perbandingan metode hidden markov model dan … dll.pdfaplikasi identifikasi suara dengan metode...

i

SKRIPSI

PERBANDINGAN METODE HIDDEN MARKOV

MODEL DAN VECTOR QUANTIZATION UNTUK

APLIKASI IDENTIFIKASI SUARA

MADE GDE JAYA HARRY KHESA S

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK UNIVERSITAS UDAYANA

BUKIT JIMBARAN

2015

ii

SKRIPSI

PERBANDINGAN METODE HIDDEN MARKOV

MODEL DAN VECTOR QUANTIZATION UNTUK

APLIKASI IDENTIFIKASI SUARA


NIM. 1104405046



BUKIT JIMBARAN

2015

iii

LEMBAR PERNYATAAN ORISINALITAS

Tugas Akhir/Skripsi ini adalah hasil karya saya sendiri, dan semua sumber

baik yang dikutip maupun dirujuk telah saya nyatakan dengan benar

Nama : Made Gde Jaya Harry Khesa S

NIM : 1104405046

Tanda Tangan :

Tanggal : 26 November 2015

iv

PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN

VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA

Tugas Akhir Diajukan Sebagai Prasyarat untuk Memperoleh Gelar Sarjana S1

(Strata 1) pada

Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana


NIM 1104405046



BUKIT JIMBARAN

2015

vi

UCAPAN TERIMA KASIH

Pertama-tama perkenankanlah saya memanjatkan puji syukur kehadapan

Ida Hyang Widhi Wasa/Tuhan Yang Maha Esa, karena hanya atas asung kerta wara

nugraha-Nya Tugas Akhir yang berjudul “PERBANDINGAN METODE

HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK

APLIKASI IDENTIFIKASI SUARA” dapat diselesaikan. Dalam penyusunan tugas akhir ini, penulis banyak memperoleh petunjuk

dan bimbingan dari berbagai pihak. Sehingga pada kesempatan ini perkenankanlah

saya mengucapkan terima kasih yang sebesar-besarnya kepada :

1. Bapak Prof. Ir. Ngakan Putu Gede Suardana, MT.,.Ph.D selaku Dekan

Fakultas Teknik Universitas Udayana.

2. Bapak Wayan Gede Ariastina, ST.M.Engsc.Ph.D selaku ketua jurusan

Teknik Elektro Fakultas Teknik Universitas Udayana.

3. Bapak Widyadi Setiawan, ST., MT. sebagai Dosen Pembimbing I.

4. Bapak I Gst. A. Km. Diafari Djuni H, ST.,MT. sebagai Dosen Pembimbing

II.

5. Keluarga yang selalu memberikan dukungan dalam penyusunan tugas akhir ini.

6. Rekan–rekan mahasiswa angkatan 2011 Jurusan Teknik Elektro Fakultas

Teknik Universitas Udayana.

7. Rekan–rekan mahasiswa Badan Perwakilan Mahasiswa Fakultas Teknik

Universitas Udayan Periode 2014-2015

8. Serta semua pihak yang tidak bisa penulis sebutkan satu – persatu atas bantuan

dan saran yang diberikan sehingga tugas akhir ini bisa selesai tepat pada

waktunya.

Penulis menyadari bahwa tugas akhir ini masih jauh dari sempurna. Oleh karena

itu segala kritik dan saran yang bersifat membangun sangat diharapkan demi

kesempurnaan penulisan di masa yang akan datang.

Denpasar, 26 November 2015

vii

ABSTRAK

Identifikasi suara merupakan suatu cara yang bisa digunakan untuk

mengetahui perbedaan dari masing – masing individu seperti halnya fingerprint

recognition (identifikasi pola sidik jari pada setiap orang), retinal scan (identifikasi

berdasarkan pola pembuluh darah pada retina mata), face recognition (pengenalan

seseorang berdasarkan raut dan ekspresi seseorang dengan kunci utama pada letak

mata dan mulut).

