SKRIPSI
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
MADE GDE JAYA HARRY KHESA S
JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2015
i
SKRIPSI
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
MADE GDE JAYA HARRY KHESA S NIM. 1104405046
JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2015
ii
LEMBAR PERNYATAAN ORISINALITAS
Tugas Akhir/Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang dikutip maupun dirujuk telah saya nyatakan dengan benar
Nama
: Made Gde Jaya Harry Khesa S
NIM
: 1104405046
Tanda Tangan
:
Tanggal
: 26 November 2015
iii
PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA
Tugas Akhir Diajukan Sebagai Prasyarat untuk Memperoleh Gelar Sarjana S1 (Strata 1) pada Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana
MADE GDE JAYA HARRY KHESA S NIM 1104405046
JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2015
iv
v
UCAPAN TERIMA KASIH Pertama-tama perkenankanlah saya memanjatkan puji syukur kehadapan Ida Hyang Widhi Wasa/Tuhan Yang Maha Esa, karena hanya atas asung kerta wara nugraha-Nya Tugas Akhir yang berjudul “PERBANDINGAN METODE HIDDEN MARKOV MODEL DAN VECTOR QUANTIZATION UNTUK APLIKASI IDENTIFIKASI SUARA” dapat diselesaikan. Dalam penyusunan tugas akhir ini, penulis banyak memperoleh petunjuk dan bimbingan dari berbagai pihak. Sehingga pada kesempatan ini perkenankanlah saya mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Bapak Prof. Ir. Ngakan Putu Gede Suardana, MT.,.Ph.D selaku Dekan Fakultas Teknik Universitas Udayana. 2. Bapak Wayan Gede Ariastina, ST.M.Engsc.Ph.D selaku ketua jurusan Teknik Elektro Fakultas Teknik Universitas Udayana. 3. Bapak Widyadi Setiawan, ST., MT. sebagai Dosen Pembimbing I. 4. Bapak I Gst. A. Km. Diafari Djuni H, ST.,MT. sebagai Dosen Pembimbing II. 5. Keluarga yang selalu memberikan dukungan dalam penyusunan tugas akhir ini. 6.
Rekan–rekan mahasiswa angkatan 2011 Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana.
7.
Rekan–rekan mahasiswa Badan Perwakilan Mahasiswa Fakultas Teknik Universitas Udayan Periode 2014-2015
8. Serta semua pihak yang tidak bisa penulis sebutkan satu – persatu atas bantuan dan saran yang diberikan sehingga tugas akhir ini bisa selesai tepat pada waktunya. Penulis menyadari bahwa tugas akhir ini masih jauh dari sempurna. Oleh karena itu segala kritik dan saran yang bersifat membangun sangat diharapkan demi kesempurnaan penulisan di masa yang akan datang.
Denpasar, 26 November 2015
vi
ABSTRAK Identifikasi suara merupakan suatu cara yang bisa digunakan untuk mengetahui perbedaan dari masing – masing individu seperti halnya fingerprint recognition (identifikasi pola sidik jari pada setiap orang), retinal scan (identifikasi berdasarkan pola pembuluh darah pada retina mata), face recognition (pengenalan seseorang berdasarkan raut dan ekspresi seseorang dengan kunci utama pada letak mata dan mulut). Metode yang biasanya digunakan untuk recognition pada Aplikasi Identifikasi Suara adalah Hidden Markov Model atau Vector Quantization. Kedua metode pengenalan untuk Aplikasi Identifikasi Suara ini akan dibandingkan unjuk kerjanya dalam kondisi ideal maupun tidak ideal. Kondisi ideal adalah kondisi dimana tidak terdapat noise pada rekaman suara yang digunakan sedangkan kondisi tidak ideal adalah adanya noise pada rekaman suara yang digunakan. Aplikasi identifikasi suara dengan metode Vector Quantization mempunyai nilai unjuk kerja lebih baik dengan hasil unjuk kerja sebesar 93% dibandingkan metode Hidden Markov Model yang sebesar 85% pada kondisi ideal dan 78% berbanding 69,5% pada kondisi tidak ideal, hal ini dikarenakan, pada metode Vector Quantization menggunakan layer tunggal dan tidak adanya layer tersembunyi seperti pada metode Hidden Markov Model. Pada metode Vector Quantization, sampel suara data training yang sudah diekstraksi ciri dengan MFCC diubah ke dalam bentuk vektor dan dicocokkan dengan sampel suara data testing yang sudah diubah ke dalam bentuk vektor juga, sedangkan pada metode Hidden Markov Model, harus ditentukan terlebih dahulu parameter – parameter yang ada pada layer tersembunyi sehingga unjuk kerja metode ini dalam proses recognition tidak lebih baik daripada metode Vector Quantization. Kata kunci: Aplikasi Identifikasi Suara, Vector Quantization, Hidden Markov Model
vii
ABSTRACT Voice identification is a way that can be used to determine the differences of each individual as well as fingerprint recognition (identification of the fingerprint pattern on each person), retinal scans (identification based on the pattern of blood vessels in the retina of the eye), face recognition (recognition of a person based expression and the expression of a person with the key to the location of the eyes and mouth). The method which usually used for the Voice Identification Application recognition is a Hidden Markov Model or Vector Quantization. Both method for the recognition of Voice Identification Application will be compared to its performance in ideal conditions and not ideal conditions. The ideal condition is a condition where there is no noise in the sound recording is used while the conditions are not ideal is there is a noise in the sound recording used. Voice Identification Application with Vector Quantization method has a better performance with the results of the performance by 93% compared to the method of Hidden Markov Models which 85% in ideal conditions and 78% compare 69.5% in non-ideal conditions, this is because on the method of Vector quantization using a single layer and no hidden layer as a method of Hidden Markov Model. In the method of Vector Quantization, voice sample training data that has been extracted of the MFCC converted into vectors and matched with voice samples of data testing that has been converted into a vector form as well, while the method of Hidden Markov Models, to be determined parameters which exist in the hidden layer so that the performance of the method is in the process of recognition is worse than the method of Vector Quantization. Keywords: Voice Identification Application, Vector Quantization, Hidden Markov Model
viii
DAFTAR ISI
JUDUL ..............................................................................................................
