Identifikasi suara manusia sebagai kata sandi atau password dengan menggunakan metode Hidden Markov Models - USD Repository

(1)

i

PASSWORD MENGGUNAKAN METODE HIDDEN MARKOV MODELS

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh :

PETRA VALENTIN WAHYUNINGTIAS

NIM : 085314025

HALAMAN JUDUL BAHASA INDONESIA

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

(2)

ii

USING HIDDEN MARKOV MODELS

A THESIS

Presented as Partial Fulfillment of the Requirements

To Obtain the Sarjana Komputer Degree

In Departement of Informatics Engineering

By :

PETRA VALENTIN WAHYUNINGTIAS

STUDENT ID : 085314025

HALAMAN JUDUL BAHASA INGGRIS

INFORMATICS ENGINEERING STUDY PROGRAM

INFORMATICS ENGINEERING DEPARTMENT

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

(3)

(4)

(5)

v

’’ DO WHAT YOU LOVE

AND

LOVE WHAT YOU DO..”

This thesis

belongs to…

Jesus Christ, my Saviour, my Life, my Eternal Love and my Power..

Thank You for stay with me and for gave me wonderful world..

My parent, my spring, my joy, my life..

Thank you for give me a chance to feel the world..

My friends and Audrey..

(6)

(7)

(8)

viii

Suara manusia dapat dijadikan salah satu cara untuk mengidentifikasi apa

yang diucapkan manusia dan siapa yang mengucapkannya. Pada tugas akhir ini

dikembangkan sebuah sistem yang dapat mengidentifikasi secara otomatis suara

manusia dengan menggunakan pendekatan

Hidden Markov Models

(HMM)

dan

ekstraksi ciri

Mel-frequency Cepstral Coefficients

(MFCC)

.

Secara umum HMM

digunakan untuk

signal processing

dan

speech processing

sedangkan MFCC

merupakan salah satu metode ektraksi ciri yang digunakan untuk pengenalan

suara manusia.

Penelitian ini menggunakan suara manusia yang terdiri dari 4 (empat)

speaker

(pembicara) yang terdiri dari 2 laki-laki dan 2 perempuan. Pembagian data

untuk proses

training

dan

testing

menggunakan metode

5-fold cross validation.

Hasil pengujian yang didapatkan dari proses identifikasi dengan berbagai

(9)

ix

Human voice can be one of many ways to identify what human said and

who has the voice. This research built a system for identifying automatically

human voice using Hidden Markov Models (HMM)

and feature extraction with

Mel-frequency Cepstral Coefficients (MFCC). Generally HMM

is use for signal

processing and speech processing and MFCC

is use for feature extraction for

human voice.

This research employed four human as the object for the study. Data

including voices of two man and two woman. Data for testing and training were

separeted unsing 5-fold cross validation.

The highest result of identification using any combination of feature,

windows size and number of states are 95% for speech recognition and 93% for

(10)

x

Puji dan syukur kepada Tuhan Yesus Kristus yang telah senantiasa

memberikan berkat dan rahmat yang tak berkesudahan serta kesempatan yang

sangat berharga sehingga penulis dapat menyelesaikan skripsi dengan judul

“

Identifikasi Suara Manusia Sebagai Kata Sandi atau

Password

Menggunakan Metode Hidden Markov Models

“.

Dalam kesempatan ini, penulis juga ingin mengucapkan terima kasih

sebesar-besarnya terhadap semua pihak yang telah memberi dukungan dan

semangat sehingga skripsi ini dapat selesai :

1. Romo Dr. C. Kuntoro Adi, S.J., M.A., M.Sc. selaku dosen pembimbing

dan dosen pembimbing akademik Teknik Informatika kelas A angkatan

2008. Terima kasih atas semua bantuan , bimbingan, pengorbanan waktu,

kesabaran, ilmu serta semangat yang telah diberikan.

2. Ibu Paulina Heruningsih Prima Rosa, S.si., M.Sc. selaku Dekan Fakultas

Sains dan Teknologi. Terima kasih atas semua bantuan dan bimbingan

serta kesabarannya dalam menghadapi mahasiswa.

3. Bapak Eko Hari Parmadi , S.si., M.Kom. dan bapak Alb. Agung

Hadhiatma, S.T., M.T. selaku dosen penguji. Terima kasih atas saran dan

kritik yang telah diberikan.

4. Seluruh Dosen Teknik Informatika yang selama masa kuliah telah

membagikan ilmu dan pengetahuannya yang sangat berguna bagi penulis.

5. Laboran Laboratorium Komputer, Tinus dan Fidi. Terima kasih atas

(11)

Bu Linda. Terima kasih atas bantuan dan kesabarannya menghadapi

penulis sehingga berbagai prosedur dapat diselesaikan dengan baik dan

lancar.

7. Kedua orang tua saya, Yohanes Sulistiono dan M.M Lusia. Terima kasih

untuk semua kasih sayang dan perhatian yang tak terhingga.

8. Kedua adikku, Bernadeta Listiani dan Felicia Ratriana Putri. Terima kasih

telah ada di dunia ini.

9. Tim Ceriwis. Pucha dan Itha. Teman suka dan duka. Terima kasih atas

segala dukungan dan semangat serta kesabaran yang telah diberikan

sehinggan skripsi kita selesai.

10. Untuk Angga, Endra, Surya, Devi, Ocha, Siska, Bebeth, Esy, Agnes dan

seluruh teman-teman Teknik Informatika angkatan 2008. Terima kasih

atas dukungannya.

11. Untuk Maleo, mbak Vero, mbak Lia dan Mbak Debby. Terima kasih atas

bantuannya untuk ‘

break’

ke negri sebrang sehingga skripsi ini dapat

selesai dengan bahagia.

12. Semua pihak yang telah membantu penulis dalam menyelesaikan skripsi.

Penulis menyadari masih banyak kekurangan yang terdapat dalam laporan

tugas akhir ini. Saran dan kritik sangat diharapkan untuk hasil yang lebih baik di

masa depan.

