 model terbaik yang selanjutnya digunakan untuk
uji coba akurasi terhadap tambahan suara Noise. Hasil dari
uji coba dipilih 1 model arsitektur yang memiliki akurasi
Testing tertinggi yaitu dengan 5 Hidden Layer dengan jumlah
Node sebanyak 1000 dan 180 sesuai dengan urutan Layer
dengan 10 data Noise yang menghasilkan persentase akurasi
Train sebesar 91.6 % dan persentase akurasi
Test sebesar 91.6%
Kata kunci:
Presensi, Mel-Frequency Cepstral Coefficient, Artificial
Neural Network, Android.
Abstract
Human voice has a diversity of each in each individual so that
it can be used as a presence media. With Android-Based
MelFrequency Cepstral Coefficient technology and Artificial
Neural Networks, it is expected to produce easy, safe, and
inexpensive sounds. The dataset was collected from 6 Jersey
Bike Malang shop employees with 50 voice data per employee
for 3 seconds. Voice data is processed by the MFCC to obtain
the Cepstral coefficient and is used as ANN Input. Model
architectural trials were carried out several times to obtain
the 5 best models which will then be used for additional sound
verification verification trials. The results of testing select 1
architectural model that has the highest accuracy of Testing,
namely 5 Hidden Layers with the number of Nodes as many
as 1000 and 180 in accordance with the order of the Layer
with 10 Noise data, which results in a Train accuracy
percentage of 91.6% and can be tested correctly amounted to
91.6%.
Keywords:
Presence, Mel-Frequency Cepstral Coefficient, Artificial
Neural Networks, Android.