III. PERANCANGAN SISTEM
3.4 Perancangan Algoritma Perangkat Lunak Pendukung Sistem
Perancangan sistem ini tidak hanya merancang hardware tetapi juga merancang program perangkat lunak. Program perangkat lunak dibuat menggunakan sketch Arduino yang akan deprogram terhadap komponen utama ATMEGA328P. Bahasa pemprograman pada sketch Arduino mirip dengan bahasa C++, untuk melakukan pengujian program tidak perlu membutuhkan downloader tambahan karena mikrokontroler Arduino UNO telah dilengkapi dengan fungsi program ISP yang memudahkan penggunanya untuk memasukkan listing program ATMEGA328P. Pada umumnya program yang akan dimasukkan sebuah chip mikrokontroler harus berbentuk file dot HEX sedangkan pada Arduino hal ini tidak diperlukan karena sudah dimudahkan oleh sketch Arduino untuk mengubah secara langsung program yang kita buat menjadi file dot HEX, hal inilah yang menjadi penyebab Arduino UNO menjadi salah satu perangkat mikrokontroler yang diminati oleh masyarakat pada umumnya.
Pada awalnya alat tersebut harus dihubungkan ke salah satu port USB komputer, tujuannya untuk memperoleh suplay daya bertujuan untuk mengaktifkan alat tersebut sekaligus menghubungkan antara alat terhadap laptop melalui komunikasi serial to USB, setelah alat terhubung dengan laptop kita harus memastikan terlebih dahulu COM-port berapa pada laptop yang telah terhubung, selanjutnya kita membuka program sketch Arduino untuk melihat apakah data serial telah terkirim jika data serial terkirim dengan baik maka kemudian kita menjalankan program matlab, setelah itu atur parameter yang terdapat pada sistem ini. Selanjutnya program matlab dijalankan untuk memperoleh data dari hasil pengolahan data tersebut yang selanjutnya data tersebut ditampilkan dilayar komputer dalam bentuk grafik. Adapun secara sederhana dapat dijelaskan pada Gambar 3.11 flowchart perancangan algoritma perngkat lunak pendukung sistem dan sintaks program secara keseluruhan ditunjukkan Lampiran 2.
BAB IV
HASIL DAN PENGUJIAN SISTEM
4.1 Persiapan Perangkat Pendukung Pengambilan Data
Untuk melakukan pengambilan data maka diperlukan beberapa perangkat yang digunakan untuk mempermudah pengambilan data baik untuk data referensi maupun mempermudah sistem beroperasi secara baik dan sesuai yang diharapkan penulis. Perangkat yang dimaksud penulis dalam pengujian sistem ini tidak hanya berkaitan dengan alat yang berupa barang tetapi berhubungan juga terhadap tempat dan waktu serta orang-orang yang membantu dalam pengujian sistem ini.
Adapun beberapa perangkat yang digunakan antara lain: 1. Tempat dan Waktu
Pegujian dan pengambilan data sistem ini diambil pada tanggal 18 Agustus 2015 dan bertempat di Komplek Puri. Pasar 1 Tanjung Sari No. 30 Ring Road Medan. 2. Partisipan
Partisipan adalah orang yang ikut membantu pengambilan data yang mana orang tersebut diambil sample suaranya untuk dijadikan sebagai data pengujian. Jumlah orang yang ikut berpartisipasi sebanyak 6 orang yang merupakan sahabat penulis dan termasuk penulis sendiri.
3. Laptop
Dalam pengujian sistem digunakan laptop bermerk Asus Intel Inside bertipe Intel® CPU N2815 sebagai unit pengolah data yang dikirim oleh sistem dan sekaligus untuk menampilkan data dalam bentuk grafik.
4. Software Matlab
Matlab merupakan salah satu bahasa pemrograman dengan unjuk kerja tinggi (high performance) untuk komputasi teknis yang mengintegrasikan komputasi visualisasi dan pemrograman di dalam lingkungan yang mudah penggunaannya dalam memecahkan persoalan dengan solusi yang dinyatakan dengan notasi matematik. Pada pengujian ini digunakan Matlab 2012a dengan batasan lingkungan kerja hanya pada pemrograman koding pada lingkungan m-file. 5. Headset
Dalam pengujian sistem ini headset digunakan untuk mengambil semple suara partisiapan yang akan digunakan sebagai data referensi. Headset yang digunakan bermerk Sades® tipe 7.1ch kcc-rei-dbo-sa901.
