Pengembangan model markov tersembunyi untuk indentifikasi pembicara

PENGEMBANGAN MODEL MARKOV TERSEMBUNYI
UNTUK IDENTIFIKASI PEMBICARA

Oleh :
WINI PURNAMASARI
G64102051

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2006

PENGEMBANGAN MODEL MARKOV TERSEMBUNYI
UNTUK IDENTIFIKASI PEMBICARA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer
pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor

Oleh :

WINI PURNAMASARI
G64102051

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2006

ABSTRAK
WINI PURNAMASARI. Pengembangan Model Markov Tersembunyi untuk Identifikasi Pembicara.
Dibimbing oleh AGUS BUONO dan SRI WAHJUNI.
Salah satu cabang dari Speech Processing adalah Identifikasi Pembicara yang merupakan suatu
proses mengenali seseorang berdasarkan suaranya. Metode yang digunakan untuk Identifikasi
Pembicara pada penelitian ini adalah Model Markov Tersembunyi dengan fungsi peluang Gaussian,
dan untuk ekstraksi ciri sinyal suara digunakan fitur MFCC. Jenis Identifikasi Pembicara pada
penelitian ini adalah Closed-Set Identification yang mana suara masukan yang akan dikenali
merupakan bagian dari sekumpulan suara pembicara yang telah terdaftar atau diketahui dan kata yang
dilatih maupun diujikan telah ditentukan.
Hasil penelitian ini berupa tingkat akurasi kebenaran dari data yang diujikan. Secara
keseluruhan untuk pelatihan dengan 20 data menghasilkan tingkat akurasi 71,25%, untuk pelatihan

dengan 30 data menghasilkan tingkat akurasi 77,92%, dan pelatihan dengan 40 data menghasilkan
tingkat akurasi tertinggi yaitu sebesar 86,25%.
Kata kunci: Identifikasi Pembicara, Model Markov Tersembunyi, MFCC, Speech Processing

Judul
Nama
NRP

: Pengembangan Model Markov Tersembunyi
untuk Identifikasi Pembicara
: Wini Purnamasari
: G64102051

Menyetujui:
Pembimbing I,

Pembimbing II,

Ir. Agus Buono, M.Si, M.Kom
NIP 132045532

Ir. Sri Wahjuni
NIP 132311920

Mengetahui:
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor

Prof. Dr. Ir. Yonny Koesmaryono, MS
NIP 131473999

Tanggal Lulus :

RIWAYAT HIDUP
Penulis dilahirkan di jakarta pada tanggal 8 September 1984 dari ayah Enjang Ali Nurdin
dan ibu Yanah Rosbani. Penulis merupakan putri pertama dari empat bersaudara. Tahun 2002
penulis lulus dari SMU Negeri 1 Bogor dan pada tahun yang sama lulus seleksi masuk IPB melalui
jalur SPMB. Penulis memilih Program Studi Ilmu Komputer, Departemen Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam.
Pada tahun 2005 Penulis menjalankan Praktik Lapangan (PL) di PT. Indosat Jakarta selama

kurang lebih dua bulan.

PRAKATA
Alhamdulillahi Rabbil ‘alamin, puji dan syukur Penulis panjatkan kepada Allah SWT atas
segala curahan rahmat dan karunia-Nya sehingga skripsi dengan judul Pengembangan Model
Markov Tersembunyi untuk Identifikasi Pembicara, dapat diselesaikan.
Penulis juga mengucapkan terima kasih kepada Mamah Yanah Rosbani atas do’a, cinta
kasih, dan ajarannya tentang kesabaran dan keikhlasan. Terima kasih juga Penulis ucapkan kepada
Bapak Enjang Ali Nurdin yang senantiasa memberi dukungan dan pengabdian yang tulus kepada
keluarga. Selanjutnya Penulis juga ingin mengucapkan terima kasih kepada:
1.
Bapak Ir. Agus Buono, M.Si., M.Kom. selaku pembimbing I, Ibu Ir. Sri Wahjuni selaku
pembimbing II dan Bapak Aziz Kustiyo, S.Si selaku dosen penguji.
2.
Adik-adikku Dini Cahya, Widia Adistani, dan Adella Aini, terimakasih untuk keceriaan dan
semangat yang membuat hari-hari penulis jauh dari bosan.
3.
Mulan, Nana, dan Puspa yang telah bersedia menjadi pembahas.
4.
Sahabat-sahabatku Anggy, Dian, Mulan, Puspa untuk kenangan yang indah dan susah

senang bersamanya.
5.
Ichoy sebagai teman curhat Korea yang baik, terimakasih atas obrolan-obrolan kita yang
seringkali sangat “bermutu” tapi menghibur hati dan juga Mutia terimakasih atas kebaikan
hati dan perhatiannya selama kita berkuliah di IPB ini.
6.
Nafi dan Nana serta Alfath terimakasih karena mau meminjamkan komputernya.
7.
Mang Nanang dan Bi Ningsih serta keluarga juga Mas Min dan Mba Ratmi serta keluarga
yang telah banyak membantu.
8.
Mba Yani, Ka Lisa dan Edu yang telah bersedia membantu dalam penelitian ini.
9.
Erna, Tika, Heni, Ratna, Ichoy, Puspa, Sophia, Ratih karena telah bersedia menampung
penulis dikostannya.
10. Alfath, Zaki, Mulan, dan Anggy yang telah bersedia menyumbangkan suara.
11. Mas Irfan, Pak Soleh, Pak Fendi, Pak Yadi serta seluruh staf Departemen Ilmu Komputer.
12. Ilkomerz 39, terimakasih atas segala hal yang telah kita lalui bersama, jalan-jalan, beragam
konflik, futsal, makan-makan, gosip-gosip, pokoknya semuanya baik yang senang ataupun
mem-BTkan, karena pada akhirnya semua hal itulah yang membuat kehidupan kita lebih

berwarna dan bergairah serta akan menjadi kenangan yang semoga membuat kita tersenyum
bila mengingatnya dihari tua nanti.Amiin.
Kepada semua pihak lainnya yang telah memberikan kontribusi yang besar selama
pengerjaan penelitian ini yang tidak dapat disebutkan satu-persatu, Penulis ucapkan terimakasih
banyak.
Semoga penelitian ini dapat memberi manfaat.

