<![CDATA[Speaker Recognition adalah cabang dari pengolahan sinyal suara yang mempunyai ciri biometrik. Speaker Recognition dipengaruhi berbagai aspek seperti karakteristik bicara seseorang yang unik dalam bicaranya (tingkat suara karena waktu, kesalahan membaca atau pengucapan kata, kondisi kesehatan, tekanan emosional), bahasa, lingkungan, adanya noise dan lain sebagainya. Sehingga membuat penelitian tentang suara sampai saat ini masih tidak bekerja dengan baik. Penelitian ini membahas dan membangun sistem pengenalan penutur secara otomatis yang akan mengenali dan mengekstraksi kemiripan suara dari masing-masing manusia sehingga kita dapat mengetahui dan mengidentifikasi suara seseorang berdasarkan perbedaan karakteristik suara dari masing-masing manusia. Pada penelitian ini akan dilakukan kajian tentang proses ekstraksi ciri menggunakan metode Discrete Wavelet Transform (DWT) serta pengenalan pola dan clustering menggunakan metode Gaussian Mixture Model (GMM). Hasil percobaan yang telah dilakukan menunjukan sistem dapat bekerja dengan baik berdasakan banyaknya data training penutur, sehigga sistem menghasilkan akurasi di atas 90%. Hal ini dikarenakan pada teknik GMM pengenalan pola suara berdasarkan kemiripan suara yang telah disimpan dalam data training, dan melakukan pencocokan data testing melalui kemiripan ekstraksi suara yang ada pada data training.]]>
Copyrights © 2020
