Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
PENCOCOKAN POLA SUARA DENGAN ALGORITMA FFT DAN
DC
SKRIPSI
NURLAILY
060823025
PROGRAM STUDI SARJANA MATEMATIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
SPEECH RECOGNITION WITH ALGORITM FFT AND DC
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
NURLAILY
060823025
PROGRAM STUDI SARJANA MATEMATIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
PERSETUJUAN
Judul : PENCOCOKAN POLA SUARA DENGAN
ALGORITMA FFT DAN DC
Kategori : SKRIPSI
Nama : NURLAILY
Nomor Induk Mahasiswa : 060823025
Program Studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Maret 2009
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs.Sawaluddin, M.IT Drs. Bambang Irawan, M.Sc
NIP.132 206 398 NIP.130 535 840
Diketahui oleh :
Departemen Matematika FMIPA USU Ketua,
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
PERNYATAAN
PENCOCOKAN POLA SUARA DENGAN ALGORITMA FFT DAN DC
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Maret 2009
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT, dengan limpahan dan
karunia-Nya kertas kajian ini berhasil diselesaikan dalam waktu yang telah ditetapkan.
Ucapan terima kasih penulis sampaikan kepada Drs. Bambang Irawan, M.Sc
dan Drs.Sawaluddin, M.IT selaku pembimbing pada penyelesaian skripsi ini yang
telah memberikan panduan dan penuh kepercayaan kepada penulis untuk
menyempurnakan kajian ini. Panduan ringkas, padat dan professional telah diberikan
kepada penulis agar penulis dapat menyelesaikan tugas ini. Ucapan terima kasih juga
ditujukan kepada Ketua dan Sekretaris Departemen Matematika FMIPA USU
Dr. Saib Suwilo, M.Sc. dan Drs. Henry Rani Sitepu, M.Si, Dekan dan Pembantu
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera
Utara, semua dosen pada Departemen Matematika FMIPA USU, pegawai di FMIPA
USU, dan rekan-rekan kuliah. Akhirnya, tidak terlupakan kepada ke dua orang tua dan
semua ahli keluarga dan rekan terdekat penulis yang selama ini memberikan bantuan
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
ABSTRAK
Teknologi suara adalah salah satu teknologi aplikasi yang telah ditemukan beberapa
tahun lalu. Salah satunya adalah pencocokan pola suara yang merupakan proses
identifikasii suara berdasarkan kata yang diucapkan.
Pencocokan pola suara akan diproses dengan menggunakan metode Fast Fourier
Transform (FFT) dan metode Divide and Conquer (DC). Pada saat ada suara lain
masuk akan dicocokan dengan suara yang telah ada pada template. Apabila sesuai,
maka perintah suara menjalankan aplikasi komputer.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
ABSTRACT
Speech technology is one of the applied technologies which had found several years
ago. One of speech technology is speech recognition that is process identifikasi voice
bases word said. Speech Recognition will be processed by using m ethod Fast Fourier
Transform (FFT) and m ethod Divide and Conquer (DC). When another voice com es,
it will be com pared with the sam ple fill the tem plate. If according to, then voice
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstact vi
Daftar Isi vii
Daftar Tabel viii
Daftar Gambar ix
Bab 1. Pendahuluan 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Pembatasan Masalah 2
1.4 Tujuan penelitian 3
1.5 Kontribusi penelitian 3
1.6 Metode Penelitian 3
1.7 Tinjauan Pustaka 4
1.8 Rancangan Pencocokan pola Suara 6
Bab 2. Landasan Teori 8
2.1 Pembentukan Ucapan Manusia 8
2.2 Pengertian Suara 9
2.3 Proses Sampling 11
2.4 Kuantisasi 13
2.5 Proses Pengkode 14
2.6 Discrete Fourier Transform (DFT) 16
2.6.1 DFT dalam Bentuk Matriks 18
2.3 Fast Fourier Transform (FFT) 19
2.4 Divide and Conquer (DC) 29
Bab 3. Pembahasan 34
3.1 Perancangan Perangkat Lunak 34
3.2 Software e-speaking voice 35
3.3 Halaman Perekaman 37
3.4 Halaman Hasil 39
3.5 Implementasi Prosedural 39
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Bab 4. Kesimpulan dan Saran 41
4.1 Kesimpulan 41
4.2 Saran 41
Daftar Pustaka 42
DAFTAR TABEL
Halaman
Tabel 2.1 Kuantisasi 15
Tabel 2.2 Pengkodean 16
Tabel 2.3 Proses Data Disusun Ulang 23
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
DAFTAR GAMBAR
Halaman
Gambar 1.1 Rancangan Proses data digital pada template 6
Gambar 1.2 Rancangan pencocokan pola suara dengan algoritma FFT dan DC 7
Gambar 2.1 Rongga mulut manusia 9
Gambar 2.2 Rekaman suara pada kata “sorry” 11
Gambar 2.3 Bentuk sinyal sinus 12
Gambar 2.4 Bentuk sinyal sinus yang telah disampling 12
Gambar 2.5 Ilustrasi terjadi aliasing 13
Gambar 2.6 Ilustrasi proses kuantisasi 13
Gambar 2.7 Pengkodean 14
Gambar 2.8 Sinyal sinus dalam domain waktu 17
Gambar 2.9 Sinyal sinus dalamdomain frekuensi 18
Gambar 2.10 Skema proses decimation N/2 points DFT[3] 20
Gambar 2.11 Skema proses decimation dengan N/4 points DFT[3] 21
Gambar 2.12 Butterfly dari 2 point FFT 24
Gambar 2.13 Diagram FFT 4 point 25
Gambar 2.14 Modifikasi butterfly 26
Gambar 2.15 Diagram dari 4 point FFT 26
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 2.17 FFT DIT untuk contoh 2.2 28
Gambar 3.1 Tampilan Utama e-speaking voice 35
Gambar 3.2 Tampilan Menu e-speaking voice 35
Gambar 3.3 Tampilan New e-speaking voice 36
Gambar 3.4 Select the File e-speaking voice 36
Gambar 3.5 Tampilan New setelah dilakukan select the file 37
Gambar 3.6 Tampilan perekaman suara 37
Gambar 3.7 Rekaman suara sesuai dengan yang diucapkan 38
Gambar 3.8 Rekaman suara yang tidak sesuai dengan kata yang diucapkan 38
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi informasi saat ini telah membawa banyak perubahan yang
besar bagi dunia telekomunikasi, karena teknologi ini menawarkan banyak
keuntungan bagi pemakainya. Sehingga dampaknya sangat dirasakan bagi
perkembangan dunia komputer yang semakin hari semakin membuat peminatnya
bertambah banyak. Hal inilah yang mendorong munculnya pemikiran dan penelitian
penulis bagaimana seseorang dapat berkomunikasi dan berinteraksi dengan komputer
menggunakan ucapan suara sehingga tercipta komunikasi dan pertukaran informasi
yang baik.