Bogor, September 2006

Wini Purnamasari

DAFTAR ISI
Halaman
DAFTAR TABEL························································································································· vi
DAFTAR GAMBAR ···················································································································· vi
DAFTAR LAMPIRAN················································································································· vi
PENDAHULUAN ························································································································· 1
Latar Belakang ························································································································· 1
Tujuan ······································································································································ 1
Ruang Lingkup························································································································· 1

Manfaat ···································································································································· 1
TINJAUAN PUSTAKA················································································································· 1
Digitalisasi Gelombang Suara··································································································· 1
Ekstraksi Sinyal Suara ·············································································································· 2
MFCC (Mel-Frequency Cepstrum Coefficients) ······································································· 2
Hidden Markov Model·············································································································· 3
Jenis Pengenalan Pembicara ····································································································· 4
METODE PENELITIAN··············································································································· 5
Data·········································································································································· 5
Analisis Fitur Suara ·················································································································· 6
Pelatihan HMM ························································································································ 6
Pengujian·································································································································· 6
Lingkungan Pengembangan······································································································ 6
HASIL DAN PEMBAHASAN ······································································································ 6
Hasil Identifikasi Pada Pelatihan dengan 20 Data ····································································· 7
Hasil Identifikasi Pada Pelatihan dengan 30 Data ····································································· 7
Hasil Identifikasi Pada Pelatihan dengan 40 Data ····································································· 8
Perbandingan Tingkat Akurasi Setiap Pembicara ····································································· 9
Perbandingan Kesalahan Identifikasi pada Masing-masing Pembicara ····································· 9
Perbandingan Tingkat Akurasi Berdasarkan Tipe Data Uji····················································· 10

Perbandingan Tingkat Akurasi Berdasarkan Jumlah Data Pelatihan ······································· 10
KESIMPULAN DAN SARAN ···································································································· 10
Kesimpulan ···························································································································· 10
Saran ······································································································································ 11
DAFTAR PUSTAKA ·················································································································· 11

DAFTAR TABEL
Halaman
Hasil Identifikasi pada Pelatihan dengan 20 Data··········································································· 7
Total Tingkat Akurasi Identifikasi pada Pelatihan Dengan 20 Data················································ 7
Hasil Identifikasi pada Pelatihan dengan 30 Data··········································································· 8
Total Tingkat Akurasi Identifikasi pada Pelatihan dengan 30 Data················································· 8
Hasil Identifikasi pada Pelatihan dengan 40 Data··········································································· 8
Total Tingkat Akurasi Identifikasi pada Pelatihan dengan 40 Data················································· 9

DAFTAR GAMBAR
Halaman
Diagram Blok dari Proses MFCC (Do 1994)·················································································· 2
Diagram Blok Proses Pelatihan ······································································································ 5
Diagram Blok Proses Pengujian ····································································································· 5

Grafik Tingkat Akurasi Identifikasi dengan 20 Data ······································································ 7
Grafik Tingkat Akurasi Identifikasi dengan 30 Data ······································································ 8
Grafik Tingkat Akurasi Identifikasi dengan 40 Data ······································································ 9
Grafik Perbandingan Tingkat Akurasi Setiap Pembicara ································································ 9
Grafik Kesalahan Identifikasi pada Masing-Masing Pembicara······················································ 9
Grafik Perbandingan Tingkat Akurasi Identifikasi Berdasarkan Tipe Data Uji····························· 10
Grafik Perbandingan Tingkat Akurasi Identifikasi Berdasarkan Jumlah Data Pelatihan ··············· 10

DAFTAR LAMPIRAN
Halaman
Algoritma Forward······················································································································ 13
Algoritma Viterbi························································································································· 13
Algoritma Segmental K-Means ···································································································· 14
Hasil Identifikasi pada Pelatihan dengan 20 Data (Pembicara Perempuan) ·································· 15
Hasil Identifikasi pada Pelatihan dengan 20 Data (Pembicara Laki-Laki) ···································· 16
Hasil Identifikasi pada Pelatihan dengan 30 Data (Pembicara Perempuan) ·································· 17
Hasil Identifikasi pada Pelatihan dengan 30 Data (Pembicara Laki-Laki) ···································· 18
Hasil Identifikasi pada Pelatihan dengan 40 Data (Pembicara Perempuan) ·································· 19
Hasil Identifikasi pada Pelatihan dengan 40 Data (Pembicara Laki-Laki) ···································· 20

1

PENDAHULUAN
Latar Belakang
Suara merupakan media yang sering
digunakan manusia untuk berinteraksi dengan
manusia lainnya. Dari berbagai penelitian
yang telah dilakukan diketahui bahwa sinyal
suara dapat juga digunakan untuk berinteraksi
dengan komputer, sehingga interaksi tersebut
dapat berjalan lebih alami.
Penelitian
yang dilakukan
dengan
menggunakan data sinyal suara ini umumnya
disebut dengan pemrosesan sinyal suara
(speech processing). Speech Processing
sendiri memiliki beberapa cabang kajian.
Salah satu kajian dalam speech processing
adalah identifikasi pembicara. Identifikasi

