CESS (Journal of Computer Engineering, System and Science)
Vol 4, No 2 (2019): JULI 2019

KINERJA ALGORITMA SUPPORT VECTOR MACHINE BERDASARKAN EKSTRAKSI SINYAL SUARA DENGAN MEL-FREQUENCY CEPSTRUM COEFFICIENTS PADA PELAFADZAN AYAT AL-QURAN

Rizki Suwanda (Program Studi Magister Teknik Informatika, Universitas Sumatera Utara)
Syahril Efendi (Program Studi Magister Teknik Informatika, Universitas Sumatera Utara)
Erna Budhiarti (Program Studi Magister Teknik Informatika, Universitas Sumatera Utara)



Article Info

Publish Date
24 Jul 2019

Abstract

Proses identifikasi merupakan bidang teknologi yang sedang menjadi perhatian untuk dikembangkan. Salah satu cara dalam proses identifikasi seseorang antara lain dengan menggunakan pengenalan suara. Penelitian ini bertujuan untuk mrngukur kinerja MFCC sebagai ekstraksi ciri sinyal suara dengan Support Vector Machine (SVM) sebagai algoritma klasifikasi. Sampel suara yang digunakan adalah bacaan dari AL-Qur’an yang terdiri dari 4 surah yaitu, Surah Al-Baqarah ayat 255 dan 256, Surah At-Thalaq ayat 2 dan 3, Surah At-Thariq ayat 1-3, dan Surah Al-Ghasyiyah ayat 17-19. Hasil transformasi sinyal suara menggunakan ekstraksi MFCC dan unjuk kerja SVM pada pengujian masing-masing surah menghasilkan nilai true yang berbeda. Nilai akurasi tertinggi diperoleh pada surah At-Thariq ayat 1,2, dan 3 sebesar 70%. Nilai akurasi terendah diperoleh pada surah Al-Ghasyiyah ayat 17, 18, dan 19 sebesar 56%. Hal ini menunjukkan bahwa pengukuran kinerja ekstraksi MFCC sebagai ekstraksi sinyal suara dengan SVM sebagai algoritma klasifikasi dapat dijadikan alternatif dalam pendekatan pengenalan suara.

Copyrights © 2019






Journal Info

Abbrev

cess

Publisher

Subject

Computer Science & IT

Description

CESS (Journal of Computer Engineering, System and Science) contains articles on research results and conceptual studies in the fields of informatics engineering, computer science and information systems. The main topics published include: 1. Information security 2. Computer security 3. Networking & ...