Untuk dapat mengenali ucapan dari pembicara terlebih dahulu komputer perlu
diberi kecerdasan sehingga dari ucapan yang diterima oleh komputer akan direspons
atau mendapatkan tanggapan yang sesuai. Ada beberapa metode yang bisa digunakan
dalam pencocokan pola suara, di antaranya adalah metode pengenalan pola, statistik
dan kecerdasan buatan.
Penelitian pencocokan pola suara menggunakan algoritma Fast Fourier
Transform (FFT) dan Divide and Conquer (DC) ini digunakan untuk menjalankan
aplikasi komputer adalah Microsoft Office, Visual Basic dan lain-lain. Langkah
pertama yang harus dilakukan rekam suara menggunakan mikrophone, dengan
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
kemudian hasilnya disimpan pada template. Sebelum data digital terbentuk sinyal
analog terlebih dahulu disampling, kuantisasi dan pengkodean. Langkah ke dua input
suara baru menggunakan mikrophone, sebelum diproses menggunakan FFT dan DC
terlebih dahulu inputan suara baru disampling, kuantisasi dan pengkodean sehingga
terbentuk data digital. Langkah ke tiga data digital hasil pemerosesan menggunakan
FFT dan DC ini dibandingkan dengan input rekaman suara yang terdapat pada
template. Apabila data rekaman suara yang dibandingkan sesuai, maka akan
ditampilkan aplikasi komputer.
1.2 PERUMUSAN MASALAH
Pengenalan suara sangat berpotensi dalam membantu dan mempermudah tugas-tugas
manusia. Banyaknya keragaman bahasa dan keragaman pembicara menimbulkan
suatu masalah. Permasalahan dalam penelitian ini adalah bagaimana cara pencocokan
pola suara yang masuk dengan suara yang ada pada template sehingga suara baru bisa
dikenali sebagai perintah untuk membuka aplikasi komputer.
1.3 PEMBATASAN MASALAH
Dalam melakukan pencocokan pola suara dengan algoritma FFT dan DC terdapat
beberapa batasan yaitu:
1. Perintah suara yang dibuat dalam penelitian ini mampu mengenali kata yang
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
2. Perintah suara yang dibuat hanya mampu menjalankan aplikasi komputer.
3. Perintah suara yang akan dibuat hanya satu kata.
1.4 TUJUAN PENELITIAN
Tujuan penelitian pencocokan pola suara dengan algoritma FFT dan DC adalah
untuk mempermudah tugas user.
1.5 KONSTRIBUSI PENELITIAN
Selain menambah pemahaman dan pengetahuan penulis mengenai perintah suara,
hasil penelitian ini juga bermanfaat untuk menampilkan aplikasi komputer seperti
Microsoft Office, Visual Basic, Access dan lain-lain secara cepat/tanpa mengklik
icon.
1.6 METODE PENELITIAN
Secara umum, penelitian dilakukan dengan beberapa tahapan, yaitu:
1. Input sinyal analog menggunakan mikrophone dengan bantuan sound card yang
terdapat pada komputer sinyal analog akan diubah menjadi data digital.
2. Setelah terbentuk data digital, data tersebut disimpan pada template.
3. Input sinyal suara analog baru, setelah terbentuk data digital, data tersebut akan
diproses menggunakan FFT dan DC dan hasilnya akan dicocokan dengan data
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
4. Apabila sesuai maka akan ditampilkan program aplikasi.
1.7 TINJAUAN PUSTAKA
Fast Fourier Transform (FFT) menjelaskan tentang algoritma transformasi Fourier
yang dikembangkan dari modifikasi Discrete Fourier Transform (DFT) yang
dilakukan dengan cara mengelompokkan batas n ganjil dan batas n genap, sehingga N
point DFT menjadi (N/2) point dengan fungsi matematikanya
∑
−
=
= 1
0
) ( ]
[
N
n
kn N
W n x k
X di
mana k= 0,1..N-1. [3]
Gambaran umum tentang proses pembentukan ucapan manusia. [1] Sebagai
teknik-teknik riset operasi yang dapat digunakan dalam penelitian, pengembangan,
dan perumusan perencanaan program dalam proses pengambilan keputusan.