pembicara (speaker identification) adalah
suatu proses mengenali seseorang berdasarkan
suaranya (Campbell 1997).
Teknologi identifikasi pembicara telah
digunakan untuk berbagai kepentingan, seperti
layanan bank melalui telepon, belanja melalui
telepon, layanan akses ke basis data, dan akses
jarak jauh ke komputer. Berbagai metode
yang dapat digunakan dalam penelitian
mengenai identifikasi pembicara, antara lain
Dynamic Time Warping (DTW), Model
Markov Tersembunyi, Jaringan Syaraf
Buatan, Vector Quantization (VQ).
Pada penelitian ini akan dilakukan
identifikasi pembicara menggunakan Model
Markov Tersembunyi atau biasa disebut
Hidden Markov Model (HMM). Hal itu
dikarenakan metode HMM telah terbukti
memiliki tingkat ketepatan yang tinggi untuk
identifikasi kata bahasa Indonesia (Mandasari
2005).
Tujuan
Penelitian
ini
bertujuan
untuk
mengembangkan Model Markov Tersembunyi
dengan fungsi peluang Gaussian untuk
identifikasi pembicara.
Ruang Lingkup
Ruang lingkup penelitian ini dibatasi pada:
1. Pembahasan difokuskan pada tahap
pemodelan pembicara dengan Model
Markov
Tersembunyi,
tidak
pada
pemrosesan sinyal analog sebagai
praproses sistem.
2. Ekstraksi ciri sinyal suara menggunakan
Mel-Frequency Cepstrum Coefficients
(MFCC).
3. Pendugaan terhadap parameter–parameter
Model Markov Tersembunyi dibatasi pada

algoritma segmental K-means, sedangkan
peluang munculnya barisan observasi
dihitung dengan algoritma forward.
4. Uji kinerja model dilakukan dengan
menghitung tingkat akurasi identifikasi.
Manfaat
Penelitian
ini
diharapkan
dapat
memberikan informasi mengenai tingkat
akurasi Model Markov Tersembunyi untuk
Identifikasi Pembicara.

TINJAUAN PUSTAKA
Digitalisasi Gelombang Suara
Bunyi atau suara adalah kompresi
mekanikal atau gelombang longitudinal yang
merambat melalui medium. Medium atau zat
perantara ini dapat berupa zat cair, padat, gas.
Manusia mendengar bunyi saat gelombang
bunyi, yaitu getaran di udara atau medium
lain, sampai ke gendang telinga manusia
(id.wikipedia.org/wiki/Suara).
Gelombang suara merupakan gelombang
analog, sehingga agar dapat diolah dengan
peralatan elektronik, gelombang suara harus
direpresentasikan dalam bentuk digital. Proses
mengubah masukan suara dari gelombang
analog menjadi representasi data digital
disebut digitalisasi suara.
Proses digitalisasi suara terdiri dari dua
tahap yaitu sampling dan kuantisasi (Jurafsky
& Martin 2000). Sampling adalah proses
pengambilan nilai setiap jangka waktu
tertentu. Nilai ini menyatakan amplitudo
(besar/kecilnya) volume suara pada saat itu.
Hasilnya adalah sebuah vektor yang
menyatakan nilai-nilai hasil sampling.
Panjang vektor data ini tergantung pada
panjang
atau
lamanya
suara
yang
didigitalisasikan serta sampling rate yang
digunakan pada proses digitalisasinya.
Sampling rate itu sendiri adalah banyaknya
nilai yang diambil setiap detik. Sampling rate
yang biasa digunakan adalah 8000 Hz dan
16000 Hz (Jurafsky & Martin 2000).
Hubungan antara panjang vektor data yang
dihasilkan dengan sampling rate dan
panjangnya data suara yang didigitalisasikan
dapat dinyatakan secara sederhana sebagai
berikut:
S = Fs * T, dengan
S = panjang vektor
Fs = sampling rate yang digunakan
(Hertz)
T = panjang suara (detik)

2
Setelah melalui tahap sampling, proses
digitalisasi suara selanjutnya adalah kuantisasi
yaitu menyimpan nilai amplitudo ini ke dalam
representasi nilai 8 bit atau 16 bit (Jurafsky &
Martin 2000).
Ekstraksi Ciri Sinyal Suara
Sinyal suara merupakan sinyal bervariasi
yang diwaktukan dengan lambat atau biasa
disebut quasi-stationary (Do 1994). Ketika
diamati dalam jangka waktu yang sangat
pendek (5 - 100 ms), karakteristiknya hampir
sama. Namun, dalam jangka waktu yang
panjang (0,2 detik atau lebih) karakteristik
sinyal berubah dan merefleksikan perbedaan
sinyal suara yang diucapkan. Oleh karena itu,
digunakan spektrum waktu pendek (short-time
spectral analysis) untuk mengkarakterisasi
sinyal suara.
Beberapa fitur yang biasa digunakan
antara lain Linear Predictive Coding,
Perceptual Linear Prediction, dan MelFrequency Cepstrum Coefficients.
MFCC
(Mel-Frequency
Cepstrum
Coefficients)
MFCC didasarkan pada variasi yang telah
diketahui dari jangkauan kritis telinga
manusia dengan frekuensi. Filter dipisahkan
secara linear pada frekuensi rendah dan
logaritmik pada frekuensi tinggi. Hal ini telah
dilakukan untuk menangkap karakteristik
penting dari sinyal suara.
Tujuan utama MFCC adalah untuk meniru
perilaku telinga manusia. Selain itu MFCC
telah terbukti lebih bisa menyebutkan variasi
dari pada gelombang suara itu sendiri.

Gambar 1 Diagram blok dari proses MFCC
(Do 1994)
Penjelasan tiap tahapan pada proses
MFCC sebagai berikut (Do 1994):
1. Frame Blocking. Pada tahap ini sinyal
suara (continous speech) dibagi ke dalam
frame-frame. Tiap frame terdiri dari N
sample.

