Update Artikelilmiah: 12295

MUHAMMAD ARIFKHAN

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Pengenalan suara merupakan salah satu contoh pattern recognition yang sedang berkembang selain pengenalan wajah (face recognition) dan pengenalan sidik jari (fingerprint recognition). Karena bersifat khusus, maka pengenalan suara dapat dijadikan sebagai proses identifikasi diri individu sehingga dapat bermanfaat untuk sistem keamanan, salah satu penerapannya yaitu digunakan sebagai keamanan untuk kendali pintu pagar. Salah satu metode ekstraksi dalam pengenalan suara adalah Mel-Frequency Cepstrum Coefficient (MFCC). Proses ekstraksi ciri dengan MFCC akan menghasilkan vektor spesifik yang menggambarkan ciri khusus dari suara pengucap. Parameter MFCC yang digunakan adalah frekuensi sampling 8000 Hz, time frame 25 ms, overlapping 10 ms dan jumlah koefisien adalah 13. Selanjutnya digunakan metode Support Vector Machine (SVM) untuk melakukan pelatihan dan klasifikasi pola suara yang akan dibuat. Hasil yang diharapkan dalam penelitian ini adalah kendali pintu pagar dengan hanya menggunakan perintah suara dari individu tertentu. Dalam aplikasinya, sistem digunakan untuk memverifikasi dan menganali dua kata Bahasa Indonesia yaitu kata “buka” sebagai perintah untuk membuka pintu pagar, dan kata “tutup” sebagai perintah untuk menutup pintu pagar. Dalam penelitian ini didapatkan akurasi sebesar 86,67% untuk kelas “buka” dan 100% untuk kelas tutup saat pengujian dari orang-orang dalam database. Saat pengujian dari orang diluar database, akurasi sebesar 92% untuk kelas buka dan 98% untuk kelas tutup, dalam mengenali suara peneliti, akurasi untuk kelas buka meningkat dari 60% menjadi 80 % dan kelas tutup dari 70% menjadi 90% jika mengubah sampel suara peneliti di database dari 3 menjadi 5 buah.

Abtrak (Bhs. Inggris)

Voice recognition is one of pattern recognition in addition to face recognition and fingerprint recognition. Due to unique characteristics, voice recognition can be used as self-identification so it is useful for security system, one of the implementation is used to door security system. This study uses Mel-Frequency Cepstrum Coefficient (MFCC) method as a feature extraction. This process will produce a specific vectors that describes the uniqe characteristics of the speaker’s voice. The utilized parameters of MFCC are sampling frequency 8000 Hz, time frame 25 ms, overlapping 10 ms and the number of coefficient is 13. The pattern recognition was performed using a Support Vector Machine (SVM) to identify and classify the feature extraction. The expected result of this study is control of the door using voice command from a particular individual. In practice, the system recognizes only two Indonesian words, namely word “buka” as a command to open the door, and word “tutup” as a command to close the door.The results showed the accuracy rate was 86,67% for word”buka” and 100% for word “tutup” when tested by using new command from users whose already exist in the system database,when tested by new user, the accuracy rate was 92% for “buka” and 98% for “tutup”, to identify researcher’s voice, the accuracy rate increased from 60% to 80% for “buka” and from 70% to 90% for “tutup” by increasing the number of researcher’s voice in the database from 3 to 5.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman