Jurnal Telematika
Vol 11, No 1 (2016)

Penerapan Metode Mel Frequency Ceptral Coefficient dan Learning Vector Quantization untuk Text-Dependent Speaker Identification

Sukoreno Mukti Widodo (Unknown)
Elisafina Siswanto (Institut Teknologi Harapan Bangsa)
Oetomo Sudjana (Universitas Parahyangan)



Article Info

Publish Date
22 Feb 2017

Abstract

Layanan keamanan pada umumnya menggunakan kata sandi untuk membatasi dan mengontrol akses layanan tersebut.Kata sandi yang biasa digunakan sering kali berbentuk teks.Penggunaan kata sandi dengan bentuk teks dianggap masih kurang aman karena sering kali terjadi kebocoran. Maka dari itu dibutuhkanlah bentuk lain dari kata sandi, untuk meningkatkan keamanan dalam mengakses layanan atau data tertentu. Salah satunya adalah dalam bentuk suara. Sistem ini berbasis pada input berupa file audio dengan data ucapan yang bergantung pada teks atau text-dependent dengan output adalah identitas pembicara yang teridentifikasi. Pada penelitian ini, sistem pengenalan pembicara dibuat untuk dapat mengenali suara pembicara dengan menggunakan Mel-Frequency Cepstral Coefficients yang digunakan untuk melakukan ekstraksi fitur dari data suara sehingga dihasilkan fitur-fitur yang mewakili pembicara tersebut dan metode Learning Vector Quantization yang digunakan untuk melatih data-data hasil ekstraksi dan mencocokan data latih dengan data baru sehingga didapatkan identitas dari pembicara berdasarkan suara tersebut. Dari hasil pengujian pada sistem ini, didapatkan identification rate tertinggi adalah 88.9% dengan menggunakan data dengan durasi sekitar 8 detik. Security services generally use a password to restrict and control access to its services. Many password used is often in the text form. This type of password is considered less secure because it can be obtained by unauthorized people. Other forms of password are required to increase the security in accessing services or specific data such as voices. This system is based on the input of an audio file such as utterance that depends on text or text-dependent. In this study, the speaker recognition system is made to recognize the speaker of an audio file using Mel-Frequency Ceptral Coefficients for extracting voice data to produce features that represent the speaker and Learning Vector Quantization (LVQ) to train the data extraction and matching training data with new data to obtain the identity of the speaker based on the sound. From the experiment result, obtained the highest identification rate is 88.9% using data with a duration about 8 seconds.

Copyrights © 2017






Journal Info

Abbrev

telematika

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering

Description

Jurnal Telematika is a scientific periodical written in Indonesian language published by Institut Teknologi Harapan Bangsa twice per year. Jurnal Telematika publishes scientific papers from researchers, academics, activist, and practicioners, which are results from scientific study and research in ...