PERBANDINGAN MOTHER WAVELET UNTUK EKSTRAKSI CIRI ISYARAT TUTUR

Abstract

Abstrak Metode Wavelet merupakan salah satu metode yang unggul untuk menganalisis serta mengekstraksi ciri isyarat suara tutur. Dalam proses ekstraksi ciri menggunakan metode Wavelet, terdapat beberapa faktor yang dapat berpengaruh dalam mendapatkan ciri yang bersifat diskriminan, diantaranya: pemilihan mother wavelet, pemilihan sub-band, dan pemilihan level dekomposisi. Beberapa contoh mother Wavelet yang sering digunakan diantaranya: Daubechies, Coiflet, Meyer, Haar, Symlet, dan Biortogo-nal. Pada penelitian ini dilakukan perbandingan berbagai macam mother Wavelet untuk mendapatkan ciri yang efektif untuk mengklasifikasi isyarat tutur, yang diharapkan melalui proses perbandingan berbagai mother Wavelet akan didapatkan mother Wavelet yang terbaik dan paling cocok untuk mengolah dan mengekstraksi isyarat tutur. Tap filter yang akan digunakan pada masing-masing Mother Wavelet pada rentang 1 hingga 10. Hasil penelitian perbandingan mother Wavelet untuk mengklasifikasi isyarat tutur menunjukkan bahwa koefisien filter Mother Wavelet Daubechies 2 menghasilkan akurasi klasifikasi yang paling dibandingkan Mother Wavelet lainnya (Haar, Coiflet2, Meyer, Symlet, dan Biortogonal) untuk mengekstraksi dan mengklasifikasi suku kata konsonan hambat bahasa Indonesia ditunjukkan oleh hasil akurasi 90,6% (WPT+Daub2), 66,7% (WPT+Haar), 76,7% (WPT+Coif2), 62,3% (WPT+Meyer), 64,2% (WPT+Symlet), dan 61,7% (WPT+Biortogonal). Kata Kunci: Wavelet, ekstraksi ciri, mother wavelet, wavelet packet transform Abstract The wavelet method is one of the superior methods for analyzing and extracting the characteristics of speech sounds. In the feature extraction process using the Wavelet method, there are several factors that can influence in obtaining discriminant features, including: mother wavelet selection, sub-band selection, and decomposition level selection. Some examples of Mother Wavelets that are often used include: Daubechies, Coiflet, Meyer, Haar, Symlet, and Biortogonal. In this study, a comparison of various mother wavelets was carried out to obtain effective characteristics for classifying speech signals. Tap the filter to be used on each Mother Wavelet in the range 1 to 10. The results of the comparison study of mother wavelets for classifying speech signals show that the filter coefficient of Mother Wavelet Daubechies 2 produces the most classification accuracy compared to other mother wavelets (Haar, Coiflet2, Meyer, Symlet, and Biortogonal) for extracting and classifying Indonesian inhibitory consonant syllables as shown by Accuracy results 90.6% (WPT+Daub2), 66.7% (WPT+Haar), 76.7% (WPT+Coif2), 62.3% (WPT+Meyer), 64.2% (WPT+Symlet), and 61.7% (WPT+Biorthogonal).