Identifikasi Asal Daerah Berdasarkan Suara Manusia Dengan Metode Linier Predictive Coding (lpc)

Abstract

Abstrak Suara manusia memiliki ciri khas masing-masing. Pengucapan kata yang sama akan menghasilkan pola sinyal yang berbeda sesuai dengan aksen atau pelafalannya. Pada penelitian ini telah dibuat sistem yang mampu mengidentifikasi asal daerah berdasarkan suara manusia. Asal daerah yang akan diidentifikasi adalah Sulawesi Selatan, Sumatra Barat, Jawa Barat dan Jawa Tengah.. Pada penelitian ini telah dibuat sistem untuk mengidentifikasi asal daerah berdasarkan suara manusia dengan metode ekstraksi ciri Linier Predictive Coding (LPC) dan klasifikasi Jaringan Saraf Tiruan (JST) dengan metode Propagasi Balik. Mula-mula data suara disimpan dalam file wav, kemudian dianalisa dengan LPC. Koefisien LPC yang diperoleh dari analisa LPC selanjutnya menjadi vektor masukan JST untuk melatih jaringan. Hasil pelatihan berupa perubahan bobot jaringan sehingga diperoleh jaringan yang memiliki kemampuan pengklasifikasian. Jaringan tersebut kemudian diuji dengan mensimulasikannya menggunakan data latih dan data uji guna menghasilkan persentase keberhasilan pengenalan. Pengujian dilakukan dengan beberapa perubahan nilai parameter agar diperoleh persentase pengenalan tertinggi.. Hasil pengujian menunjukkan nilai akurasi tertinggi yang didapatkan yaitu 80.76% dengan menggunakan 52 data latih dan 52 data uji. Parameter terbaik yang digunakan yaitu 3 hidden layer pada JST. Kata kunci : Linier Predictive Coding (LPC), Jaringan Saraf Tiruan (JST), Suara, Aksen. Abstract Each human voice has the characteristics of themselves. Pronouncing the same word will produce a different signal pattern according to the accent or pronunciation. In this research has been made a system that can identify the place of origin based on human voice. The places of origin that has been identified are South Sulawesi, West Sumatra, West Java and Central Java. In this research has been made a system that can identify the place of origin based on human voice using the Linear Predictive Coding (LPC) as feature extraction method and Artificial Neural Networks (ANN) Backpropagation as classification. At first the sound data is stored in a wav file, then it’s analyzed with the LPC. The LPC coefficient is obtained from the LPC analysis then it becomes the ANN input vector for training the network. The results of training in the form of changes in network weights to obtain a network that has the ability to classify. Then the network is tested by simulating it using training data and evaluation data to produce a percentage of successful recognition. The test is done with several changes in parameter values in order to obtain the highest percentage of recognition. The result of testing shows the highest accuracy values is 80.76% using 52 training data and 52 evaluation data. The best parameters that is used are 3 hidden layers in ANN. Keywords: Linier Predictive Coding (LPC), Artificial Neural Network (ANN), Voice, Accent.