Bab 1
Bab 1
PENDAHULUAN
1.1 Latar Belakang
Secara garis besar system identifikasi speaker merupakan suatu usaha untuk
menghasilkan suatu mesin cerdas ynag mampu mengenali dan menetukan asal dan
ciri speaker berdasarkan ucapan individual. Kesulitan yang paling mendasar adalah
dengan “ how why”. Karena itu diperlukan pendekatan yang lebih revolusioner
. Pemahaman Wicara
Analisa dan
Ekstraksi ciri
Kompresi data
Sinyal Wicara
Parameter
Konversi Ke Kode
Linguistik
Pemahaman
Arti/maksud
1
Untuk mengatasi kesulitan tersebut, muncul dan berkembang beberapa
metode pendekatan. Dan diantara pendekatan yang sangat berhasil sampai saat ini
adalah metode LPC (Linier Predictive Coding) dan cepstral yang merupakan metode
dari LPC dan cepstral ini adalah himpunan parameter yang merupakan representasi
maka tentu dibutuhkan suatu metode lainnya yang berfungsi untuk memproses
Perubahan tersebut terjadi karena adanya perbedaan gaya bicara, warna suara,
jenis kelamin, umur dan sebagainya. Metode yang menjadi pilihan di dalam system
identifikasi suara tersebut adalah metode Hierarchical dan Kmeans yang merupakan
metode cukup akurat yang dapat menggambarkan struktur temporal dari suatu sinyal
wicara dalam mengklasifikasi sinyal suara. Kinerja dari kedua metode analisa wicara
tersebut akan dievaluasi dengan menggunakan 50 kata dalam bahasa Indonesia yang
begitu luasnya variasi pengucapan dari suatu suku kata. Pengucapan suatu suku kata
yang sama baik dilakukan secara dependent atau independent secara berulang-ulang
disebabkan oleh gaya bicara, warna suara, kondisi emosional pembicara, jenis
2
bagaimana memperoleh cara yang terbaik dan efektif di dalam mengenali suatu
sinyal ucapan?
Permasalahan tersebut senantiasa dikaji dan dianalisis oleh para peneliti oleh
para peneliti untuk memperoleh metode yang lebih baik. Diantara metode-metode
yang telah dikembangkan adalah : Metode Dynamic Time warping (DTW), Jaringan
Hierarchical dan Kmeans. Beberapa faktor mengapa metode tersebut menjadi pilihan
keduanya.
1.3 Hipotesis
clustering terbaik
atau similaritas.
3
1.4 Batasan Masalah
Penelitian ini dibatasi untuk menentukan cluster yang terbaik, dengan batasan
sebagai berikut:
o Basis data sinyal wicara yang digunakan meliputi 50 kosa kata bahasa
keluar dalam surat kabar Jawa Pos. Kata-kata tersebut diucapkan oleh 79
pembuatan algoritma dan simulasi, analisa dan kesimpulan, Rincian tahapan langkah
o Pemahaman Litaratur
wicara dan metode analisa sinyal wicara, serta pengolahan sinyal digital,
4
o Pemodelan Sistem
Pada tahap ini dilakukan pemodelan pengenalan sinyal wicara dengan urutan
sebagai berikut:
o Proses preemphasis
dynamic programming
Clustering
5
o Pengambilan Data Suara
dan 21 wanita.
o Analisa
digunakan.
o Kesimpulan
selanjutnya.
1.6 Tujuan
antara metode Hierarchical dan Kmeans dengan kosa kata yang dipakai adalah
6
1.7 Manfaat/Relevan
Manfaat dari penelitian ini adalah mendapatkan metode cluster sinyal wicara
o Bab 1. Pendahuluan
Pada bab 2 dibahas teori pendukung dan tinjauan pustaka yang dibutuhkan
Pada bab 3 dibahas teori pendukung dan tinjauan pustaka yang dibutuhkan
o Bab 4 metodologi
7
Pada bab 4 dibahas algoritma dan alur-alur simulasi dari pemodelan sinyal
Pada bab 5 dibahas analisa data hasil simulasi, yaitu membandingkan data-
data yang didapatkan dari kedua metode clustering yang berbeda untuk