Klasifikasi Usia Berdasarkan Suara Menggunakan Metode Linear Predictive Coding (LPC) dan Nearest Neighbor Berbasis Python
DOI:
https://doi.org/10.56799/jim.v3i9.4754Keywords:
Klasifikasi, Suara Manusia, Usia, Linear Predictive Coding, Nearest Neighbor, Python.Abstract
Tiap-tiap manusia mempunyai keunikan suara yang berbeda-beda yang disebabkan karena resonansi pada tenggorokan yang pula berbeda. Terdapat sejumlah hal yang dapat menjadi kendala ketika proses ekstraksi suara yakni bersumber dari variabilitas suara pada keadaaan seseorang sakit, dialog asing, emosi dan lingkungan. Maka dari itu diperlukan proses filtering. Proses filtering ini sangatlah penting karena dapat menyaring suara untuk menghilangkan noise-noise pada suara. Filtering suara dilaksanakan sebelum proses ekstraksi suara. Dengan adanya klasifikasi usia, ruang masalah dalam pengenalan suara dapat dibatasi hanya berlandaskan usia yang sudah diklasifikasikan. Pembagian usia berlandaskan karakteristiknya yakni anak-anak 5 11 tahun, remaja 12 25 tahun, dewasa 26-45 tahun serta lansia 46 65 tahun. Adapun tujuan dari penelitian ini yaitu agar dapat diketahui bagaimana penerapan Linear Predictive Coding (LPC) dan Nearest Neighbor dalam pengklasifikasian usia berdasarkan suara. Oleh karena itu akan dilaksanakan penelitian untuk tugas akhir dengan mengidentifikasikan usia berlandaskan suara dan mengklasifikasikan suara tersebut kedalam jenis tipe suara anak-anak, remaja, dewasa dan lansia dengan mempergunakan metode Linear Predictive Coding (LPC) dan Nearest Neighbor Berbasis Python. Hasil penelitian ini yaitu: (1). Pembuatan sistem klasifikasi usia memanfaatkan aplikasi Pyhton. (2). Pengujian akurasi K-Fold Cross Validation diperoleh akurasi senilai 75%, presisi 39%, recall 39%. (3). Berlandaskan total kinerja sistem yang sudah diperoleh, maka bisa ditarik kesimpulannya dengan menerapkan metode Linear Predictive Coding (LPC) selaku ekstraksi ciri dan Nearest Neighbor bisa dipergunakan dalam mengelompokkan usia anak-anak, remaja, dewasa, lansia berlandaskan suaranya.
Downloads
References
Amin, M. A., d. J. D., (2017): Klasifikasi Kelompok Umur Manusia Berdasarkan Analisis Dimensi Fraktal Box Counting Dari Citra Wajah Dengan Deteksi Tepi Canny, Jurnal Ilmiah Matematika, 2(6).
Arafyanto, P. A., (2006): Aplikasi Pengenalan Suara Dalam Pengaksesan Informasi Waktu Terucap Berbasis Komputer, Skripsi. Universitas Diponegoro, .
Arkaan, H. M., F. I. R. L. W. A. d. J. A., (2019): Klasifikasi Ciri Suara Manusia Berbasis Matlab Menggunakan Metode Fast Fourier Transform, Journal of Informatics, Information System, Software Engineering and Applications, 2(1), 1–6.
Ayunisa, Y. D., A. A. d. W., (2012): Perancangan Sistem Pengenalan Suara Untuk Pengamanan Dan Pemantauan Fasilitas PLTA, Surabaya: Institut Teknologi Sepuluh Nopember (ITS), .
Daryanto, T., (2008): Sistem Multimedia Pertemuan ke-2 Audio dan Suara,
http://kk.mercubuana.ac.id/files/92052-2-132860772042.pdf, .
Faradiba (2017): Pengenalan Pola Sinyal Suara Manusia Menggunakan Metode Back Propagation Neural Network, Universitas Kristen Indonesia, 2(1), 1–16.
Ferdinando, H., (2010): Dasar-dasar Sinyal dan Sistem, ANDI, Yogyakarta. Hamid, O., K., (2018): Frame Blocking and Windowing Speech Signal, Journal of
Information, Communication, and Intelligence Systems (JICIS), 4(5).
Handoko, R. B., d. S., (2019): Klasifikasi Gender Berdasarkan Suara Menggunakan Support Vector Machine, Journal on Computing, 4(1), 9–18.
Hendarko, G., (2010): Identifikasi Citra Sidik Jari Menggunakan Alihragam Wafelet Dan Jarak Euclidean, Skripsi. Semarang: Universitas Diponegoro,
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Nova Yanti Panjaitan, Hermawan Syahputra
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.