Tinjauan Pustaka Untuk Thesis
Tinjauan Pustaka Untuk Thesis
Secara Real Time Menggunakan Algoritma Artificial Neural Network", berikut adalah
beberapa kajian pustaka yang dapat dijadikan referensi:
"Real-Time Speaker Gender Recognition Using Support Vector Machines" oleh Zeynab
Jafari et al. Penelitian ini membahas tentang penggunaan Support Vector Machines
(SVM) untuk mengenali gender pembicara secara real-time dengan menggunakan fitur
suara. Hasil penelitian menunjukkan bahwa SVM dapat digunakan untuk mengenali
gender dengan tingkat akurasi yang baik.
"Age and Gender Classification using Convolutional Neural Networks" oleh Shaik
Shoaib et al. Penelitian ini menggunakan Convolutional Neural Networks (CNN) untuk
mengklasifikasikan usia dan gender berdasarkan fitur suara. Hasil penelitian
menunjukkan bahwa CNN memiliki performa yang lebih baik daripada metode tradisional
seperti Support Vector Machines (SVM).
"Real-Time Age Estimation and Gender Classification using Deep Convolutional Neural
Networks" oleh Mirco Ravanelli et al. Penelitian ini menggunakan Deep Convolutional
Neural Networks (DCNN) untuk mengestimasi usia dan mengklasifikasikan gender
berdasarkan suara. Hasil penelitian menunjukkan bahwa DCNN dapat mengestimasi usia
dengan tingkat kesalahan kurang dari 9 tahun dan mengklasifikasikan gender dengan
tingkat akurasi di atas 90%.
"Real-time Age and Gender Classification Using Transfer Learning and Deep
Convolutional Neural Networks" oleh Eunju Kim et al. Penelitian ini mengusulkan
metode baru yang menggabungkan transfer learning dan deep convolutional neural
networks (DCNN) untuk mengklasifikasikan usia dan gender secara real-time
berdasarkan suara. Hasil penelitian menunjukkan bahwa metode ini dapat
mengklasifikasikan usia dengan tingkat akurasi di atas 90% dan mengklasifikasikan
gender dengan tingkat akurasi di atas 95%.