Penggu naan algoritma DC digunakan untuk membandingkan input suara baru
dengan input suara yang terdapat di dalam template. [2] Dengan algoritma yang
mengimplementasikan DC dalam hal ini menggunakan merge sort.
Proses sampling dilakukan dengan didasarkan asumsi bahwa sinyal
percakapan berada pada daerah frekuensi 300-3400 Hz sehingga memenuhi kriteria
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambaran umum tentang perbedaan suara manusia. [6] Sebagai teknik-teknik
riset operasi yang dapat digunakan dalam penelitian untuk pengambilan keputusan.
Pengkodean dilakukan agar sinyal suara dapat direspons oleh komputer.[7]
Dalam hal ini digunakan 3 (tiga) digit untuk pengkodean.
Kuantisasi dilakukan untuk menentukan level dari suatu data sampel. [8]
Semakin banyak level kuantisasi yang dipakai maka data yang disimpan semakin
akurat.
Panduan Program Aplikasi dengan menggunakan Software e-speaking dalam
menjalankan perintah suara. [5]
1.8 RANCANGAN PENCOCOKAN POLA SUARA
Secara umum, proses yang dilakukan dalam pencocokan pola suara dengan algoritma
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 1.1 Rancangan Proses data digital pada template
Input Sinyal Analog
Sampel
Kuantisasi
Pengkodean
Simpan data digital pada template
Mulai
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 1.2 Rancangan pencocokan pola suara dengan algoritma FFT dan DC
Data digital pada template
Data digital baru
Proses dengan metode
FFT dan DC
Tampilan aplikasi komputer
Yes
Selesai
No Bandingkan data
digital baru dengan data digital pada
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
BAB 2
LANDASAN TEORI
2.1 Pembentukan Ucapan Manusia
Proses pembentukan ucapan manusia melibatkan 3 (tiga) sub proses utama, yaitu:
Pembangkitan Sumber (Source Generator), Artikulasi (Articulation), serta Radiasi
(Radiation) [FUR89]. Proses pembentukan bunyi bahasa dimulai dengan
memanfaatkan pernapasan sebagai sumber tenaganya. Pada saat manusia
mengeluarkan nafas, paru-paru manusia akan menghembuskan tenaga berupa arus
udara. Arus udara ini dapat mengalami perubahan pada pita suara yang terletak pada
pangkal tenggorokan. Arus udara dari paru-paru itu dapat membuka ke dua pita suara
yang merapat sehingga menyebabkan corak bunyi tertentu. Gerakan membuka dan
menutup pita suara itu akan mengakibatkan arus udara dan udara yang berada di
sekitar pita suara akan turun berubah tekanan dan ikut bergetar.
Adanya perubahan bentuk saluran suara yang terdiri dari rongga fairing,
rongga mulut dan rongga hidung akan menghasilkan bunyi bahasa yang berbeda-beda.
Pada saat udara dari paru-paru dihembuskan, ke dua pita suara dapat merapat atau
merenggang. Jika ke dua pita suara itu bergantian merapat atau merenggang dalam
pembentukan suatu bunyi bahasa, maka bunyi bahasa yang dihasilkan terasa berat.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
sehingga arus udara dapat lewat dengan mudah (ringan), maka bunyi bahasa ini
umumnya dinamakan bunyi tak bersuara (unvoiced).
Adapun bunyi bahasa itu dapat dibedakan menjadi 2 (dua) kelompok
berdasarkan ada tidaknya rintangan terhadap arus udara, yaitu vokal dan konsonan.
Vokal adalah bunyi udara yang arus udaranya tidak mengalami rintangan dan
kualitasnya ditentukan oleh ketinggian posisi lidah, bagian lidah yang dinaikkan, dan
bentuk bibir. Konsonan adalah bunyi bahasa yang arus udaranya mengalami rintangan
dan kualitasnya ditentukan oleh keadaan pita suara, penyentuhan/pendekatan berbagai
alat ucap dan cara alat ucap itu bersentuhan. Sedangkan diftong adalah vocal yang
berubah kualitasnya dari biasanya dilambangkan oleh 2 (dua) huruf vokal yang tidak
dapat dipisahkan.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
2.2 Pengertian Suara
Suara adalah fenomena fisik yang dihasilkan oleh getaran suatu benda yang berupa
sinyal analog dengan amplitudo yang berubah secara kontinu terhadap waktu. Suara
merupakan gelombang yang mengandung sejumlah parameter (amplitudo, simpangan,
frekuensi, spectrum), yang dapat menyebabkan suara yang satu berbeda dari suara
lain. Suara beramplitudo lebih besar akan terdengar lebih keras. Suara dengan
frekuensi lebih besar akan terdengar lebih tinggi. Sementara itu bisa juga ditemukan
dua suara yang beramplitudo dan berfrekuensi sama, misalnya biola dan piano
dibunyikan secara bersamaan dengan tingkat kekerasan dan nada yang sama, namun
telinga masih dapat membedakan mana yang suara piano dan mana yang suara biola.
Ini terjadi karena suara memiliki warna suara. Warna suatu suara ditentukan oleh pola
dasar dari gelombang suara.
