0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
107 tayangan4 halaman
Kemajuan teknologi bukan hanya memberi kemudahan bagi manusia untuk melakukan aktivitas. Salah satu kecerdasan manusia yang di tanam kedalam teknologi komputer adalah dalam mengidentifikasi gender (jenis kelamin) melalui suara. Dengan menggunakan metode Discrete Fourier Transform (DFT) untuk mentransformasikan frekuensi suara kedalam sinyal-sinyal digital untuk mendapatkan nilai energi suara setiap gender (jenis kelamin). Berdasarkan pengembangan dan pengujian sistem efek noise dari suara sangat mempengaruhi dalam mengidentifikasi gender (jenis kelamin).
Kemajuan teknologi bukan hanya memberi kemudahan bagi manusia untuk melakukan aktivitas. Salah satu kecerdasan manusia yang di tanam kedalam teknologi komputer adalah dalam mengidentifikasi gender (jenis kelamin) melalui suara. Dengan menggunakan metode Discrete Fourier Transform (DFT) untuk mentransformasikan frekuensi suara kedalam sinyal-sinyal digital untuk mendapatkan nilai energi suara setiap gender (jenis kelamin). Berdasarkan pengembangan dan pengujian sistem efek noise dari suara sangat mempengaruhi dalam mengidentifikasi gender (jenis kelamin).
Kemajuan teknologi bukan hanya memberi kemudahan bagi manusia untuk melakukan aktivitas. Salah satu kecerdasan manusia yang di tanam kedalam teknologi komputer adalah dalam mengidentifikasi gender (jenis kelamin) melalui suara. Dengan menggunakan metode Discrete Fourier Transform (DFT) untuk mentransformasikan frekuensi suara kedalam sinyal-sinyal digital untuk mendapatkan nilai energi suara setiap gender (jenis kelamin). Berdasarkan pengembangan dan pengujian sistem efek noise dari suara sangat mempengaruhi dalam mengidentifikasi gender (jenis kelamin).
Seminar Nasional Inovasi dan Teknologi Informasi 2014 (SNITI)
Parbaba-Samosir, 10 - 11 Oktober 2014
ISBN : 979-458-757-5 hal 351
IDENTIFIKASI GENDER MELALUI SUARA MENGGUNAKAN METODE DISCRETE FOURIER TRANSFORM (DFT)
Safriadi 1 , Risawandi 2 12 Jurusan Teknik Informatika, Universitas Sumatra Utara Jalan dr. T. Mansur No. 9 Kampus USU Medan 20155 Sumatera Utara E-mail: Safriadi48@gmail.com 1
ABSTRAK Kemajuan teknologi bukan hanya memberi kemudahan bagi manusia untuk melakukan aktivitas. Salah satu kecerdasan manusia yang di tanam kedalam teknologi komputer adalah dalam mengidentifikasi gender (jenis kelamin) melalui suara. Dengan menggunakan metode Discrete Fourier Transform (DFT) untuk mentransformasikan frekuensi suara kedalam sinyal-sinyal digital untuk mendapatkan nilai energi suara setiap gender (jenis kelamin). Berdasarkan pengembangan dan pengujian sistem efek noise dari suara sangat mempengaruhi dalam mengidentifikasi gender (jenis kelamin).
Kata Kunci: dft, gender, suara
1. PENDAHULUAN Perkembangan media komunikasi tidak lepas dari tiga hal pokok yaitu suara, penglihatan, dan sentuhan sehingga dalam mengembangkan teknologi khususnya kecerdasan buatan mengacu pada tiga hal tersebut. Banyak kemudahan yang ditawarkan untuk kepentingan interaksi manusia dan komputer, misalnya dalam pengenalan suara. Bagi manusia mengenal suara adalah hal mudah karena manusia mempunyai pengenalan pola yang sangat baik. Sedangkan pada komputer ini adalah proses yang sulit karena komputer harus menganalisa dengan detil setiap sinyal suara yang masuk. Metode DFT telah banyak dimanfaatkan pada berbagai bidang utamanya pada sistem pengenalan pola seperti citra, suara, time series prediction, dan lain-lain. Sistem ini dapat diterapkan pada pemberian perintah komputer, voice dialling, dan lain-lain. Masalah pengenalan suara ini menarik dan penting karena adanya permasalahan dalam identifikasi pembicara karena variasi pengucapan setiap suku kata. Karakteristik yang sangat spesifik suatu sinyal suara diakibatkan oleh adanya perbedaan struktur fisiologi dan aspek-aspek pembawaan dalam masing-masing individu. Untuk itu diperlukan suatu algoritma pembelajaran mesin yang dapat digunakan untuk melakukan ekstraksi ciri suara dengan mempelajari ciri-ciri sebelumnya. Sinyal suara yang diperoleh dari hasil perekaman, diolah oleh komputer dengan algoritma DFT sehingga diperoleh sinyal digital, kemudian diuraikan, hasil ekstraksi ciri dengan metode DFT tersebut dan kemudian diimplimentasikan untuk mencari hasil dari pada identifikasi.