ii
LEMBAR PERNYATAAN ORISINALITAS ............................................... iii LEMBAR PERSETUJUAN PEMBIMBING ................................................. iv UCAPAN TERIMA KASIH..............................................................................
v
ABSTRAK ........................................................................................................ vi ABSTARCT ....................................................................................................... vii DAFTAR ISI ...................................................................................................... viii DAFTAR GAMBAR ......................................................................................... xi DAFTAR SINGKATAN ................................................................................... xiii DAFTAR LAMPIRAN .................................................................................... xiv BAB I PENDAHULUAN 1.1 Latar Belakang .......................................................................................
1
1.2 Rumusan Masalah ..................................................................................
3
1.3 Tujuan Penelitian ...................................................................................
3
1.4 Manfaat Penelitian .................................................................................
3
1.5 Batasan Masalah .....................................................................................
3
1.6 Sistematika Penulisan .............................................................................
4
BAB II TINJAUAN PUSTAKA 2.1 State of The Art .......................................................................................
6
2.2 Suara........................................................................................................
8
2.2.1 Komponen Suara ............................................................................
9
2.3 Pengenalan Ucapan ................................................................................ 10 2.4 Digitalisasi Suara ................................................................................... 11 2.5 Jaringan Saraf Tiruan ............................................................................. 13 2.6 Mel Frequency Cepstrum Coefficient .................................................... 14 2.7 Hidden Markov Model ............................................................................ 19 2.8 Vector Quantization ............................................................................... 20 2.8.1 Arsitektur Vector Quantization ...................................................... 21
ix
BAB III METODELOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian ................................................................ 23 3.2 Data ........................................................................................................ 23 3.2.1 Sumber Data ................................................................................... 23 3.2.2 Jenis Data ...................................................................................... 23 3.2.3 Teknik Pengumpulan Data ............................................................. 24 3.3 Tahapan Penelitian .................................................................................. 24 3.4 Alur Analisis .......................................................................................... 25 3.4.1 Alur Analisis untuk Pengujian Aplikasi Identifikasi Suara Metode Hidden Markov Mode l ..................................................... 27 3.4.2 Alur Analisis untuk Pengujian Aplikasi Identifikasi Suara Metode Vector Quantization .......................................................... 29 3.4.3 Alur Analisis untuk Membandingkan Hasil Unjuk Kerja Aplikasi Identifikasi Suara ............................................................ 31 BAB IV HASIL DAN PEMBAHASAN 4.1 Aplikasi Identifikasi Suara dengan Metode Vector Quantization........... 33 4.2 Aplikasi Identifikasi Suara dengan Metode Hidden Markov Model ....... 38 4.3 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization ............................................................................... 42 4.3.1 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization pada Kondisi Ideal ........................................ 42 4.3.2 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization pada Kondisi Tidak Ideal ............................. 43 4.4 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Hidden Markov Model ........................................................................... 44 4.4.1 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Hidden Markov Model pada Kondisi Ideal ................................... 44 4.4.2 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Hidden Markov Model pada Kondisi Tidak Ideal .......................... 45
x
4.5 Perbandingan Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization dan Hidden Markov Model .................................... 46 4.5.1 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization dan Hidden Markov Model pada Kondisi Ideal ........................................................................ 46 4.5.2 Hasil Unjuk Kerja Aplikasi Identifikasi Suara Metode Vector Quantization dan Hidden Markov Model pada Kondisi Tidak Ideal .............................................................. 47 BAB V SIMPULAN 5.1 Simpulan ................................................................................................ 49 5.2 Saran ....................................................................................................... 49 DAFTAR PUSTAKA LAMPIRAN