Perbedaan pola dasar gelombang bunyi biola dan piano antara lain disebabkan
oleh perbedaan faktor resonansi yang timbul pada masing-masing instrumen.
Demikian juga pada manusia, resonansi yang terjadi pada rongga mulut akan
menimbulkan pola dasar gelombang bunyi yang berbeda-beda.
J.Fourier (1768-1830) menyatakan bahwa gelombang kompleks dapat
direpresentasikan sebagai penjumlahan dari sejumlah gelombang sinusoidal, dengan
amplitudo dan frekuensi yang bervariasi. Dari teori Fourier dapat disimpulkan bahwa
gelombang-gelombang sinusoidal, yang memiliki amplitudo dan frekuensi
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Berikut ini adalah contoh Gambar 2.2 gelombang rekaman suara pada kata
“sorry” yang dipergunakan untuk menjalankan aplikasi komputer diselesaikan
menggunakan software Sound Forge 8.0.
Gambar 2.2 Rekaman suara pada kata “Sorry”
2.3 Proses Sampling
Sinyal suara merupakan sinyal yang tidak terbatas dalam domain waktu (infinite time
interval). Suara manusia akan menghasilkan sinyal analog yang terus kontinu.
Gelombang suara analog tidak dapat langsung direpresentasikan pada komputer.
Terlebih dahulu komputer mengukur amplitudo pada satuan waktu tertentu untuk
menghasilkan sejumlah angka. Tiap satuan pengukuran dinamakan “ Sampel”. Untuk
keperluan pemerosesan dalam transformasi Fourier sinyal suara harus dibentuk dalam
potongan-potongan waktu.
Proses sampling dilakukan dengan didasarkan asumsi bahwa sinyal
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
meyebutkan bahwa frekuensi sampling (sampling rate) minimal harus dua kali lebih
tinggi dari frekuensi maksimum yang akan disampling.
fs ≥2xfh (1)
Keterangan:
Fs = Frekuensi sampling
Fh = Frekuensi sinyal analog tertinggi
Berikut adalah gambar dari sinyal sinus dengan sinyal sinus tersampling.
Gambar 2.3 Bentuk sinyal sinus
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Jika sinyal sampling kurang dari dua kali frekuensi maksimum sinyal yang
akan disampling, maka akan timbul efek aliasing. Aliasing adalah suatu efek di mana
sinyal yang dihasilkan memiliki frekuensi yang berbeda dengan sinyal aslinya.
Gambar 2.5 Ilustrasi terjadi aliasing
2.4 Kuantisasi
Sinyal digital merupakan sebuah deretan angka (sampling) yang diwakili oleh
beberapa digit untuk menentukan keakuratan. Proses melakukan konversi sinyal yang
telah disampling menjadi sinyal digital yang diwakili oleh sebuah nilai dengan jumlah
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 2.6 Ilustrasi proses kuantisasi
Semakin banyak level yang dipakai semakin akurat pula data sinyal yang
disimpan tetapi akan menghasilkan ukuran data yang besar dan proses yang lama.
Gambar 2.6 adalah contoh proses kuantisasi yang menggunakan empat level. Pada
level 4 terdapat empat buah sinyal yang menempati level yang sama, artinya keempat
sinyal tersebut dikelompokkan menjadi level yang sama walupun tingginya berbeda.
Demikian pula pada level 1. Selisih antara nilai kuantisasi dengan sinyal sebenarnya
disebut kesalahan kuantisasi (error quantization).
eq(n) = xq(n) – x(n) (2)
Jarak antara level kuantisasi disebut resolusi. Kuantisasi merupakan proses
yang tidak dapat dibalik sehingga menyebabkan distorsi sinyal yang tidak dapat
diperbaiki.
2.5 Proses Pengkodean
Proses pengkodean adalah proses pemberian kode untuk tiap-tiap data sinyal yang
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 2.7 Pengkodean
Dengan level kuantisasi 0.000 sampai 0.875 dengan interval 0.125 didapati 8
buah nilai, jadi ada 8 nomor kode, yang dimulai dengan 0,1,…sampai 8. Dalam
menuliskan 8 buah nilai kode dibutuhkan 3 buah digit. Karena satu digit, hanya bisa
menuliskan kondisi 0 dan 1. Dua digit, bisa menuliskan empat kondisi 00, 01, 10 dan
11. Tiga digit bisa menuliskan delapan kondisi dan empat digit bisa menuliskan 16
kondisi. Sehingga dapat dituliskan:
L = 2n (3)
Keterangan :
L = jumlah nilai kuantisasi yang digunakan
n = jumlah digit
Apabila Gambar 2.7 nomor-nomor kode dituliskan secara digital, maka
diperoleh tabel sebagai berikut :
Nilai kuantisasi Nomor kode Kode
0.000 0 000
0.125 1 001
0.250 2 010
0.375 3 011
0.500 4 100
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Tabel 2.1
Kuantisasi
Dengan Tabel 2.1 dapat dilakukan proses pengkodean terhadap sinyal yang
telah dikuantisasi. Hasilnya dapat dilihat pada Tabel 2.2.
Tabel 2.2 Pengkodean
0.750 6 110
0.875 7 111
iT Nilai kuantisasi Nomor Kode Kode Biner
0 0.375 3 011
0.2 0.625 5 101
0.4 0.750 6 110
0.6 0.875 7 111
0.8 0.875 7 111
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
2.6 Discrete Fourier Transform (DFT)
DFT merupakan perluasan dari transformasi Fourier yang berlaku untuk sinyal-sinyal
diskrit dengan panjang yang terhingga. Semua sinyal periodik terbentuk dari
gabungan sinyal-sinyal sinusoidal.