2. Windowing. Proses selanjutnya adalah
melakukan windowing pada tiap frame
untuk meminimalkan diskontinuitas sinyal
pada awal dan akhir tiap frame.
Konsepnya adalah meminimisasi distorsi
spektral dengan menggunakan window
untuk
memperkecil
sinyal
hingga
mendekati nol pada awal dan akhir tiap
frame. Jika window didefinisikan sebagai
w(n), 0 ≤ n ≤ N-1, dengan N adalah
banyaknya sampel tiap frame, maka hasil
dari windowing adalah sinyal dengan
persamaan:
Yt(n)=x1(n)w(n), 0 ≤ n ≤ N-1
Pada umumnya, window yang digunakan
adalah
hamming
window,
dengan
persamaan:
w(n)=0.54-0.46cos(2πn/N-1), 0 ≤ n ≤ N-1
3. Fast Fourier Transform (FFT). Tahap ini
mengkonversi tiap frame dengan N sampel
dari time domain menjadi frequency
domain. FFT adalah suatu algoritma untuk
mengimplementasikan Discrete Fourier
Transform (DFT) yang didefinisikan pada
himpunan N sampel {xn} sebagai berikut:
Xn =

N −1
− 2 π jkn / N
, n = 0 ,1 , 2 ,..., N − 1
∑ x e
k =0 k

j digunakan untuk menotasikan unit
imajiner, yaitu j = − 1 . Secara umum
Xn adalah bilangan kompleks. Barisan
{Xn} yang dihasilkan diartikan sebagai
berikut: frekuensi nol berkorespondensi
dengan n = 0, frekuensi positif 0 < f <
Fs/2 berkorespondensi dengan nilai 1 ≤ n ≤
N/2-1, sedangkan frekuensi negatif –Fs/2 <
f < 0 berkorespondensi dengan N/2+1 < n
< N-1. Dalam hal ini Fs adalah sampling
frequency. Hasil yang didapatkan dalam
tahap ini biasa disebut dengan spektrum
sinyal atau periodogram.
4. Mel-frequency Wrapping. Studi psikofisik
menunjukkan bahwa persepsi manusia
terhadap frekuensi sinyal suara tidak
berupa skala linear. Oleh karena itu, untuk
setiap nada dengan frekuensi aktual f
(dalam Hertz), tinggi subjektifnya diukur
dengan skala ‘mel’. Skala mel-frequency
adalah selang frekuensi di bawah 1000 Hz
dan selang logaritmik untuk frekuensi di
atas 1000 Hz, sehingga pendekatan berikut

3
dapat digunakan untuk menghitung melfrequency untuk frekuensi f dalam Hz:
Mel(f) = 2595*log10(1+f/700)
5. Cepstrum. Langkah terakhir, konversikan
log mel spectrum ke domain waktu.
Hasilnya disebut mel frequency cepstrum
coefficients.
Representasi
cepstral
spektrum suara merupakan representasi
properti spektral lokal yang baik dari suatu
sinyal untuk analisis frame. Mel spectrum
coefficients (dan logaritmanya) berupa
bilangan riil, sehingga dapat dikonversikan
ke domain waktu dengan menggunakan
Discrete Cosine Transform (DCT).
Hidden Markov Model
Hidden Markov Model (HMM), atau
Model Markov Tersembunyi, ialah suatu
model
peluang
temporal
yang
menggambarkan keterkaitan antar peubah
state (state variable) dari waktu ke waktu,
serta antara peubah state dengan peubah
teramati (observable variable). Secara visual,
model ini dapat digambarkan menggunakan
suatu finite state automata dengan banyaknya
kemungkinan kombinasi nilai variabel dalam
model. Dalam hal ini, setiap state merupakan
suatu kombinasi variabel tersebut. Sebagai
contoh, jika terdapat suatu model temporal
dengan tiga variabel biner maka banyaknya
state adalah 23 = 8 buah. Di dalam HMM,
peubah state adalah peubah yang tak teramati
(hidden variable), dan peubah yang teramati
adalah observable variable.
Berikut adalah notasi yang digunakan
dalam HMM (Dugad & Desai 1996):
N : Banyaknya hidden state (state ke 1, 2,
3, …, n), qt menotasikan state ke-q
pada indeks waktu t.
M : Banyaknya kemungkinan kemunculan
untuk
peubah
teramati,
vk,
k=1,2,3,…,M, adalah nilai-nilai peubah
teramati.
Л : adalah { Лi}, dengan Лi=P(q1=i), yaitu
peluang pada tahap awal berada pada
N
state i. Dalam hal ini
π =1

∑

i =1

Ot : adalah notasi untuk nilai teramati pada
waktu t, sehingga barisan nilai teramati
(observable symbol) adalah O=O1, O2,
O3, …, OT. T adalah panjang observasi
yang dilakukan.
Dengan notasi-notasi seperti di atas, maka
suatu HMM dilambangkan dengan:
= (A, B, Л)
Secara umum ada tiga masalah dasar yang
terdapat dalam HMM (Dugad & Desai 1996),
yaitu:
1. Masalah 1 (Evaluation): Untuk suatu =
(A, B, Л) tertentu, ingin diketahui P(O| ),
yaitu
peluang
munculnya
barisan
O=O1,O2,O3,…,OT.
Solusi:
Barisan O=O1,O2,O3,…,OT adalah nilai
teramati yang merupakan refleksi dari
barisan hidden state Q = q1,q2,…,qT.
Untuk suatu barisan hidden state tertentu,
Q = q1,q2,…,qT, nilai P(O| ) dapat dihitung
dengan rumus berikut:
T
P (O | Q , λ ) = ∏ P (O t | qt , λ )
t =1

Menggunakan asumsi kebebasan antar
observasi, nilai tersebut dapat dirumuskan
menjadi:
P (O | Q , λ ) = bq (O1 ).bq (O2 )...bq (OT )
T
1
2

(1)
Peluang kemunculan suatu barisan Q = q1,
q2, …, qT tertentu adalah:
P (Q | λ ) = π q a q q a q q a q q ...aq
1 1 2 2 3 3 4
T −1qT
(2)

Distribusi bersama O dengan Q diperoleh
dengan mengalikan (1) dengan (2).
P (O | Q, λ ) = P (O | Q, λ ).P (Q | λ )

(3)

1

A : adalah {aij} dengan aij=P(qt+1=j|qt=i),
yaitu peluang berada di state j pada
waktu t+1 jika pada waktu t berada di
state i. Dalam hal ini diasumsikan aij
bebas dari waktu.
B : adalah {bj(k)}, dengan bj(k)=P(vk pada
waktu t|qt=j), yaitu peluang peubah
teramatinya yang muncul adalah
simbol vk.

