Bagian hasil dan pembahasan ini secara umum dibagi 2, yaitu percobaan pada data uji yang tidak diberi noise dan percobaan pada data uji yang telah diberi
noise. Pada percobaan data uji yang tidak diberi noise dikhususkan untuk membandingkan kemampuan teknik pengukuran kemiripan sebelumnya (Wisnudisastra dan Buono 2010, Fruandta dan Buono 2011) dengan teknik pengukuran kemiripan yang diusulkan dalam mengidentifikasi pembicara. Pada bagian pertama ini metode LMS belum digunakan karena belum ada noise yang ditambahkan pada data uji. Pada bagian kedua dilakukan percobaan pada data uji yang telah diberi noise. Bagian kedua ini bertujuan untuk membandingkan akurasi identifikasi pembicara antara data suara yang mengalami noise yang dilakukan praproses dengan LMS dan tanpa LMS. Selain itu pada bagian kedua ini juga dibandingkan kemampuan identifikasi pembicara pada data yang mengalami noise yang telah dilakukan praproses LMS antara teknik sebelumnya dan teknik yang diusulkan.
Percobaan pada Data Uji yang Tidak Diberi Noise
Percobaan ini dilakukan pada data yang tidak diberi noise. Percobaan dilakukan dengan merubah beberapa nilai parameter. Parameter tersebut dirubah untuk mengukur pengaruh perubahan parameter tersebut terhadap akurasi identifikasi pembicara serta membandingkan akurasi yang dihasilkan oleh parameter pada teknik sebelumnya dengan teknik yang diusulkan pada penelitian ini. Parameter yang dirubah-rubah nilainya adalah koefisien MFCC dan jumlah kluster pada SOM. Koefisien MFCC yang dicoba adalah 13, 15 dan 20. Jumlah kluster SOM yang akan dicoba adalah 9, 16, 25, 36, 49, 64, 81 dan 100. Selain itu ada parameter yang dibuat tetap selama percobaan, yaitu panjang frame MFCC adalah 25 ms, overlap MFCC adalah 0.4, topologi SOM adalah heksagonal dan jumlah iterasi SOM adalah 1000.
Koefesien MFCC 13
Grafik pada Gambar 20 menunjukkan pengaruh tingkat akurasi identifikasi pembicara dengan menggunakan koefisien MFCC 13 terhadap beberapa jumlah kluster SOM. Pada grafik tersebut terlihat bahwa pada saat jumlah kluster SOM 9 buah, akurasi teknik pengukuran kemiripan yang sebelumnya lebih baik daripada teknik pengukuran kemiripan yang diusulkan, yaitu 1.51% lebih tinggi. Tetapi pada saat jumlah kluster SOM ditingkatkan, maka teknik pengukuran kemiripan yang diusulkan menghasilkan nilai akurasi yang lebih baik. Peningkatan akurasi tertinggi terjadi pada jumlah kluster SOM 81 buah, yaitu 1.14%. Akurasi teknik yang diusulkan tetinggi terjadi pada jumlah kluster SOM 81 buah, yaitu 95.84%. Rata-rata peningkatan akurasi adalah 0,61%.
Gambar 20. Grafik perbandingan akurasi identifikasi pembicara pada data uji tanpa noise, koefisien MFCC13
Koefesien MFCC 15
Grafik pada Gambar 21 menunjukkan pengaruh tingkat akurasi identifikasi pembicara dengan menggunakan koefisien MFCC 15 terhadap beberapa jumlah kluster SOM. Pada grafik tersebut terlihat bahwa pada saat jumlah kluster SOM 9 buah, sama dengan saat koefisien MFCC 13, akurasi teknik pengukuran kemiripan yang sebelumnya lebih baik daripada teknik pengukuran kemiripan yang diusulkan, yaitu 0.42% lebih tinggi. Tetapi pada saat jumlah kluster SOM ditingkatkan, maka teknik pengukuran kemiripan yang diusulkanmenghasilkan nilai akurasi yang lebih baik. Peningkatan akurasi tertinggi terjadi pada jumlah kluster SOM 81 buah, yaitu 1.69%. Peningkatan ini lebih baik dari koefisien MFCC 13 sebelumnya yang hanya sebesar 1.14%. Akurasi teknik yang diusulkan tertinggi terjadi pada jumlah kluster SOM 49 buah dan 81 buah, yaitu 96.08%. Hal ini juga lebih baik dari MFCC 13 yang hanya mencapai akurasi tertinggi 95.84%. Rata-rata peningkatan akurasi dengan MFCC 15 adalah 0,98%, rata-rata ini lebih baik dari MFCC 13 sebelumnya yang hanya 0.61%.