Perumusannya sebagai berikut:
∑
−=
−
= 1
0
) ( ]
[ N
n
jkwon
e n x k
X (4)
Keterangan:
X[k] = koefisien DFT untuk nilai sampel sinyal x(n)
N = Jumlah sampel yang akan diproses
x(n) = Nilai sampel sinyal
α α
α
sin
cos j
ej = +
wo = frekuensi digital
k = 0, 1, 2, 3, … , N-1
1.2 0.750 6 110
1.4 0.625 5 101
1.6 0.375 3 011
1.8 0.250 2 010
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Karena wo merupakan frekuensi digital yang didefinisikan
N wo
π
2
= dan
N j
N e
W = − 2π/ sehingga persamaan dapat ditulis dalam persamaan
∑
−=
= 1
0
) ( ]
[ N
n
kn N
W n x k
X (5)
Dengan persamaan (5) , suatu sinyal suara dalam domain waktu dapat dicari
frekuensi pembentuknya. Analisa Fourier pada data suara yaitu untuk mengubah data
dari domain waktu menjadi data spektrum di domain frekuensi. Untuk pemerosesan
sinyal suara, data pada domain frekuensi dapat diperoses dengan lebih mudah
dibandingkan data pada domain waktu, karena pada domain frekuensi keras lemahnya
suara tidak seberapa berpengaruh.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 2.9 Sinyal sinus dalam domain frekuensi
Untuk mendapatkan spektrum dari sebuah sinyal dengan DFT diperlukan N
buah sampel 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.
2.6.1DFT dalam Bentuk Matriks
Dengan menerapkan DFT ke FFT, format DFT dapat dinyatakan dalam bentuk
matriks. Bentuk umum DFT dalam bentuk matriks dinyatakan sebagai berikut:
XN = WN.xn (6)
Keterangan :
XN = Koefisien DFT merupakan matriks (N x1)
WN = Matriks NxN disebut matriks DFT.
xn = Input sinyal diskrit (Nx1)
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
− = = − − − − − − − ] 1 [ ... ... ] 2 [ ] 1 [ ] 0 [ ... ... ... ... ... ... ... ... ... ... ... ... ... ... ] 1 [ ... ... ] 2 [ ] 1 [ ] 0 [ ) 1 )( 1 ( ) 1 ( 2 1 0 ) 1 ( 2 4 2 0 1 2 1 0 0 0 0 0 N x x x x W W W W W W W W W W W W W W W W N X X X X N N N N N N N N N N N N N N N N N N N N N
2.7 Fast Fourier Transform (FFT)
Perhitungan DFT secara langsung dalam komputerisasi dapat menyebabkan proses
perhitungan yang sangat lama. Karena itu dibutuhkan cara lain untuk menghitung
DFT dengan cepat. Hal itu dapat dilakukan dengan menggunakan algoritma FFT di
mana FFT menghilangkan proses perhitungan yang kembar dalam DFT.
Ada 2 (dua) jenis algoritma FFT yaitu algoritma Fast Fourier Transform
Decimation In Time (FFT DIT) dan algoritma Fast Fourier Transform Decimation In
Frequency (FFT DIF). Di mana pada FFT DIT input disusun/dikelompokkan menjadi
kelompok ganjil dan kelompok genap. Sedangkan pada FFT DIF input tetap tetapi
output disusun/dikelompokkan menjadi kelompok ganjil dan kelompok genap.
Jumlah sinyal sampel yang akan diinputkan ke dalam algoritma ini harus
merupakan kelipatan 2 (dua) (2N). Algoritma FFT dimulai dengan membagi sinyal
menjadi dua bagian, dimana bagian pertama berisi nilai sinyal suara pada indeks
waktu genap, dan sebagian yang lain berisi nilai sinyal suara pada indeks waktu ganjil.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
∑
− = = 1 0 ) ( ] [ N n kn N W n x kX (10)
Persamaan (10) dibagi menjadi bagian genap dan ganjil sebagai berikut:
X[k] W x[n] W x[n]
ganjil n kn N genap n kn N
∑
∑
+= untuk k=0,1,…,N-1
∑
∑
− = − = + = 1 1 2 2 ) ( ) ( N n nk N N r n nkN x nW
W n x
∑
∑
− = + − = + + = 1 0 ) 1 2 ( 1 2 / 0 2 ) 1 2 ( ) 2 ( N r k r N N r rkN x r W
W r x
1 2
2 = +
> = < = > = < r n ganjil n r n genap n Untuk :
Visualisasi dari proses ini dapat dilihat pada Gambar 2.10. Setelah itu, akan
dilakukan analisis Fourier untuk setiap bagiannya.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 2.10 Skema proses decimation N/2 points DFT[3]
Analisis Fourier pada Gambar 2.10 merupakan proses penggabungan kembali
sampel dalam susunan yang benar. Setelah itu, proses pembagian sinyal menjadi
beberapa bagian yang lebih kecil dilakukan kembali dengan membagi N/2 point DFT
[image:33.595.151.486.310.563.2]menjadi N/4 points DFT. Proses pembagian dengan N/4 point DFT dapat dilihat pada
Gambar 2.11. Proses pembagian sinyal suara tersebut terus dilakukan sampai
didapatkan dua seri nilai sinyal suara.
