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:

Tabel 1 Identifikasi Gender
Jumlah
Latih
Jumlah
Uji
True
Identification
False
Identification
2 10 1 9
6 10 4 6
8 10 5 5
10 10 7 3

Tabel 2 Identifikasi Rate
Jumlah
Latih
Jumlah
Uji
True
Identification
False
Identification
2 10 10 % 90 %
6 10 40 % 60 %
8 10 50 % 50 %
10 10 70 % 30 %

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.