Perbandingan Akurasi Percobaan (Koefesien MFCC = 13)
80 85 90 95 100
Jumlah kluster SOM
A k ura si ( % ) Teknik Sebelumnya 92.59 93.55 94.10 94.40 94.34 94.58 94.70 94.58
Teknik yang Ditawarkan 91.08 94.46 94.82 95.30 95.36 95.48 95.84 95.36
Gambar 21. Grafik perbandingan akurasi identifikasi pembicara pada data uji tanpa noise, koefisien MFCC 15
Koefesien MFCC 20
Grafik pada Gambar 22 menunjukkan pengaruh tingkat akurasi identifikasi pembicara dengan menggunakan koefisien MFCC 20 terhadap beberapa jumlah kluster SOM. Tidak seperti pada koefisien MFCC 13 dan 15, Pada saat jumlah kluster SOM 9 buah, akurasi teknik pengukuran kemiripan yang diusulkan sudah lebih baik daripada teknik pengukuran kemiripan sebelumnya, yaitu 0.72% lebih tinggi.
Gambar 22. Grafik perbandingan akurasi identifikasi pembicara pada data uji tanpa noise, koefisien MFCC 20
Peningkatan akurasi tertinggi terjadi pada jumlah kluster SOM 81 buah, yaitu 1.69%. Peningkatan ini sama dengan koefisien MFCC 15. Akurasi teknik yang diusulkan tertinggi terjadi pada jumlah kluster SOM 49 buah, yaitu 96.51%. Hal ini lebih baik dari koefesien MFCC 13 dan 15 yang hanya mencapai akurasi tertinggi masing-masing 95.84% dan 96.08%. Rata-rata peningkatan akurasi dengan MFCC dengan koefesien 20 adalah 1.27%, rata-rata ini lebih baik dari MFCC dengan koefesien 13 dan 15 yang masing-masing hanya 0.61% dan 0.98%.
Perbandingan Akurasi Percobaan (Koefesien MFCC = 15)
80 85 90 95 100 Jumlah klusterSOM A k ura si ( % ) Teknik Sebelumnya 92.53 93.61 94.22 94.70 94.70 94.70 94.40 94.58
Teknik yang Ditawarkan 92.11 94.34 95.30 95.66 96.08 95.78 96.08 95.90
9 16 25 36 49 64 81 100
Perbandingan Akurasi Percobaan (Koefesien MFCC = 20)
80 85 90 95 100 Jumlah klusterSOM A k ura si ( % ) Teknik Sebelumnya 93.37 94.10 94.94 94.82 94.88 94.88 94.70 94.94
Teknik yang Ditawarkan 94.10 95.00 95.84 96.45 96.51 96.20 96.39 96.33
Pengaruh Penambahan Jumlah Koefisien MFCC Terhadap Peningkatan Akurasi Identifikasi Pembicara
Gambar 23 merupakan grafik yang menunjukkan pengaruh penambahan jumlah koefisien MFCC terhadap peningkatan akurasi identifikasi pembicara disetiap jumlah kluster SOM pada penggunaan teknik pengukuran kemiripan yang diusulkan jika dibandingkan dengan teknik pengukuran kemiripan sebelumnya. Pada Gambar 21 tersebut terlihat bahwa dengan jumlah kluster SOM 9 dan jumlah koefesien MFCC sebesar 13 dan 15 teknik yang diusulkan tidak berhasil meningkatkan akurasi identifikasi pembicara. Pada jumlah kluster tersebut teknik yang diusulkan justru membuat penuruan akurasi, untuk koefesien MFCC 13 dan 15 masing-masing sebesar -1.51 dan -0.42. Tetapi pada saat jumlah koefesien MFCC dinaikan menjadi 20 penggunaan teknik yang diusulkan pada jumlah kluster SOM 9 telah berhasil meningkatkan akurasi identifikasi pembicara yaitu sebesar sebesar 0.72%.
Gambar 23. Pengaruh peningkatan MFCC terhadap akurasi identifikasi pembicara.
