ABSTRAKSI: Perkembangan teknologi komunikasi terkini yang diimplementasikan pada smartphone membuat jenis telepon genggam ini semakin menjadi perangkat mobile yang user friendly dan telah menjadikannya kebutuhan tersendiri bagi masyarakat. Salah satu aplikasi yang sering diakses adalah music player karena hampir setiap pengguna smartphone mendengarkan musik di sela aktivitasnya yang padat. Saat ini pengaturan music player masih secara manual yaitu dengan mengklik fungsi-fungsi tombol yang ada pada tampilannya. Cara ini dianggap masih belum efektif karena saat mengakses aplikasi ini dibutuhkan tingkat perhatian yang tinggi sehingga konsentrasi dalam melakukan aktivitas utamanya menjadi terganggu. Oleh karena itu dicari suatu cara yang dapat dengan mudah dan praktis melakukan pengaturan music player pada smartphone yaitu dengan mengimplementasikan Automatic Speech Recognition (ASR) yang menjadikan input suara sebagai perintah untuk menjalankan fungsi play, stop, next, previous, pause, (volume) up dan (volume) down.
Metode ekstraksi ciri yang digunakan dalam penelitian ini adalah Mel Frequency Cepstral Coefficient (MFCC). Metode MFCC mampu menangkap karakteristik suara yang penting bagi pengenalan sinyal suara. K-Nearest Neighbors (KNN) digunakan sebagai metode klasifikasi ciri. Metode KNN memiliki ketangguhan terhadap training data yang memiliki banyak noise. Bahasa pemrograman yang digunakan dalam penelitian ini adalah Java Android. Android merupakan salah satu basis platform perangkat mobile yang memiliki sifat open source sehingga penulis dapat mengembangkan aplikasi dan melakukan konfigurasi sistem sesuai kebutuhan penelitian.
Sistem yang telah dibuat memperoleh akurasi tertinggi sebesar 76% saat dioperasikan pada lingkungan tanpa noise. Apabila sistem diberikan noise, akurasi yang didapat mengalami penurunan yaitu 70% untuk level noise rendah, 67.14% untuk level noise sedang, dan 60% untuk level noise tingga sehingga sistem dikatakan belum dapat bekerja sama baiknya dengan ketika sistem dioperasikan tanpa noise.Kata Kunci : Speech Recognition, Music Player, Mel Frequency Cepstral Coefficient, K-Nearest Neighbors, AndroidABSTRACT: The latest communication technology embedded on a smart phone has made the mobile handheld more users friendly and become a necessity in majority of people. One of the applications that are frequently accessed is the music player because almost every smart phone users listen to music on the sidelines of their activities. The current settings for the music player still manually by clicking the functions button on the appearance. This way is still not effective because when accessing this application required a high level attention so users main activity being disturbed. Therefore sought a way that can be easily and practically doing the music player settings by implementing the Automatic Speech Recognition (ASR), which makes the voice input as a command to perform play, stop, next, previous, pause, (volume) up and down.
A feature extraction method used in this research was the Mel Frequency Cepstral Coefficient (MFCC). MFCC method capable of capturing important sound characteristic for speech recognition system. K-Nearest Neighbors (KNN) was used as a classification method. KNN having toughness to classify the training data that has a lot of noise. The programming language used in this research was Java Android. Android is one of platform for mobile devices that have open source capability so that author can develops applications and configure the system according to the needs of the research.
The best accuracy of this system is 76%.If noise added, the system‟s accuracy goes down, which is 70% on low noise environment, 67.14% on medium noise environment, and 60% on high noise environment so the system is said not quite robust against noise.Keyword: Speech Recognition, Music Player, Mel Frequency Cepstral Coefficient, K-Nearest Neighbors, Android