Pengenalan Digit 0 Sampai 9 Menggunakan Ekstraksi Ciri MFCC dan Jaringan Syaraf Tiruan Backpropagation

Abstract

Pada penelitian ini dilakukan perancangan dan implementasi sistem untuk pengenalan pola suara berupa digit 0 sampai 9 dengan pengucapan secara offline. Proses pada penelitian ini adalah pengambilan suara yang diubah dari analog menjadi digital, selanjutnya proses extraksi parameter menggunakan Mel-Frequency Cepstrum Coefficients (MFCC), hasil ekstraksi ini akan dilatih dan diuji oleh jaringan syaraf tiruan menggunakan algoritma backpropagation. Pengujian dilakukan terhadap 100 file suara yang didapatkan dari pengambilan suara 10 orang terhadap 10 suara angka yang berbeda. Kata-kata itu terdiri dari angka 0 sampai 9. Percobaan dilakukan dengan variasi terhadap parameter jaringan syaraf tiruan berupa nilai toleransi, jumlah neuron, dan jumlah epoch. Hasil pengujian menunjukkan arsitektur dan parameter jaringan yang memberikan unjuk kerja paling optimal untuk seluruh jenis suara adalah 35 neuron pada lapisan tersembunyi dengan nilai toleransi 0.06. Persentase pengenalan dari pelatihan jaringan dengan arsitektur dan parameter jaringan optimal ini untuk data latih dan data baru masing-masing adalah 82,2% dan 53,3%.