Grafik pada Gambar 23 memperlihatkan pada saat jumlah kluster SOM 16 dan 25, peningkatan jumlah koefesien MFCC tidak mengakibatkan peningkatan akurasi dalam identifikasi pembicara. Pada saat jumlah kluster SOM 25 peningkatan akurasi tertinggi justru terjadi pada jumlah koefesien MFCC 15 yaitu sebesar 1.08% sedangkan pada saat jumlah kluster SOM 16 peningkatan akurasi tertinggi terjadi pada MFCC dengan koefesien 13 dan 20. Peningkatan
13 15 20 9 16 25 36 49 64 81 100 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 P e ni ng k a ta n (% ) Jumlah MFCC Koefesien Jumlah kluster SOM
Peningkatan Akurasi Teknik yang Ditawarkan jika Dibandingkan dengan Rata-Rata Teknik Sebelumnya
9 -1.51 -0.42 0.72 16 0.9 0.72 0.9 25 0.72 1.08 0.9 36 0.9 0.96 1.63 49 1.02 1.39 1.63 64 0.9 1.08 1.33 81 1.14 1.69 1.69 100 0.78 1.33 1.39 13 15 20
jumlah koefesien baru terlihat dapat meningkatkan akurasi identifikasi pembicara pada saat jumlah kluster SOM besar sama 36. Tetapi meskipun begitu pada jumlah kluster SOM 81, MFCC dengan jumlah koefesien 15 dan 20 menghasilkan peningkatan akurasi yang sama yaitu sebesar 1.69%. Peningkatan akurasi tertinggi terjadi pada saat jumlah kluster SOM 81 dengan jumlah koefesien MFCC 15 dan 20 yaitu sebesar 1.69%.
Peningkatan akurasi juga bisa dilihat dari jumlah kluster SOM. Jika dilihat dari grafik pada Gambar 23, untuk semua jumlah koefesien MFCC yang sama, peningkatan jumlah kluster SOM tidak selalu menghasilkan peningkatan akurasi identifkasi pembicara. Tetapi meskipun begitu, grafik tersebut menunjukan peningkatan akurasi tertinggi selalu terjadi pada saat jumlah kluster SOM 81.
Percobaan pada Data Uji yang Diberi Noise
Percobaan ini dilakukan pada data uji yang telah diberi noise terlebih dahulu. Inti dari percobaan ini adalah untuk menguji pengaruh algoritma LMS dalam identifikasi pembicara pada data uji yang mengalami noise. Noise yang digunakan disini adalah sebesar 20 dB terhadap suara asli. Pada percobaan ini proses LMS dilakukan pada praproses data. Selain itu percobaan disini juga akan membandingkan kemampuan identifikasi pembicara antara teknik sebelumnya dan teknik yang diusulkan pada data uji yang diberi noise. Percobaan dilakukan dengan merubah beberapa nilai parameter. Parameter yang dirubah-rubah nilainya adalah learning rate LMS, koefisien MFCC dan jumlah kluster pada SOM. Learning rate ANC yang dicoba adalah 0.1, 0.3, 0.5, 0.7 dan 0.9. Koefisien MFCC yang dicoba adalah 13, 15 dan 20. Jumlah kluster SOM yang akan dicoba adalah 9, 16, 25, 36, 49, 64, 81 dan 100. Selain itu ada parameter yang dibuat tetap selama percobaan, yaitu panjang frame MFCC adalah 25 ms, overlap MFCC adalah 0.4, topologi SOM adalah heksagonal dan jumlah iterasi SOM adalah 1000.
Koefesien MFCC 13
Hasil percobaan koefesien MFCC 13 yang dibahas disini adalah hasil percobaan yang menggunakan nilai learning rate 0.7 pada LMS. Hasil percobaan ini dipilih karena akurasi identifikasi pembicara dengan menggunakan koefesien MFCC 13 tertinggi terjadi pada percobaan ini. Hasil percobaan lain dapat dilihat pada Lampiran 1.
Grafik pada Gambar 24 menunjukkan akurasi identifikasi pembicara tertinggi pada data uji noiseyang tidak menggunakan LMS pada praproses datanya sangat rendah, yaitu 1.45% pada teknik sebelumnya dan 1.63% pada teknik yang diusulkan. Kedua akurasi tersebut terjadi pada jumlah kluster SOM 9.
Grafik pada Gambar 24 juga menunjukkan akurasi identifikasi pembicara menjadi sangat meningkat setelah dilakukan algoritma LMS pada praproses data. Akurasi tertinggi dengan teknik sebelumnya adalah 82.35%. Akurasi tertinggi dengan menggunakan teknik yang diusulkan adalah 90.72%. Kedua akurasi tertinggi ini terjadi pada kluster SOM dengan jumlah 64. Kedua akurasi tertinggi ini juga menunjukkan peningkatan akurasi antara teknik yang diusulkan dan
teknik sebelumnya pada data uji mengalami noise yang telah dilakukan proses LMS cukup signifikan, yaitu peningkatan paling tinggi 8.37%.