xi
DAFTAR GAMBAR Gambar 2.1 Human Vocal Tract ....................................................................... 8 Gambar 2.2 Gambaran Proses Kuantisasi ........................................................ 12 Gambar 2.3 Frame Blocking ............................................................................ 15 Gambar 2.4 Mel-spaced Filter Blank ............................................................... 17 Gambar 2.5 Parameter Probabilistik pada Hidden Markov Model .................. 20 Gambar 2.6 Vektor Sebelum Mengalami Vector Quantization ........................ 21 Gambar 2.7 Vektor Setelah Mengalami Vector Quantization .......................... 21 Gambar 2.8 Arsitektur Vector Quantization ..................................................... 22 Gambar 3.1 Flowchart Alur Analisis (a)........................................................... 25 Gambar 3.2 Flowchart Alur Analisis (b) .......................................................... 26 Gambar 3.3 Flowchart Alur Pengujian Aplikasi Identifikasi Suara Metode Hidden Markov Model (a)............................................... 27 Gambar 3.4 Flowchart Alur Pengujian Aplikasi Identifikasi Suara Metode Hidden Markov Model (b) .............................................. 28 Gambar 3.5 Flowchart Alur Pengujian Aplikasi Identifikasi Suara Metode Vector Quantization (a) ................................................... 29 Gambar 3.6 Flowchart Alur Pengujian Aplikasi IdentifikasiS uara Metode Vector Quantization (b) ................................................... 30 Gambar 3.7 Flowchart Alur Analisis untuk Membandingkan Hasil Unjuk Kerja (a) ............................................................................ 31 Gambar 3.8 Flowchart Alur Analisis untuk Membandingkan Hasil Unjuk Kerja (b) ............................................................................. 32 Gambar 4.1 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization ...................................................................... 33 Gambar 4.2 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Menambahkan Sampel Suara (a) ................. 34 Gambar 4.3 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Menambahkan Sampel Suara (b) ................. 35 Gambar 4.4 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Menampilkan Database ............................... 35
xii
Gambar 4.5 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Memulai Tahap Recognition ........................ 36 Gambar 4.6 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Memilih Sampel Suara pada Tahap Recognition ....................................................................... 37 Gambar 4.7 Tampilan Aplikasi Identifikasi Suara Metode Vector Quantization untuk Menampilkan Hasil Recognition .................. 37 Gambar 4.8 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model ................................................................... 38 Gambar 4.9 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model untuk Menambahkan Sampel Suara (a) ............................ 39 Gambar 4.10 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model untuk Menambahkan Sampel Suara (b) ............................ 40 Gambar 4.11 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model untuk Menambahkan Sampel Suara (c) ............................ 40 Gambar 4.12 Tampilan Aplikasi Identifikasi Suara Metode Hidden MArkov Model untuk Menampilkan Database .......................................... 41 Gambar 4.13 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model Tahap Recognition ............................................................. 41 Gambar 4.14 Tampilan Aplikasi Identifikasi Suara Metode Hidden Markov Model untuk Menampilkan Hasil Recognition ............................ 42 Gambar 4.15 Grafik Jumlah Kesalahan Recognition Aplikasi Identifikasi Suara Vector Quantization ..................................................................... 44 Gambar 4.16 Grafik Jumlah Kesalahan Recognition Aplikasi Identifikasi Suara Hidden Markov Model ................................................................. 46 Gambar 4.17 Grafik Perbandingan Hasil Recognition pada Kondisi Ideal ....... 47 Gambar 4.18 Grafik Perbandingan Hasil Recognition pada Kondisi Tidak Ideal (Noise) ................................................ 48 Gambar 4.19 Grafik Perbandingan Hasil Recognition pada Kondisi Tidak Ideal (Nama) ................................................ 48
xiii
DAFTAR SINGKATAN
ANN
: Artificial Neural Network
ASR
: Automatic Speech Recognition
DCT
: Discrete Cosine Transform
DFT
: Discrete Fourier Transform
DMC
: Dynamic Markov Compression
FFT
: Fast Fourier Transform
HMM
: Hidden Markov Model
Hz
: Hertz
JST
: Jaringan Saraf Tiruan
LPC
: Linear Predictive Coding
MATLAB : Matrix Laboratory MFCC
: Mel Frequency Cepstral Coefficients
MSE
: Mean Square Error
NN
: Neural Network
PPM
: Prediction by Partial Matching
PS-ZCPA : Pitch Synchronous Zero Crossing Peak Amplitude SNN
: Simulated Neural Network
VQ
: Vector Quantization
xiv
DAFTAR LAMPIRAN Lampiran 1 Hasil Recognition Aplikasi Identifikasi Suara Vector Quantization Kondisi Ideal Lampiran 2 Hasil Recognition Aplikasi Identifikasi Suara Vector Quantization Kondisi Tidak Ideal (Noise) Lampiran 3 Hasil Recognition Aplikasi Identifikasi Suara Vector Quantization Kondisi Tidak Ideal (Nama) Lampiran 4 Hasil Recognition Aplikasi Identifikasi Suara Hidden Markov Model Kondisi Ideal Lampiran 5 Hasil Recognition Aplikasi Identifikasi Suara Hidden Markov Model Kondisi Tidak Ideal (Noise) Lampiran 6 Hasil Recognition Aplikasi Identifikasi Suara Hidden Markov Model Kondisi Tidak Ideal (Nama) Lampiran 7 Jadwal Kegiatan
xv