Intan Nurma Yulita

Combining Fuzzy Clustering and Hidden Markov Models for Sundanese Speech Recognition

Sundanese tribe is one of the largest population tribe in Indonesia. However, over time, users of the Sundanese language are declining because of the living languages outside of Sundanese. One way to preserve Sundanese is Sundanese Speech Recognition. In this research, several processes of recognition were done include pre-processing, feature extraction, Fuzzy Clustering, and Hidden Markov Models. Pre-processing aims to separate the recording from the noise and normalize the speech signal, while the feature extraction to obtain the characteristics of the speech signal to distinguish each phoneme from the speech. In particular, the contribution of this research is to combine Fuzzy Clustering and Hidden Markov Models for Sundanese Speech Recognition. Fuzzy Clustering plays a role in finding unique symbols in the speech signal. These symbols are represented as centroid in fuzzy clustering. The next process, each segment of the speech signal calculated the probability of the membership for all centroids. The output of this calculation becomes input to Hidden Markov Models. The test uses a speech corpus derived from 30 people. The results obtained that the combination of Fuzzy Clustering and Hidden Markov Models have a better performance than Hidden Markov Models. Also, the research also analyses the optimal number of clusters of Fuzzy Clustering and states of Hidden Markov Models for the datasets used.

Multi-Layer Perceptron for Sleep Stage Classification

Sleep apnea is a sleep disorder that causes decreasing or even stopping of breathing during sleep. One way to detect whether a person has the disorder or not, then it can be done by conducting a sleep test (polysomnogram). Polysomnogram provides overall body activity during sleep. Polysomnogram records every process of breath changes, muscle tension, brain waves, eye movements that occur in sleep from awake to the patient has dreams and finally wakes up. Once polysomnogram is obtained, then the doctor will check it. One of the targets of the analysis conducted is sleep stage classification. It takes a long time if done manually. Therefore, it needs an application that automatically to make classification efficiently. It is the main reason for this research that must be done. Specifically, this research applies Multi-Layer Perceptron (MLP) to classify the sleep stage. The results show that MLP has a higher performance than Naive Bayes, Bayesian Networks, K-Nearest Neighbours, and Decision Tree.

Conditional Neural Fields untuk Pengenalan Fase Gerak

Pengenalan pola merupakan area informatika yang banyak dikaji hingga saat ini. Hal ini dikarenakan pemanfaatannya yang luas diterapkan dalam kehidupan sehari-hari. Di dalam makalah ini disajikan pengenalan pola untuk gerakan khususnya fase gerak. Secara khusus pengenalan fase gerak di dalam makalah ini menitik beratkan pada pengenalan pola pada data berbentuk sekuensial. Pengenalan ini dapat saja mengabaikan faktor sekuensialnya, namun tentu akan menurunkan akurasi yang akan diperoleh. Oleh karena itu untuk mengatasi tantangan tersebut, maka ditawarkan penggunaan Conditional Neural Fiel d s ( CNF). Metode ini merupakan gabungan antara Conditional Random Fiel d s (CRF) dan Artifisial Neural Networks (ANN). Representasi ANN disajikan dalam bentuk gate pada lapisan tengah dari CRF. Lapisan ini bertujuan untuk memetakan hubungan non-linear antara input dan output yang terdapat di dalam data. Sebagai hasilnya diperoleh bahwa CNF terbukti lebih efektif dan efisien dibandingkan CRF berdasarkan akurasi dan banyaknya iterasi yang dibutuhkan. Namun penggunaan terlalu banyak gate ternyata tidak efektif dikarenakan konvergensi dari model pengenalan semakin sulit tercapai. Di sisi lain, jika hanya satu gate yang digunakan maka konvergensi tercapai namun akuarsi yang diperoleh rendah. Sehingga diperlukan upaya untuk menemukan banyaknya gate optimal yang diperlukan.

A quantization of deep belief networks for long short-term memory in sleep stage detection

The study proposes the use of Deep Belief Networks (DBN) as quantization for inputs from Long Short-Term Memory (LSTM), called qLSTM. The system was tested using the sleep apnea data set to evaluate the combination. The target in the dataset is the sleep stage classification. Specifically, the study evaluates several variations of length of sequence data in LSTM. The result obtained that the optimal condition reached when the length is 25 with F-measure of 75.22%. These results are also compared with non-sequence classifiers namely Naïve Bayes, Bayesian Networks, Bagging, and Multilayer Perceptron. All of the four non-sequence classifiers used only achieve F-measure below 60% except Bagging with F-measure of 64.20%. The other hand, the study also compares qLSTM and DBN HMM but qLSTM has higher of precision and F-measure than DBN HMM. It can conclude that the combination of DBN and LSTM quantization has a higher performance than the non-sequence classifiers and DBN HMM used.

EVALUASI APLIKASI SEMI-IMMERSIVE VIRTUAL REALITY PADA BIDANG PENDIDIKAN MENURUT ASPEK HEURISTIK DAN PEMBELAJARAN

Makalah ini memaparkan percobaan evaluasi komprehensif terhadap aplikasi virtual reality (VR) bertipe semi-immersive dari sisi heuristik disain antarmuka aplikasi, peningkatan kemampuan kognitif, dan peningkatan motivasi belajar ketika aplikasi digunakan dalam proses pembelajaran. Evaluasi terhadap disain antarmuka VR ini menggunakan metode heuristik yang diusulkan oleh Sutcliffe, yaitu sebanyak dua belas prinsip. Selain faktor usabilitas, evaluasi heuristik ini mampu memberikan panduan evaluasi dengan memperhitungkan faktor keberadaan pengguna ketika berada dalam lingkungan maya. Hasil proses inspeksi evaluasi heuristik ini adalah penggabungan nilai evaluasi dari tiga orang penilai. Hasil evaluasi menunjukan bahwa secara heuristik aplikasi BIOTALAUT VR sudah merepresentasikan kondisi lingkungan bawah laut dengan baik. Namun ada beberapa fitur disain yang perlu diperbaiki, yaitu interaksi antar objek, grafik objek 3D biota dan fungsi kontrol. Sedangkan, proses evaluasi dari segi peningkatan kemampuan kognitif diimplementasikan pada 30 siswa tingkat sekolah menengah pertama melalui kegiatan pretes dan postes kemudian dianalisa secara statistik. Selain pretes dan postes, siswa juga mengisi kuisioner untuk mengetahui tingkat motivasi belajar setelah menggunakan aplikasi. Kemudian, setelah aplikasi digunakan pada proses pembelajaran, terdapat perbedaan kemampuan kognitif yang signifikan ke arah positif dengan nilai sig-value sebesar 0.448 dan peningkatan motivasi dilihat dari nilai rata-rata central tendency sebesar 4.49. Adapun hasil evaluasi ini dapat digunakan sebagai bahan pertimbangan dalam pengembangan aplikasi selanjutnya khususnya dari sudut pandang disain antarmuka aplikasi maupun dari konteks pembelajarannya. Selain itu, kejadian munculnya gejala cybersickness pada pengguna juga ditelaah dan dilaporkan dalam penelitian ini. Adapun posisi gerakan pengguna saat menjalankan aplikasi VR dan perangkat keras yang dipakai menjadi aspek utama yang menyebabkan cybersickness tersebut. Kata Kunci: cybersickness, evaluasi usabilitas heuristik, , kemampuan kognitif, motivasi belajar, virtual reality