Gambar 24. Grafik perbandingan akurasi identifikasi pembicara, noise 20 dBkoefisien MFCC 13, LR ANC 0.7
Koefesien MFCC 15
Hasil percobaan koefesien MFCC 15 yang dibahas disini adalah hasil percobaan yang menggunakan nilai learning rate 0.7 pada LMS. Hasil percobaan ini dipilih karena akurasi identifikasi pembicara dengan menggunakan koefesien MFCC 15 tertinggi terjadi pada percobaan ini. Hasil percobaan lain dapat dilihat pada Lampiran 1.
Sama dengan pada koefesien MFCC 13, akurasi identifikasi pembicara pada koefesien MFCC 15 sebelum menggunakan LMS pada praproses data sangat rendah. Pada teknik sebelumnya akurasi tertinggi identifikasi pembicara hanya 1.93%, ini terjadi pada jumlah kluster SOM 9. Sedangkan pada teknik yang diusulkan akurasi tertinggi identifikasi pembicara hanya 1.99 %, ini terjadi pada jumlah kluster SOM 9 dan 16.
Grafik pada Gambar 25 menunjukkan akurasi identifikasi pembicara menjadi sangat meningkat setelah dilakukan algoritma LMS pada praproses data. Akurasi tertinggi dengan teknik sebelumnya adalah 83.13%. Akurasi ini terjadi pada jumlah kluster SOM 100. Perbedaan akurasi tidak terlalu jauh jika dibandingkan dengan MFCC kofesien 13, yaitu meningkat hanya 0,78%. Akurasi tertinggi dengan menggunakan teknik yang diusulkan adalah 91.33%. Akurasi ini terjadi pada jumlah kluster SOM 64. Sama dengan teknik sebelumnya, perbedaan akurasi teknik yang diusulkan jika dibandingkan dengan MFCC dengan koefesien 13 tidak jauh berbeda, yaitu hanya meningkat 0.61%. Jika dibandingkan antara
Perbandingan Akurasi, DB 20, MFCC 13, LR ANC 0.7
0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00
Jumlah kluster SOM
A k u ra s i (% )
Teknik sebelumnya tanpa ANC 1.45 1.39 1.39 1.02 1.08 1.02 0.96 0.90
Teknik sebelumnya dngn ANC 78.19 81.20 82.23 82.17 82.05 82.35 82.29 81.99
Teknik ditawarkan tanpa ANC 1.63 1.39 1.33 1.08 1.08 0.96 1.02 1.02
Teknik ditawarkan dengan ANC 84.70 88.73 89.94 90.06 90.60 90.72 90.66 90.54
teknik sebelumnya peningkatan akurasi identifikasi pembicara teknik yang diusulkan pada koefesien MFCC 15 cukup signifikan yaitu 8.2%.
Gambar 25. Grafik perbandingan akurasi identifikasi pembicara, noise 20 dBkoefisien MFCC 20, LR ANC 0.7
Koefesien MFCC 20
Hasil percobaan koefesien MFCC 20 yang dibahas disini adalah hasil percobaan yang menggunakan nilai learning rate 0.7 pada LMS. Hasil percobaan ini dipilih karena akurasi identifikasi pembicara dengan menggunakan koefesien MFCC 20 tertinggi terjadi pada percobaan ini. Hasil percobaan lain dapat dilihat pada Lampiran 1.
Sama dengan pada koefesien MFCC 13 dan 15, akurasi identifikasi pembicara pada koefesien MFCC 20 sebelum menggunakan LMS pada prarposes data sangat rendah. Pada teknik sebelumnya akurasi tertinggi identifikasi pembicara hanya 2.11%, ini terjadi pada jumlah kluster SOM 9. Sedangkan pada teknik yang diusulkan akurasi tetinggi identifikasi pembicara hanya 1.93 %, ini terjadi pada jumlah kluster SOM 9.
