Desain dan Implementasi Pengenalan Individu Melalui Sinyal Suara Secara Realtime Menggunakan Metode Hidden Markov Model

Nilam Insyirah

Informasi Umum

Kode

111080272

Klasifikasi

621.382 - Communication Engineering, signal processing, network protocol, signal processing, communication network analysis

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal - Processing

Dilihat

312 kali

Informasi Lainnya

Abstraksi

Suara manusia merupakan salah satu ciri khas yang membedakan manusia yang satu dengan yang lain. Pada kondisi saat seseorang tidak berada di suatu tempat, namun dengan mendengar suara orang tersebut walaupun tidak melihat wajah dari pembicara secara langsung, suara dari seseorang bisa menjelaskan identitas dari orang tersebut. Dengan menyimpan terlebih dahulu suara dari seseorang sebagai database, maka dapat dibuat suatu sistem pengenalan individu berbasis suara. Pada penelitian ini dibuat pemodelan sistem pengenalan suara individu dengan menggunakan Mel Frequency Cepstral Coefficients (MFCC) dan Hidden Markov Model (HMM) yang bisa mengidentifikasi suara dari beberapa manusia secara realtime dan menampilkan namanya. Dalam menjalankan sistem ini suatu microphone dipasang untuk merekam suara setiap orang. Sistem dirancang menggunakan metode MFCC untuk ekstraksi ciri dan metode HMM untuk pencocokan ciri. Pada tahap ekstraksi ciri, dilakukan pengambilan ciri-ciri tertentu dari tiap sukukata. Vektor ciri yang terbentuk dikuantisasi vektor menggunakan algoritma Linde-Buzo-Gray untuk mendapatkan codebook-nya. Setelah itu, codebook diklasifikasi dengan data latih yang telah dibuat sebelumnya dengan metode Hidden Markov Model (HMM). Sistem ini bekerja sangat baik untuk mengidentifikasi satu pembicara. Pengenalan banyak pembicara hasilnya menunjukkan bahwa metode Hidden Markov Model (HMM) berpotensi besar untuk digunakan, meskipun masih harus disempurnakan lebih lanjut. Pada sistem ini, pengujian dilakukan dengan mengubah-ubah nilai koefisien pada MFCC, jumlah codebook, dan state HMM. Berdasarkan hasil pengujian, hasil akurasi terbaik adalah 52,9% pada pengujian dengan koefisien MFCC 20. Sinyal Suara, Mel Frequency Cepstral Coefficients (MFCC), Hidden Markov Model (HMM)