<![CDATA[Suara dapat digunakan manusia untuk saling berkomunikasi, memberikan informasi maupun perintah. Namun banyak persoalan yang muncul ketika suara dimanfaatkan dalam sebuah sistem karena setiap manusia mempunyai ciri suara yang berbeda. Pada Penelitian ini, sinyal suara dimanfaatkan untuk mengakses nilai hasil studi. Sinyal suara diolah terlebih dahulu dalam beberapa tahap, yaitu pre-processing, pre-Emphasis, frame blocking, windowing, FFT (Fast Fourier Transform) dan LPC (Linier Predictive Coding) yang terdiri dari analisis autokorelasi, analisis LPC dan parameter LPC ke koefisien cepstrum. Sedangkan metode yang digunakan pada proses pengenalan suara adalah DTW (Dynamic Time Warping). Pada proses pengenalan suara, koefisien cepstrum sinyal masukan dibandingkan dengan koefisien cepstrum sinyal standar. Perangkat keras yang digunakan adalah PC (Personal Computer), sound card, mikropon dan speaker, sedangkan perangkat lunak yang digunakan adalah Tcl/Tk, snack dan bahasa C++. Kata yang diuji adalah kata “Komputer”, “Cantik”, “Basket”, “Malang” dan “Juni”. Berdasarkan hasil pengujian dan analisis, keberhasilan sistem pengenalan suara dengan sinyal masukan yang diucapkan oleh pengucap standar adalah 58%, sedangkan keberhasilan sistem pengenalan suara dengan sinyal masukan yang diucapkan oleh pengucap lain yang bukan standar adalah 99%. Tingkat keberhasilan sistem pengenalan suara dipengaruhi oleh beberapa faktor, yaitu kondisi kesehatan penutur, pola suara yang diucapkan oleh penutur, tipe hardware yang digunakan dan keadaan lingkungan.]]>
Copyrights © 2022