Grafik pada Gambar 26 menunjukkan akurasi identifikasi pembicara pada koefesien MFCC 20 menjadi sangat meningkat setelah dilakukan algoritma LMS pada praproses data. Akurasi tertinggi dengan teknik sebelumnya adalah 84.64%. Akurasi ini terjadi pada jumlah kluster SOM 100. Perbedaan akurasi tidak terlalu jauh jika dibandingkan dengan MFCC kofesien 13 dan 15, yaitu masing-masing meningkat hanya 2.29% dan 1.51%. Akurasi tertinggi dengan menggunakan teknik yang diusulkan adalah 92.47%. Akurasi ini terjadi pada jumlah kluster SOM 64. Sama dengan teknik sebelumnya, perbedaan akurasi teknik yang diusulkan jika dibandingkan dengan MFCC dengan koefesien 13 dan 15 tidak jauh berbeda, yaitu masing-masing hanya meningkat 1.75% dan 1.14%.
Perbandingan Akurasi, DB 20, MFCC 15, LR ANC 0.7
0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00
Jumlah kluster SOM
A k u ra s i (% )
Teknik sebelumnya tanpa ANC 1.93 1.75 0.96 0.96 1.33 0.78 1.20 1.14
Teknik sebelumnya dngn ANC 79.46 81.57 82.77 82.71 82.65 82.53 82.77 83.13
Teknik ditawarkan tanpa ANC 1.99 1.99 1.14 1.27 0.96 1.02 1.08 1.20
Teknik ditawarkan dengan ANC 86.81 89.46 91.14 91.27 91.20 91.33 91.08 90.84
Jika dibandingkan antara teknik sebelumnya peningkatan akurasi identifikasi pembicara teknik yang diusulkan pada koefesien MFCC 20 cukup signifikan yaitu 7.83%.
Gambar 26. Grafik perbandingan akurasi identifikasi pembicara, noise 20 dBkoefisien MFCC 20, LR ANC 0.7
Pengaruh Learning Rate LMS Terhadap Akurasi Identifikasi Pembicara pada Teknik yang Diusulkan
Percobaan di bagian ini dilakukan khusus pada teknik yang diusulkan. Percobaan ini untuk melihat pengaruh learning rate LMS terhadap akurasi identifikasi pembicara. Hasil percobaan yang dibahas disini adalah hasil percobaan pada koefesien MFCC berjumlah 20. Sedangkan hasil percobaan pada MFCC koefesien lainnya dapat dilihat pada Lampiran 2. Grafik hasil percobaan dapat dilihat pada Gambar 27.
Gambar 27 menunjukkan dengan menggunakan nilai learning rate LMS 0.1 hasil akurasi pembicara pada semua jumlah kluster SOM yang dicoba adalah rendah. Hasil akurasi tertinggi dengan learning rate 0.1 terjadi pada saat jumlah kluster SOM 36, yaitu 47.89%. Pada saat learning rate dinaikan menjadi 0.3, akurasi identifikasi pembicara meningkat dengan sangat baik. Hasil akurasi tertinggi dengan learning rate 0.3 terjadi pada jumlah kluster SOM 36, yaitu 85%. Jika dibandingkan dengan akurasi tertinggi learning rate 0.1 peningkatannya sangat signifikan, yaitu 37.11%. Pada saat learning rate dinaikan menjadi 0.5, akurasi pembicara juga meningkat dengan baik. Akurasi identifikasi pembicara tertinggi dengan learning rate 0.5 terjadi pada jumlah kluster SOM 64, yaitu 90.48%. Jika dibandingkan dengan akurasi tertinggi learning rate 0.3 peningkatannya cukup signifikan, yaitu 5.48%.
Perbandingan Akurasi, DB 20, MFCC 20, LR ANC 0.7
0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00
Jumlah kluster SOM
A k ura si ( % )
Teknik sebelumnya tanpa ANC 2.11 1.87 1.27 0.96 1.02 1.14 0.96 0.84
Teknik sebelumnya dngn ANC 81.87 83.86 84.22 83.86 84.10 84.40 84.58 84.64
Teknik ditawarkan tanpa ANC 1.93 1.81 1.39 0.96 1.14 1.02 1.33 1.02
Teknik ditawarkan dengan ANC 87.59 90.54 91.63 92.17 92.35 92.47 91.75 92.17
Gambar 27. Grafik pengaruh learning rate ANC/LMS terhadap akurasi identifikasi pembicara pada teknik yang diusulkan,
noise 20 dB, koefesien MFCC 20
Pada saat learning rate dinaikan menjadi 0.7, akurasi tertinggi adalah 92.47%. Akurasi ini terjadi pada jumlah kluster SOM 64. Jika dibandingkan dengan akurasi pada saat learning rate 0.5, peningkatan akurasi tidak terlalu signifikan, yaitu hanya sekitar 1.99%. Tetapi meskipun begitu akurasi tertinggi dari semua percobaan yang dilakukan terjadi pada learning rate 0.7. Pada saat
learning rate 0.9, akurasi tertinggi adalah 92.11%. Ini terjadi pada saat jumlah kluster SOM 49 dan 64. Jika dibandingkan dengan pada saat learning rate 0.7, akurasi identifikasi pembicara pada learning rate 0.9 mengalami penurunan sebesar 0.36%.