6. Aplikasi Generator Function
Aplikasi generator function adalah alat ukur elektromagnetik yang menghasilkan gelombang berbentuk sinus, segitiga, ramp, segiempat dan bentuk segiempat dimana frekuensinya bisa diatur sesuai yang diinginkan. Generator function yang digunakan berbasis Android. Pada pengujian sistem ini generator function digunakan sebagai pembangkit sinyal suara dengan frekuensi suara manusia.
4.2 Pengujian Filter pada Advanced Design System (ADS)
Pada pengujian ini bertujuan untuk mengetahui respon filter terhadap parameter yang berkaitan dengan sinyal suara. Pengujian ini menggunakan Advanced System Design (ADS) versi 2009. Adapun tampilan software tersebut diperlihatkan Gambar 4.1.
Gambar 4.1 Rangkaian Simulasi Filter Menggunakan Software ADS
Dari hasil simulasi yang telah dijalankan pada software tersebut berdasarkan Sparameter diantaranya respon filter frekuensi terhadap phasa, frekuensi terhadap dB, frekuensi terhadap realtime, frekuensi terhadap magnetude. Respon frekuensi adalah sebuah representasi respon sistem terhadap input sinusoidal pada frekuensi yang bervariasi. Output dari sistem linier terhadap input sinusoidal mempunyai frekuensi yang sama tetapi berbeda dalam hal magnetude dan phasa-nya. Frekuensi respon di defenisikan sebagai perbedaan megnitude dan phasa antara input dan output sinus. Adapun grafik hasil simulasi dari respon filter tersebut dimana respon frekuensi terhadap phasa ditunjukkan pada Gambar 4.2.
Gambar 4.2 Respon frekuensi terhadap phasa
Berdasarkan hasil simulasi respon filter frekuensi terhadap phasa memperlihatkan bahwa sinyal suara mengalami perubahan sesuai dengan ketentuan besarnya phasa atau sifat low pass filter dimana respon filter mengalami perubahan secara signifikan berdasarkan gelombang sinyal masukan yang dapat diperlihatkan Gambar 4.3 grafik respon frekuensi terhadap dB .
Gambar 4.3 Respon frekuensi terhadap dB
Berdasarkan hasil simulasi respon filter frekuensi terhadap dB memperlihatkan bahwa sinyal suara mengalami perubahan sesuai dengan dengan peningkatan gain terhadap
respon filter yang mengalami perubahan secara signifikan berdasarkan gelombang sinyal masukan yang diperlihatkan Gambar 4.4 grafik respon frekuensi terhadap realtime
Gambar 4.4 Respon frekuensi terhadap realtime
Berdasarkan hasil simulasi respon filter frekuensi terhadap realtime memperlihatkan bahwa sinyal suara mengalami perubahan sesuai dengan level tegangan dimana respon filter mengalami perubahan secara signifikan berdasarkan gelombang sinyal masukan yang dapat dilihat pada Gambar 4.5 grafik respon frekuensi terhadap magnetude.
Berdasarkan hasil simulasi respon filter frekuensi terhadap magnetude memperlihatkan bahwa sinyal suara yang melewati sistem titik stabil yang dibuktikan dengan perubahan magnetude yang tidak terlalu besar setiap sinyal masukan melewati sistem.
4.3 Pegujian Sistem Menggunakan Function Generator Berdasarkan Frekuensi Suara Manusia
Pada awalnya alat tersebut harus dihubungkan ke salah satu port USB komputer, tujuannya untuk memperoleh suplay daya yang bertujuan untuk mengaktifkan alat tersebut sekaligus menghubungkan antara alat terhadap laptop melalui komunikasi serial to USB, setelah alat terhubung dengan laptop kita harus memastikan terlebih dahulu COM-port berapa pada laptop yang telah terhubung, selanjutnya kita membuka program sketch Arduino untuk melihat apakah data serial telah terkirim jika data serial terkirim dengan baik maka kemudian kita menjalankan program matlab, program yang pertama kali dijalankan adalah program untuk menyimpan data hasil pengiriman dari suara yang dihasilkan oleh generator function berdasarkan rentang frekuensi tertentu yaitu antara 340-3400 Hz. Data yang telah diperoleh akan dikonversi menjadi file suara dalam bentuk format wav yang bertujuan untuk memudahkan menganalisa dan membedakan setiap suara yang telah disimpan. Setelah itu atur parameter yang terdapat pada sistem ini. Selanjutnya program matlab dijalankan untuk memperoleh data dari hasil pengolahan data tersebut yang selanjutnya data tersebut ditampilkan dilayar komputer dalam bentuk grafik. Untuk dapat melihat lebih jelas hasil pengujian dari sistem ini menggunakan function Generator berdasarkan frekuensi suara manusia ditunjukkan Tabel 4.1.