Yogyakarta, 22 Mei 2013

(12)

xii

HALAMAN JUDUL BAHASA INDONESIA ... I

HALAMAN JUDUL BAHASA INGGRIS ... II

HALAMAN PERSETUJUAN PEMBIMBING ... III

HALAMAN PENGESAHAN ... IV

HALAMAN PERSEMBAHAN ... V

PERNYATAAN KEASLIAN KARY ... VI

PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMIS ... VII

ABSTRAK ... VIII

ABSTRACT ... IX

KATA PENGANTAR ... X

DAFTAR ISI ... XII

DAFTAR GAMBAR ... XVI

DAFTAR TABEL ... XVIII

BAB I PENDAHULUAN ... 1

1.1 L

ATAR

B

ELAKANG

M

ASALAH

... 1

1.2 R

UMUSAN

M

ASALAH

... 3

1.3 T

UJUAN

... 3

(13)

1.6 S

ISTEMATIKA

P

ENULISAN

... 7

BAB II LANDASAN TEORI ... 9

2.1 S

PEECH

P

ROCESSING

... 9

2.2 S

PEECH

R

ECOGNITION

... 11

2.3 S

PEAKER

R

ECOGNITION

... 13

2.3.1 Struktur Dasar dari Sistem Speaker Recognition ... 14

2.4 F

EATURE

E

XTRACTION

... 16

2.5 M

EL

-F

REQUENCY

C

EPSTRAL

C

OEFFICIENTS

(MFCC) ... 18

2.5.1 Frame Blocking ... 20

2.5.2 Windowing ... 21

2.5.3 Fast Fourier Transform (FFT) ... 23

2.5.4 Mel-Frequency Wrapping ... 24

2.5.5 Cepstrum ... 26

2.6 M

ETODE

H

IDDEN

M

ARKOV

M

ODELS

(

HMM

) ... 27

2.7 A

LGORITMA

P

EMODELAN

H

IDDEN

M

ARKOV

M

ODELS

... 30

2.7.1 Algoritma Training dengan Baum-Welch ... 31

2.7.2 Algoritma Testing dengan Viterbi ... 34

2.8 M

ETODE

E

VALUASI

5-F

OLD

C

ROSS

V

ALIDATION

... 34

BAB III ANALISA DAN PERANCANGAN SISTEM ... 37

3.1 P

ERANCANGAN

S

ISTEM

S

ECARA

U

MUM

... 37

3.2 G

AMBARAN

S

ISTEM

... 38

(14)

3.5 P

ERANCANGAN

A

NTAR

M

UKA

S

ISTEM

... 41

3.5.1 Halaman Depan ... 42

3.5.2 Halaman Pengujian ... 43

3.5.3 Halaman Bantuan ... 46

3.6 S

PESIFIKASI

H

ARDWARE DAN

S

OFTWARE

... 48

3.6.1 Hardware ... 48

3.6.2 Software ... 48

BAB IV ... 49

ANALISA HASIL DAN IMPLEMENTASI SISTEM... 49

4.1 A

NALISA

H

ASIL

I

DENTIFIKASI

S

UARA

... 49

4.2 I

MPLEMENTASI

A

NTARMUKA

S

ISTEM

... 60

4.2.1 Halaman Depan ... 60

4.2.2 Halaman Pilihan Menu Pengujian ... 61

4.2.3 Halaman Pengujian Hidden Markov Models untuk Speech Recognition ... 62

4.2.4 Halaman Pengujian Hidden Markov Models untuk Speaker Verification ... 64

4.2.5 Halaman Pengambilan Suara ... 65

4.2.6 Halaman Pengujian Sistem untuk Speech Recognition ... 67

4.2.7 Halaman Pengujian Sistem untuk Speaker Verification ... 68

4.2.8 Halaman Bantuan ... 74

4.2.9 Halaman Tentang Programmer ... 75

BAB V ... 76

(15)

5.2 S

ARAN

... 78

DAFTAR PUSTAKA ... 79

LAMPIRAN I ... 82

LAMPIRAN II ... 84

SCRIPT DAN FILE PENDUKUNG ... 84

LAMPIRAN III ... 161

(16)

xvi

Gambar

Keterangan

Halaman

2.1 Cakupan

speech processing

(Joseph P. Campbell, 1997)

10

2.2 Skema

Speech Recognition

(Melissa, 2008)

12

2.3 Struktur dari

Speaker Identification

(Furui, 1996)

15

2.4 Struktur dari

Speaker Verification

(Furui, 1996)

15

2.5 Diagram blok proses MFCC

19

2.6 Proses

frame blocking

20

2.7 Sinyal dengan proses

windowing

22

2.8 Sinyal tanpa proses

windowing

22

2.9 Grafik hubungan skala mel dan frekuensi (IPB)

25

2.10 Contoh mel-spaced

Filter-bank

(IPB)

25

2.11 Contoh tiga tipe rantai HMM

31

2.12 Ilustrasi dari operasi

Baum-Welch

33

3.1 Skema sistem pengenalan suara manusia

38

3.2 Gambaran sistem secara umum

38

3.3 Tahap

training

dan

testing

39

3.4 Proses tahap

testing

40

3.5 Proses tahap

testing

41

3.6 Rancangan halaman depan

42

3.7 Rancangan halaman Pengujian sistem tahap pertama

43

3.8 Rancangan jendela peringatan apabila

password

salah

44

3.9 Rancangan jendela peringatan apabila

password

benar

44

3.10 Rancangan halaman pengujian HMM tahap pertama

45

3.11 Rancangan halaman pengujian HMM tahap kedua

46

3.12 Rancangan halaman bantuan untuk cara kerja program

47

3.13 Rancangan halaman bantuan tentang program

47

4.1 Grafik Tingkat Akurasi Identifikasi Suara Manusia dengan

Feature

MFCC_D untuk

Speech Recognition

54

4.2 Grafik Tingkat Akurasi Identifikasi Suara Manusia dengan

Feature

MFCC_D untuk

Speaker Verification

55

4.3 Halaman Depan

60

4.4 Halaman pilihan pengujian

61

4.5 Halaman Pengujian Hidden Markov Model untuk

Speech

Recognition

63

4.6 Halaman Pengujian Hidden Markov Model untuk

Speaker

Verification

65

4.7 Halaman Pengambilan Suara

66

4.8 Halaman Peringatan

66

(17)

4.16 Halaman Pengujian Speaker Verification untuk

speaker

Deta

73

4.17 Halaman Pengujian

Speaker Verification

untuk

speaker

yang tidak

terdaftar

74

4.18 Halaman Bantuan

75

(18)

xviii

Tabel

Keterangan

Halaman

2.1 Tingkat akurasi berbagai metode

feature extraction

(Universite Pierre&MarrieCurrie, LA Science A Paris,

2004)

17

2.2 Pembagian kelompok data menjadi 5 bagian

35

2.3 Gambaran metode

5-fold cross validation

35

2.4 Contoh

confusion matrix

36

4.1 Hasil Akurasi Identifikasi Suara untuk

Speech Recognition

50

4.2 Hasil Akurasi Identifikasi Suara untuk

Speaker Verification

52

4.3 Hasil identifikasi suara berdasarkan tipe

feature

pada proses

Speech Recognition

56

4.4 Confusion Matrix MFCC_D untuk Speech Recognition

57

4.5 Hasil identifikasi suara berdasarkan tipe

feature

pada proses

Speaker Recognition

58

(19)

1 BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Meskipun teknologi sudah berkembang pesat tetapi keamanan

pengguna teknologi masih perlu diperhatikan lagi. Gangguan keamanan

yang diakibatkan perkembangan teknologi dapat menyebabkan privasi

seseorang terganggu. Hal ini dapat dilihat dari berbagai contoh seperti

password

yang dicuri kemudian disalahgunakan, pembicaraan telepon

yang disadap dan lain sebagainnya. Maka dari itu, keamanan menjadi hal

yang patut diperhatikan seiring dengan perkembangan teknologi.

