Ulasan Karya Ilmiah IV
Judul
Pengembangan Model Jaringan Syaraf Tiruan Resilient Backpropagation Untuk Identifikasi Pembicara Dengan Praproses MFCC
Penulis
Nurhadi Susanto
Tahun
2007
Link
http://iirc.ipb.ac.id/jspui/handle/123456789/14620Hasil Ulasan
Karya ilmiah berjudul “Pengembangan Model Jaringan Syaraf Tiruan Resilient Backpropagation Untuk Identifikasi Pembicara Dengan Praproses MFCC” yang ditulis oleh Nurhadi Susanto ini membahas mengenai pengidentifikasian pembicara menggunakan pemodelan jaringan syaraf tiruan resilient backpropagation. Resilient backpropagation atau biasa disingkat RPROP adalah salah satu algoritma yang digunakan untuk mempercapat laju pembelajaran pada pelatihan jaringan syaraf tiruan propagasi balik. RPROP melakukan penyesuaian nilai bobot secara langsung berdasarkan informasi dari gradien lokalnya.
Suara manusia dapat digunakan sebagai media untuk mengidentifikasi diri. Dari suara seseorang dapat diambil suatu fitur yang kemudian dimodelkan dan digunakan untuk mengenali seseorang berdasarkan suaranya. Untuk memperoleh fitur / ekstraksi ciri sinyal suara tersebut digunakan metode yang disebut MFCC (Mel Frequency Cepstrum Coefficients).
Dalam penelitian tersebut, jenis identifikasi yang digunakan adalah closed-set identification dimana suara masukan yang akan dikenali merupakan bagian dari sekumpulan suara pembicara yang telah terdaftar atau diketahui dan kata yang dilatih maupun diujikan telah ditentukan.
Data yang diguanakan dalam penelitian ini adalah gelombang suara yang telah didijitasi dan direkam dari 10 pembicara, yaitu masing-masing 5 perempuan dan 5 laki-laki. Setiap suara diambil dalam jangka waktu yang sama dan tanpa pengarahan, maksudnya pembicara dapat menggunakan cara pengucapan, intonasi, dan logat apapun pada saat merekam data. Setiap suara dicuplik dengan sampling rate 16000 Hz dan dikuantitasi ke dalam representasi 16 bit. Selanjutnya data suara tersebut dilakukan proses pereduksian dan analisis fitur menggunakan MFCC. Hasil dari MFCC dijadikan sebagai data latih pada tahap selanjutnya menggunakan metode resilient backpropagation dengan tipe supervised learning. Pada tahapan akhir yaitu model jaringan syaraf tiruan yang terbentuk dari hasil pelatihan diuji dengan data uji dan kemudian diukur nilai akurasinya.
Hasil penelitian yang dilakukan yaitu berupa tingkat akurasi kebenaran dari data yang diujikan. Dan berdasarkan hasil penelitian tersebut, model terbaik yang dikembangkan menghasilkan nilai akurasi rata-rata sebesar 92,8%.
