KUANTISASI SKALAR NILAI BISPEKTRUM UNTUK PENCIRI SINYAL PADA SISTEM IDENTIFIKASI PEMBICARADENGAN HMM SEBAGAI PENGENALPOLA

Abstract

Pada paper ini disajikan teknik kuantisasi skalar untuk merepresentasikan nilai bispketrum sinyal suara pada sistem identifikasi pembicara (SIP). Jumlah channel yang dicoba adalah 128, 250, 400 dan 600, dan jenis statistik nilai bipektrumnya adalah rata-rata, median dan ratarata di atas kuartil 3. Output kuantisasi ini diekstrak menggunakan Mel-Frequency Cepstrum Coefficients (MFCC) dengan jumlah koefisien 13 dan dilanjutkan dengan pengenalan pola menggunakan left-right Hidden Markov Model (HMM) dengan jumlah state 3. Data yang dipergunakan melibatkan J 0 pembicara yang mengucapkan ujaran "Pudesha" sebanyak 80 kali tanpa pengkondisian, dan disampling dengan frekuensi 1.1 kHz. Sebanyak 75% data digunakan untuk training dan sisanya sebagai data uji. Dalam hal ini ada 5 set data uji, yaitu sinyal asli, sinyal asli yang telah ditambah Gaussian noise (20 dB, 10 dB, 5 as. dan 0 dB). Hasil percobaan menunjukkan bahwa teknik kuantisasi skalar menghasilkan SIP dengan akurasi diatas 98% untuk semua channel. Namun untuk sinyal bernois 20 dB, terjadi penurunan dengan kisaran 69% hingga 83%. (;~tuk noise yang lebih berat, sistem gagal melakukan pengenalan dengan baik. Juga terlihat bahwa rata-rata bispektrum diatas kuartil 3 memberikan akurasi yang lebih baik di banding dua statistik lain nya.