Saat ini teknologi juga menawarkan berbagai fasilitas untuk

meningkatkan keamanan masyarakat. Salah satunya adalah dengan kata

sandi atau

password

yang diaplikasikan dalam berbagai perangkat. Tentu

saja kata sandi yang ditawarkan bukan sandi konvensional seperti

memasukkan angka atau huruf melainkan dengan menggunakan suara,

deteksi retina, sidik jari serta pengenalan tulisan tangan. Dari sekian

banyak contoh tersebut pengenalan suara merupakan salah satu cara yang

dapat digunakan sebagai kata sandi yang memiliki variasi yang cukup unik

(Hidayanto dan Sumardi, 2006).

Suara adalah salah satu hal yang membedakan antara manusia satu

(20)

aksen yang berbeda bahkan yang kembar identik sekalipun. Keunikan

suara inilah yang dapat dijadikan sebagai kata sandi untuk meningkatkan

keamanan pengguna dalam menggunakan suatu sistem (Setyabudi,

Purwanto dan Warsono, 2007).

Sudah banyak penelitian tentang pengenalan pola suara dengan

menggunakan berbagi metode serta implementasi yang berbeda-beda.

Salah satu metode yang cukup baik dan memiliki akurasi yang tinggi

dalam menangani variasi data dan keberagaman suara adalah

Hidden

Markov Models

(HMM) dan dengan menggunakan ekstraksi ciri

Mel-frequency Cepstral Coefficients

(MFCC). Pada penelitian Pengenalan

Ucapan Kata Terisolasi dengan Metode

Hidden Markov Models

(HMM)

melalui Ekstraksi Ciri

Linear Predictive Coding

( LPC ) (Hidayanto dan

Sumardi, 2006) dihasilkan akurasi yang berkisar pada angka 99,82% untuk

pengenalan ucapan kata yang berkorelasi tinggi pada pengujian dengan

data rekaman. Sedangkan pada pengujian

online

memberikan akurasi

berkisar pada angkan 87,58%. LPC sendiri adalah salah satu metode yang

digunakan untuk proses ekstrasi ciri.

Pada penelitian Identifikasi Pembicara Menggunakan Algoritme

VF15 dengan MFCC sebagai Pengekstraksi Ciri (Zilvan &

Muttaqien,2011) menghasilkan akurasi identifikasi suara tertinggi

mencapai 97%. VF15 merupakan salah satu algoritma yang digunakan

(21)

Dari hasil penelitian tersebut, metode

Hidden Markov Models

dan

ekstraksi ciri

Mel-frequency Cepstral Coefficients

akan digunakan penulis

untuk mengidentifikasi suara manusia yang akan digunakan sebagai kata

sandi atau

password

. Judul dari tugas akhir ini adalah

“ Identifikasi

Suara Manusia Sebagai Kata Sandi atau

Password

Menggunakan

Pendekatan

Hidden Markov Model

“.

Perbedaan tugas akhir ini dengan

penelitian sebelumnya adalah selain untuk mengetahui apa yang akan

diucapkan sebagai kata sandi, sistem juga akan mengidentifikasi pemilik

suara.

1.2 Rumusan Masalah

Dari latar belakang masalah diatas, rumusan masalah yang diambil

adalah Seberapa besar akurasi metode

Hidden Markov Model

mampu

mengenali suara manusia dan bagaimana mengimplementasinya ke dalam

sistem.

1.3 Tujuan

Merancang, menganalisa, mengimplementasi dan mengetahui

(22)

1.4 Batasan Masalah

1. Pola suara yang diteliti adalah pola suara manusia yang mencakup

suara laki-laki dan perempuan dengan mengucapkan kata tertentu.

Kata yang diucapkan adalah kata ‘satu’, ‘dua’, ‘tiga’, ‘empat’, ‘lima’,

‘enam’, ‘tujuh’, ‘delapan’, ‘sembilan’, dan ‘nol’. Setiap kata yang

diucapkan akan diulang sebanyak lima kali dengan menggunakan

aksen atau cara pengucapan yang berbeda.

2. Ekstraksi ciri atau

feature extraction

menggunakan

Mel-frequency

Cepstral Coefficients

(MFCC)

3. Suara manusia yang diproses adalah suara berekstensi .wav dan

diambil dengan menggunakan

microphone

yang terhubung ke

komputer menggunakan program

Sound Recorder

yang merupakan

program bawaan dari Sistem Operasi

Windows

. Suara direkam dengan

menggunakan frekuensi

sampling

44100Hz dengan karakteristik

sound

yang digunakan adalah

stereo sound

dengan bit data sebesar 16 bit.

4. Pemodelan suara manusia menggunakan algoritma

Baum-Welch.

5. Identifikasi suara manusia menggunakan algoritma

Viterbi.

6. Terdapat 200 data yang akan digunakan untuk penelitian ini dengan

rincian 100 data dari suara perempuan dan 100 data dari suara

(23)

7. Speaker

berjumlah 4 (empat) orang terdiri dari 2 (dua) orang

perempuan dan 2 (dua) orang laki-laki.

8. Suara akan mengalami proses ekstraksi ciri dan pemodelan dengan

menggunakan fungsi yang tersedia di MATLAB R2010a.

(24)

1.5 Metologi Penelitian

Metode yang akan digunakan dalam penelitian meliputi :

1. Studi Pustaka

Tahap ini dilakukan dengan mempelajari buku-buku referensi dan

sumber-sumber dari internet yang berkaitan dengan

Hidden Markov

Models, Speech Processing, feature extraction,

algoritma

Baum-Welch,

algoritma

Viterbi

dan tutorial pemrograman Matlab.

2. Tahap Pengambilan Data

Tahap ini dilakukan dengan cara mengambil data berupa ucapan dari 4

orang yang terdiri dari 2 laki-laki dan 2 perempuan. Tahap ini

dilakukan dengan menggunakan

microphone

yang terhubung ke

komputer.

3. Tahap Pembuatan Model

Model sendiri merupakan gambaran statistik dari ucapan yang telah

dimasukkan. Dalam tahap ini model akan dibangun dengan

menggunakan metode

Hidden Markov Model

.

4. Tahap Pembuatan Sistem Pengenal Ucapan

Pembuatan sistem akan dilakukan berdasarkan data yang telah

(25)

(

Graphical

User

Interface

)

dengan

menggunakan

bahasa

pemrograman Matlab.

5. Tahap Pengujian

Tahap pengujian dilakukan dengan uji coba program oleh pengguna.

Pada tahap ini juga akan dilakukan evaluasi terhadap sistem yang

dibangun. Apabila data yang dimasukkan adalah data yang belum

dimodelkan maka proses pengujian juga akan dibandingkan dengan

data yang telah dimodelkan terlebih dahulu tetapi dalam program akan

muncul pesan bahwa

password

atau kata sandi salah.

1.6 Sistematika Penulisan

BAB I

PENDAHULUAN

Berisi latar belakang masalah, rumusan masalah, tujuan,

batasan masalah, metologi penelitian, dan sistematika

penulisan.