Oleh karena itu nilai P(O| ) diperoleh
dengan menjumlahkan (3) untuk semua
kombinasi barisan hidden state yang
mungkin.

4
P (O | λ ) =

∑ P (O | Q , λ ) P (Q | λ )
∀Q

= ∑ π q bq (O1 )aq q bq (O2 )...aq q bq (OT )
12 2
T −1 T T
∀Q 1 1
(4)

dengan Q = q1,q2,q3,…,qT
Terlihat orde perkalian tesebut adalah
(2TNT). Sebagai contoh untuk N=5 dan
T=100 saja, banyaknya operasi adalah
sekitar 1072. Oleh karena itu diperlukan
suatu metode yang efisien untuk masalah
tersebut. Solusi permasalahan ini adalah
dengan
prosedur
forward-backward.
Kedua algoritma ini berjalan dengan orde
O(N2T), yang jauh lebih cepat dibanding
O(2TNT).
2. Masalah 2 (Decoding) : Untuk suatu =(A,
B, Л) dan barisan observasi O=O1, O2, O3,
…, OT tertentu, bagaimana kita memilih
barisan dari state Q = q1, q2, …, qT yang
‘optimal’, yaitu yang paling besar
kemungkinannya menghasilkan O.
Solusi:
Pada masalah 1, solusi yang diberikan
bersifat pasti. Dilain pihak pada masalah 2,
solusi tergantung dari kriteria optimum
yang dipakai. Ada beberapa kriteria
optimum yang dapat dilakukan, yaitu:
a. Memaksimumkan banyaknya hidden
state yang sesuai.
Besaran untuk optimisasi ini adalah
γt(i)=P(qt=Si|O,λ) yang dirumuskan
sebagai:
γ t (i ) =

α t (i ) β t (i )
P (O | λ )

=

α t (i ) β t (i )
N
∑ α t (i ) β t (i )
i =1

Oleh karena itu, hidden state yang
paling mungkin untuk setiap periode t
adalah:
Qt = arg max γt(i) untuk 1 ≤ t ≤ T
1≤i≤N

Kelemahan algoritma ini adalah tidak
memperhatikan adanya transisi state
yang tidak mungkin, sehingga tidak
menutup kemungkinan munculnya
barisan state yang ‘janggal’.
b. Modifikasi kriteria poin a, yaitu dengan
memaksimumkan banyaknya segmen
hidden state yang benar, yaitu dengan
dua (qt,qt+1) tiga (qt,qt+1,qt+2) atau lebih
segmen hidden state yang berurutan.

c. Menemukan satu barisan hidden state
(path) yang paling sesuai. Solusi
dengan kriteria ini diperoleh dengan
memaksimumkan peluang kemunculan
barisan state, Q, untuk suatu O dan
tertentu, P(Q,|O,λ), yang setara dengan
memaksimumkan P(O,Q|λ). Pencarian
path ini dilakukan dengan konsep
pemrograman
dinamik
(dynamic
programming) dan dikenal dengan
algoritma viterbi.
Pada penelitian ini akan digunakan solusi
dengan menggunakan algoritma viterbi.
3. Masalah 3 (Learning) : Bagaimana kita
melakukan pendugaan terhadap parameterparameter model HMM,
=(A,B,Л),
sehingga
P(O|λ),
atau
P(O,Q|λ)
maksimum.
Solusi :
Permasalahan ini berkaitan dengan
pelatihan terhadap HMM dengan tujuan
model mampu mengenali pola dengan
karakteristik yang “mirip” dengan data
yang dilatihkan. Secara umum ada dua
algoritma pelatihan, yaitu:
a. Algoritma Segmental K-Means: Pada
metode ini, parameter dari model
HMM =(A,B,Л) disesuaikan untuk
memaksimumkan P(O,Q|λ) dengan Q
adalah barisan state yang optimum
hasil dari solusi masalah 2.
b. Formula Baum-Welch reestimation:
Pada metode ini, parameter dari model
HMM =(A,B,Л) disesuaikan untuk
meningkatkan
P(O|λ)
hingga
maksimum dicapai. Pada persamaan
(1) terlihat bahwa penghitungan P(O|λ)
mencakup penjumlahan nilai peluang
P(O,Q|λ) untuk semua kemungkinan
barisan Q.
Jenis Pengenalan Pembicara
Menurut Campbell (1997), Pengenalan
Pembicara berdasarkan jenis aplikasinya
dibagi menjadi:
1. Identifikasi pembicara adalah proses
mengenali
seseorang
berdasarkan
suaranya. Identifikasi pembicara dibagi
dua, yaitu:
• Identifikasi
tertutup
(closed-set
identification) yang mana suara
masukan
yang
akan
dikenali
merupakan bagian dari sekumpulan
suara pembicara yang telah terdaftar
atau diketahui.
• Identifikasi
terbuka
(open-set
identification) suara masukan boleh

5
tidak ada pada kumpulan suara
pembicara yang telah terdaftar.
2. Verifikasi pembicara adalah proses
menerima atau menolak permintaan
identitas dari seseorang berdasarkan
suaranya.
Berdasarkan
teks
yang
digunakan
pengenalan pembicara dibagi menjadi dua
(Campbell 1997):
1. Pengenalan pembicara bergantung teks
yang mengharuskan pembicara untuk
mengucapkan kata atau kalimat yang sama
baik pada pelatihan maupun pengenalan.
2. Pengenalan pembicara bebas teks yang
tidak mengharuskan pembicara untuk
mengucapkan kata atau kalimat yang sama
baik pada pelatihan maupun pengenalan.
Pada penelitian kali ini akan dilakukan
penelitian identifikasi pembicara dengan jenis
identifikasi tertutup dengan bergantung pada
teks.

