ABSTRAKSI: Suara manusia merupakan salah satu ciri khas yang membedakan manusia yang satu dengan yang lain. Spektrum suara, amplitudo suara, dan frekuensi adalah beberapa dari bagian suara yang dapat dijadikan referensi dalam membedakan suara manusia. Pada kondisi saat seseorang tidak berada disuatu 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. Untuk memudahkan proses pengenalan ini maka diperlukan suatu metode yang tepat dan bisa menampilkan hasil secara akurat dengan mengandalkan pengenalan ciri khas dari suara manusia.
Implementasi pengenalan suara individu ini menggunakan metode klasifikasi Jaringan Saraf Tiruan Learning Vector Quantization (JST-LVQ) yang bisa mendeteksi suara dari beberapa manusia secara realtime dan menampilkan namanya. Dalam menjalankan sistem ini suatu microphone dipasang untuk merekam suara setiap seseorang. Suara tersebut diambil cirinya berupa amplitudo, frekuensi, energi, dan zerocrossing. Beberapa data hasil ekstraksi ciri ini kemudian di-downsampling.
Pada sistem ini, hasil implementasi sistem ini dapat mengenali individu dengan dengan tingkat akurasi sebesar 63,33 % dan hasilnya dapat ditampilkan dengan delay maksimal 4-6 detik. Ketidaktepatan identifikasi ini disebabkan oleh metode ekstraksi ciri yang belum tepat, banyaknya perubahan yang signifikan dari data yang digunakan sebagai data latih, dan posisi individu yang berbeda dengan posisi yang dilatih.Kata Kunci : Sinyal Suara, Delay, Learning Vector Quantization, Realtime,dan Identifikasi.ABSTRACT: The human voice is one of characteristics that distinguish human beings from one another. Spectrum of some voice, amplitude, and frequency are some characteristics that can be referenced in distinguishing the human voice. In circumstances when a person is not in place, but with a voice heard though not shown directly from the person speaking, the sound of that person can explain the identity of the person. By storing the voice of the people as a database first, then it can be individual-based voice recognition systems. To facilitate this process of recognition is required an appropriate and precise method that can display the results based on the introduction of the characteristics of the human voice.
Implementation of voice recognition methods of individual classification uses Neural Networks Learning Vector Quantization (LVQ-ANN) that can detect the sound of some people in realtime and display name. In implementing this system mounted microphone to record some voice of people. The voice is taking the feature of amplitude, frequency, energy, and zero crossing. Some data of feature extraction are downsampled.
In this system, the implementation can identify individuals with the accuracy of 63,33 % and the results can be displayed with a maximum delay of 4-6 seconds. Inaccuracy identification is caused by inappropriate feature extraction method, the significant changes from the data used as training data, and the different positions of individuals with the trained position.Keyword: Signal Voice, Delay, Learning Vector Quantization, Realtime, and Identification