BAB II

LANDASAN TEORI

(26)

BAB III

ANALISA DAN PERANCANGAN SIST

EM

Bab ini berisi analisa dan gambaran atau rancangan dari

sistem yang akan dibangun yaitu sebuah sistem yang dapat

mengenali suara manusia sebagai kata sandi atau

password

serta menjelaskan alur dari proses

training

dan

testing.

BAB IV

IMPLEMENTASI SISTEM

Bab ini berisi implementasi sistem dengan menggunakan

pendekatan

Hidden Markov Model

BAB V

ANALISA HASIL DAN PEMBAHASAN

Bab ini berisi tentang hasil dari implementasi sistem yang

kemudian dianalisa dan diuji.

BAB VI

KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dan saran yang didapatkan dari

proses pembuatan tugas akhir ini, serta saran agar

(27)

9 BAB II

LANDASAN TEORI

Pada bab ini akan dijelaskan mengenai teori-teori yang menjadi

landasan untuk mengembangkan penelitian beserta perangkatnya.

Teori-teori yang akan dibahas antara lain

Speech Processing, Speech

Recognition, Speaker Recognition,

Metode

Hidden Markov Models

,

Feature Extraction, Mel-frequency Cepstral Coefficients

(MFCC),

algoritma

Baum-Welch

dan

algoritma

Viterbi.

2.1 Speech Processing

Ucapan merupakan sinyal yang sangat kaya akan informasi yang di

dalamnya terkandung frekuensi, amplitudo dan waktu. Contohnya adalah

gerakan resonansi, harmonisasi, intonasi, dan lain sebagainya. Hal tersebut

digunakan untuk menyampaikan informasi tentang kata-kata dari identitas

pembicara yang dipengaruhi oleh aksen, ekspresi, serta kondisi kesehatan

dari si pembicara.

Sinyal ucapan yang digunakan oleh manusia sehari-hari dapat

dipelajari pada

Speech Processing.

Speech processing

merupakan sebuah

studi yang mempelajari tentang sinyal dari sebuah ucapan dan juga metode

(28)

Speech Processing

terbagi dalam beberapa cabang ilmu sesuai

dengan tujuan dari pengolahan suaranya. Hal tersebut dapat dilihat pada

Gambar 2.1

Gambar 2.1 Cakupan

speech processing

(Joseph P. Campbell, 1997)

Apabila dilihat dari Gambar 2.1 terdapat beberapa ilmu yang sudah

sering digunakan dalam aplikasi yang berkaitan dengan ucapan.

Speech

recognition

dan

speaker recognition

merupakan cabang ilmu dari

specch

processing

yang paling sering diaplikasikan untuk pengenalan suara.

(29)

asal suara atau pembicara. Dilihat dari perbedaan antara

speech

recognition

dan

speaker recognition,

kedua proses tersebut dapat

digunakan untuk melakukan proses identifikasi

password

berdasarkan

pada suara manusia adalah

speaker recognition.

Oleh karena itu, dalam

pembuatan tugas akhir ini penulis akan menggunakan prinsip

speech

recognition

dan

speaker recognition

dalam proses identifikasi suara.

2.2 Speech Recognition

Speech Recognition

adalah suatu pengembangan dalam sebuah

sistem yang memungkinkan sebuah komputer untuk mengolah masukan

atau perintah yang berupa suara.

Speech Recognition

memungkinkan

sebuah sistem untuk dapat mengenali dan memahami perintah suara.

Terdapat 4 tahap dalam

Speech Recognition

(Mellisa, 2008)

yaitu :

a.

Penerimaan data input

b.

Ekstraksi, yaitu penyimpanan data masukan sekaligus pembuatan

database

untuk

template

c.

Pembandingan / pencocokan, yaitu tahap pencocokan data baru dengan

data suara pada

template

.

(30)

Gambar 2.2 Skema

Speech Recognition

(Melissa, 2008)

Speech Recognition

juga dibagi menjadi beberapa jenis

berdasarkan kemampuannya dalam mengenali kata yang diucapkan.

a.

Kata-kata yang terisolasi

Proses pengidentifikasian kata yang hanya dapat mengenal kata yang

diucapkan apabila kata tersebut memiliki jeda waktu dalam

pengucapannya.

b.

Kata-kata yang berhubungan

Proses pengidentifikasian kata yang mirip dengan kata-kata terisolasi,

(31)

c.

Kata-kata yang berkelanjutan

Proses pengidentifikasian ini lebih maju karena dapat mengenali

kata-kata yang diucapkan secara berkesinambungan dengan jeda waktu

yang sangat sedikit. Proses ini sangat sulit karena membutuhkan

metode khusus untuk membedakan kata-kata yang diucapkan dalam

jeda waktu yang sangat sebentar.

d.

Kata-kata spontan

Proses pengidentifikasian kata yang dapat mengenal kata-kata yang

diucapkan secara spontan tanpa jeda waktu antar kata.

e.

Verifikasi atau identifikasi suara

Proses pengidentifikasian kata yang tidak hanya mampu mengenali

kata tapi juga mampu mengidentifikasi siapa yang berbicara.

2.3 Speaker Recognition

Speaker recognition

merupakan salah satu metode yang dapat

digunakan secara otomatis untuk mengenali suara seseorang yang

mengucapkan sesuatu (Joseph P. Campbell, 1997).

Speaker recognition

(32)

Apabila dilihat dari gambar 2.1 sebelumnya,

Speaker Recognition

mencakup

Speaker Identification

dan

Speaker Verification

.

Speaker

Verification

merujuk kepada bagaimana sebuah suara dapat menguji

seseorang apakah seseorang tersebut merupakan

speaker

atau bukan.

Sedangkan

Speaker Identification

hanya menitikberatkan terhadap

penentuan 1 (satu)

speaker

dari sekumpulan speaker yang ada.

Metode dari

Speaker Recognition

juga dapat dibedakan menjadi

text-dependent

dan metode

text-independent

. Metode

text-dependent

membutuhkan

speaker

untuk mengucapkan kata untuk pemodelan dan

pengujian sedangkan metode

text-independent

tidak bergantung terhadap

kata yang diucapkan

speaker

untuk pemodelan. Pada pembuatan tugas

akhir ini akan menggunakan metode

Speaker Recognition

yang bertipe

text-dependent.

2.3.1 Struktur Dasar dari Sistem Speaker Recognition

Speaker Identification

dan

Speaker Verification

memiliki struktur

yang berbeda. Berikut adalah struktur dari

Speaker Verification

dan

(33)

Gambar 2.3 Struktur dari

Speaker Identification

(Furui,1996)

Berdasarkan Gambar 2.3 dapat dilihat bahwa dalam proses

Speaker

Identification

suara yang masuk akan melalui tahap ekstraksi. Kemudian

akan dicari kemiripan yang paling dekat dengan suara yang telah

dimodelkan sebelumnya untuk mengetahui identitas dari

speaker.

