| dc.description.abstract | Pengenalan suara merupakan studi lapangan dalam pengolahan suara. Penelitian tentang fitur suara memiliki beberapa metode pengolahan, salah satunya adalah Mel Frekuensi Cepstrum Coefisien (MFCC). Fungsi MFCC adalah mengekstrak fitur suara. Penelitian ini bertujuan untuk menerapkan MFCC sebagai ekstraksi ciri dan Euclid Standard Deviaton sebagai metode pengukuran jarak pada pengenalan fonem. Dalam penelitian ini, data dibagi menjadi dua jenis, yaitu data dengan noise dan data tanpa noise. Kedua jenis data ini digunakan untuk menunjukkan bagaimana kebisingan memengaruhi hasil. Nilai kebisingannya adalah 10dB dan 15dB. Dari penelitian yang telah dilakukan dapat disimpulkan bahwa metode Euclid Standard Deviation dapat digunakan untuk pengenalan fonem. Hasil penelitian menunjukkan bahwa akurasi terbaik dicapai ketika fitur suara tanpa noise diproses menggunakan Euclid Standard Deviation, tanpa proses noise canceling yang memiliki akurasi 96%. Untuk perbandingan persentase antara data dengan noise 10dB dan data dengan noise 15dB, akurasi terbaik dicapai oleh data dengan noise 15dB yang memiliki akurasi 10,6%. Proses noise canceling pada data tanpa noise mengurangi persentasenya menjadi 91,3%. Sedangkan noise canceling mampu meningkatkan akurasi pengenalan suara. Untuk sinyal dengan noise 10dB, akurasinya meningkat dari 7,6% menjadi 8,6%. dan untuk sinyal dengan noise 15dB, akurasinya meningkat dari 10,6% menjadi 12,5%. | id |
