Pada paper ini disajikan teknik pengenalan nada, baik sebagai nada tunggal maupun nada campuran dengan menggunakan mel-frequency cepstrum coefficients (MFCC) sebagai ekstraksi ciri dan pemodelan codebook untuk pengenal pola. Suara yang dpergunakan adalah suara piano dan dikenali 12 nada tunggal dan 66 nada campuran yang disample dengan 11 kHz pada durasi 1 detik. Pembuatan codebook dilakukan secara bertahap, yaitu codebook jumlah campuran dan codebook nada (tunggal dan campuran) yang dikembangkan dengan menggunakan teknik pengklasteran. Hasil percobaan menunjukkan bahwa jumlah codeword yang

Humall auditOlY system is capable of extracting rich and meaningful data from complex audio signal To recognize chord sequences that played in some kind of music is not an easy task. People need big effort to train their sense of hearing so they can recognize that kind sound of chords. This condition is also valid in a computer system. Finding the key and labeling the chords automatically from music are great use for those who want to do harmonic analysis of music. Hence automatic chord recognition has been a topic of interest in the context of Music Information Retrieval (MIR) for several years, and attempts have been made iii implementing such systems using well understood signal processing and pattern recognition techniques. This research is about t£l rec(lgnize the sound of chord that played and ;-,",('n~:iea by guitar instrument. There are 24 major-mi'iur d,"rds that med ill this research ..MFCC is used as feature extraciion and i/1e number of coefficient cepstral that used are 13 and 26. Each chord signal that ha.~ been extracted then clustered using K-means algorithm with 8, 12, 16, 20, 24, 28, 32 k numbers to create codebook that use as a model of each chord. For the recognition process, there are two methods that used ill this research, unstructured recognition and structured recognition. For the result, this research produces two kinds model of codebook that are codebook with 13 coefficiellts alld codebook with 26 coefficients. Both (rpes of codebook show a good result with accuracy level ahove 88%. The best result yielded from usage of 26 coefficient cepstral witl! structured recognition. It's accuracy level reach 97%. Hence the usage of26 coefficient cepstral is better thall the usage of 13 coefficient cepstral with difference of accuratioll level is about 7%. This research also shows tfle affectatioll ofthe nUlnlu>~~ I.-means that used. An increasing accuratior. level shown by increasing the amount ofk-clus!d.

Pada penelitial1 ini, dikembangkan suatu model jaringan syaraf timan resilient backpropagation untuk ldentifikasi pembicara denganekstraksi cirl menggunakan teknik MFCC. Data suara yang digunakall rialam penelitian ini adalah data suara yang diambil secara unguided atau tanpa panduan dari 10 pembicara yang mengucapkan ujaran "kompUler". Selain iLU diamati pula pengaruh noise terhadap akurasi identifikasi dengan cara menambahkan white gaussian noise p ada dara r allg digunakall. Un tuk lII en illgka tJ...a ll keyakinan pc:n deceksioll. diglllwka n 1I11ai th reshold sehllgai balus lIlil/I m/1l1l dun seorallg pembicara. Hasll percobaa ll nrellliJ1j ukkan haJI\(' I J llm/al! nel/l'OI1 le/'baik adalah 100, all 1II11uk sirl)'al sli, aku r l si raw r ala dipero leh sebesar 96%. a nllm UfIIUk. sinral bern ois 30 dB dan 20 dB, akurasi rata-rata berkisar 60-70% dan 40-50%. Dengan memberikiln threshold, mesipul/ akurasi turun menjadi 85%. namun tingkat keyakinan pellgenalan menjadi lebih tinggi. Dalam hal illi tidak ada salah klas~fiJ.:(lsi dari seor..tng pembieara ke p e mbiea!'a lain.

This research is focused on the development of statistical downscaling model using principle component analysis (PCA) as feature extraction cascade with multivariate regression as model prediction. Sea Surface Temperature (SST) and the General Circular Model (GCM) derived from 18 ensemble members of ECHAM5 model under AID scenario are used as predictors, and the September, October, November, and december (SOND) rainfall in each station in Indramayu as the response variables. SST domains were reduced using the PCA that explain 80%, 85%, and 95% of the data variability, which were divided into three sets, namely SST lag 1 (August), lag 2 (July), and lag 3 (June). GCM domain-sized 5x5 with 2.8x2.8 km resolution is reduced by PCA. The number of components that are taken are such that the variables must still explain 90% of original data variability. The new variables yielded by peA are then take as the input of the multivariate regression with 13 observation data (from 13 station) as the output. The regression parameters are estimated by using the least sum of square error criteria. By assigning 0.4 as the correlation boundary to select the domain SST, the SST lag 3 (June) yields the best regression model with a correlation of about 0.7. But if the limit is increased to 0.55, only the SST lag I (August) that meet, and produce a model with a correlation above 0.7.

The agricultural sector, particularly the rice farming system (SUT) is very vulnerable to climate variability and change. SUT that rely heavily on water will be easily affected by climate variability and change when the water supply deficit of needs that should be. SUT is still dominant in the food supply in Indonesia, so the shock of farming due to extreme climate events will have a major impact on food security. Many findings indicate that the frequency and intensity of extreme climate events will increase as a result of global warming. Extreme climate events dominant occur in center of rice production in West Java like Indramayu is drought. Approximately 80% of the causes of the rice harvest failed in the district of Indramayu is the incidence of droughts. Farmers as the main actors receive large impacts due to drought is expected to be increasingly difficult to develop the farm. It is therefore necessary to have protection program for farmers from the impact of climate events such climate extrim. One option is starting a lot of feasibility is Climate Index Insurance. This study aimed to assess the feasibility of the implementation of the climate index insurance system in Indramayu. Analysis step is performed include (i) preparation of endemic drought maps are required as the basis in determining the priority areas of climate risk management and (ii) the determination of climate index value (threshold value) to be used as an index into the determination of the value of insurance claims. This study found that climate indices that can be used for the three villages at high risk of drought is high rainfall during the dry season. Index value for the three villages is 168 mm, 248 mm and 472 mm for Cikedung, Lelea and Terisi. Potential applications of Climate Index Insurance for rice SUT in Indramayu is high because about 90% of the people are rice farmers. Besides benefit of rice farming is also quite large with B/C from 1.4 to 1.8 during the wet season and 1.2 to 1.7 on the dry season, so the expected ability to pay insurance premiums high enough.

Sistem penilaian berdasarkan suara tepuk tangan sering digunakan dalam acara perlombaan di Indonesia. Namun, penentuan pemenang dengan cara konvensional cenderung subjektif. Penelitian ini mengembangkan sistem penilaian otomatis berbasis komputer untuk menghitung jumlah orang bertepuk tangan dan menentukan pemenang dari perlombaan berdasarkan tepuk tangan. Penelitian ini membandingkan dua metode yang dapat diterapkan yaitu metode berbasis frekuensi dan metode berbasis amplitudo. Metode yang berbasis frekuensi mengimplementasikan Mel Frequency Cepstral Coefficient (MFCC) sebagai pengekstraksi ciri dan codebook sebagai pengenal pola. Hasil yang diperoleh merupakan suatu model berupa kelas-kelas yang diklasterkan oleh K-Means clustering. Parameter penting dalam metode ini adalah jumlah koefisien cepstral, overlap, time frame, dan jumlah klaster. Beberapa pengujian dilakukan untuk menemukan parameter optimum dengan nilai akurasi tertinggi. Metode kedua merupakan metode berbasis amplitudo yang dilakukan dengan menghitung jumlah sampel sinyal yang memiliki nilai amplitudo di atas nilai-nilai ambang (thresholds) tertentu yang menghasilkan akurasi maksimum. Hasil penelitian menunjukkan bahwa akurasi sistem berbasis frekuensi untuk tepuk tangan periodik adalah 83.3% dan untuk tepuk tangan acak ialah 50% sehingga akurasi sistem untuk tepuk tangan acak berbasis threshold yang lebih sederhana ialah %. Dengan demikian, metode berbasis amplitudo baik digunakan.