Gambar 2.11 Skema proses decimation dengan N/4 points DFT[3]
Analisis Fourier melakukan N perkalian kompleks sehingga terdapat log2(N)
langkah perkalian kompleks. FFT DIT telah mengurangi jumlah perkalian kompleks
N2 menjadi N log2(N). Dalam jumlah N yang besar hal ini sangat menguntungkan,
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Hasil dari proses FFT DIT ini adalah simetris index : 0 -(N/2-1),(N/2 ) -(N-1).
Oleh karena itu, umumnya hanya blok pertama saja yang akan digunakan dalam
proses-proses selanjutnya.
Pada FFT DIT proses pembagian sinyal menjadi beberapa bagian yang lebih
kecil pada domain waktu akan menyebabkan input sampel disusun ulang.
Langkah-langkah dari algoritma FFT DIT sebagai berikut:
1. Tentukan nilai N, yaitu pangkat dari 2 jumlah sampel yang akan diambil
sebagai input sejumlah N-point DFT.
2. Hitung (N/2) two samples DFT.
3. Hitung (N/4) four samples DFT.
4. Hitung (N/8) eight samples DFT.
5. Lakukan langkah di atas sesuai dengan skema butterfly sampai semua sample
dikombinasikan menjadi one samples DFT.
Contoh 2.1 FFT DIT
Untuk 8 point sinyal input mempunyai susunan sampel berurutan [0,1,2,3,4,5,6,7].
Tetapi setelah terjadi proses decimation, susunannya berubah menjadi N genap, lalu N
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Awalnya susunan yang baru terlihat acak dan tidak beraturan. Tetapi jika
nila-nilai tersebut direpresentasikan ke dalam bentuk biner, maka susunannya akan terlihat
dengan jelas. Seperti terlihat pada Tabel 2.3.
DATA INPUT DATA INPUT DISUSUN ULANG
Desimal Biner Biner Desimal
0 000 000 0
1 001 100 4
2 010 010 2
3 011 110 6
4 100 001 1
5 101 011 3
6 110 101 5
7 111 111 7
Untuk FFT 2 point dapat diperoleh dengan menjabarkan persamaan sebagai
berikut: ] 1 [ ] 0 [ ]
[k W20* x W21* x
X = k + k k=0,1 (12)
Jika nilai k = 0 dan k = 1 disubtitusi pada persamaan (10), maka akan
diperoleh: ] 1 [ ] 0 [ ] 1 [ ] 0 [ ] 0 [
0 20 20
[image:35.595.101.530.207.520.2]Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
] 1 [ ] 0 [ ] 1 [ ] 0 [ ] 1 [ 1 1 2 0 2 x x x W x W X k − = + = = (14)
Catatan: untuk 2 point W20 =1 dan W21 =−1
[image:36.595.157.501.308.505.2]Ke dua persamaan (12) dan (13) dapat digambarkan suatu flowgraph, bentuk
gambar flowgraph ini menyerupai kupu-kupu sehingga disebut dengan butterfly.
Gambar 2.12 Butterfly dari 2 point FFT
FFT untuk 2 point dapat dikonstruksikan dalam Tabel 2.4.
Tabel 2.4 Konstruksi 2 point FFT
Untuk transformasi 4 point FFT dari persamaan (11) subsitusikan nilai r = 0
dan r = 1 akan diperoleh persamaan (15).
k n 0 1
0 0
2
W W20
1 0
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
(
[0] [2])
(
[1] [3])
]
[k W40*kx W42*kx W4kW40*kx W42*k
X = + + + (15)
Untuk k = 0,1,2 dan 3
Apabila nilai k disubtitusi, maka akan diperoleh:
X[0]=
(
W40x[0]+W40x[2])
+W40(
W40x[1]+W40x[3])
X[1]=
(
W40x[0]+W42x[2])
+W41(
W40x[1]+W42x[3])
X[2]=
(
W40x[0]+W44x[2])
+W42(
W40x[1]+W44x[3])
X[3]=
(
W40x[0]+W46x[2])
+W43(
W40*kx[1]+W46x[3])
(16)di mana nilai W46 =W42 =−1 dan W40 =W44 =1, Jadi persamaan (15) dapat dituliskan
menjadi persamaan (16).
X[0]=
(
x[0]+W40x[2])
+W40(
x[1]+W40x[3])
(
[0] [2])
(
[1] [3])
] 1
[ x W42x W41 x W42x
X = + + +
(
[0] [2])
(
[1] [3])
] 2
[ x W40x W42 x W40x
X = + + +
[3]
(
[0] [2])
(
[1] 2 [3])
4 3
4 2
4x W x W x
W x
X = + + + (17)
Diagram FFT dengan N=4 dapat dilihat pada Gambar 2.11. v(n) merupakan input
diskrit dan V(k) merupakan output. v(n) = x(n) dan V(k) = X(k) yang terdapat pada
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 2.13 Diagram FFT 4-point
Dengan menerapkan rumus-rumus:
a. WNk(2r) =WNkr/2
sebagai contoh:
W40 =W20 dan W12 =W21
b. S
N N
N S N N
S
N W W W
W + /2 = /2 =−
Untuk WNN/2 adalah:
1 )
sin( )
cos(
/ ) 2 / ( 2 2
/ = − π = −π = −
π
+ −π
= −i e
e
WNN i N N i
[image:38.595.106.491.304.543.2]Butterfly-butterfly pada Gambar 2.12 dapat dimodifikasi menjadi bentuk seperti
Gambar 2.14.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Dengan memanfaatkan format pada Gambar 2.12, FFT 4 point dapat digambarkan
menjadi seperti Gambar 2.15.