Metode yang biasanya digunakan untuk recognition pada Aplikasi

Identifikasi Suara adalah Hidden Markov Model atau Vector Quantization. Kedua

metode pengenalan untuk Aplikasi Identifikasi Suara ini akan dibandingkan unjuk

kerjanya dalam kondisi ideal maupun tidak ideal. Kondisi ideal adalah kondisi

dimana tidak terdapat noise pada rekaman suara yang digunakan sedangkan kondisi

tidak ideal adalah adanya noise pada rekaman suara yang digunakan.

Aplikasi identifikasi suara dengan metode Vector Quantization mempunyai

nilai unjuk kerja lebih baik dengan hasil unjuk kerja sebesar 93% dibandingkan

metode Hidden Markov Model yang sebesar 85% pada kondisi ideal dan 78%

berbanding 69,5% pada kondisi tidak ideal, hal ini dikarenakan, pada metode

Vector Quantization menggunakan layer tunggal dan tidak adanya layer

tersembunyi seperti pada metode Hidden Markov Model. Pada metode Vector

Quantization, sampel suara data training yang sudah diekstraksi ciri dengan MFCC

diubah ke dalam bentuk vektor dan dicocokkan dengan sampel suara data testing

yang sudah diubah ke dalam bentuk vektor juga, sedangkan pada metode Hidden

Markov Model, harus ditentukan terlebih dahulu parameter – parameter yang ada

pada layer tersembunyi sehingga unjuk kerja metode ini dalam proses recognition

tidak lebih baik daripada metode Vector Quantization.

Kata kunci: Aplikasi Identifikasi Suara, Vector Quantization, Hidden

Markov Model

viii

ABSTRACT

Voice identification is a way that can be used to determine the differences

of each individual as well as fingerprint recognition (identification of the

fingerprint pattern on each person), retinal scans (identification based on the

pattern of blood vessels in the retina of the eye), face recognition (recognition of a

person based expression and the expression of a person with the key to the location

of the eyes and mouth).

The method which usually used for the Voice Identification Application

recognition is a Hidden Markov Model or Vector Quantization. Both method for

the recognition of Voice Identification Application will be compared to its

performance in ideal conditions and not ideal conditions. The ideal condition is a

condition where there is no noise in the sound recording is used while the conditions

are not ideal is there is a noise in the sound recording used.

Voice Identification Application with Vector Quantization method has a

better performance with the results of the performance by 93% compared to the

method of Hidden Markov Models which 85% in ideal conditions and 78% compare

69.5% in non-ideal conditions, this is because on the method of Vector quantization

using a single layer and no hidden layer as a method of Hidden Markov Model. In

the method of Vector Quantization, voice sample training data that has been

extracted of the MFCC converted into vectors and matched with voice samples of

data testing that has been converted into a vector form as well, while the method of

Hidden Markov Models, to be determined parameters which exist in the hidden

layer so that the performance of the method is in the process of recognition is worse

than the method of Vector Quantization.

Keywords: Voice Identification Application, Vector Quantization, Hidden Markov

Model

ix

DAFTAR ISI

JUDUL .............................................................................................................. ii

LEMBAR PERNYATAAN ORISINALITAS ............................................... iii

LEMBAR PERSETUJUAN PEMBIMBING ................................................. iv

UCAPAN TERIMA KASIH.............................................................................. v

ABSTRAK ........................................................................................................ vi

ABSTARCT ....................................................................................................... vii

DAFTAR ISI ...................................................................................................... viii

DAFTAR GAMBAR ......................................................................................... xi

DAFTAR SINGKATAN ................................................................................... xiii