Tabel 4.1 Tabel Pengujian Menggunakan Generator Function
No Frekuensi Amplitudo Waktu
1 340 Hz 100% 2 detik
2 1870 Hz 100% 2 detik
3 3400 Hz 100% 2 detik
Beradasarkan hasil pengujian menggunakan generator function dapat dianalisa bahwasanya hasil pengiriman data cukup baik sedikit mengalami kesalahan yang
ditunjukkan pada grafik diatas. Hal ini menunjukkan bahwasanya respon filter terhadap suara manusia cukup bagus.
4.4 Pengujian Terhadap File Suara yang Akan Dianalisa
Pada pengujian ini file suara yang diambil dengan selang waktu 2 detik dan dengan pengucapan kata “ZERO” dilakukan terhadap 6 orang yang berbeda-beda hal ini ditujukan untuk mendapatkan data sinyal suara yang selanjutnya akan dianalisa pada penelitian dengan judul “Analisa Pengenalan Karakteristik Suara Menggunakan MFCC Pada Sistem Pengenalan Sistem Pembicara”.
Untuk melakukan pengujian seperti yang dimaksudkan diatas langkah awal yang harus dilakukan adalah dengan menghubungkan sistem filter anti low pass chebychev ke salah satu port USB computer menggunakan kabel serial to USB tujuannya untuk memperoleh suplay daya yang bertujuan untuk mengaktifkan alat tersebut sekaligus menghubungkan antara alat terhadap laptop melalui komunikasi serial to USB, setelah alat terhubung dengan laptop kita harus memastikan terlebih dahulu COM-port berapa pada laptop yang telah terhubung, selanjutnya kita membuka program sketch Arduino untuk melihat apakah data serial telah terkirim jika data serial terkirim dengan baik maka kemudian kita menjalankan program matlab, program yang pertama kali dijalankan adalah program untuk menyimpan data hasil pengiriman dari suara yang dihasilkan oleh pengucapan kata „ZERO” dari setiap partisipan yang selanjutnya akan dikonversi menjadi file suara dalam bentuk format wav yang bertujuan untuk memudahkan menganalisa dan membedakan setiap suara yang telah disimpan. Setelah itu atur parameter yang terdapat pada sistem ini. Selanjutnya program matlab dijalankan untuk memperoleh data dari hasil pengolahan data tersebut yang selanjutnya data tersebut ditampilkan dilayar komputer dalam bentuk grafik.
Untuk dapat melihat lebih jelas hasil pengujian dari sistem ini yang menggunakan frekuensi suara manusia ditunjukkan Tabel 4.2.
Tabel 4.2 Data asli dan data pengujian partisipan pertama
No Nama Umur Suku
1 Ranzyskhar 22 Jawa
Data asli Data pengujian
Berdasarkan dari hasil pengujian kita dapat menjelaskan dan menganalisa setiap sinyal suara yang berasal dari tiap partisipan. Pada narasumber pertama dapat dilihat bahwa sinyal suara referensi yang diterima memiliki nilai amplitudo tertinggi dengan rentang -0,3 mV sampai -0,3 mV dan jumlah data yang diterima berkisar 6623 sample data dari total 16.000 data yang disediakan dalam waktu 2 detik. Sedangkan data pengujian pada narasumber pertama memiliki nilai amplitudo -0,4 mV sampai 0,5 mV dan jumlah data yang diterima berkisar 6887 sample data dari 16.000 data yang disediakan dalam waktu 2 detik. Hal ini menunjukkan selisih sample data sebanyak 264 sample data yang penulis simpulkan sebagai data noise yang ikut masuk kedalam sinyal suara pengujian pertama. Jika kita cermati permbandingan nilai sample data pengujian terhadap referensi memiliki tingkat penyimpangan kesalahan sebesar 4% yang menunjukkan sinyal suara pada pengujian pertama layak dijadikan sample suara pada penelitian
selanjutnya. Berikut data asli dan data penguji dari partisipan kedua ditunjukkan pada Tabel 4.3.