2. TINJAUAN PUSTAKA 2.1 Suara Pengenalan suara (speech recognition) adalah suatu proses untuk mengenali huruf, kata atau kalimat yang diucapkan. Pengenalan suara istilah lainnya Automatic Speech Recognition atau Computer Speech Recognition dimana penggunaan sebuah mesin/komputer untuk mengenali sebuah suara atau identitas seseorang dari suara yang diucapkan. Pada dasarnya pengucap berbicara di depan komputer/mesin kemudian komputer mengenali suara/identitas seseorang sesuai yang diucapkan. Pengenalan pola suara dikenali ke dalam berbagai level tugas.
2.2 Discreate Fourier Transform(DFT) DFT merupakan perluasan dari transformasi Fourier yang berlaku untuk sinyal-sinyal diskrit dengan panjang yang tak terhingga.Semua sinyal periodik terbentuk dari gabungan sinyal-sinyal sinusoidal.Definisi DFT dari sautu sinyal diskrit x(n) dinyatakan oleh persamaan
.........................(1)
.........................(2)
Untuk mendapatkan spektrum dari sebuah sinyal dengan DFT diperlukan N buah sample data berurutan pada domain waktu, yaitu data x[n] sampai dengan x[n+N-1]. Apabila data tersebut dimasukkan dalam fungsi DFT maka akan menghasilkan N buah data.
2.3 Proses Pengenalan Suara Secara Identifikasi Dan Verifikasi (Verivication) Proses pengenalan suara terbagi menjadi Verification dan Identification. Speech Identification adalah proses pelatihan huruf yang diucapkan ke pengenalan suara dengan cara mendaftarkan pembicara dari ucapan yang ditentukan. Speech Verification adalah proses penentuan identitas Seminar Nasional Inovasi dan Teknologi Informasi 2014 (SNITI) Parbaba-Samosir, 10 - 11 Oktober 2014
ISBN : 979-458-757-5 hal 352
seseorang atau pembicara yang dibandingkan dengan data yang telah tersimpan pada sistem.
2.4 Proses Pengenalan Suara Ofline Dan Online Sistem offline adalah suatu sistem yang menghasilkan output dengan bantuan proses secara manual. Sedangkan sistem online adalah sistem yang menghasilkan output tanpa bantuan proses secara manual. Umumnya pengenalan suara memiliki tahap pelatihan/identifikasi dan verifikasi. Pada proses identifikasi memiliki tahap normalisasi, ekstraksi ciri, klasifikasi. Proses pengenalan suara offline maupun online terdapat proses identifikasi namun terdapat perbedaan pada proses verifikasi, pada pengenalan suara secara offline verifikasi dilakukan dengan cara suara yang akan dikenali direkam terlebih dahulu sebelum memulai proses pengenalan suara sedangkan jika pada proses secara online verifikasi dilakukan dengan dinamis yaitu menggunakan pengucapan suara langsung tanpa melalui proses perekaman terlebih dahulu. Berikut ini adalah gambar perbedaan antara pengenalan suara Offline dan Online.
3. ANALISIS KEBUTUHAN SISTEM Metode analisis ini merupakan tahap melakukan analisa pada sistem yang akan di bangun. Kebutuhan sistem antara lain sebuah perangkat komputer multimedia dan perangkat lunak pendukung penelitian.
4. SKEMA PENELITIAN Pada penelitian ini skema penelitian di bagi menjadi 2 tahap yaitu pelatihan dan pengujian.
4.1Skema Pelatihan
Menjalankan Aplikasi Identifikasi Gender Tampil Menu Utama Tekan Menu Pelatihan Halaman Pelatihan Tekan Button Input Suara Tekah Latih Suara Pria / Wanita Simpan Nilai Latihan Pria / wanita Selesai
Adapun proses yang terjadi pada tahap ini yaitu suara di input terlebih dahulu yang kemudian di transformasikan frekuensi ke dalam sinyal digital menggunakan Discreate Fourier Transform (DFT) dengan tujuan untuk mendapat kan nilai energi setiap gender.
4.2 SKEMA PENGUJIAN Pada proses pengujian, suara di input terlebih dahulu kemudian ditransformasikan frekuesi ke sinyal digital menggunakan Discreate Fourier Transform (DFT) kemudian mencocokkan nilai energi yang sudah tersimpan terlebih dahulu didalam sistem. Menjalankan Aplikasi Identifikasi Gender Tampil Menu Utama Tekan Menu Pengujian Halaman Pengujian Tekan Button Input Suara Tekan Button Uji Sistem Membandingkan nilai suara yang di uji dengan suara yang dilatih Selesai Sistem Memberikan Keputusan
5 PEMBAHASAN Untuk mengukur evaluasi unjuk kerja dari identifikasi gender melalui suara, pada umumnya digunakan dua parameter, yaitu identifikation rate (IR) dan false identification rate (FIR). Identifikasi Seminar Nasional Inovasi dan Teknologi Informasi 2014 (SNITI) Parbaba-Samosir, 10 - 11 Oktober 2014
ISBN : 979-458-757-5 hal 353
rate adalah perbandingan antara jumlah suara pria dan suara wanita yang berhasil di identifikasi dengan jumlah seluruh sampel uji. Sedangkan false identifikasi rate adalah perbandingan jumlah suara pria dan jumlah suara wanita yang salah di identifikasi dengan jumlah seluruh sampel yang di uji.
