ABSTRAKSI: Segmentasi sinyal suara adalah upaya untuk melakukan pengklasifikasian sinyal
suara berdasarkan suatu hal tertentu. Segmentasi dapat dilakukan berdasarkan
kata, berdasarkan suku kata, atau berdasarkan fonem. Proses segmentasi ini dapat
menjadi proses awal dari proses pengenalan sinyal suara. Dalam Tugas Akhir ini,
segmentasi sinyal suara akan dilakukan berdasarkan fonem. Langkah awal dalam
proses segmentasi ini adalah pembacaan dan pensegmentasian sinyal suara secara
manual.. Kemudian dilanjutkan dengan proses feature extraction terhadap masing
– masing segmen. Hasil dari proses feature extraction ini adalah ciri dari masing –
masing segmen. Ciri ini kemudian akan digunakan sebagai parameter masukan
Jaringan Syaraf Tiruan (JST). Selanjutnya JST akan melakukan proses learning
terhadap ciri-ciri tersebut. Penelitian yang telah ada sebelumnya menggunakan 15
parameter dengan JST Propagasi Balik. Sedangkan dalam Tugas Akhir ini akan
digunakan JST LSTM ( Long Short-Term Memory ) dengan 3 parameter masukan
JST, yaitu Zero Crossing Rate (ZCR) , Signal Energy Rate (SER) , dan Maximum
Frequency Index (MFI).Kata Kunci : segmentasi sinyal suara, zero crossing rate, signal energy rate, maximum frequency index, feature extraction.ABSTRACT: Speech Segmentation is an effort to classify the speech signal base on particular
thing. The segmentation can be done base on word, syllable, or phonem. The
segmentation process can be a preprocessing of speech recognition. In this final
project, the segmentation of speech is done base on phonem. First step in
segmentation process is getting the signal and do the manual segmentation. Then,
feature extraction proses is done to each segmen. Feature extraction process result
the characteristics of segmen. This characteristics are used as input of Neural
Network later and then learning process is done. The last research used 15 input
parameter and Back Propagation was used as the Neural Network. While this final
project used LSTM ( Long Short-Term Memory ) Neural Network with 3 input
parameter, namely Zero Crossing Rate (ZCR), Signal Energy Rate (SER), and
Maximum Frequency Index (MFI).Keyword: segmentation of speech, zero crossing rate, signal energy rate, maximum frequency index, feature extraction.