Tabel 4.3 Data asli dan data pengujian partisipan kedua
No Nama Umur Suku
2 Robby 23 Jawa
Data asli Data pengujian
Berdasarkan dari hasil pengujian kita dapat menjelaskan dan menganalisa setiap sinyal suara yang berasal dari tiap partisipan. Pada narasumber kedua dapat dilihat bahwa sinyal suara referensi yang diterima memiliki nilai amplitudo tertinggi dengan rentang -0,5 mV sampai -0,5 mV dan jumlah data yang diterima berkisar 7451 sample data dari total 16.000 data yang disediakan dalam waktu 2 detik. Sedangkan data pengujian pada narasumber kedua memiliki nilai amplitudo -0,5 mV sampai 0,8 mV dan jumlah data yang diterima berkisar 7349 sample data dari 16.000 data yang disediakan dalam waktu 2 detik. Hal ini menunjukkan selisih sample data sebanyak 102 sample data yang penulis simpulkan sebagai data mengalami redaman sehingga ada suara yang tidak ikut masuk kedalam sinyal suara pengujian kedua. Jika kita cermati permbandingan nilai sample data pengujian terhadap referensi memiliki tingkat penyimpangan kesalahan sebesar 1% yang menunjukkan sinyal suara pada pengujian kedua layak dijadikan
sample suara pada penelitian selanjutnya. Berikut Tabel 4.4 adalah data asli dan data penguji dari partisipan ketiga.
Tabel 4.4 Data asli dan data pengujian partisipan ketiga
No Nama Umur Suku
3 Pakwin 23 Aceh
Data asli Data pengujian
Berdasarkan dari hasil pengujian kita dapat menjelaskan dan menganalisa setiap sinyal suara yang berasal dari tiap partisipan. Pada narasumber ketiga dapat dilihat bahwa sinyal suara referensi yang diterima memiliki nilai amplitudo tertinggi dengan rentang -0,6 mVsampai 0,7 mV dan jumlah data yang diterima berkisar 4777 sample data dari total 16.000 data yang disediakan dalam waktu 2 detik. Sedangkan data pengujian pada narasumber ketiga memiliki nilai amplitudo -0,06 mV sampai 0,05 mV dan jumlah data yang diterima berkisar 1438 sample data dari 16.000 data yang disediakan dalam waktu 2 detik. Hal ini menunjukkan selisih sample data sebanyak 3339 sample data yang penulis menyimpulkan bahwa terjadnya redaman yang cukup besar sehingga banyak data yang tidak ikut masuk. Jika kita cermati permbandingan nilai sample data pengujian terhadap referensi memiliki tingkat penyimpangan kesalahan sebesar 70%
yang menunjukkan sinyal suara pada pengujian ketiga tidak layak dijadikan sample suara pada penelitian selanjutnya. Berikut Tabel 4.5 adalah data asli dan data penguji dari partisipan keempat.
Tabel 4.5 Data asli dan data pengujian partisipan keempat
No Nama Umur Suku
4 Fatih 22 Aceh
Data asli Data pengujian
Berdasarkan dari hasil pengujian kita dapat menjelaskan dan menganalisa setiap sinyal suara yang berasal dari tiap partisipan. Pada narasumber keempat dapat dilihat bahwa sinyal suara referensi yang diterima memiliki nilai amplitudo tertinggi dengan rentang -0,25 mV sampai -0,25mV dan jumlah data yang diterima berkisar 6262 sample data dari total 16.000 data yang disediakan dalam waktu 2 detik. Sedangkan data pengujian pada narasumber keempat memiliki nilai amplitudo -0,3 mV sampai 0,3 mV dan jumlah data yang diterima berkisar 5110 sample data dari 16.000 data yang disediakan dalam waktu 2 detik. Hal ini menunjukkan selisih sample data sebanyak 1152 sample data yang penulis menyimpulkan adanya redaman yang terjadi pada pengujian yang keempat. Jika kita cermati permbandingan nilai sample data pengujian terhadap referensi memiliki tingkat penyimpangan kesalahan sebesar 18% yang menunjukkan sinyal suara pada
pengujian keempat kurang layak dijadikan sample suara pada penelitian selanjutnya. Berikut Tabel 4.6 adalah data asli dan data penguji dari partisipan kelima.
