Record Details

Klasifikasi Jenis Kelamin Berdasarkan Suara Menggunakan Metode Learning Vector Quantization

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Jenis Kelamin Berdasarkan Suara Menggunakan Metode Learning Vector Quantization
 
Added Entry - Uncontrolled Name Shafhah, Allysa Apsarini
Adikara, Putra Pandu
Adinugroho, Sigit
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Suara yang dimiliki oleh manusia tidaklah sama. Umumnya, ukuran saluran vokal laki-laki lebih besar dibandingkan perempuan sehingga suara yang dihasilkan pun cenderung lebih rendah. Kasus saat ini adalah virtual assistant maupun voice-based chatbot yang ada masih belum mampu membedakan jenis kelamin pada suara manusia padahal jika hal tersebut dapat dilakukan maka dapat dimanfaatkan untuk mengetahui kebiasaan yang sering dibicarakan oleh jenis kelamin tertentu. Penelitian ini menggunakan metode Learning Vector Quantization (LVQ) versi 1 dengan dua kelas klasifikasi yaitu laki-laki dan perempuan. Ciri suara yang digunakan sebagai fitur dalam penelitian ini adalah energy, zero crossing rate, entropy of energy, spectral centroid, spectral spread, spectral entropy, spectral flux, danspectral rolloff. Hasil pengujian menunjukkan bahwa akurasi terbaik sebesar 75,5% didapatkan ketika menggunakan nilai maksimum epoch sebesar 10, nilai learning rate sebesar 0,1, serta similarity measurement berupaNormalized Cross Correlation. Penggunaan rumus Normalized Cross Correlation untuk menghitung kemiripan antara dua data pada LVQ menghasilkan akurasi yang lebih tinggi yaitu sebesar 75,5% apabila dibandingkan dengan Euclidean distance dan Manhattan distance dimana keduanya hanya menghasilkan akurasi sebesar 74,4%. Selain itu, pengujian K-fold Cross Validation dengan nilai K sebanyak 5 fold menghasilkan akurasi tertinggi ketika menggunakan fold keempat sebesar 75,6%. Kemudian dilakukan pula pengujian dengan Recursive Feature Elimination untuk mengetahui pengaruh dari fitur yang digunakan terhadap akurasi yang mendapatkan hasil berupa fitur terbaik adalah spectral entropy sedangkan fitur yang kurang baik adalah zero crossing rate, spectral rolloff, dan spectral centroid.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/7615
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 4 No 7 (2020): Juli 2020
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2020 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com