Perbandingan Metode Ekstraksi Ciri Rough Sets-K-Means Dan K-Means Pada Optimasi Kasus Pengenalan Suara

Budidarma Djamal, Gelar (2017) Perbandingan Metode Ekstraksi Ciri Rough Sets-K-Means Dan K-Means Pada Optimasi Kasus Pengenalan Suara.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Speaker verification adalah proses pengenalan suara untuk memverifikasi seorang pembicara. Untuk dapat melakukan speaker verification, data suara harus melalui proses ekstraksi ciri suara. Pada penelitian sebelumnya, k-means dapat digunakan untuk menambah akurasi pada kasus pengenalan suara. Persentase hasil pengujian adalah sebesar 79.375%. Di samping itu, terdapat penelitian yang membandingan K-Means, PAM, Rough Sets-K-Means menggunakan datasets kanker leukemia. Hasilnya diketahui bahwa Rough Sets-K-Means dan PAM memiliki akurasi yang lebih baik dalam pengelompokan datasets kanker dibandingkan dengan k-means. Oleh karena itu, dalam penelitian ini akan dilakukan perbandingan rough sets-k-means dengan k-means untuk mengetahui algoritma yang lebih baik digunakan dalam optimasi pengenalan suara. Sebelum data suara diproses, terlebih dahulu data suara diekstraksi menggunakan metode MFCC. Hasil ekstraksi ciri MFCC dikelompokan menggunakan rough sets-k-means dan k-means. Hasilnya kemudian disimpan pada database. Data hasil ekstraksi ciri diklasifikasi menggunakan LVQ. Pengujian akurasi menggunakan k-fold cross validation dengan nilai k=10. Untuk pengujian akurasi digunakan 180 data latih dan 20 data uji yang berasal dari 5 orang speaker. Hasil pengujian akurasi menunjukan bahwa rough sets-k-means memiliki tingkat persentase lebih baik dibandingkan k-means pada kasus pengenalan suara, yaitu sebesar 80%.

Item Type: Article
Uncontrolled Keywords: speaker verification, suara, MFCC, k-means, rough sets-k-means, clustering learning vector quantization, perbandingan algoritma, k-fold cross validation.
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2017
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Date Deposited: 10 Nov 2017 03:33
Last Modified: 10 Nov 2017 03:33
URI: https://repository.unikom.ac.id/id/eprint/53454

Actions (login required)

View Item View Item