(34)

Pada

Speaker Verification

suara yang masuk akan di ekstraksi

kemudian akan dibandingkan dan dicari kemiripan dengan suara dari

speaker

yang telah dimodelkan sebelumnya dan dari

speaker id.

Perbandingan tersebut akan digunakan untuk menolak atau menerima

suara yang masuk.

2.4 Feature Extraction

Feature extraction

merupakan metode untuk mengubah sinyal

menjadi beberapa parameter. Data yang akan digunakan merupakan data

dari suara manusia sehingga berupa data sinyal. Tetapi tidak semua data

sinyal tersebut dapat digunakan. Hal ini disebabkan karena berbagai faktor

seperti suara-suara yang berada di sekitar

speaker

pada saat pengambilan

data suara. Dengan tahap

feature extraction

diharapkan menghasilkan

feature

yang memiliki kemampuan untuk membedakan kemiripan

pengucapan setiap model sehingga tidak memerlukan data

training

yang

banyak. Pada umumnya

feature extraction

memiliki tiga tahap (Reynold,

2002), yaitu:

1. Penggunaan program deteksi suara untuk menghilangkan

noise

dari

sinyal suara yang menjadi obyek.

2. Feature

diekstrak untuk memperoleh informasi

(35)

Terdapat beberapa metode yang digunakan untuk mengekstrak

feature

yang berhubungan dengan sinyal. Metode tersebut antara lain LPC

(

Linear

Prediction

Coding)

,

Mel-Frequency

Cepstral

Coefficients

(MFCC),

Neural Predictive Coding

(NPC), dan sebagainya.

Perbandingan tingkat akurasi berbagai metode

feature extraction

dapat

dilihat pada Tabel 2.1 (Chetouani, 2004)

Tabel 2.1 Tingkat akurasi berbagai metode

feature extraction

(Sumber : Universite Pierre&MarrieCurrie, LA Science A Paris,

2004)

Dari Tabel 2.1 di atas dapat dilihat bahwa metode NPC memiliki

tingkat identifikasi yang paling tinggi dan sempurna kemudian diikuti oleh

metode MFCC. NPC merupakan salah satu algoritma ekstraksi ciri yang

merupakan perluasan dari LPC. Dalam kasus ini metode MFCC dirasa

paling tepat karena cara kerja metode MFCC sama dengan telinga manusia

sehingga untuk mengidentifikasi suara manusia lebih baik menggunakan

(36)

2.5 Mel-Frequency Cepstral Coefficients (MFCC)

Mel-Frequency Cepstral Coefficients

(MFCC) merupakan metode

pengolahan suara yang memiliki tujuan untuk mengidentifikasi asal dari

sumber suara. MFCC berdasarkan pada variasi

bandwidth

kritis terhadap

frekuensi pada telinga manusia sehingga cara kerja yang diterapkan pada

metode ini meniru karakteristik telinga manusia (Zilvan dan Muttaqien,

2011)

.

Pada telinga manusia terdapat

filter

-

filter

yang berguna untuk

membedakan suara yang memililki frekuensi rendah dan suara yang

memiliki frekuensi tinggi. Pada metode MFCC,

filter

pada telinga manusia

digambarkan dalam skala mel-frekuensi yang berfungsi untuk menangkap

karakter penting pada suatu ucapan.

Beberapa keunggulan dari metode MFCC adalah ( Manunggal, 2005):

1. Mampu menangkap karakteristik suara yang sangat penting bagi

pengenalan suara atau dengan kata lain dapat menangkap

informasi-informasi penting yang terkandung dalam signal suara.

2. Menghasilkan data seminimal mungkin tanpa menghilangkan

informasi-informasi penting yang terkandung di dalamnya.

3. Mereplikasi organ pendengaran manusia dalam melakukan persepsi

terhadap signal suara.

(37)

MFCC juga memiliki

filter

yang berbeda, yaitu

linearly spaced filters

dan

logarithmically spaced filters

(Hasan, Jamil, Rabbani, & Rahman, 2004)

.

Pada

linearly spaced filters

memiliki frekuensi yang berada di bawah

1000Hz sedangkan pada

logarithmically spaced filters

memiliki frekuensi

di atas 1000Hz.

Gelombang suara yang dihasilkan oleh

speaker

dapat memiliki

berbagai variasi tergantung dari kondisi fisik

speaker

tersebut. MFCC

memiliki struktur berupa blok diagram yang dapat dilihat pada Gambar 2.4

Frame Blocking Continuous

Speech Windowing FFT

Mel-Frequency Wrapping Cepstrum

Mel Cepstrum

Gambar 2.5 Diagram blok proses MFCC (Do, 1994)

(38)

2.5.1 Frame Blocking

Sinyal suara terus mengalami perubahan karena adanya pergeseran

artikulasi dari organ produksi vokal. Oleh karena itu, sinyal harus diproses

secara

short segments

(

short frame

). Panjang

frame

yang biasanya

digunakan untuk pemrosesan sinyal adalah antara 10-30 ms. Panjang

frame

yang digunakan sangat mempengaruhi keberhasilan dalam analisa

spektral. Di satu sisi, ukuran dari

frame

harus sepanjang mungkin untuk

dapat menunjukkan resolusi frekuensi yang baik. Tetapi, di sisi lain

frame

juga harus cukur pendek untuk dapat menunjukkan waktu yang baik.

Proses

frame blocking

ditunjukkan pada Gambar 2.6.

Gambar 2.6 Proses

frame blocking

Dengan

Sn

merupakan nilai sampel yang dihasilkan dan

n

merupakan urutan sampel yang akan diproses

Sinyal ucapan yang terdiri dari

S

sampel

(X(S))

dibagi menjadi

beberapa

frame

yang berisi

N

sampel, yang masing-masing sampel

dipisahkan oleh

M (M<N)

.

Frame

pertama berisi sampel

N

pertama.

(39)

sehingga

frame

kedua ini

overlap

terhdap

frame

pertama sebanyak

N-M

sampel. Selanjutnya,

frame

ketiga dimulai

M

sampel setelah

frame

kedua (

juga

overlap

sebanyak

N-M

terhadap

frame

kedua ). Hasil dari proses ini

adalah matriks dengan

N

baris dan beberapa kolom sinyal

X[N].

Proses

frame

ini dilakukan terus sampai seluruh sinyal dapat

diproses. Selain itu, proses ini umumnya dilakukan secara overlap yang

umum digunakan adalah kurang lebih 30% sampai 50% dari panjang

frame.

Overlapping dilakukan untuk menghindari hilangnya ciri atau

karakteristik suara pada perbatasan perpotongan setiap

frame.

2.5.2 Windowing

Proses

framing

dapat menyebabkan kebocoran spektral atau

aliasing. Aliasing merupakan sinyal baru yang memiliki frekuensi yang

berbeda dengan sinyal aslinya. Hal ini dapat terjadi karena rendahnya

jumlah

sampling rate

atau proses

frame blocking

yang menyebabkan

sinyal menjadi

discontinue

. Maka dari itu, tahap

windowing

diperlukan

agar menghidari kebocoran spektral.

