Implementasi Metode Jaringan Saraf Tiruan Backpropagation Pada Pengenalan Suara Manusia

Mohammad Bagus Dimas Prayugo

Abstract


Pengenalan suara merupakan suatu proses identifikasi suara dengan menggunakan parameter tertentu yang diambil oleh penangkap suara. Perkembangan teknologi memunculkan suatu peristiwa yang membutuhkan model perhitungan pada sistem komputer dalam pengenalan suara yang berguna dalam ilmu pengetahuan. Salah satu sistem komputer adalah Jaringan Saraf Tiruan (JST) Backpropagation. Penelitian ini menggunakan metode Backpropagation dalam pengenalan suara manusia dengan tujuan untuk mengetahui model arsitektur dan tingkat akurasi yang didapatkan. Linear Predictive Coding (LPC) digunakan untuk ekstraksi fitur suara. Fitur suara dalam domain waktu diubah menjadi domain frekuensi menggunakan Fast Fourier Transform (FFT). Data suara dibagi menjadi 80% data pelatihan dan 20% data pengujian. Model arsitektur JST yang sesuai dipilih melalui pelatihan dengan menghitung bobot dan bias optimal untuk mengenali pola suara dengan baik. Model arsitektur terbaik yang ditemukan adalah 64-15-1-1. Model diuji menggunakan data pengujian untuk menguji kemampuannya dalam mengenali pola suara. Evaluasi dilakukan dengan menggunakan K-Fold Cross Validation untuk mengukur tingkat akurasi model. Nilai akurasi terhadap data pelatihan adalah 0,95, sedangkan terhadap data pengujian adalah 0,088886. Model arsitektur JST sangat baik dalam mengenali suara pada data pelatihan, namun kurang baik dalam pengujian. Diharapkan metode ini dapat membantu pada proses penelitian terkait pengenalan.

Keywords


Backpropagation, Fast Fourier Transform, Jaringan Saraf Tiruan, Linear Predictive Coding, Pengenalan Suara

Full Text:

Remote XML

References


S. Solikhun, M. Safii, and A. Trisno, “Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Pemahaman Sisiwa Terhadap Matapelajaran Dengan Menggunakan Algoritma Backpropagation,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 1, no. 1, pp. 24–36, 2017, doi: 10.30645/j-sakti.v1i1.26.

R. Yolanda, J. TM, and Iqbal, “Penggunaan Jaringan Saraf Tiruan dalam Pengenalan Pola Huruf Hijaiyah Tulisan Tangan,” J. TIKA Fak. Ilmu Komput. Univ. Al Muslim, vol. 3, no. 3, pp. 1–9, 2018.

R. Y. Sipasulta, A. S. M. Lumenta, and S. R. U. A. Sompie, “Simulasi Sistem Pengacak Sinyal Dengan Metode FFT ( Fast Fourier Transform ),” Tek. Elektro dan Komput., pp. 1–9, 2014.

S. H. D. Loppies, “Implementasi Jaringan Saraf Tiruan Backpropagation Untuk Deteksi Wajah Dalam Citra Digital,” Musamus J. Technol. Inf., vol. 1, no. 1, pp. 1–7, 2018, doi: 10.35724/mjti.v1i1.991.

I. Agustina, Fauziah, and A. Gunaryati, “Biometrik Pola Suara dengan Jaringan Saraf Tiruan,” J. Tek. Inform., vol. 9, no. 2, pp. 140–147, 2016.

S. Effendy, “Pengenalan Citra Wajah dengan Menggunakan Transformasi Wavelet Diskrit dan Jaringan Saraf Tiruan Backpropagation,” ComTech, vol. 1, no. 2, pp. 691–700, 2010.

T. A. C. Adinugraha, “Prediksi Jumlah Pendapatan Asli Daerah Kabupaten Boyolali dengan Metode Jaringan Syaraf Tiruan Backpropagation,” Universitas Islam Negeri Maulana Malik Ibrahim Malang, 2016.

L. H. Harum, “Implementasi Metode Extreme Learning Machine (ELM) Untuk Memprediksikan Penjualan Roti (Studi Kasus: Harum Bakery),” Universitas Brawijaya, 2018.

M. Agustin and T. Prahasto, “Penggunaan Jaringan Syaraf Tiruan Backpropagation Untuk Seleksi Penerimaan Mahasiswa Baru Pada Jurusan Teknik Komputer di Politeknik Negeri Sriwijaya,” J. Sist. Inform. Bisnis, vol. 02, pp. 89–97, 2012.

J. J. Siang, Jaringan Syaraf Tiruan dan Pemograman Menggunakan Matlab. Yogyakarta: ANDI OFFSET, 2005.

I. S. Dinuriyati, “Klasifikasi Pengenal Suara Kicau Burung Menggunakan Metode Linear Predictive Coding (LPC) dan Nearest Neighbor,” Universitas Islam Negeri Maulana Malik Ibrahim Malang, 2019.

Faradiba, “Pengenalan Pola Sinyal Suara Manusia Menggunakan Metode Back Propagation Neural Network,” J. EduMatSains, vol. 2, no. 1, pp. 1–15, 2017.

D. T. Kusuma, “Fast Fourier Transform (FFT) Dalam Transformasi Sinyal Frekuensi Suara Sebagai Upaya Perolehan Average Energy (AE) Musik,” PETIR J. Pengkaj. dan Penerapan Tek. Inform., vol. 14, no. 1, pp. 28–35, 2021, doi: 10.33322/petir.v14i1.1022.

A. Ramadhanty, I. Cholissodin, and C. Dewi, “Prediksi Jumlah Permintaan Koran Menggunakan Metode Extreme Learning Machine,” repository.ub.ac.id, pp. 1–7, 2017.

I. A. M. Supartini, I. K. G. Sukarsa, and I. G. A. M. Srinadi, “Analisis Diskriminan Pada Klasifikasi Desa Di Kabupaten Tabanan Menggunakan Metode K-Fold Cross Validation,” E-Jurnal Mat., vol. 6, no. 2, p. 106, 2017, doi: 10.24843/mtk.2017.v06.i02.p154.




DOI: https://doi.org/10.18860/jrmm.v3i3.22403

Refbacks

  • There are currently no refbacks.