Pengaruh Learning Rate LMS Terhadap Akurasi Identifikasi Pembicara pada Teknik Sebelumnya
Percobaan ini untuk melihat pengaruh learning rate LMS pada teknik sebelumnya terhadap akurasi identifikasi pembicara. Hasil percobaan yang dibahas disini adalah hasil percobaan pada koefesien MFCC berjumlah 20. Sedangkan hasil percobaan pada MFCC koefesien lainnya dapat dilihat pada Lampiran 2. Hasil percobaan dapat dilihat pada Gambar 28.
Pengaruh Learning Rate ANC Terhadap Akurasi (Teknik yang ditawarkan, DB20, MFCC 20)
0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00
Learning rate ANC
A k ura si ( % ) 9 46.51 79.58 85.00 87.59 88.37 16 43.80 81.20 88.80 90.54 90.84 25 44.58 82.41 89.70 91.63 91.69 36 47.89 85.00 90.42 92.17 91.87 49 47.77 83.49 90.12 92.35 92.11 64 46.93 84.34 90.48 92.47 92.11 81 47.17 84.40 90.42 91.75 91.45 100 45.18 83.80 89.88 92.17 91.20 0.1 0.3 0.5 0.7 0.9
Gambar 28. Grafik pengaruh learning rate ANC/LMS terhadap akurasi identifikasi pembicara pada teknik yang sebelumnya,
noise 20 dB, koefesien MFCC 20
Gambar 28 menunjukkan dengan menggunakan nilai learning rate LMS 0.1 hasil akurasi pembicara pada semua jumlah kluster SOM yang dicoba sangat rendah. Hasil akurasi tertinggi dengan learning rate 0.1 terjadi pada saat jumlah kluster SOM 25, yaitu 33.61%. Pada saat learning rate dinaikan menjadi 0.3, akurasi identifikasi pembicara meningkat dengan sangat baik meskipun akurasi tertinggi masih di bawah 70%. Hasil akurasi tertinggi dengan learning rate 0.3 terjadi pada jumlah kluster SOM 100, yaitu 69.70%. Jika dibandingkan dengan akurasi tertinggi learning rate 0.1 peningkatannya adalah 36.09%.
Pada saat learning rate dinaikan menjadi 0.5, akurasi identifikasi pembicara sudah mencapai besar dari 70%. Akurasi identifikasi pembicara tertinggi dengan learning rate 0.5 terjadi pada jumlah kluster SOM 100, yaitu 80.78%. Jika dibandingkan dengan akurasi tertinggi learning rate 0.3 peningkatannya cukup signifikan, yaitu 11.08%.Pada saat learning rate dinaikan menjadi 0.7, akurasi tertinggi adalah 84.64%. Akurasi ini terjadi pada jumlah kluster SOM 100. Jika dibandingkan dengan akurasi pada saat learning rate 0.5, peningkatan akurasi cukup signifikan, yaitu 3.86%. Pada saat learning rate 0.9, akurasi tertinggi adalah 80.60%. Ini terjadi pada saat jumlah kluster SOM 36. Jika dibandingkan dengan pada saat learning rate 0.7, akurasi identifikasi pembicara pada learning rate 0.9 mengalami penurunan yang signifikan, yaitu sebesar 4.04%.
Pengaruh Learning Rate ANC Terhadap Akurasi (Teknik sebelumnya, DB20, MFCC 20) 0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00
Learning rate ANC
A k ura si ( % ) 9 33.07 65.96 77.05 81.87 77.83 16 33.43 68.61 79.76 83.86 80.24 25 33.61 69.28 80.54 84.22 80.36 36 33.13 68.43 80.24 83.86 80.60 49 32.65 69.28 80.12 84.10 80.12 64 32.65 68.86 80.18 84.40 80.24 81 33.31 68.37 80.60 84.58 80.30 100 32.29 69.70 80.78 84.64 80.48 0.1 0.3 0.5 0.7 0.9
Pengaruh Learning Rate LMS Terhadap Peningkatan Akurasi Identifikasi Pembicara pada Teknik yang Diusulkan dari Teknik Sebelumnya
Percobaan ini untuk melihat pengaruh learning rate LMS pada teknik sebelumnya terhadap akurasi pembicara. Hasil percobaan yang dibahas disini adalah hasil percobaan pada koefesien MFCC berjumlah 20. Sedangkan hasil percobaan pada MFCC koefesien lainnya dapat dilihat pada Lampiran 3. Hasil percobaan dapat dilihat pada Gambar 29.