DAFTAR LAMPIRAN .................................................................................... xiv

BAB I PENDAHULUAN

1.1 Latar Belakang ....................................................................................... 1

1.2 Rumusan Masalah .................................................................................. 3

1.3 Tujuan Penelitian ................................................................................... 3

1.4 Manfaat Penelitian ................................................................................. 3

1.5 Batasan Masalah ..................................................................................... 3

1.6 Sistematika Penulisan ............................................................................. 4

BAB II TINJAUAN PUSTAKA

2.1 State of The Art ....................................................................................... 6

2.2 Suara ........................................................................................................ 8

2.2.1 Komponen Suara ............................................................................ 9

2.3 Pengenalan Ucapan ................................................................................ 10

2.4 Digitalisasi Suara ................................................................................... 11

2.5 Jaringan Saraf Tiruan ............................................................................. 13

2.6 Mel Frequency Cepstrum Coefficient .................................................... 14

2.7 Hidden Markov Model ............................................................................ 19

2.8 Vector Quantization ............................................................................... 20

2.8.1 Arsitektur Vector Quantization ...................................................... 21

x

BAB III METODELOGI PENELITIAN

3.1 Tempat dan Waktu Penelitian ................................................................ 23

3.2 Data ........................................................................................................ 23

3.2.1 Sumber Data ................................................................................... 23

3.2.2 Jenis Data ...................................................................................... 23

3.2.3 Teknik Pengumpulan Data ............................................................. 24

3.3 Tahapan Penelitian .................................................................................. 24

3.4 Alur Analisis .......................................................................................... 25

3.4.1 Alur Analisis untuk Pengujian Aplikasi Identifikasi Suara

Metode Hidden Markov Mode l ..................................................... 27

3.4.2 Alur Analisis untuk Pengujian Aplikasi Identifikasi Suara

Metode Vector Quantization .......................................................... 29

3.4.3 Alur Analisis untuk Membandingkan Hasil Unjuk Kerja

Aplikasi Identifikasi Suara ............................................................ 31

BAB IV HASIL DAN PEMBAHASAN

4.1 Aplikasi Identifikasi Suara dengan Metode Vector Quantization........... 33

4.2 Aplikasi Identifikasi Suara dengan Metode Hidden Markov Model ....... 38

4.3 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode

Vector Quantization ............................................................................... 42

4.3.1 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode

Vector Quantization pada Kondisi Ideal ........................................ 42


Vector Quantization pada Kondisi Tidak Ideal ............................. 43

4.4 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode

Hidden Markov Model ........................................................................... 44


Hidden Markov Model pada Kondisi Ideal ................................... 44


Hidden Markov Model pada Kondisi Tidak Ideal .......................... 45

xi

4.5 Perbandingan Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode

Vector Quantization dan Hidden Markov Model .................................... 46

4.5.1 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector

Quantization dan Hidden Markov Model

pada Kondisi Ideal ........................................................................ 46

4.5.2 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector

Quantization dan Hidden Markov Model

pada Kondisi Tidak Ideal .............................................................. 47

BAB V SIMPULAN

5.1 Simpulan ................................................................................................ 49

5.2 Saran ....................................................................................................... 49

DAFTAR PUSTAKA

LAMPIRAN

xii

DAFTAR GAMBAR

Gambar 2.1 Human Vocal Tract ....................................................................... 8

Gambar 2.2 Gambaran Proses Kuantisasi ........................................................ 12

Gambar 2.3 Frame Blocking ............................................................................ 15

Gambar 2.4 Mel-spaced Filter Blank ............................................................... 17

Gambar 2.5 Parameter Probabilistik pada Hidden Markov Model .................. 20

Gambar 2.6 Vektor Sebelum Mengalami Vector Quantization ........................ 21

Gambar 2.7 Vektor Setelah Mengalami Vector Quantization .......................... 21

Gambar 2.8 Arsitektur Vector Quantization ..................................................... 22

Gambar 3.1 Flowchart Alur Analisis (a) ........................................................... 25

Gambar 3.2 Flowchart Alur Analisis (b) .......................................................... 26

Gambar 3.3 Flowchart Alur Pengujian Aplikasi Identifikasi Suara

Metode Hidden Markov Model (a) ............................................... 27