Gambar 2.15 Diagram dari 4 point FFT
Karena 0
2 0
4 W
W = pada stage satu merupakan FFT 2 point, sedangkan stage dua adalah
FFT 4 point. Jika diperhatikan pada stage dua merupakan diagram FFT 2 point, maka
FFT ini dapat direalisasikan dalam bentuk matriks Gambar 2.16 memperlihatkan FFT
8 point dalam bentuk konfigurasi ini dikenal dengan FFT DIT input
disusun/dikelompokkan dulu, kelompok genap dan ganjil.
[image:39.595.193.426.135.357.2]Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Contoh 2.2 FFT DIT
Tentukan bentuk FFT dari sinyal diskrit x[n] = {0,1,2,3,3,2,1,0} dengan FFT DIT
Jawab:
Hitung dahulu faktu W:
W1 =−j
4 1
2 4 =−
W W3 = j
4 dan 1 0 8 = W 2 2 2 2 1 8 j
W = − W2 =−j
8 2 2 2 2 3 8 j
W =− −
1
4 8 =− W 2 2 2 2 5 8 j
W =− + W86 = j
2 2 2 2 7 8 j
W = +
f[n] = x[2n] ={0,2,3,1}
g[n]=x[2n+1]={1,3,2,0}
Matriks 4 point F[k] dan G[k] disusun sebagai berikut:
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 2.17 FFT DIT contoh 2.2
12 6 6 ] 0 [ ] 0 [ ] 0
[ = F +W80G = + =
X
(
j)
(
)
jj j
G W F
X 1 2
2 2 3 3 1 2 2 2 2 3 ] 1 [ ] 1 [ ] 1
[ 81 + − −
− − = − − − + − − = + = 0 ) 0 )( ( 0 ] 2 [ ] 2 [ ] 2
[ =F +W82G = + −j =
X
(
j)
(
)
jj j
G W F
X 1 2
2 2 3 3 1 2 2 2 2 3 ] 3 [ ] 3 [ ] 3
[ 83 + −
− + = + − − − + + − = + = 0 6 6 ] 0 [ ] 0 [ ] 4
[ =F −W80G = − =
X
(
j)
(
)
jj j
G W F
X 1 2
2 2 3 3 1 2 2 2 2 3 ] 1 [ ] 1 [ ] 5
[ 81 + − +
− + = − − − − − − = + = 0 ) 0 )( ( 0 ] 2 [ ] 2 [ ] 6
[ = F −W82G = − −j =
X
(
j)
(
)
jj j
G W F
X 1 2
2 2 3 3 1 2 2 2 2 3 ] 3 [ ] 3 [ ] 7
[ 83 + +
− − = + − − − − + − = + =
2.8 Divide and Conquer (DC)
Divide and Conquer adalah metode pemecahan masalah yang bekerja dengan
membagi masalah menjadi beberapa sub-masalah yang lebih kecil, kemudian
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
menggabungkan solusi masing-masing sub masalah sehingga menjadi solusi masalah
semula.
Tipe algoritma yang mengimplementasikan/kategori DC antara lain merge
sort. Merge sort adalah algoritma yang digunakan untuk menyusun list yang diberikan
dengan cara membagi list yang diberikan menjadi 2 (dua) bagian yang lebih kecil. Ke
dua list yang baru ini kemudian akan disusun secara terpisah. Jika ke dua buah list
tersusun akan dibentuk list baru yang merupakan hasil penggabungan dua buah list
sebelumnya
Konsep:
1). Array yang belum terurut, dibagi menjadi separuh
a. Proses diulang terus sampai ditemukan bagian terkecil
2). Hasil dari setiap proses digabungkan:
a. Membandingkan elemen pertama dari setiap bagian
b. Hapus elemen terkecil dan letakan pada hasil
c. Ulangi semua proses sampai semua elemen terurut
Langkah-langkah dari algoritma divide and conquer sebagai berikut:
1. Pilih sebuah angka N, di mana N merupakan bilangan bulat kelipatan 2 (dua).
Bilangan ini berfungsi untuk menghitung jumlah elemen transformasi FFT.
