ABSTRAKSI: Perkembangan teknologi komunikasi saat ini memungkinkan setiap orang dapat mengakses banyak hal dari jarak jauh, sehingga dibutuhkan sistem pengamanan untuk akses tersebut. Salah satu teknologi komunikasi yang saat ini masih sering digunakan adalah komunikasi suara atau telepon. Saat ini orang bisa mengakses suatu layanan lewat telepon, namun sistem pengamanan yang dilakukan terhadap aksesnya hanya melalui pin, dimana pin suatu akses dapat bocor ke tangan siapapun.
Oleh karena itu mendeteksi pemilik suara hak akses lebih baik diterapkan dalam sistem keamanannya. Namun suara merupakan ciri yang dapat diambil dari seseorang yang tingkat akurasinya paling buruk. Oleh karena itu, dibutuhkan sistem yang lebih handal dan spesifik untuk mengidentifikasinya, seperti jenis kelamin pemilik suara, rentang umur pemilik suara, dan juga dialek yang digunakan oleh pemilik suara tersebut.
Tugas akhir ini telah meneliti bagaimana mendeteksi jenis dialek yang diucapkan oleh seseorang dengan cara mengekstraksi ciri suatu dialek yang diucapkan oleh seseorang melalui proses Mel Frequency Cepstral Coefficient. MFCC merupakan suatu metode analisis sinyal suara berdasarkan persepsi kemampuan pendengaran manusia. Sedangkan metode yang digunakan untuk klasifikasi adalah K-Nearest Neighbor (KNN), di mana pengklasifikasian dilakukan dengan mencari jarak terdekat dari data yang akan dievaluasi (belum diketahui kelasnya) terhadap data-data yang sudah dikelompokkan dalam kelas-kelas pada suatu database.
Tugas akhir ini telah berhasil membangun suatu sistem yang dapat mengenali dialek seseorang berdasarkan daerahnya. Dialek yang dideteksi terdiri dari 5 kelas dialek, yaitu Bali, Batak, Jawa, Sunda, dan Makassar. Tingkat akurasi yang telah dicapai sebesar 82%, di mana suara masukan berasal dari rekaman percakapan telepon.Kata Kunci : dialek, telepon. Mel-Frequency Cepstral Coefficient, K-Nearest Neighbor.ABSTRACT: The development of communication technology allows each person to access a lot of things from a long distance, so security system is needed to access that thing. One of communication technology which is often used is voice communication or telephone. Nowadays people can access a service by phone but the security system to access the service only by pin which is can be stolen by other person.
That’s why we need to apply speech recognition for the security system. Yet, voice is the feature from a person that can be extract that the accuracy is the worst. So it needs a more reliable and specific system to identify it, such as sex of speaker, age range the speaker, and also the dialect used by the speaker.
This final project has researched how to detect the dialect types that is spoken by a person by extracting the feature of a dialect used by a person through the Mel Frequency Cepstral Coefficient (MFCC) process. MFCC is a method that is often used based on human auditory perception. And the method used to classify is K-Nearest Neighbor (KNN), which the classifying is done by searching the nearest distance from the evaluating data (unknown class) againts the datas which have been groupped into classes in a database system.
This final project has successfully made a system which can recognize a dialect used by a person based on his/her origin. Dialect which is detected is consisted of 5 dialect class that is Balinese, Batak, Javanese, Sundanese, and Makassar. Accuracy rate that has been reached is 82% where the input voice comes from recorded telephone conversation.Keyword: dialect, telephone. Mel-Frequency Cepstral Coefficient, K-Nearest Neighbor.