dc.description.abstract | Teknologi berbasis suara banyak digunakan saat ini, seperti password
berdasarkan suara pada smartphone dan perangkat komputer hingga penerapan
pada aplikasi-aplikasi biometrik dan security. Salah satu metode speaker
recognition text-independent yang mampu menghasilkan akurasi yang baik adalah
Gaussian Mixture Model (GMM). Namun, GMM masih menghasilkan solusi
yang lokal optimum.
Pada penelitian ini, algoritme genetika (GA) diajukan untuk menemukan
parameter GMM pada text-independent speaker identification yang global
optimum. Pengujian metode dilakukan pada beberapa kondisi penambahan noise
dengan besaran 0 dB, 5dB, 8dB, 10 dB, 20dB dan 30dB agar pengaruh noise
terhadap penggunaan metode dapat dianalisis.
Hasil penelitian menunjukan bahwa speaker identification dengan GMM
tanpa algoritme genetika menghasilkan akurasi 33,33% untuk semua kondisi noise
yang diujikan, sedangkan speaker identification dengan GMM dan penambahan
algoritme genetika menghasilkan akurasi yang lebih baik. Parameter GMM yang
ditentukan oleh GA menghasilkan akurasi 100% pada SNR 30 dB dan 20 dB,
kemudian 96,86%, 86,46%, 63,33% dan 33,33% pada SNR 10 dB , 8 dB, 5 dB
dan 0 dB. Hal tersebut menunjukkan bahwa metode yang diajukan telah berhasil
meningkatkan akurasi pengenalan pembicara. | id |