Grafik pada Gambar 29 menunjukan bahwa peningkatan nilai learning rate tidak selalu mengakibatkan peningkatan akurasi identifikasi pembicara yang lebih tinggi pada teknik pengukuran kemiripan yang diusulkan jika dibandingkan dengan teknik sebelumnya. Bahkan pada nilai learning rate 0.5 dan 0.7 peningkatan akurasi cenderung menurun. Jika dilihat dari learning rate yang sama, jumlah kluster SOM juga tidak mengakibatkan peningkatan akurasi yang lebih tinggi. Peningkatan akurasi tertinggi terjadi pada learning rate 0.3 dan jumlah kluster SOM 36, yaitu 16.57%.
Gambar 29. Grafik pengaruh learning rate ANC/LMS terhadap peningkatan akurasi identifkasi pembicara teknik yang diusulkan dari teknik sebelumnya.
0 .1 0 .3 0 .5 0 .7 0 .9 9 25 49 81 0.00 5.00 10.00 15.00 20.00 A k u ra s i (% )
Learning rate ANC
Jumlah Kluster SOM
Pengaruh Learning Rate ANC terhadap Peningkatan Akurasi Teknik yang Ditawarkan dari Teknik Sebelunya (DB20, MFCC 20)
9 13.43 13.61 7.95 5.72 10.54 16 10.36 12.59 9.04 6.69 10.60 25 10.96 13.13 9.16 7.41 11.33 36 14.76 16.57 10.18 8.31 11.27 49 15.12 14.22 10.00 8.25 11.99 64 14.28 15.48 10.30 8.07 11.87 81 13.86 16.02 9.82 7.17 11.14 100 12.89 14.10 9.10 7.53 10.72 0.1 0.3 0.5 0.7 0.9
Pengaruh Koefesien MFCC Terhadap Akurasi Identifikasi Pembicara pada Teknik yang Diusulkan
Percobaan di bagian ini dilakukan khusus pada teknik yang diusulkan. Percobaan ini untuk melihat pengaruh peningkatan jumlah MFCC koefesien terhadap akurasi identifikasi pembicara. Hasil percobaan yang dibahas disini adalah hasil percobaan pada learning rate LMS bernilai 0.7. Sedangkan hasil percobaan pada learning rate LMS lainnya dapat dilihat pada Lampiran 4. Grafik hasil percobaan dapat dilihat pada Gambar 30.
Gambar 30 menunjukan bahwa dengan menggunakan teknik yang diusulkan peningkatan jumlah MFCC koefesien tidak mengakibatkan peningkatan yang signifikan terhadap akurasi identifikasi pembicara. Ini dapat dilihat pada akurasi tertinggi pada masing-masin koefesien MFCC yang dicoba. Akurasi tertinggi pada koefesien MFCC 13, 15 dan 20 masing-masing adalah 90.72%, 91.33% dan 92.47%. Semua akurasi tertinggi terjadi pada jumlah kluster SOM 64. Berdasarkan akurasi tertinggi peningkatan akurasi identifikasi pembicara dari koefesien MFCC 13 ke 15 hanya 0.61%. Peningkatan akurasi identifikasi pembicara dari koefesien MFCC 15 ke 20 hanya 1.14%.
Gambar 30. Grafik pengaruh koefesien MFCC terhadap akurasi identifikasi pembicara pada teknik yang diusulkan, noise 20 dB,learning rate ANC/LMS 0.7.
