PENCIRIAN WICARA MENGGUNAKAN ANALISA CEPTRAL SEBAGAI WUJUD INVERS DARI FAST FORIER TRANSFORM (FFT)

arridha zikrasyah, yessica siagian, safrian aswati

Abstract


Abstrak:Pengenalan sinyal wicara merupakan satu ranah penelitian yang menarik. Banyak sekali metoda
yang bisa digunakan dalam pengolahan sinyal untuk mendapatkan pengenalan sinyal wicara. Salah satu
metoda yang bisa digunakan adalah analisis ceptral, untuk mendapatkan ceptral koefisien. Setiap koefisien
yang dihasilkan oleh sinyal wicara memiliki pola suara yang bisa dikenali. Dalam analisis ini terdapat
sederetan pemrosesan yang melibatkan hitungan rumit. Ceptral merupakan bentuk invers dari Fast Forier
Transform (FFT).Selanjutnya diolah dengan metoda Linear Predictive Coding. Kemudian dilakukan
autokorelasi ke dalam bentuk koefisien cepstral. Setelah itu koefisien tersebut akan disesuaikan ke dalam
bentuk yang bisa dikenali oleh jaringan syaraf tiruan dengan metoda back propogation. Dari hasil
serangkaian proses tersebut dihasilkan 297 koefisien cepstral untuk satu pola yang akan dikenali. Hasil
pengujian dengan pola 297x25x1, learning rate 0.25, momentum 0,6 menghasilkan pola yang dikenali
dengan error 4% dan keberhasilan sebanyak 96 %.
Kata Kunci: Wicara, Cepstral, Fast Forier Transform (FFT)
Abstract:The introduction of the speech signal is an interesting research domain. There are so many methods
that can be used in processing the signal to obtain the speech signal recognition. One method that can be
used is the analysis ceptral, to get ceptral coefficient. Each coefficient generated by the speech signal has a
voice pattern recognition.In this analysis from a series of processing that involves a complicated matter.
Ceptral an inverse form of Fast Forier Transform (FFT).Further processed by the method of Linear
Predictive Coding. Then do the autocorrelation in the form of cepstral coefficients. After that, the coefficients
will be adapted into a form that can be recognized by the neural network with back propogation method.
From the results of this process produced a series of 297 cepstral coefficient for the pattern to be recognized.
The test results with the pattern 297x25x1, 00:25 learning rate, momentum 0.6 produces recognizable
pattern with 4% error and success as much as 96%.
Keywords: Speech, Cepstral, Fast Forier Transform (FFT)


References


Andriana, Anna Dara. 2013. “Perangkat Lunak

Untuk Membuka Aplikasi Pada Komputer

Dengan Perintah Suara Menggunakan

Metode Mel Frequency Cepstrum

Coefficients”. Jurnal Ilmiah Komputer dan

Informatika (KOMPUTA). Fakultas

Teknik dan Ilmu Komputer Universitas

Komputer Indonesia. Bandung

Binanto, Iwan. 2010. “Multimedia Digital Dasar

Teori dan Pengembangannya”.

Yograkarta: Andi Offset.

Fadlisyah, dkk. 2013. “Pengolahan Suara”.

Yogyakarta: Graha Ilmu.

Gavaert, wounter dkk. 2010. “Neural Networks

Used for Speech Recogniton”. Journal of

Automatic Contral.University of Belgrade.

KashyapDas, Tapashi dan P.H. Talukdar. 2013.

“Cepstral Analysis of Assamese Vowel

Phonemes”. International Journal of

Advances in Computer Science and

Technology, India:Department of

Instrumentation and Department of

Instrumentation USIC Gauhati University.

Nacib, Leila, dkk. 2013. “Detecting Gear Tooth

Cracks Using Cepstral Analisys in

GearBox of Helicopters”. Algeria :

LSELM, France:LAGIS

Pan, Shing Tai, et all. 2011. “Application of Integer

FFT on Performance Improvement of

Speech Recognition Chip

Implementation”. Journal of Information

Hiding and Multimedia Signal

Processing.Department of Computer

Science and Information Engineering

National University of Kaohsiu.Taiwan.

Paul, D.B. 1990. “Speech recognition using hidden

markov models”, the lincoln laboratory

journal.

Rabiner, Lawrence dan Biing Hwang Juang. 1993.

“Fundamental Of Speech Recognition”.

New Jersey: PTR Prentice-Hall, Inc

Singh, Sarbjeet dkk, 2010, “Voice Recognition in

Automobiles, International. Journal of

Computer Applications”. Sri Sai College

of Engg. And Technology. Pathankot

Sukarso dan Abdusy Syarif. 2007. “Aplikasi

Pengenalan Suara Menggunakan Microsoft

Sapi Sebagai Pengendali Peralatan




DOI: https://doi.org/10.33330/jurteksi.v3i2.310

Article Metrics

Abstract view : 14 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

Indexed by: