Mekanisme otentikasi umumnya diperlukan pada sistem yang membutuhkan keamanan dan
privasi. Secara umum, nama pengguna dan kata sandi yang diketik digunakan dan diterapkan
dalam sistem otentikasi. Namun, jenis otentikasi ini telah diidentifikasi memiliki banyak
kelemahan. Untuk mengatasi masalah tersebut, banyak sistem otentikasi yang diusulkan
berdasarkan pada suara manusia sebagai karakteristik unik manusia. Kami menerapkan
algoritma Dynamic Time Warping untuk membandingkan suara manusia dengan suara
referensi sebagai proses otentikasi. Hasil pengujian menunjukkan bahwa kesamaan ujaran
dari pengenalan suara rata-rata adalah 86.785%.
1. Perkenalan
Sistem rumah pintar dibangun berdasarkan teknologi komputer dan informasi untuk
mengendalikan dan mengotomatisasi peralatan [1]. Ada berbagai macam tugas yang
memonitor dan mengontrol perangkat rumah pintar melalui penggunaan komputer [2],
browser web atau smartphone [3]. Salah satu area kunci dalam pengembangan sistem rumah
pintar terkait dengan keamanannya. Contohnya adalah pembatasan akses pengguna untuk
mengontrol perangkat rumah pintar. Untuk membatasi akses pengguna, umumnya proses
otentikasi dilakukan untuk memverifikasi pengguna dengan hak-hak tertentu. Ada berbagai
mekanisme untuk melakukan proses otentikasi mis. menggunakan Personal Identification
Number (PIN), kata sandi atau kartu ID pintar. Namun, mekanisme otentikasi semacam itu
telah dipelajari dan menjelaskan bahwa mereka memiliki kelemahan [4].
Penggunaan parameter biometrik manusia dengan karakteristik unik telah menjadi topik yang
menarik dalam mekanisme otentikasi [5] [6]. Salah satu biometrik populer untuk digunakan
sebagai otentikasi adalah menggunakan suara. Suara manusia dihasilkan terutama oleh paru-
paru, pita suara, dan artikulasi. Suara manusia dikenal memiliki karakteristik unik dari orang
ke orang. Oleh karena itu, banyak penelitian telah diusulkan untuk menggunakan suara
manusia sebagai masukan otentikasi dan referensi [7] [8].
Proses otentikasi yang didasarkan pada keunikan suara manusia umumnya terkait dengan
pengenalan pembicara dan verifikasi pembicara. Kedua istilah itu bertujuan untuk
membedakan pembicara dari pembicara lain. Namun, pengenalan pembicara, atau identifikasi
pembicara bertujuan terutama untuk mengenali siapa yang berbicara dari serangkaian
populasi. Sementara itu, pembicara verifikasi bertujuan terutama untuk "memverifikasi"
suara masukan apakah itu cocok dengan suara yang direferensikan atau tidak. Dengan
demikian, verifikasi pembicara dapat digunakan untuk mengotentikasi dan verifikasi identitas
pembicara sebagai bagian dari proses keamanan [9]. Kami mengusulkan desain verifikasi
pembicara yang didasarkan pada pencocokan fitur menggunakan algoritma dynamic time
warping yang diimplementasikan menggunakan grafik pemrograman. Dalam pencocokan
fitur, kami merekam suara utama sebagai sinyal referensi dan lalu ekstrak fiturnya. Kemudian
dalam proses otentikasi, suara lain sebagai masukan perintah akan dicocokkan dengan sinyal
referensi dan menghitung derajatnya kesamaan.
2. Metode Penelitian
Diagram blok desain sistem yang diusulkan ditunjukkan pada gambar 1. Pada langkah awal,
kami menyimpan serangkaian fitur suara yang diekstrak menggunakan MFCC sebagai sinyal
referensi. Dalam proses ekstraksi fitur itu sendiri mengandung beberapa subproses, seperti
preprocessing sinyal dan ekstraksi fitur sendiri menggunakan Mel Frequency Cepstral
Coefficients (MFCC). Kemudian, ketika proses otentikasi terjadi, fitur yang disimpan akan
dibandingkan dengan suara input lain dalam bentuk urutan fitur. Perbandingan metode yang
digunakan algoritma Dynamic Time Warping dan skor akan digunakan untuk memverifikasi
pengguna yang benar.
Skenario kedua bertujuan untuk memverifikasi suara. Sistem ini diuji oleh empat orang yang
masing-masing memberikan masukan ucapan "halo" sebanyak 5 kali. Sistem menampilkan
persentase kesamaan suara. Proses sistem otentikasi ditandai dengan lampu LED. Hasil
pengujian persentase kesamaan ujaran oleh pembicara yang berbeda adalah pertunjukkan
4. Kesimpulan
Kami memiliki desain verifikasi speaker menggunakan dynamic time warping (DTW) pada
pemrograman grafis untuk proses otentikasi. Hasil pengujian menunjukkan bahwa kesamaan
ujaran dari pengenalan suara rata-rata adalah 86.785%. Ini karena suara yang relatif besar.
Selama pengujian, kebisingan terjadi antara 15-20% suara amplitudo. Penelitian lebih lanjut
adalah untuk mengurangi kebisingan sehingga sistem menjadi lebih akurat.
Daftar Pustaka
https://www.e-jurnal.com/2017/10/design-of-speaker-verification-using.html