KINERJA ALGORITMA SUPPORT VECTOR MACHINE BERDASARKAN EKSTRAKSI SINYAL SUARA DENGAN MEL-FREQUENCY CEPSTRUM COEFFICIENTS PADA PELAFADZAN AYAT AL-QURAN
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.
Keywords
Full Text:
PDFReferences
Arshad, Nurul Wahidah, Dkk, 2013. Makhraj Reconition for Al-Qur’an Recitation using MFCC, International Journal of Intelligent Information Processing Vol 4, No 2, Juni 2013.
Anusuya, M.A. & Katti, S.K. 2009. Speech Recognition By Machine: A Review. (Ijcsis) International Journal Of Computer Science And Information Security Vol 6, No. 3, 2009.
Fadlisyah, Bustami, & M. Ikhwanus, 2013. Pengolahan Suara. Penerbit Graha Ilmu. Yogyakarta.
Helmiah, Siti. Dkk, 2018. Pengenalan Pola Emosi Manusia Berdasarkan Ucapan Menggunakan Ekstraksi Fitur Mel-Frequency Cepstral Coefficients (MFCC). Cogito Smart Journal Vol 4, No 2, Desember 2018.
Jacobus, Agustinus. Winarko, Edi, 2014. Penerapan Metode Support Vector Machine Pada Sistem Deteksi Intrusi Secara Real-Time. IJCCS Vol 8, No 1, Januari 2014.
Kurniawan, Defri. Dkk, 2013. Optimasi Algoritma Support Vector Machine (SVM) Menggunakan Adaboost Untuk Penilaian Resiko Kredit. Jurnal Teknologi Informasi Vol 9, No 1, April 2013.
Mingxing, J., Junqiang, D., Tao, C., Ning, Y., Yi, J. & Zhen, Z, 2013. An Improved Detection Algorithm Of Face With Combining Adaboost And SVM. Chinese Control and Decision Conference (CCDC). PP:2459-2463
Nitisha, Ashu Bansal, 2012. Speaker Recognition Using MFCC Front End Analysis and VQ Modeling Technique for Hindi Words using MATLAB. International Journal of Computer Applications, Vol. 45, No 24, May 2012.
Pan, Yixiong. Peipei, Shen. Liping Shen, 2012. Speech Emotion Recognition Using Support Vector Machine. International Journal of Smart Home, Vol. 6, No 2, April 2012.
Prof. T. M. Hasbi Ashshiddiqi, Dkk. Al-Qur’an dan Terjemahan. Jakarta: Yayasan Penyelenggaraan Penerjemahan atau Penafsiran Al-Qur’an.
Wijaya, Kiki Prima, & Muslim, Much Aziz, 2016. Peningkatan Akurasi Pada Algoritma Support Vector Machine Dengan Penerapan Information Gain Untuk Mendiagnosa Chronic Kidney Disease. SNIK 2016.
Ya’la Kurnaedi Lc Abu, 2014. Tajwid Lengkap Asy-Syafi’i. Jakarta: Pustaka Imam Asy-Syafi’i.
Yuan, Yujin., Zhaou, Peihua., & Zhou, Qun. 2010. Research Speaker Recognition Based On Combination Of LPCC And MFCC. In Proceeding of the IEEE Trans on Intelligent Computing an Intelligent System (ICIS). PP: 765-76
DOI: https://doi.org/10.24114/cess.v4i2.13925
Article Metrics
Abstract view : 423 timesPDF - 327 times
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution 4.0 International License.
CESS (Journal of Computer Engineering, System and Science)
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License