PENGENALAN PEMBICARA DENGAN EKSTRAKSI CIRI MFCC MENGGUNAKAN METODE KUANTISASI VEKTOR

Abstract

Speaker recognition adalah suatu proses yang bertujuan mengenali siapa yang sedang berbicara berdasarkan informasi yang terkandung dalam gelombang suara yang di-input-kan. Speaker identification adalah proses mendapatkan identitas dari seorang pembicara dengan membandingkan fitur-fitur suara yang di-input-kan dengan semua fitur-fitur dari setiap pembicara yang ada di dalam database. Penelitian ini membahas mengenai pengenalan pembicara dengan menggunakan ekstraksi ciri MFCC (Mel Frequency Cepstral Coefficients) dan metode kuantisasi vektor. Ekstraksi ciri MFCC menkonversikan sinyal suara kedalam beberapa vektor data yang berguna dalam proses pengenalan pembicara. Kemudian hasil dari ekstraksi tersebut akan dibandingkan dengan data pembicara yang ada dalam database. Kuantisasi vektor adalah proses meletakkan vektor-vektor ciri yang berukuran besar dan menghasilkan ukuran vektor-vektor yang kecil yang berhubungan dengan distribusi centroid. Algoritma K-mean digunakan untuk kluster. Pengenalan pembicara yang dibuat pada penelitian ini diujikan terhadap 22 orang pembicara, dimana masing-masing pembicara mengucapkan kata “bandungâ€. Pada tahap pengujian, ukuran distorsi berdasarkan minimisasi jarak Euclidean digunakan untuk mencocokkan pembicara yang diujikan dengan data pembicara dalam database. Nilai parameter  yang dirubah adalah ukuran codebook. Hasil pengujian menunjukkan tingkat akurasi tertinggi sistem dalam mengenali pembicara yaitu sebesar 95.45%. tingkat keberhasilan pengenalan tersebut dipengaruhi oleh nilai parameter-parameter yang digunakan dalam metode kuantisasi vektor yaitu ukuran codebook.