ABSTRAKSI: Manusia mampu membedakan identitas seseorang yang mereka kenal, hanya dari suaranya. Proses ini dikenal sebagai speaker recognition. Speaker recognition atau pengenalan pembicara terdiri dari dua jenis, yaitu speaker verification, dan speaker identification. Verifikasi suara menentukan apakah suara yang didengar merupakan suara seseorang yang yang ia klaim. Sedangkan proses identifikasi mencoba menentukan dengan spesifik identitas pembicara.
Sinyal suara merupakan sinyal yang kompleks. Pada sinyal suara terdapat banyak parameter, mulai dari parameter yang bersifat subjektif seperti logat, dialek hingga parameter yang dapat diukur secara akustik seperti formant, pitch dan energi spektral. Masalah yang timbul adalah bagaimana mengekstraksi ciri dari sinyal suara yang kompleks sehingga dihasilkan data baru yang lebih sederhana tetapi tetap mempertahankan karakter khas dari sinyal suara tersebut.
Pada Tugas Akhir ini akan dirancang dan direalisasikan suatu sistem yang dapat mengidentifikasikan suara manusia, untuk diketahui dari seorang pria atau wanita dan kemudian ditentukan usianya. Sistem identifikasi suara ini terdiri dari ekstraksi ciri dan pengklasifikasian suara.
Penelitian yang dilakukan menggunakan parameter akustik yang sifatnya lebih objektif, dengan menggunakan metode ekstraksi ciri Mel-Frequency Cepstral Coefficient (MFCC) dan Linear Predictive Coding (LPC), dan hasil ekstraksi ini akan dikuatkan ciri-cirinya dengan metode PCA (Principal Coefficient Analysis). Metode klasifikasi yang digunakan yaitu SOM (Self Organizing Map).
Dalam sistem yang menggunakan metode JST-SOM ini diperoleh akurasi 100% saat pengujian dengan menggunakan data latih sebagai data uji, sedangkan saat data uji diberikan noise terdapat beberapa hasil akurasi. Sehingga dapat disimpulkan bahwa metode JST-SOM dapat digunakan sebagai salah satu metode pengklasifikasian suaran manusia karena performansinya yang cukup bagus.
Kata Kunci : Mel-Frequency Cepstral Coefficient (MFCC), Linear Predictive Coding (LPC), SOM (Self Organizing Map)ABSTRACT: Humans are able to distinguish the identity of someone they know, just from his voice. This process is known as speaker recognition. Speaker recognition or speaker recognition consists of two types, namely speaker verification and speaker identification. Voice verification to determine whether the voice is heard is the voice of someone who he claims. While the identification process of trying to determine the specific identity of the speaker.
Sound signals are complex signals. At the sound signal there are many parameters, ranging from the subjective parameters such as accent, dialect until the parameters that can be measured acoustically as formant, pitch and spectral energy. The problem that arises is how to extract the features of complex sound signals so that the data generated a new, more modest but still maintaining the distinctive character of the sound signal.
In the Final Project will be designed and realized a system that can identify the human voice, to be known from a man or a woman and then determined his age. Voice identification system consists of feature extraction and classification of sounds.
Research conducted using the acoustic parameters that are more objective, using the method of feature extraction Mel-Frequency Cepstral Coefficient (MFCC) and Linear Predictive Coding (LPC), and the results of these extraction characteristics will be amplified by the method of PCA (Principal Coefficient Analysis). Classification method used is SOM (Self Organizing Map) and the performance based on the level of accuracy.
In a system using ANN-SOM method is obtained an accuracy of 100% when testing using training data as test data, while when the noise test data is given there is some accuracy results. So it can be concluded that the ANN-SOM method can be used as one method of classifying human voice because it's a pretty good performance.
Keyword: Mel-Frequency Cepstral Coefficient (MFCC), Linear Predictive Coding (LPC), SOM (Self Organizing Map)