PENERAPAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT DAN LEARNING VECTOR QUANTIZATION UNTUK OPTIMASI KASUS PENGENALAN SUARA

Mulyawan, Muhammad

PENERAPAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT DAN LEARNING VECTOR QUANTIZATION UNTUK OPTIMASI KASUS PENGENALAN SUARA

dc.contributor.author	Mulyawan, Muhammad
dc.date.accessioned	2020-11-06T08:01:55Z
dc.date.available	2020-11-06T08:01:55Z
dc.date.issued	2019
dc.description.abstract	Speaker verification adalah proses verifikasi seorang pembicara, dimana sebelumnya telah diketahui identitas pembicara tersebut berdasarkan data yang telah di inputkan. Untuk dapat melakukan speaker verification, data suara akan melalui proses ekstraksi ciri suara untuk mendapatkan informasi yang terkandung di dalam data suara. Pada penelitian sebelumnya, metode Mel Frequency Cepstral Coefficients (MFCC) mempunyai tingkat keakuratan tertinggi dengan tingkat pengenalan 85,3% dan waktu ekstraksi ciri tercepat dibandingkan dengan metode ekstraksi ciri yang lainnya, sehingga metode MFCC adalah metode yang baik untuk ekstraksi fitur dalam pengenalan suara. Sebagai klasifikator digunakan jaringan syaraf tiruan Learning Vector Quantization (LVQ). LVQ adalah suatu metode untuk melakukan pembelajaran atau pelatihan pada lapisan kompetitif yang terawasi. Sebelum data suara diproses, terlebih dahulu data suara diekstraksi menggunakan metode MFCC. Hasil dari ekstraksi fitur menggunakan metode MFCC digunakan untuk proses pencocokan, dimana proses pencocokan ini akan membandingkan hasil ekstraksi fitur dari data uji dengan hasil ekstraksi fitur dari data latih yang terdapat pada database. Data hasil ekstraksi ciri diklasifikasi menggunakan LVQ. LVQ melakukan pembelajaran terhadap vektor dari hasil filter MFCC. Proses pencocokan suara dapat dilakukan dengan pengukuran jarak terdekat menggunakan euclidean distance untuk mengetahui seberapa besar kemiripan suara dari data uji dengan data pattern yang ada di basis pengetahuan di database. Untuk pengujian akurasi digunakan 150 data latih dan 50 data uji yang berasal dari 4 orang narasumber. Hasil pengujian akurasi menunjukkan bahwa penerapan metode MFCC dan LVQ dapat diterapkan untuk pengenalan suara. Hasil pengujian mendapatkan tingkat persentase rata-rata akurasi sebesar 88.89% dengan menggunakan frame size sebesar 512 dan nilai parameter pada pembelajaran LVQ menggunakan learning rate(α=0,05), penurunan learning rate(dec α=0,1) dan maksimum epoch=1000.	en_US
dc.identifier.uri	http://repository.widyatama.ac.id/xmlui/handle/123456789/11343
dc.publisher	Program Studi Teknik Informatika S1 Fakultas Teknik Universitas Widyatama	en_US
dc.subject	speaker recognition, suara, MFCC, learning vector quantization, euclidean distance, pencocokan suara.	en_US
dc.subject	speaker recognition, sound, MFCC, learning vector quantization, euclidean distance, sound matching.	en_US
dc.title	PENERAPAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT DAN LEARNING VECTOR QUANTIZATION UNTUK OPTIMASI KASUS PENGENALAN SUARA	en_US
dc.type	Thesis	en_US