PERLUASAN METODE MFCC lD KE 2D SEBAGAI ESKTRAKSI CIRI PADA SISTEM IDENTIFlKASI PEMBICARA MENGGUNAKAN HIDDEN MARKOV MODEL (HMM)

Abstract

Pada paper ini, sebuah metode Mel-Frequency Cepstrum Coefficients (MFCC) sebagai pengekstraksi ciri telah dikembangkan sebagai perluasan dari MFCC pada ruang satu dimensi (ID-MFCC) ke ruang dua dimensi (2D-MFCC). Pada metode ID-MFCC, komponen masukan sistem adalah nilai spectrum sinyal yang diperoleh melalui transformasi Fourier, maka pada metode 2D-MFCC sebagai komponen masukan sistem adalah data bispectrum sinyal. Oleh karena itu, perubahan yang dilakukan adalah dimensi filter serta transformasi kosinus pada tahap akhir metode dari ruang satu dimensi menjadi ruang dua dimensi. Efektifitas metode 2D-MFCC yang diusulkan ini kemudian diuji pada sistem untuk identifikasi pembicara menggunakan HMM sebagai pengenal pola. Percobaan dilakukan pada sistem untuk mengenali 10 pembicara dengan data latih masing-masing pembicara sebanyak 20, 40 dan 60 data suara dari 80 suara yang tersedia untuk setiap pembicara. Hasil dengan data uji menunjukkan bahwa sistem memiliki akurasi yang tinggi, yaitu diatas 99%,92% dan 88% dengan masing-masing untuk model dengan data latih sebanyak 60, 40 dan 20