Tabel 4.6 Data asli dan data pengujian partisipan kelima
No Nama Umur Suku
5 Deni 24 Batak
Data asli Data pengujian
Berdasarkan dari hasil pengujian kita dapat menjelaskan dan menganalisa setiap sinyal suara yang berasal dari tiap partisipan. Pada narasumber kelima dapat dilihat bahwa sinyal suara referensi yang diterima memiliki nilai amplitudo tertinggi dengan rentang -0,6 mV sampai 0,5 mV dan jumlah data yang diterima berkisar 6044 sample data dari total 16.000 data yang disediakan dalam waktu 2 detik. Sedangkan data pengujian pada narasumber kelima memiliki nilai amplitudo -0,4 mV sampai 0,4 mV dan jumlah data yang diterima berkisar 7890 sample data dari 16.000 data yang disediakan dalam waktu 2 detik. Hal ini menunjukkan selisih sample data sebanyak 1846 sample data yang penulis menyimpulkan bahwa adanya noise yang ikut masuk kedalam sinyal suara pengujian kelima. Jika kita cermati permbandingan nilai sample data pengujian terhadap referensi memiliki tingkat penyimpangan kesalahan sebesar 31% yang menunjukkan
sinyal suara pada pengujian kelima kurang layak dijadikan sample suara pada penelitian selanjutnya. Berikut Tabel 4.7 adalah data asli dan data penguji dari partisipan keenam.
Tabel 4.7 Data asli dan data pengujian partisipan keenam
No Nama Umur Suku
6 Duha 23 Batak
Data asli Data pengujian
Berdasarkan dari hasil pengujian kita dapat menjelaskan dan menganalisa setiap sinyal suara yang berasal dari tiap partisipan. Pada narasumber keenam dapat dilihat bahwa sinyal suara referensi yang diterima memiliki nilai amplitudo tertinggi dengan rentang -0,15 mV sampai -0,15 mV dan jumlah data yang diterima berkisar 4018 sample data dari total 16.000 data yang disediakan dalam waktu 2 detik. Sedangkan data pengujian pada narasumber keenam memiliki nilai amplitudo -0,2 mV sampai 0,3 mV dan jumlah data yang diterima berkisar 3436 sample data dari 16.000 data yang disediakan dalam waktu 2 detik. Hal ini menunjukkan selisih sample data sebanyak 582 sample data yang penulis menyimpulkan adanya redaman yang terjadi pada pengujian keenam. Jika kita cermati permbandingan nilai sample data pengujian terhadap referensi memiliki tingkat penyimpangan kesalahan sebesar 14% yang menunjukkan sinyal suara pada pengujian keenam kurang layak dijadikan sample suara pada penelitian selanjutnya.
BAB V
KESIMPULAN DAN SARAN 5.1 Kesimpulan
1. Berdasarkan dari hasil pengujian yang telah dilakukan menunjukkan bahwa sinyal suara yang di filter pada penelitian ini masih memiliki noise yang cukup besar. 2. Jumlah data yang dikirimkan secara serial memiliki selisih yang cukup besar
terhadap jumlah data yang sebenarnya.
3. Dari 6 kali pengujian dengan partisipan yang berbeda hanya 2 partisipan yang menunjukkan data sinyal suara layak untuk dijadikan data pengolahan sistem pengenalan suara.
4. Konsep pengolahan data sinyal analog berupa suara percakapan manusia dengan rentang 300-3400 Hz mengunakan teknik ADC pada Arduino UNO dengan pengiriman data serial secara langsung tidak mampu mengolah data tersebut secara cepat dan tepat.
5.2 Saran
1. Dibutuhkan sebuah filter yang mampu mengurangi noise sehingga sinyal suara yang dihasilkan lebih layak dijadikan sebagai data pengolahan untuk sistem pengenalan suara.
2. Dibutuhkan sebuah memori storage yang digunaka untuk menyimpan file suara dalam bentuk wav agar proses pengolahan data analog menjadi data digital dapat berjalan dengan baik.
BAB II DASAR TEORI
2. 1 Suara
Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitude tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun benda padat. Manusia dapat berkomunikasi dengan manusia lainnya dengan suara. Pembangkitan ucapan manusia dimulai dengan awal konsep dari gagasan yang ingin disampaikan pada pendengar. Pengucap mengubah gagasan tadi dalam struktur linguistik dengan memilih kata atau frasa yang secara tepat dapat mewakili dan membawakannya dengan tata bahasa yang dimengerti antara pengucap dan pendengar. Ucapan yang diucapkan memiliki tujuan tertentu dengan asumsi bahwa ucapan tersebut diucapkan secara benar, dapat diterima, dan dipahami oleh pendengar yang dituju. Pembangkitan ucapan pada hakekatnya berhubungan dengan kemampuan mendengar. Sinyal ucapan dibangkitkan oleh organ vokal dan ditransmisikan melalui udara menuju telinga pendengar[1].