Masukan
data pengujian
X=X1,X2,…,X16000

Ekstraksi ciri suara
dengan MFCC

~

x new = x1 , x 2 ,..., x13

Model
pembicara 1
ω1

Model
pembicara 4
ω4

(Pω1 | xnew)

(Pω2 | xnew)
Peluang maksimum

Hasil identifikasi

Gambar 3 Diagram blok proses pengujian

METODE PENELITIAN
Proses identifikasi
pembicara dengan
menggunakan Model Markov Tersembunyi
menggunakan fungsi Gaussian dalam
penelitian ini dilakukan dalam 2 tahap, yaitu
tahap pelatihan dan tahap pengujian. Langkah
kedua tahap tersebut dapat dilihat pada
Gambar 2 dan 3.
Masukan
data pelatihan
X=X1,X2,…,X16000

Ekstraksi ciri suara
dengan MFCC

~

x = x1 , x2 ,..., x13

Pelatihan HMM dengan
algoritma
Segmental K-Means

Model
pembicara
ω

Gambar 2 Diagram blok proses pelatihan

Data
Data yang digunakan pada penelitian ini
adalah gelombang suara yang telah didijitasi
dan direkam dari 4 pembicara, yaitu 2
pembicara laki-laki dan 2 pembicara
perempuan dengan rentang usia 22-50 tahun
dan masing-masing pembicara diambil
suaranya dalam jangka waktu yang sama.
Pembicara 1 dan 2 merupakan pembicara
perempuan, sedangkan pembicara 3 dan 4
merupakan pembicara laki-laki. Data tersebut
diambil menggunakan fungsi wavrecord pada
Matlab, dan disimpan menjadi file berekstensi
WAV. Setiap suara diambil dengan sampling
rate 16000 Hz dan direkam selama 1 detik,
sehingga
masing-masing
menghasilkan
ukuran file 31,2 KB. Pemilihan sampling rate
16000 Hz didasarkan pada pengetahuan
bahwa sampling rate di atas 10000 Hz dapat
meminimalkan efek aliasing pada konversi
dari analog menjadi dijital.
Jenis
identifikasi
pembicara
yang
dilakukan bersifat bergantung pada teks, maka
kata yang diucapkan baik untuk pelatihan
maupun pengujian telah ditentukan yaitu
“komputer” dan diucapkan sebanyak 60 kali,
sehingga terdapat 240 file data.
Penelitian ini akan menggunakan 6
kombinasi proporsi pembagian data pelatihan
dan data yang diujikan. Kombinasi tersebut
antara lain:
1. 20 data pelatihan dengan pengujian
dilakukan pada:
• 20 data pelatihan.
• 40 data pengujian.

6
2. 30 data pelatihan dengan
dilakukan pada:
• 30 data pelatihan.
• 30 data pengujian.
3. 40 data pelatihan dengan
dilakukan pada:
• 40 data pelatihan.
• 20 data pengujian.

pengujian

pengujian

Analisis Fitur Suara
Analisis fitur suara pada penelitian ini
menggunakan MFCC. Pada implementasi
MFCC ini, kecuali tahap frame blocking,
digunakan fungsi dari Auditory Toolbox yang
dikembangkan oleh Slanley pada tahun 1998.
Setiap data suara akan dibagi menjadi frame
berukuran masing-masing 30 ms. Dengan
overlap 50% dan tanpa noise. Sehingga
menghasilkan 66 frame.
Hasil dari analisis fitur suara MFCC ini
adalah 13 koefisien mel cepstrum untuk
masing-masing frame. Dengan demikian
setiap data menjadi matriks 13 x 66. Hasil ini
merupakan masukan untuk pelatihan HMM,
yaitu berupa O=O1,O2,…,O66.
Pelatihan HMM
Pelatihan bertujuan untuk membangun
HMM,
= (A,B,Л) untuk setiap model
pembicara. Faktor-faktor yang diperhatikan
antara lain adalah pemilihan jenis HMM dan
pendugaan parameter untuk tiap model
(Rabiner 1989). Pada penelitian ini, jenis
HMM yang digunakan adalah HMM leftright. Hal itu dikarenakan jenis ini cocok
untuk memodelkan sinyal suara yang
propertinya berubah terhadap waktu. Untuk
menduga
parameter-parameter
HMM
digunakan algoritma Segmental K-means
dengan jumlah state 6. Karena menurut
Rabiner (1989), error minimum berada pada
state yang berjumlah 6.
Input untuk membangun HMM adalah
sinyal suara yang telah ditransformasi menjadi
barisan vektor ciri, O, ke nilai peluang
kemunculannya pada suatu barisan hidden
state tertentu, W, dan dinotasikan dengan
P(O|W). Peluang kemuculan setiap vektor ciri,
Ot, yang berkaitan dengan hidden state
tertentu, wt, adalah bwt(Ot).
Oleh karena itu yang akan dilakukan
adalah menduga nilai bwt(Ot), yaitu peluang
suatu vektor ciri pada waktu t sebagai
representasi suara dari hidden state ke-j,
dalam hal ini wt = j, yang dinotasikan sebagai
bj(Ot).