Penelitian ini membangun model untuk membedakan bentuk daun menggunakan dimensi fraktal multiskala. Identifikasi tumbuhan obat sangat penting mengingat keanekaragaman hayati di Indonesia dan peran pentingnya di Indonesia. Identifikasi tanaman dapat dilakukan menggunakan analisis bentuk dengan daun sebagai cirinya. Dimensi fraktal multiskala adalah salah satu metode analisis bentuk yang menganalisis bentuk melalui kompleksitasnya. Empat tipe bentuk daun dari spesies berbeda dimodelkan dalam penelitian ini. Analisis multiskala mampu memberikan informasi tambahan mengenai alur perubahan luas bidang dilasi, namun tidak mencirikan bentuk daun yang diuji dalam penelitian ini. Kata Kunci: bentuk daun, dimensi fraktal multiskala, tanaman obat.

Paru-paru merupakan organ vital manusia yang berperan dalam proses pernapasan. Jika paru-paru mengalami gangguan maka sistem pernapasan manusia juga akan mengalami gangguan yang bisa menyebabkan kecacatan bahkan kematian. Untuk mengevaluasi keadaan paru-paru dapat dilakukan dengan mendengarkan suara pernapasan dengan menggunakan stateskop. Teknik ini dikenal dengan teknik auskultasi. Teknik ini paling sering digunakan namun memiliki beberapa kelemahan yaitu suara paru-paru berada pada frekuensu rendah, masalah kebisingan lingkungan, kepekaan telinga, hasil analisa yang subjektif, dan pola suara yang hampir mirip. Karena faktor-faktor di atas kesalahan diagnosa bisa terjadi jika proses auskultasi tidak dilakukan dengan benar. Dalam penelitian ini, akan dibuat pengenalan suara paru-paru normal dan abnormal menggunakan Mel Frequency Cepstrum koefisien (MFCC) sebagai ekstraksi ciri dan Backpropagation sebagai classifier. Suara paru-paru akan dihitung Coeffisient Ceptral nya sebagai penc...

Tulisan ini menyajikan hasil analisis, survey dan wawancara dengan petani di Kabupaten Indramayu terkait dengan kejadian kekeringan. Klasifikasi dan peta tingkat endemik kekeringan dianalisis berdasarkan plot antara anomali luas kekeringan dan anomali frekuensi kejadian kekeringan. Berdasarkan survey di Kabupaten Indramayu, kekeringan menjadi penyebab utama gagal panen (79,8%). Kekeringan paling sering terjadi selama 6 bulan dan bulan Juni adalah bulan yang dominan terjadi kekeringan. Sebaran rata-rata luas kekeringan per kecamatan adalah 26 Ha sampai dengan 1602,5 Ha, dengan rata-rata 406 Ha/per kecamatan. Jumlah kejadian kekeringan berkisar antara 1-9 kejadian dan rata-rata 4 kejadian kekeringan dalam kurun waktu 2005-2011. Peta endemik kekeringan menghasilkan sebaran wilayah dengan klasifikasi endemik kekeringan tinggi, agak tinggi, agak rendah dan rendah. Beberapa pilihan teknologi untuk pengelolaan risiko iklim diusulkan dalam penelitian ini berdasarkan peta endemik kekeringan, karakteristik dan diskripsi setiap wilayah. Wilayah endemik tinggi merupakan prioritas pertama penanganan apabila terjadi bencana kekeringan. Pada wilayah ini dapat diterapkan teknik irigasi bergilir teratur, penggunaan varietas sangat genjah dan toleran kekeringan. Untuk sawah tadah hujan digunakan padi gogorancah pada MH dan walik jerami pada MK, pergiliran varietas dan pengaturan pola tanam.