Gelombang Bunyi
Produksi Suara pemahaman suara
Gambar 2.1 Lingkaran komunikasi suara
Gambar 2.1 memperlihatkan proses antara pengucap dengan pendengar serta mekanisme dalam produksi suara dan pemahaman suara oleh manusia.
Secara umum terdapat 2 faktor yang berpengaruh membentuk ciri suara manusia yaitu pitch dan timbre (warna suara). Pitch berpengaruh terhadap terhadap frekuensi dasar yang dimiliki oleh setiap benda yang bergetar dan mengeluarkan bunyi. Timbre merupakan muatan harmonik dari suara yang mempengaruhi karakteristik suara yang membuat kita bisa membedakan antara suara satu dengan suara yang lainnya.
2. 2 Pitch
Berbagai macam suara yang dapat didengar manusia merambat melalui udara dan dipantulkan ke segala arah. Salah satu parameter yang dapat digunakan untuk membedakan berbagai jenis suara adalah pitch atau frekuensi dasar dari suara tersebut. Perbedaan tinggi rendah suara berhubungan dengan jarak antar pitch pada gelombang (pitch period). Panjang jarak tersebut berpengaruh pada frekuensi. Semakin pendek jarak semakin tinggi frekuensi sebaliknya semakin lebar jarak semakin rendah frekuensi. Pada lingkup musik tinggi rendah suara diwakili dengan notasi. Setiap notasi memiliki standar frekuensi dan disimbolkan dengan huruf atau angka. Frekuensi sendiri merupakan banyak getaran per detik yang bisa dinyatakan bisa dinyatakan dalam satuan Hz. Gambar 2.2 memperlihatkan hubungan antara pitch dan pitch period[2].
Gambar 2.2 Pitch dan Pitch Period
2. 3 Timbre
Faktor lain yang menjadi ciri suara adalah timbre. Timbre dapat disebut sebagai kunci inti dari karakter suara manusia. Timbre merupakan faktor dari suara yang
membuat kita bisa membedakan antara suara yang satu dengan suara yang lainnya, walaupun pitch dan level kekerasan (loudness, dipengaruhi oleh amplitudo) suaranya sama. sebagai ilustrasi suara yang dihasilkan oleh gitar yang memainkan nada “A” berbeda dengan suara yang dihasilkan piano walaupun dimainkan dengan nada yang sama. Perbedaan karakter suara antara gitar dengan piano disebabkan perbedaan timbre. Getaran gelombang suara cukup kompleks, dan biasanya bergetar dalam beberapa frekuensi secara simultan. Inilah sebenarnya yang menyebabkan karakter suara masing-masing benda berbeda dikarenakan “muatan harmonik” timbre yang berbeda pula. Gambar 2.3 merupakan ilustrasi dari sebuah sinyal suara yang memiliki fundamental frekuensi sama dengan muatan harmonik berbeda[2].
Gambar 2.3 Muatan harmonik pada domain frekuensi
2. 4 Pengolahan Sinyal Suara
Definisi dari sinyal suara yaitu suatu sinyal yang mewakili dari suara. Sinyal suara dibentuk dari kombinasi berbagai frekuensi pada berbagai amplitudo dan fasa. Pengolahan suara adalah suatu perkembangan teknik dan sistem yang memungkinkan komputer suatu perangkat untuk mengenali dan memahami kata-kata yang diucapkan dengan cara digitalisasi kata dan mencocokkan sinyal digital tersebut dengan suatu pola tertentu yang tersimpan dalam suatu perangkat. kata-kata diucapkan diubah bentuknya
menjadi siyal digital dengan cara mengubah gelombang suara menjadi sekumpulan angka yang kemudian disesuaikan dengan kode-kode tertentu untuk mengidentifikasi kata-kata tersebut tersebut, hasil dari identifikasi kata yang diucapkan dapat ditampilkan dalam bentuk tulisan atau dapat dibaca oleh perangkat teknologi sebagai sebuah