Pada tahap

windowing,

sinyal suara yang telah mengalami

frame

blocking

telah dibagi menjadi beberapa

frame.

Setiap

frame

yang diperoleh

akan dijadikan

window

untuk memperkecil kemungkinan gangguan sinyal

yang terputus pada awal dan akhir setiap

frame. Window

dapat

didefinisikan sebagai berikut :

(40)

N

merupakan jumlah sample pada setiap

frame.

Hasil yang

didapatkan dari proses

windowing

adalah sinyal

(y(n))

yang dapat

didefinisikan sebagai berikut :

y(n) = x(n) w(n) ,

dimana 0 ≤ n ≤ (

N

-1 )

(2-2)

Terdapat banyak fungsi

window,

namun yang paling sering

digunakan untuk proses

speaker recognition

adalah

hamming window.

Fungsi window ini menghasilkan

sidelobe level

yang tidak terlalu tinggi

(kurang lebih -43dB) selain itu

noise

yang dihasilkan juga tidak terlalu

besar. Fungsi

hamming window

adalah sebagai berikut :

w(n) =

0.54 –

0.46 cos

[

2 π n /

(

N

–

1 )]

,

dimana 0 ≤ n ≤ (

N

-1 )

(2-3)

Gambar berikut menunjukkan perbedaan antara sinyal yang

melalui proses

windowing

dan sinyal yang tanpa melalui proses

windowing.

Gambar 2.7 Sinyal dengan proses

windowing

(41)

2.5.3 Fast Fourier Transform (FFT)

FFT adalah suatu algoritma untuk mengimplemetasikan algoritma

Discrete Fourier Transform

(DFT) dengan lebih cepat. Komputasi dari

algoritma DFT memiliki waktu yang sangat lama dikarenakan

membutuhkan

N

2

perkalian bilangan kompleks sehingga dibutuhkan cara

lain untuk menghitung DFT dengan cepat dengan menggunakan algoritma

FFT dimana FFT menghilangkan proses perhitungan yang kembar dari

DFT.

Jumlah sinyal yang akan dimasukkan dalam algoritma ini harus

merupakan kelipatan dua (2

M

). Algoritma FFT dimulai dengan membagi

sinyal menjadi dua bagian. Bagian pertama merupakan sinyal yang

memiliki nilai suara pada indeks waktu genap sedangkan bagian kedua

merupakan sinyal yang memiliki nilai suara pada indeks waktu ganjil.

Fast Fourier Transform

adalah himpunan dari

N sample

[

X

n

] yang

didefinisikan sebagai berikut :

𝑋

𝑛

=

𝑋

𝑘𝑒−2𝜋𝑘𝑛 𝑁 𝑁−1

𝑘=0

, dimana

n =

0,1,2,3,…..

N

-1

(2-4)

FFT seringkali digunakan untuk mendapatkan besarnya reaksi

frekuensi dari setiap

frame.

Ketika FFT dijalankan pada sebuah

frame,

(42)

Apabila dilihat dari rumusan diatas, dapat dilihat bahwa

X

n

merupakan angka yang kompleks. Hasil dari

X

n

dapat dijabarkan sebagai

berikut:

1. Ketika

n =

0 merupakan keadaaan frekuensi saat kosong.

2. Ketika 1 ≤

n

≤ (

N/

2 –

1) merupakan keadaan saat frekuensi bernilai

positif (0 <

f

<

F

s

/2).

3. Ketika

N/

2+1 ≤

n

≤

N

-1 merupakan keadaaan saat frekuensi bernilai

negatif (

F

s

/2 <

f

< 0).

F

s

sendiri merupakan frekuensi

sample.

Hasil yang diperoleh

berupa spektrum sinyal atau periodogram.

2.5.4 Mel-Frequency Wrapping

Sinyal suara terdiri dari nada-nada yang memiliki frekuensi yang

berbeda. Setiap nada dengan frekuensi yang sebenarnya,

f

, diukur dalam

Hz. Nada yang subyektif diukur dengan menggunakan skala

Mel.

Sebagai

acuan, nada dengan frekuensi 1kHz, 40dB diatas dari

threshold

pendengaran, didefinisikan sebagai 1000

mels

. Rumus yang digunakan

untuk menghitung

mels

dengan frekuensi dalam Hz adalah sebagai

berikut:

(43)

Salah satu pendekatan untuk menggambarkan spektrum yang

subyektif adalah dengan menggunakan

filter.

Setiap

filter

ditujukan untuk

komponen

mel-frequency

yang diinginkan.

Filter

yang dibentuk memiliki

jarak pusat

filter

adalah konstan pada ruang frekuensi mel. Skala mel

dibentuk untuk mengikuti persepsi sistem pendengaran manusia yang

bersifat linear untuk frekuensi rendah dan bersifat logaritmik untuk

frekuensi tinggi, dengan batas pada nilai frekuensi akustik sebesar

1000Hz. Hubungan skala mel dan frekuensi dapat digambarkan pada

Gambar 2.8.

Gambar 2.9 Grafik hubungan skala mel dengan frekuensi (IPB)

(44)

Dari

M

filter

yang telah terbentuk, maka dilakukan

wrapping

terhadap sinyal domain frekuensi dan menghasilkan satu komponen untuk

setiap

filter

dengan menggunakan rumus ( Buono, 2009) :

𝑋𝑖

= log

₁₀

𝑁−_𝑘₌₀1

𝑋 𝑘 𝐻𝑖 𝑘

(2-6)

Dengan

i

= 1,2,3….

M

dan

H

i

(k)

adalah nilai

filter

segitiga ke-

i

untuk frekuensi akustik sebesar

k

. Hasil dalam spektrum mel ini kemudian

akan dipilih

cepstrum coefficients,

nilai koefisien diperoleh dengan

menggunakan transformasi

cosinus.

Rumus yang digunakan adalah :

𝐶 𝑗

=

𝑀_𝑖₌₁

𝑋

_𝑖

cos

𝑗 𝑖 −

1 /2

_𝑀𝜋

(2-7)

Dengan

j

= 1,2,3…

K

yang merupakan jumlah

cepstrum coefficients

dan

M

merupakan jumlah

filter

.

2.5.5 Cepstrum

Pada langkah terakhir, logaritma dari spektrum

mel

harus

dikonversikan kembali ke domain waktu

.

Hasil yang didapatkan bernama

mel-frequency cepstrum coefficients

(MFCCs) (Hasan, Jamil, Rabbani dan

Rahman, 2004). Karena koefisien dari

mel

merupakan bilangan nyata,

dapat juga dikonversikan ke dalam domain berbasis waktu menggunakan

Discrete Cosine Transform

(DCT).

(45)

𝐶𝑛

=

𝑙𝑜𝑔𝑆𝑘

𝑛

𝑘 −

1 2

𝜋 𝐾 𝐾

𝑘−1

(2-8)

dimana

n =

1,2,….