5.1 Pelatihan Pelatihan yang digunakan untuk identifikasi gender adalah file rekaman suara dengan ekstensi file *.wav. file suara yang diinputkankan dengan frekuensi 12.000 Hz dan dengan ukaran file 16 bit. Adapun durasi file yang diinputkan tidak lebih dari 3 detik. Dalam hal ini user melatih file suara yang diinputkan untuk kemudian disimpan nilai energi. Sampel pelatihan yang digunakan adalah sebanyak 10 buah sampel suara, yang terdiri dari 5 suara wanita dan 5 laki- laki.
5.2 Pengujian Setelah dilakukan pelatihan pelatihan selanjutnya dilakukan proses identifikasi gender, pada tahap ini berfungsi sebagai keluaran dari seluruh proses. Setelah mendapat bobot nilai pada file suara yang diinput selanjutnya dilakukan proses identifikasi gender. Pengujian dilakukan pada beberapa sampel suara yang diinputkan yang hanya mengandung suara manusia, dan file tersebut yang diinputkan hanya mengandung satu jenis suara gender. Dengan sampel pengujian sebanyak 10 sampel.
5.3 Unjuk Kerja Sistem Pengukuran unjuk kerja sistem dilakukan berdasarkan pengukuran seluruh data pengujian berdasarkan spesifikasi atau klasifikasi tertentu yang dikorelasikan dengan jumlah data pelatihan yang digunakan. Beberapa hasil pengukuran unjuk kerja sistem terhadap pengujian pada sura pria dan suara wanita direpresentasikan pada table berikut:
Dari hasil representasikan tabel diatas dapat disumpulkan bahwa Baris pertama pada tabel menunjukkan 10 jumlah sampel pengujian dan 2 sampel pelatihan. Nilai I pada kolom true identification didapat setelah program di eksekusi yaitu 1 sampel yang berhasil diidentifikasi gender. Sedangakan nilai FI pada kolom false identificstion adalah 9 sampel. Nilai IR didapat dengan formula :
IR = I / Jumlah Sampel Pengujian IR = 1 /10
Sedangkan nilai FIR didapat dengan formula :
FIR = FIR / Jumlah Sample Pengujian FIR =9 /10
Berdasarkan tabel unjuk kerja identifikasi gender dapat kita lihat semakin tinggi jumlah pelatihan yang dilakukan semakin tinggi pula tingkat kebenaran dalam hal mengidentifikasi gender dan sebaliknya semakin banyak jumlah pelatihan yang dilakukan maka tingkat kesalahan dalam hal mengidentifikasi gender semakin kecil. Untuk memperbaiki tingkat kesalah dalam sistem ini maka diperlukan perbaikan metode pelatihan, dimana setiap sampel suara yang dilatih akan diuji. Selain itu harus ada perbaikan perhitungan dalam sistem sehingga semakin banyak pelatihan semakin baik tingkat keakuratan persentase dalam mengidentifikasi gender.
6. KESIMPULAN Dari hasil penelitian dan pembahasan yang telah dilakukan dapat disimpulkan, sebagai berikut : 1 Efek noise pada sampel suara sangat mempengaruhi dalam pada saat pelatihan dan pengujian. 2 Semakin banyak dilakukan pelatihan maka hasil identikasi gender menunjukkan tingkat persentasi ke benaran yang semakin tinggi. 3 Tingkat keberhasilan program ini berdasarkan dari 10 sampel yang telah di uji coba mencapai 70% atau 7 sampel yang berhasil di identifikasi dan 30% atau 3 sampel yang tidak berhasil di identifikasi.
DAFTAR PUSTAKA Brigham, E. Oran (1988). The fast Fourier transform and its applications. Englewood Cliffs, N.J.: Prentice Hall. ISBN 0-13-307505- 2. Fadlisyah, Pengolahan Suara Penerbit : Graha Ilmu, Yogyakarta, 2013 Seminar Nasional Inovasi dan Teknologi Informasi 2014 (SNITI) Parbaba-Samosir, 10 - 11 Oktober 2014
ISBN : 979-458-757-5 hal 354
Gunawan, Dadang, Pengolahan Sinyal Digital Dengan Pemograman Matlab Penerbit Graha Ilmu, Yogyakarta, 2012 Min N. Do, An Automatic Speaker Recognition System, Audio Visual Communication Laboratory, Swiss Federal Institute of Technology, Lausanne, Switzerland, 2001. Richards. J.A, Remote Sensing Digital Image Analysis, An Introduction, Springer-Verlag Berlin Heidelberg, 1986 Sianipar, R.H, Pemrosesan Sinyal Digital Penerbit Andi, Yogyakarta, 2012 Smith, Steven W. (1999). "Chapter 8: The Discrete Fourier Transform". The Scientist and Engineer's Guide to Digital Signal Processing (Second ed.). San Diego, Calif.: California Technical Publishing. ISBN 0- 9660176-3-3.