2. Bagi dua data diskrit menjadi data diskrit yang lebih kecil berukuran N= N1.N2.
3. Untuk setiap elemen data, dicocokkan dengan data pada template.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Contoh 2.3 Metode DC
Nilai diskrit [0,4,2,6,1,5,3,7] diproses menggunakan metode DC
List di atas dibagi menjadi dua bagian:
list 1: | list 2:
Ke dua list yang baru disusun sendiri-sendiri menjadi:
list 1: | list 2:
Setelah itu dibentuk list baru yang merupakan gabungan ke dua list tadi:
List baru:
0 4 2 6 1 5 3 7
0 4 2 6 1 5 3 7
0 2 4 6 1 3 5 7
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
list 1: | list 2:
List baru:
List 1:|list 2:
List baru:
list 1: | list 2:
List baru:
2 4 6 1 3 5 7
0 1
2 4 6 3 5 7
0 1 2
4 6 3 5 7
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
list 1: | list 2:
List baru:
List 1: | list 2:
List baru:
list 1: | list 2:
List baru:
0 1 2 3 4 5 6
list 1: | list 2:
4 6 5 7
0 1 2 3 4
6 5 7
0 1 2 3 4 5
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
List baru:
0 1 2 3 4 5 6 7
list 1: | list 2:
Akhirnya akan didapat list yang sudah tersusun:
List:
Kosong 7
Kosong Kosong
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
BAB 3
PEMBAHASAN
3.1 Perancangan Perangkat Lunak
Perancangan pencocokan pola suara menggunakan algoritma FFT dan DC
diselesaikan menggunakan software e-speaking voice dengan spesifikasi perangkat
keras dan perangkat lunak sebagai berikut:
1. Perangkat keras
a. Prcosessor Pentium IV 3.0 GHz
b. Memory Kingstone 256 MB
c. Harddisk Seagete 40GB
d. Sound card terintegrasi
e. Mikrofon Media Tech
f. Speaker Simbada
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
a. Software e-Speaking Voice
b. MATLAB 7.0.4 R14 SP2
c. Editor audio: Jet Audio v6, Sound Forge 8.0
3.2 Software E-Speaking Voice
Hasil dari penyelesaian pencocokan pola suara dengan algoritma FFT dan DC
diselesaikan menggunakan software e-speaking voice.
[image:48.595.164.505.281.515.2]
Gambar 3.1 Tampilan Utama e-speaking voice
Langkah pertama yang harus dilakukan klik tombol merah akan tampil
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 3.2 Tampilan Menu e-speaking voice
Apabila ingin menggunakan kata-kata yang ada di kolom global klik salah satu
pilihan, maka suara tersebut akan dijadikan perintah suara. Tetapi jika ingin membuat
sendiri klik tombol New di Phrase kemudian pada tipe cek Media/document setelah di
cek, maka button select the file akan aktif.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 3.4 Select the File e-speaking voice
Pilihlah file name yang akan dijadikan perintah suara. Apabila selesai dipilih, maka
tampilan lengkapnya tedapat seperti Gambar 3.6 di bawah ini:
Gambar 3.5 Tampilan New setelah dilakukan select the file
3.3 Halaman Perekaman
Pada halaman perekaman terdapat form yang memerintahkan kata terdapat di kolom
word agar diucapkan melalui microphone, kata yang direkam nantinya disimpan
dalam dictionary (template) yang nantinya akan dibandingkan dengan input rekaman
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 3.6 Tampilan perekaman suara
Apabila kata yang telah direkam sesuai dan tidak sesuai dengan kata yang diucapkan,
maka bentuk tampilannya sebagai berikut:
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Gambar 3.8 Rekaman suara yang tidak sesuai dengan kata yang diucapkan
3.4 Halaman Hasil
Halaman hasil digunakan untuk melihat tampilan hasil dari pencocokan pola suara
menggunakan algoritma FFT dan DC. Setelah suara diinput menggunkan microphone
hasil dari pada perekaman suara disimpan dalam sebuah template yang nantinya akan
dibandingkan dengan input rekaman suara baru. Apabila sesuai, maka perintah suara
[image:52.595.164.481.433.640.2]menjalankan aplikasi komputer yang telah dipilih sebelumnya.
Gambar 3.9 Halaman hasil
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
Penyelesaian pencocokan pola suara dengan algoritma FFT dan DC
diselesaikan dengan software e-speaking untuk memudahkan dalam menjalankan
aplikasi komputer.
3.6 Listing
Bab 2 hal 10 dan 11
Gambar 2.3 diselesaikan dengan Matlab
sdt=[0:720];
y=sin(sdt*pi/120);
plot(sdt,y);
[image:53.595.108.443.282.559.2]grid on;
Gambar 2.4 diselesaikan dengan Matlab
sdt=[0:720];
y=sin(sdt*pi/120);
plot(sdt,y);
Stem(sdt,y);
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Dari penelitian ini dapat disimpulkan bahwa:
1. Sebelum aplikasi komputer dijalankan menggunakan perintah suara rekam
input suara masukan menggunakan microphone. Hasilnya disimpan pada
template.
2. Rekam input suara baru yang akan diproses menggunakan metode FFT dan
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
3. Setelah sesuai perintah suara akan menjalankan aplikasi komputer yang
sebelumnya telah dipilih.
4.2 Saran
Sebagai saran yang ditujukan pembaca yang ingin mengembangkan pencocokan
pola suara:
1. Sebaiknya perintah suara dapat digunakan bukan hanya untuk
mempermudah/mempercepat tampilnya aplikasi komputer tetapi untuk yang
lainnya.
2. Sebaiknya perintah suara yang dibuat berupa kalimat.
DAFTAR PUSTAKA
[1] Rabiner, L.R dan Juang, B.H, 1993,”Fundamentals Of Speech Recogniton”, Englewood Cliffey: Prentice-Hall.
[2] NN, “ Divide and Conquer”,
[3] Tanudjaja, Harlianto, 2007, ” Pengolahan Sinyal Digital & Sistem Pemrosesan Sinyal ”, ANDI Yogyakarta.
[4] Fatoni, Ali, ” Proses Sampling ”
[5] NN,”Suara
[6] Kartikasari, Eka, Yesika, 2006,” Kuantisasi”, Surabaya.
Nurlaily : Pencocokan Pola Suara Dengan Algoritma FFT Dan DC, 2009. USU Repository © 2009
[8] NN,”Proses Pembentukan sinyal digital”,Universitas Kristen Petra.
[9] Away, Abdia, Gunaidi, 2006,” MATLAB Programming”, Informatika.