K

Komponen pertama,

C

0

, tidak termasuk DCT karena

merepresentasikan nilai rata-rata sinyal yang membawa sedikit informasi

speaker

yang spesifik. Dengan menerapkan prosedur yang telah

dijelaskan, untuk setiap

frame

sekitar 30 ms dengan

overlap,

koefisien-koefisien dari

mel cepstrum

dapat dihitung.

2.6 Metode Hidden Markov Models ( HMM )

Hidden Markov Models

merupakan sebuah pemodelan statistik dari

sebuah sistem yang diasumsikan sebagai ‘Rantai Markov‘ dengan

parameter yang tidak diketahui, dan tantangannya adalah menemukan

parameter yang tersembunyi (

hidden

) dari parameter yang diketahui

(

observer

) (Przytycka, 2000). Parameter yang telah digunakan kemudian

dapat digunakan untuk analisa yang lebih jauh, misalnya untuk

Speaker

Recognition.

HMM disebut statistik karena mencari

means, varians,

dan

probabilitas dari model yang digunakan.

Dalam jurnal yang berjudul “

Hidden Markov Models For Speech

Recognition

“ yang ditulis oleh B. H. Juang dan L. R. Rabiner disebutkan

bahwa metode HMM sangat populer dikarenakan memiliki kerangka

(46)

matematika. Hal ini karena kemudahan dan ketersediaan dari algoritma

training

yang dimiliki HMM untuk memperkirakan parameter dari sebuah

model dengan data yang terbatas.

Dari

Hidden Markov Models

, suara dianggap sebagai sinyal yang

kemudian dimodelkan. Kemudian suara yang datang akan dibandingkan

dengan seluruh model yang ada dan akan melihat tingkat kecocokan yang

paling mendekati.

Hidden Markov Models

didefinisikan sebagai kumpulan 5

parameter yaitu

N, M, A, B, π.

Dengan menganggap

λ = { A, B, π }

maka

Hidden Markov Models

mempunyai parameter tertentu yaitu

N

dam

M

.

Maka dari itu, ciri-ciri dari HMM adalah :

1. Observasi diketahui tetapi urutan keadaan (

state

) tidak diketahui

sehingga disebut

hidden.

2. Observasi adalah fungsi probabilitas keadaan

3. Perpindahan keadaan adalah bentuk probabilitas

Hidden Markov

sendiri memiliki parameter distribusi sebagai berikut:

1. Probabilitas Transisi

A = {

a

ij

}

,

a

ij

=

P

(

q

t+1

=

S

j

|

q

t

=

S

i ) , 1 ≤

i

,

j

≤

N

Dengan syarat a

ij ≥ 0 dan

(47)

2. Probabilitas Observasi

B = {

b

j

(k)

}

,

b

j

(k)

=

P

(

V

k

pada

t

|

q

t

=

S

j

)

1 ≤ j ≤ N , 1 ≤ k ≤ M

Distribusi keadaan awal

π = { π

i

}

, π

i

= P (q

i

= S

j

)

Sedangkan terdapat dua parameter tertentu pada Hidden Markov

Models yaitu

N

dan

M

.

1. N

merupakan jumlah keadaan model. Dinotasikan sebagai himpunan

terbatas untuk keadaan yang mungkin adalah

S = { S

1

, S

2

……S

N

}

2. M

adalah jumlah dari simbol observasi atau keadaan. Simbol observasi

berhubungan dengan keluaran fisik dari sistem yang dimodelkan.

Dinotasikan sebagai himpunan terbatas untuk observasi yang mungkin

adalah

V = { V

1

, V

2

……V

M

}

Apabila diberi nilai yang tepat untuk variabel-variabel diatas maka

Hidden Markov Models

dapat digunakan untuk memberikan sekuens

observasi.

(48)

Dimana untuk setiap observasi

O

t

adalah satu dari simbol yang ada

pada

V

, dan

T

adalah banyaknya observasi yang ada pada sekuens

tersebut.

Metode

Hidden Markov Models

memiliki beberapa algoritma

pemodelan yang akan dijelaskan dalam subbab selanjutnya.

2.7 Algoritma Pemodelan Hidden Markov Models

Algoritma dalam

Hidden Markov Models

digunakan untuk

pembuatan model yang mencakup proses

training

dan

testing.

Pemodelan

dapat berbentuk kontinu untuk data yang berlanjut sesuai dengan waktu

seperti data suara yang akan diterapkan pada penelitian ini dan pemodelan

diskret yang digunakan pada data citra.

Bentuk dari model Hidden Markov Models adalah berupa

state-state

yang saling berhubungan, yang mana setiap

state

terhubung dari

state

(49)

Gambar 2.11 Contoh tiga tipe rantai HMM

(a) Model 4-

state

(b) Model 4-

state-

kiri-kanan (c) Model parallel 6-

state

2.7.1 Algoritma Training dengan Baum-Welch

Algortima

Baum-Welch

atau algoritma

forward-backward

merupakan salah satu algoritma yang dapat memberikan model terbaik

(50)

Variabel

forward

didefinisikan sebagai observasi parsial dari

probabilitas

state

sekuen yang dilambangkan dengan

O1, O2, …. Ot

(

hingga waktu

t

) dan

state Si

pada waktu

t

, dengan model

λ

, dan

α

sebagai

t(i)

. Untuk variabel

backward

didefinisikan sebagai observasi parsial dari

probabilitas

state

sekuen dari

t+1

ke

state

sebelumnya yang mana terdapat

state Si

pada waktu

t,

dengan model

λ

dan

α

sebagai

t(i)

. Observasi dari

probabilitas

state

sekuen ini dihitung dengan rumus:

𝑃 𝑂 𝜆

=

𝑛_𝑖₌₁

𝛼𝑡

𝑖 𝛽𝑡

𝑖

=

𝑁_𝑖₌₁

𝛼𝑡

(

𝑖

)

(2.10)

Probabilitas pada saat berada pada

state Si

pada waktu

t

, dan

diberikan sekuens observasi

O

, dan model

λ

adalah :

𝛾𝑡

=

∝𝑡 𝑖 𝛽𝑡(𝑖)

𝑃(𝑂|𝜆)

(2.11)

(51)

(b) variabel

backward

Gambar 2.12 Ilustrasi dari operasi

Baum-Welch

Pada saat menghitung model yang akan akan digunakan maka akan

membutuhkan banyak sampel data yang akan dimodelkan. Karakteristik

dari setiap contoh akan diekstrak dan disimpan dalam sebuah parameter

vektor sekuens

xt.

Parameter ini yang akan dipetakan sebagai ekuivalensi

dari

Ot.

Metode

Baum-Welch

memiliki cara kerja sebagai berikut :

1. Estimasikan sebuah model HMM sebagai

λ = { A, B, π }

2. Dengan nilai

λ

dari sekuens observasi

O

, hitung sebuah model baru

𝜆

=

𝐴

,

𝐵

,

𝜋

Seperti

(52)

3. Jika

𝑃 𝑂 𝜆 −𝑃 𝑂 𝜆

𝑃 𝑂 𝜆

> threshold, maka hentikan langkah ini. Jika tidak,

maka letakkan nilai

𝜆

untuk menggantikan

λ

dan ulangi langkah 1.

