Journal of Artificial Intelligence and Digital Business
Vol. 5 No. 2 (2026): Mei-Juli

Ekstraksi Ciri Suara Gender Berdasarkan Frequency Domain Audio Feature

Dhiandra Nirina Yusuf (Politeknik Negeri Samarinda)
Hari Purwadi (Politeknik Negeri Samarinda)
Didi Susilo Budi Utomo (Politeknik Negeri Samarinda)



Article Info

Publish Date
20 Jul 2026

Abstract

Penelitian ini bertujuan mengekstraksi ciri suara berdasarkan gender menggunakan Mel-Frequency Cepstral Coefficients (MFCC) dan Spectral Centroid. Data yang digunakan adalah 20 sampel rekaman vokal “A” dari 4 responden (2 laki-laki, 2 perempuan), masing-masing 5 kali perekaman. Seluruh sampel di-resample ke 16.000 Hz. Ekstraksi MFCC menghasilkan 13 koefisien yang dirata-ratakan per sampel, sedangkan Spectral Centroid dihitung rata-rata dan standar deviasinya. Hasil pengujian statistik dengan Independent Samples t-Test pada taraf signifikansi 0,05 menunjukkan perbedaan yang signifikan secara statistik antara kelompok laki-laki dan perempuan pada koefisien MFCC-2 (p=0,0154), MFCC-5 (p=0,0080), MFCC-7 (p=0,0014), MFCC-12 (p<0,0001), dan MFCC-13 (p=0,0001). Sementara itu, MFCC-1 tidak menunjukkan perbedaan yang signifikan (p=0,0723). Hasil perhitungan Spectral Centroid menunjukkan bahwa rata-rata perempuan mencapai 3105,38 Hz dan laki-laki 1944,91 Hz, dengan standar deviasi yang lebih tinggi pada perempuan (1113,47 Hz vs 486,80 Hz). Temuan ini mengonfirmasi bahwa suara perempuan memiliki distribusi energi frekuensi yang cenderung lebih tinggi dan lebih bervariasi, sesuai dengan karakteristik fisiologis pita suara yang lebih pendek. Informasi spektral ini memperlihatkan potensi MFCC dan Spectral Centroid sebagai penciri akustik gender yang dapat diaplikasikan pada asisten virtual atau forensik audio. Kedua fitur mampu merepresentasikan perbedaan akustik gender, meskipun penelitian terbatas pada sampel kecil. Oleh karena itu, diperlukan penelitian lanjutan dengan dataset lebih besar, variasi fonem, rentang usia, dan lingkungan perekaman terkontrol untuk meningkatkan keandalan fitur.

Copyrights © 2026






Journal Info

Abbrev

RIGGS

Publisher

Subject

Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Description

Journal of Artificial Intelligence and Digital Business (RIGGS) is published by the Department of Digital Business, Universitas Pahlawan Tuanku Tambusai in helping academics, researchers, and practitioners to disseminate their research results. RIGGS is a blind peer-reviewed journal dedicated to ...