Pengaruh MFCC Koefesien Terhadap Akurasi (Teknik yang ditawarkan, DB20, LR ANC 0.7)
0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00 MFCC Koefesien A k ura si ( % ) 9 84.70 86.81 87.59 16 88.73 89.46 90.54 25 89.94 91.14 91.63 36 90.06 91.27 92.17 49 90.60 91.20 92.35 64 90.72 91.33 92.47 81 90.66 91.08 91.75 100 90.54 90.84 92.17 13 15 20
Pengaruh Koefesien MFCC Terhadap Akurasi Identifikasi Pembicara pada Teknik Sebelumnya
Percobaan ini untuk melihat pengaruh peningkatan jumlah MFCC koefesien terhadap akurasi identifikasi pembicara pada teknik sebelumnya. Hasil percobaan yang dibahas disini adalah hasil percobaan pada learning rate LMS bernilai 0.7. Sedangkan hasil percobaan pada learning rate LMS lainnya dapat dilihat pada Lampiran 4. Grafik hasil percobaan dapat dilihat pada Gambar 31.
Gambar 31 menunjukan bahwa dengan menggunakan teknik sebelumnya peningkatan jumlah MFCC koefesien tidak mengakibatkan peningkatan yang signifikan terhadap akurasi identifikasi pembicara. Ini dapat dilihat pada akurasi tertinggi pada masing-masin koefesien MFCC yang dicoba. Akurasi tertinggi pada koefesien MFCC 13, 15 dan 20 masing-masing adalah 82.35%, 83.13% dan 84.64%. Akurasi tertinggi untuk koefesien MFCC 13 terjadi pada jumlah kluster SOM 64, sedangkan untuk koefesien MFCC 15 dan 20 terjadi pada jumlah kluster SOM 100. Berdasarkan akurasi tertinggi peningkatan akurasi identifikasi pembicara dari koefesien MFCC 13 ke 15 hanya 0.78%. Peningkatan akurasi identifikasi pembicara dari koefesien MFCC 15 ke 20 hanya 1.51%.
Gambar 31. Grafik pengaruh koefesien MFCC terhadap akurasi identifikasi pembicara pada teknik sebelumnya, noise 20 dB,learning rate ANC/LMS 0.7
Pengaruh MFCC Koefesien Terhadap Akurasi (Teknik sebelumnya, DB20, LR ANC 0.7)
0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00 MFCC Koefesien A k ura si ( % ) 9 78.19 79.46 81.87 16 81.20 81.57 83.86 25 82.23 82.77 84.22 36 82.17 82.71 83.86 49 82.05 82.65 84.10 64 82.35 82.53 84.40 81 82.29 82.77 84.58 100 81.99 83.13 84.64 13 15 20
Pengaruh Jumlah Koefesien MFCC Terhadap Peningkatan Akurasi Identifikasi Pembicara pada Teknik yang Diusulkan dari Teknik Sebelumnya
Percobaan ini untuk melihat pengaruh jumlah koefesien MFCC pada peningkatan akurasi identifikasi pembicara teknik yang diusulkan jika dibandingkan dengan teknik sebelumnya. Hasil percobaan yang dibahas disini adalah hasil percobaan pada nilai learning rate 0.7. Sedangkan hasil percobaan pada learning rate lainnya lainnya dapat dilihat pada lampiran 5. Hasil percobaan dapat dilihat pada Gambar 32.
Gambar 32. Grafik pengaruh koefesien MFCC terhadap peningkatan akurasi identifkasi pembicara teknik yang diusulkan dari teknik sebelumnya.
13 15 20 9 16 25 36 49 64 81 100 0.00 5.00 10.00 15.00 20.00 A k ura si ( % ) MFCC Koefesien Jumlah Kluster SOM Pengaruh MFCC Koefesien terhadap Peningkatan Akurasi Teknik yang
Ditawarkan dari Teknik Sebelunya (DB20, LR ANC 0.7)
9 6.51 7.35 5.72 16 7.53 7.89 6.69 25 7.71 8.37 7.41 36 7.89 8.55 8.31 49 8.55 8.55 8.25 64 8.37 8.80 8.07 81 8.37 8.31 7.17 100 8.55 7.71 7.53 13 15 20
Grafik pada Gambar 32 menunjukan bahwa penigkatan nilai jumlah koefesien MFCC tidak selalu mengakibatkan peningkatan akurasi identifikasi pembicara yang lebih tinggi pada teknik pengukuran kemiripan yang diusulkan jika dibandingkan dengan teknik sebelumnya. Pada saat jumlah koefesien MFCC 13, jumlah kluster SOM yang semakin tinggi menghasilkan peningkatan akurasi yang lebih baik. Sedangkan jumlah koefesien MFCC 15 dan 20, peningkatan jumlah kluster SOM tidak selalu mengakibatkan peningkatan akurasi yang lebih baik. Peningkatan akurasi tertinggi terjadi pada koefesien MFCC 13 dan jumlah kluster SOM 64, yaitu 8.8%.