2.7.2 Algoritma Testing dengan Viterbi

Algoritma

Viterbi

digunakan untuk menghitung sekuens

state Q

yang paling dekat dengan kemungkinan atau probabilitasnya dari sekuens

Observasi

O. Algoritma Viterbi dapat didefinisikan sebagai:

δ

t

(i) = max

q1,q2…q3

P[q

1

,q

2

,…q

t

= i, O

1

O

2….

O

t

| λ ]

(2.12)

δ

t

(i)

merupakan nilai probabilitas terbaik pada waktu

t,

yang

dihitung pada observasi

t

pertama yang diakhiri pada

state S

i.

2.8 Metode Evaluasi 5-Fold Cross Validation

Metode

5 -

Fold Cross-Validation

digunakan pada saat evaluasi

untuk mengukur tingkat akurasi sebuah sistem. Metode

5 -

Fold Cross

Validation

membagi tiap kelompok data suara menjadi data yang

kemudian akan menjadi data untuk proses

training

dan

testing

Dalam penelitian ini, terdapat 4 (lima) kelompok data yang mana

masing-masing kelompok mewakili setiap orang yang akan diambil

suaranya. Setiap kelompok memiliki data sebanyak 50 yang kemudian

(53)

4 (empat) kelompok data akan digunakan sebagai data

training

dan satu

kelompok data akan digunakan sebagai data

testing

.

Pembagian data untuk setiap kelompok data dapat dilihat di Tabel 2.2

Tabel 2.2 Pembagian kelompok data menjadi 5 bagian

Suara 1 Suara 2 Suara 3 Suara 4 Suara 5

1

dilakukan akan melibatkan data yang berbeda setiap proses

training

maupun

testing.

Tabel 2.3 Gambaran metode

5-fold cross validation

(54)

Pengukuran tingkat akurasi dilakukan dengan menggunakan

confusion matrix

seperti pada tabel berikut

.

Tabel 2.4 Contoh confusion matrix

Suara 1

Suara 2

Suara 3

Suara 4

Suara 1

Suara 2

Suara 3

Suara 4

Suara 5

Evaluasi dari ketepatan

confusion matrix

dilakukan dengan cara

membandingkan

output

hasil dari identifikasi oleh sistem dengan label uji

yang tersedia untuk data tersebut. Perhitungan untuk mengukur tingkat

akurasinya adalah dengan rumus berikut:

Akurasi =

S/T x 100%

(2.13)

Keterangan :

S = jumlah sample yang dikenal secara benar oleh sistem ( jumlah

diagonal dari

confusion matrix

)

(55)

37 BAB III

ANALISA DAN PERANCANGAN SISTEM

Bab ini akan menjelaskan tentang rancangan dan cara kerja sistem

yang akan dibangun. Sistem ini berfungsi untuk menganalisa tingkat

akurasi metode

Hidden Markov Models

dalam mengenali suara manusia.

3.1 Perancangan Sistem Secara Umum

Sistem ini digunakan untuk mengenali suara manusia yang

ditampilkan dalam bentuk

password

untuk disimulasikan sebagai kata

kunci untuk masuk ke dalam suatu sistem dengan menggunakan metode

Hidden Markov Models

. Data suara terdiri dari 4 orang yang mana

merupakan 2 laki-laki dan 2 perempuan. Suara akan diambil dengan

menggunakan

microphone

dan akan diekstraksi terlebih dahulu sebelum

dimasukkan ke dalam sistem. Sistem akan melakukan proses

training

dan

(56)

Data suara berektensi

.wav

Feature Extraction

Training

Testing

Estimasi mode Model

Proses perhitungan probabilitas

Nilai

maksimum Evaluasi hasil

Gambar 3.1 Skema sistem pengenalan suara manusia

Gambar 3.1 menjelaskan tahapan dari proses pengenalan suara.

Dimulai dari data masuk yang berupa

file

berekstensi .wav kemudian akan

memasuki proses

feature extraction

yang menggunakan MFCC. Hasil dari

feature extraction

sendiri merupakan

file

berekstensi .mfc. Data suara

yang telah diproses kemudian menjadi

input

untuk proses

training

dan

testing

dengan menggunakan pendekatan HMM. Setelah itu akan

dihasilkan suara yang dikenali sebagai hasil klasifikasi.

3.2 Gambaran Sistem

user _{Pola Suara Sebagai}Sistem Pengenalan

Password

User memasukkan data suara dengan microphone

Sistem menampilkan hasil apakah masukan diterima atau tidak

(57)

Sistem Pengenalan Pola Suara Sebagai

Password

training

testing

Gambar 3.3 Tahap

training

dan

testing

3.3 Proses Training

Proses

training

akan menghasilkan model dari data yang telah

diambil sebelumnya. Proses

training

ini akan menggunakan algoritma

Baum-Welch

yang telah dibahas dalam bab sebelumnya. Gambar 3.3

menunjukkan proses

training

data dan pembuatan model. Dalam proses

(58)

Input suara

Feature extraction

Estimasi model

M1 M2 Mn

....

Gambar 3.4 Proses tahap

training

3.4 Proses Testing

Pada tahap

testing

akan menggunakan algoritma

Viterbi.

Proses ini

menggunakan

data yang baru. Untuk mengenali data baru yang masuk,

sistem akan menghitung probabilitas dari data baru dengan model yang

ada dilihat dari kemiripan atau kedekatannya. Data yang memiliki

probabilitas tertinggi akan menunjukkan bahwa data suara baru yang

masuk dapat diidentifikasi dan diterima oleh sistem. Gambar 3.4

(59)

Data suara manusia Feature extraction

M1 M2 .. Mn

Memilih kedekatan

yang paling maksimum Data dikenali

Menghitung kemiripan terhadap model

Gambar 3.5 Proses tahap

testing

Untuk implementasi HMM dan identifikasi suara manusia maka

pada pembuatan tugas akhir ini penulis menggunakan HMM

Toolkit

(HTK).

HTK menyediakan

tools

termasuk algoritma

Baum-Welch

yang digunakan

pada proses

training

dan algoritma

Viterbi

untuk proses

testing.

3.5 Perancangan Antar Muka Sistem

Pada perancangan antar muka untuk sistem pengenalan suara

manusia ini terdiri dari beberapa halaman yang mewakili proses

perhitungan dari

Hidden Markov Models

serta cara kerja dari sistem, yaitu:

1. Halaman depan

2. Halaman pengujian sistem

3. Halaman pengujian HMM dan cara kerja sistem

(60)

3.5.1 Halaman Depan

Halaman ini merupakan halaman pembuka yang berisi dua menu

utama yaitu MENU dan BANTUAN serta penjelasan mengenai tentang

nama sistem, logo Universitas Sanata Dharma, identitas pembuat program

dan nama Dosen pembimbing. Rancangan dari halaman depan sistem ini

dapat dilihat pada Gambar 3.6