Identifikasi Gender dan Usia

Berdasarkan Suara Secara Real Time

Menggunakan Algoritma
Artificial Neural Network
BAB I: PENDAHULUAN
Background of Study
• Tingginya tingkat kriminalitas anak-anak di bawah umur disebabkan akses internet yang bebas
Menurut survei yang dilakukan oleh National Center for Missing and Exploited Children (NCMEC)
pada tahun 2019, sekitar 70% dari kasus pornografi anak di internet yang dilaporkan melibatkan
anak-anak di bawah usia 12 tahun. Selain itu, NCMEC melaporkan bahwa pada tahun 2019,
sekitar 20% dari laporan yang mereka terima tentang eksploitasi seksual anak melibatkan korban
di bawah usia 12 tahun.
Selain itu, ada juga peningkatan jumlah kasus cyberbullying dan kekerasan online yang dilakukan
oleh anak-anak dan remaja. Menurut sebuah studi yang dilakukan oleh Pew Research Center
pada tahun 2018, sekitar 59% dari remaja Amerika Serikat mengalami berbagai bentuk
cyberbullying, termasuk mengalami penghinaan online, pelecehan, dan ancaman.
Meskipun sulit untuk memberikan statistik yang pasti, data ini menunjukkan bahwa paparan
internet dapat berkontribusi pada perilaku kriminal dan kejahatan anak di bawah umur.
Background of Study
• Suara itu unik dan berbeda satu sama lain
Suara dapat dianggap sebagai variabel yang unik dan berguna dalam
penelitian AI karena setiap suara memiliki karakteristik unik yang dapat
digunakan untuk mengidentifikasi individu atau bahkan untuk
mengekstrak informasi lainnya.
Background of Study
• Tingkat keberhasilan algoritma ANN dalam pengenalan wajah
ANN telah menunjukkan tingkat keberhasilan yang baik dalam tugas
identifikasi wajah. Sebagai contoh, pada tahun 2021, peneliti dari China
menggunakan arsitektur Deep Convolutional Neural Network (DCNN)
untuk melakukan identifikasi wajah pada dataset Labeled Faces in the
Wild (LFW) dan mencapai akurasi sebesar 99,80%.
Research Questions
• Bagaimana membuat program yang mampu mengidentifikasi gender
dan usia berdasarkan suara secara real time?
• Bagaimana tingkat keberhasilan identifikasi gender dan usia
berdasarkan suara secara real time menggunakan algoritma artificial
neural network?
Objectives
Tujuan yang ingin dicapai adalah menghasilkan suatu program untuk
mengidentifikasi gender dan usia berdasarkan suara secara real time
menggunakan algoritma artificial neural network.
BAB II: KAJIAN PUSTAKA DAN
DASAR TEORI
Dalam penelitian ini, fitur suara diekstraksi dari sinyal suara
menggunakan teknik Mel-Frequency Cepstral Coefficients (MFCC),
kemudian ANN dan Deep Learning digunakan untuk mengklasifikasikan
gender dan usia berdasarkan fitur suara. Selain itu, Transfer Learning
juga digunakan untuk mempercepat proses pelatihan model dan
meningkatkan akurasi klasifikasi.
Fitur Suara
Fitur suara merujuk pada karakteristik-karakteristik suara seperti pitch,
intensitas, durasi, dan spektrum yang dapat digunakan untuk
mengenali gender dan usia. Fitur-fitur tersebut dapat diekstraksi dari
sinyal suara menggunakan teknik pemrosesan sinyal seperti Mel-
Frequency Cepstral Coefficients (MFCC), Linear Predictive Coding (LPC),
dan short-time Fourier Transform (STFT).
Artificial Neural Network (ANN)
Artificial Neural Network (ANN) adalah algoritma yang terinspirasi oleh
struktur dan fungsi jaringan saraf otak manusia. ANN digunakan untuk
memodelkan hubungan antara input dan output melalui serangkaian
layer neuron yang terhubung. ANN digunakan dalam penelitian ini
untuk mengklasifikasikan gender dan usia berdasarkan fitur suara.
Deep Learning
Deep Learning adalah cabang dari Machine Learning yang
menggunakan Artificial Neural Network (ANN) dengan beberapa layer.
Deep Learning digunakan dalam penelitian ini karena dapat
meningkatkan performa klasifikasi dengan melakukan ekstraksi fitur
secara otomatis dan mendeteksi fitur-fitur yang kompleks.
Transfer Learning
Transfer Learning adalah teknik deep learning yang memanfaatkan
model-model yang telah dilatih sebelumnya untuk mempercepat
proses pelatihan dan meningkatkan performa klasifikasi. Transfer
Learning digunakan dalam penelitian ini untuk mempercepat proses
pelatihan model dan meningkatkan akurasi klasifikasi.
BAB III: METODOLOGI
JADWAL PELAKSANAAN