Dalam penelitian ini, bj(Ot) diduga dengan
menggunakan asumsi kenormalan yang
menggunakan fungsi peluang Gaussian untuk
memetakan setiap vektor ciri ke hidden state
yang ada dengan peluang tertentu.
Melalui asumsi kenormalan, vektor ciri
pada indeks t sebagai representasi hidden state
j berdistribusi normal dengan vektor rataan j
dan matriks kovarian ∑j. Dengan asumsi ini,
maka nilai peluang tersebut dirumuskan
sebagai:
− ( ot − μ j ) ∑ −1j ( ot − μ j )
1
e2
1/ 2
d /2
(2π ) (det(∑ j ))
1

bj (ot ) =

Nilai-nilai parameter dari distribusi normal
untuk setiap hidden state diduga dengan
menggunakan algoritma Segmental K-means.
Pengujian
Pengujian bertujuan untuk mengukur
akurasi model dalam mengenali pembicara.
Pengujian dilakukan secara manual dengan
menghitung berapa banyak data yang diujikan
dapat memberikan hasil yang tepat yaitu data
yang diujikan berhasil dikenali dengan benar,
misalnya data yang diujikan adalah data
Pembicara 1 maka hasil yang tepat adalah
dikenali sebagai Pembicara 1.
Masukan untuk menguji model adalah
barisan vektor ciri sinyal suara dari seorang
pembicara. Setiap model akan memberikan
nilai peluang atas masukan yang diberikan.
Pembicara diidentifikasi berdasarkan model
yang memberikan nilai peluang tertinggi.
Hasil kinerja pengujian ini kemudian
dihitung sebagai rasio antara jumlah data
pembicara yang diidentifikasi secara benar
dengan jumlah seluruh data pembicara yang
diujikan.
Lingkungan Pengembangan
Perangkat keras yang digunakan adalah
komputer personal dengan prosesor Pentium
IV 2,4 GHz, RAM sebesar 128 Mb, serta
kapasitas harddisk sebesar 40 Gb.
Sistem operasi yang digunakan adalah
Windows XP Profesional. Perangkat lunak
yang digunakan adalah Matlab 6.5 dan untuk
MFCC digunakan beberapa fungsi dari
Auditory Toolbox.

HASIL DAN PEMBAHASAN
Pada penelitian ini, matriks koragam yang
digunakan pada algoritma Segmental KMeans adalah matiks koragam diagonal. Hal

7

Hasil Identifikasi Pada Pelatihan dengan
20 Data
Tabel 1 Hasil identifikasi pada pelatihan
dengan 20 data
Teridentifikasi Sebagai
PembiPembicara
cara ke1
2
3
4
(%)
(%)
(%)
(%)
1
100
Data
2
20
80
Pe3
5
40
55
latihan
4
5
5
90
1
100
Data
2
60
40
Peng3
5
37,5
57,5
ujian
95
4
5
Dari Tabel 1 dapat dilihat bahwa
pembicara 1 pada data pelatihan mendapatkan
tingkat akurasi yang baik yaitu 100%.
Pembicara 2 mendapatkan tingkat akurasi
yang lebih rendah yaitu sebesar 80%, dengan
20% sisa data yang diujikan teridentifikasi
sebagai
pembicara
1.
Pembicara
3
mendapatkan tingkat akurasi yang cukup
kecil, hanya sekitar 40% dengan 55%
teridentifikasi sebagai pembicara 4 dan hanya
sekitar 5% saja yang teridentifikasi sebagai
pembicara 1. Di lain pihak pembicara 4
mendapatkan tingkat akurasi yang cukup baik
yaitu sebesar 90% dengan masing-masing 5%
teridentifikasi sebagai pembicara 1 dan
pembicara 2.
Pada data pengujian, pembicara 1 masih
menghasilkan tingkat akurasi yang terbaik
yaitu 100%. Dengan demikian pembicara 2
mengalami penurunan tingkat akurasi yang
cukup besar yaitu menjadi 40 % dengan 60 %
sisanya teridentifikasi sebagai pembicara 1.
Pembicara 3 juga mengalami penurunan
tingkat akurasi namun tidak besar yaitu
menjadi 37,5%, dengan 57,5% teridentifikasi
sebagai pembicara 4 dan 5 % lainnya
teridentifikasi sebagai pembicara 1. Sementara
itu pembicara 4 mengalami peningkatan
tingkat akurasi pada pengujian dengan data
pengujian ini, walaupun tidak banyak yaitu
menjadi 95% dengan 5% teridentifikasi
sebagai pembicara 1.

Tabel 2 Total tingkat akurasi identifikasi pada
pelatihan dengan 20 data
Pembicara
Data
Data
Total
kePelatihan Pengujian
(%)
(%)
(%)
1
100
100
100
2
80
40
53.33
3
40
37,5
38.33
4
90
95
93.33
Total (%)
77,5
68,125
71,25
Data Pelatihan

Data Pengujian

120
100
Persentase

ini dilakukan dengan asumsi bahwa tidak ada
korelasi antar state.
Tingkat keberhasilan pada penelitian ini
dilihat dari persentase keakuratan identifikasi
pembicara, yang didapatkan dari rasio jumlah
pembicara yang diidentifikasi benar dengan
jumlah pembicara yang diujikan .