Awal musim hujan yang tidak menentu merupakan salah satu variabel iklim yang dapat memengaruhi produksi pertanian dan kegagalan panen. Kemampuan memprediksi awal musim hujan dapat digunakan untuk mengurangi risiko penurunan hasil dan gagal panen. Penelitian ini bertujuan untuk mengembangkan model untuk memprediksi awal musim hujan di Kabupaten Pacitan, Provinsi Jawa Timur menggunakan cascade neural network (CNN) yang dioptimasi menggunakan genetic algorithm (GA). Model tersebut dibangun berdasarkan data prediktan awal musim hujan yang dihitung dari data curah hujan harian observasi di tiga stasiun cuaca, yaitu Arjosari, Kebon Agung, dan Pringkuku. Data predictor diambil dari luaran 3 model global circulation model (GCM), yaitu CMC1-CanCM3, CMC1-CanCM4, dan NCEP-CSFv2, untuk periode tahun 1983-2011. Optimasi CNN dengan GA dilakukan dengan mengoptimasi jumlah hidden neuron. Optimasi tersebut bertujuan untuk mengoptimalkan arsitektur dari model CNN yang dihasilkan sehingga meningkatkan nilai korelasi, r, antara nilai yang dihasilkan oleh model dengan data observasi. Penelitian ini menghasilkan nilai akurasi r yang meningkat cukup signifikan setelah dilakukan optimasi pada setiap stasiun cuaca. Hal ini menunjukkan bahwa setiap model pada masing-masing stasiun cuaca dapat digunakan untuk memprediksi awal musim hujan pada wilayah sekitar masing-masing stasiun cuaca.

There are significantly decreasing of rainfall in wet season and dry season, and changed in onset of early season, that all of them can make crouded in plan of planting date, field actifity especially for food crops africulture. In the other side, climate is one of condition that has been ready and can not change, where probability of climate change will be reality that should be happened every time. Increasing frequency of climate extrem will give high impact in agriculture, especialy in rice-based farming system. This paper describes the climate risk based on statistical approaches. The climate risk is focused on flood and drought event. The analysis used was a chance occurrence based on time series data of rainfall and flood/droughts (affected and puso) based on median value from time series data. The goal of this research are : (1) to know rainfall critical value that can be influence flood and drought event in some of central food crops i West Java, (2) to know probability of f...

A hybrid model of Probabilistic Neural Network and Fuzzy C-Means has been developed. The model has been applied using Mel Frequency Cepstrum Coefficients (MFCC) as feature extraction for identification. In addition to the natural voice, the effect of noise has also been taken into account. It has been shown that the model has good accuracy at 96% for voice without noise, 85.5% for voice with noise at the level of signal to noise ratio 30, and 60% for voice with noise at the level of signal to noise ratio 20. It has also been concluded that the clustering procedure using Fuzzy C-Means could improve the accuracy up to 96% for large number of training data.

The guitar is a musical instrument that has a chord as a reference tone. It is a fact that is not all human auditory system can distinguish between high and low tones of a musical instrument in good accurate. Then, in this research we develop a voice guitar to cord conversion using resilient backproagation neural network (RBNN) as to classifier and Mel Frequency Cepstrum Coefficient (MFCC) as feature extraction. We record 345 for each cord (totally we have 8640 recording data with WAV format). Experiments are conducted for some number of cepstral coefficients (13, 26, and 39), with 100 millisecond as time frame and 40% overlapping between successive frame. Total number of hidden neurons in RBNN model in this experiments are 10, 25, 50 and  100.  According to the experiment, the maximum accuracy is 96.88% for 52 number of cepstral coefficients and 100 neurons hidden.

This paper presents the modeling of face recognition using feature extraction based on Principal Component Analysis (PCA) and Support Vector Machine (SVM) as a classifier. Three PCA techniques were compared, they are 1DPCA, 2DPCA and Bi-2DPCA. Meanwhile, three type of SVM kernel functions-linear, polynomial, and radial basis function (RBF) were used. The experiment used the ORL Face Database AT&T Laboratory, which contain 400 images with 10 images per each person. The leave one out method is used for validating each pair of extraction and classifier method. The highest accuracy is obtained by a combination of linear kernel and Bi-2DPCA85%, with 94.25%, and also the fastest computation time, is 15.34 seconds.