Metode Hidden Markov Model (b) .............................................. 28


Metode Vector Quantization (a) ................................................... 29

Gambar 3.6 Flowchart Alur Pengujian Aplikasi IdentifikasiS uara

Metode Vector Quantization (b) ................................................... 30

Gambar 3.7 Flowchart Alur Analisis untuk Membandingkan Hasil

Unjuk Kerja (a) ............................................................................ 31

Gambar 3.8 Flowchart Alur Analisis untuk Membandingkan Hasil

Unjuk Kerja (b) ............................................................................. 32

Gambar 4.1 Tampilan Aplikasi Identifikasi Suara Metode

Vector Quantization ...................................................................... 33

Gambar 4.2 Tampilan Aplikasi Identifikasi Suara Metode Vector

Quantization untuk Menambahkan Sampel Suara (a) ................. 34


Quantization untuk Menambahkan Sampel Suara (b) ................. 35


Quantization untuk Menampilkan Database ............................... 35

xiii


Quantization untuk Memulai Tahap Recognition ........................ 36


Quantization untuk Memilih Sampel Suara pada

Tahap Recognition ....................................................................... 37


Quantization untuk Menampilkan Hasil Recognition .................. 37

Gambar 4.8 Tampilan Aplikasi Identifikasi Suara Metode

Hidden Markov Model ................................................................... 38

Gambar 4.9 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov

Model untuk Menambahkan Sampel Suara (a) ............................ 39


Model untuk Menambahkan Sampel Suara (b) ............................ 40


Model untuk Menambahkan Sampel Suara (c) ............................ 40

Gambar 4.12 Tampilan Aplikasi Identifikasi Suara Metode Hidden MArkov

Model untuk Menampilkan Database .......................................... 41


Model Tahap Recognition ............................................................. 41


Model untuk Menampilkan Hasil Recognition ............................ 42

Gambar 4.15 Grafik Jumlah Kesalahan Recognition Aplikasi Identifikasi Suara

Vector Quantization ..................................................................... 44

Gambar 4.16 Grafik Jumlah Kesalahan Recognition Aplikasi Identifikasi Suara

Hidden Markov Model ................................................................. 46

Gambar 4.17 Grafik Perbandingan Hasil Recognition pada Kondisi Ideal ....... 47

Gambar 4.18 Grafik Perbandingan Hasil Recognition

pada Kondisi Tidak Ideal (Noise) ................................................ 48

Gambar 4.19 Grafik Perbandingan Hasil Recognition

pada Kondisi Tidak Ideal (Nama) ................................................ 48

xiv

DAFTAR SINGKATAN

ANN : Artificial Neural Network

ASR : Automatic Speech Recognition

DCT : Discrete Cosine Transform

DFT : Discrete Fourier Transform

DMC : Dynamic Markov Compression

FFT : Fast Fourier Transform

HMM : Hidden Markov Model

Hz : Hertz

JST : Jaringan Saraf Tiruan

LPC : Linear Predictive Coding

MATLAB : Matrix Laboratory

MFCC : Mel Frequency Cepstral Coefficients

MSE : Mean Square Error

NN : Neural Network

PPM : Prediction by Partial Matching

PS-ZCPA : Pitch Synchronous Zero Crossing Peak Amplitude

SNN : Simulated Neural Network

VQ : Vector Quantization

xv

DAFTAR LAMPIRAN

Lampiran 1 Hasil Recognition Aplikasi Identifikasi Suara Vector Quantization

Kondisi Ideal


Kondisi Tidak Ideal (Noise)


Kondisi Tidak Ideal (Nama)

Lampiran 4 Hasil Recognition Aplikasi Identifikasi Suara Hidden Markov

Model Kondisi Ideal


Model Kondisi Tidak Ideal (Noise)


Model Kondisi Tidak Ideal (Nama)

Lampiran 7 Jadwal Kegiatan

perbandingan metode hidden markov model dan … dll.pdfaplikasi identifikasi suara dengan metode...

Documents