80
60
40
20
0
1

2

3

4

Pembicara

Gambar 4 Grafik tingkat akurasi identifikasi
dengan 20 data
Secara keseluruhan seperti terlihat pada
Tabel 2 dan Gambar 4, pembicara 1
menghasilkan tingkat akurasi yang paling baik
yaitu sebesar 100% dan pembicara 3
menghasilkan tingkat akurasi yang paling
buruk
yaitu
38,33%.
Pembicara
2
menghasilkan tingkat akurasi 53,33% dan
pembicara 4 menghasilkan tingkat akurasi
yang cukup besar yaitu 93,33%. Hasil akurasi
kecil yang didapatkan pembicara 2 dan
pembicara 3 dikarenakan tingkat variasi
berbicara pada kedua pembicara tersebut
cukup besar.
Total
tingkat
akurasi
identifikasi
pembicara pada data pelatihan adalah 77,5%
dan untuk total tingkat akurasi identifikasi
pembicara pada data pengujian didapatkan
lebih rendah yaitu sebesar 68,125%. Namun
demikian untuk total tingkat akurasi
identifikasi pembicara secara keseluruhan
dengan data pelatihan sebanyak 20 adalah
71,25%
Hasil Identifikasi Pada Pelatihan dengan
30 Data
Dari hasil percobaan dengan data pelatihan
sebanyak 30 untuk masing-masing pembicara
didapatkan hasil sebagaimana terlihat pada
Tabel 3.

8

Seperti terlihat pada Tabel 3, pembicara 1
pada data pelatihan masih mendapatkan
tingkat akurasi yang baik yaitu 100%.
Pembicara 2 mendapatkan tingkat akurasi
sebesar 70%, dengan 30% sisa data yang
diujikan teridentifikasi sebagai pembicara 1.
Pembicara 3 mendapatkan tingkat akurasi
66,67% dengan 16,67% teridentifikasi sebagai
pembicara 4 dan hanya sekitar 16,7% lainnya
teridentifikasi sebagai pembicara 1. Di lain
pihak pembicara 4 mendapatkan tingkat
akurasi sebesar 86,67% dengan 13,33%
teridentifikasi sebagai pembicara 1.
Pada data pengujian, pembicara 1 tetap
menghasilkan tingkat akurasi yang sangat baik
yaitu 100%. Pembicara 2 juga mengalami
penurunan tingkat akurasi menjadi 50%
dengan 50% sisanya teridentifikasi sebagai
pembicara 1. Di sisi lain pembicara 3
mengalami peningkatan tingkat akurasi
menjadi sekitar 70%, dengan 16,67%
teridentifikasi sebagai pembicara 1 dan
13,33% lainnya teridentifikasi sebagai
pembicara 4. Pembicara 4 tingkat akurasinya
turun menjadi 80% dengan 20% teridentifikasi
sebagai pembicara 1.
Tabel 4 Total tingkat akurasi identifikasi pada
pelatihan dengan 30 data
Pembicara
Data
Data
Total
kePelatihan Pengujian
(%)
(%)
(%)
1
100
100
100
2
70
50
60
3
66,67
70
68,33
4
86,67
80
83,33
Total (%)
80,83
75
77,92

Data Pelatihan

Data Pengujian

120
100
Persentase

Tabel 3 Hasil identifikasi pada pelatihan
dengan 30 data
Teridentifikasi Sebagai
PembiPembicara
cara ke1
2
3
4
(%)
(%)
(%)
(%)
1
100
Data
2
30
70
Pe66,67 16,67
latih- 3 16,67
an
4 13,33
86,67
1
100
Data
2
50
50
Peng3 16,67
70
13,33
ujian
4
20
80

80
60
40
20
0
1

2

3

4

Pembicara

Gambar 5 Grafik tingkat akurasi identifikasi
dengan 30 data
Secara keseluruhan pembicara 1 masih
menghasilkan tingkat akurasi yang paling baik
yaitu sebesar 100% dan pembicara 2
menghasilkan tingkat akurasi yang paling
buruk yaitu 60%. Pembicara 3 menghasilkan
tingkat akurasi 68,33% dan pembicara 4
menghasilkan tingkat akurasi sebesar 83,33%.
Total
tingkat
akurasi
identifikasi
pembicara pada data pelatihan adalah 80,83%
dan untuk total tingkat akurasi identifikasi
pembicara pada data pengujian adalah 75%.
Di lain pihak untuk total tingkat akurasi
identifikasi pembicara secara keseluruhan
dengan data pelatihan sebanyak 30 adalah
77,92%.
Hasil Identifikasi Pada Pelatihan dengan
40 Data
Dari hasil percobaan dengan data pelatihan
sebanyak 40 untuk masing-masing pembicara
didapatkan hasil sebagaimana terlihat pada
Tabel 5.
Tabel 5 Hasil identifikasi pada pelatihan
dengan 40 data
Teridentifikasi Sebagai
PembiPembicara
cara ke1
2
3
4
(%)
(%)
(%)
(%)
1
100
Data
2
20
80
Pe5
80
15
latih- 3
an
4
15
85
1
100
Data
2
35
65
Peng3
10
90
ujian
4
10
90
Dari Tabel 5 dapat dilihat bahwa
pembicara 1 pada data pelatihan masih
mendapatkan tingkat akurasi yang baik yaitu
100%. Pembicara 2 mendapatkan tingkat
akurasi sebesar 80%, dengan 20% sisa data
yang
diujikan
teridentifikasi
sebagai
pembicara 1. Pembicara 3 mendapatkan

9
tingkat
akurasi
80%
dengan
15%
teridentifikasi sebagai pembicara 4. Di sisi
lain pembicara 4 mendapatkan tingkat akurasi
sebesar 85% dengan 15% teridentifikasi
sebagai pembicara 1.
Pada data pengujian, pembicara 1 tetap
menghasilkan tingkat akurasi yang sangat baik
yaitu 100%. Pembicara 2 mengalami
penurunan tingkat akurasi menjadi 65%
dengan 35% sisanya teridentifikasi sebagai
pembicara 1. Namun demikian pembicara 3
kembali mengalami peningkatan tingkat
akurasi menjadi sekitar 90%, dengan 10%
teridentifikasi sebagai pembicara 1. Pembicara
4 tingkat akurasinya pun naik menjadi 90%
dengan 10% teridentifikasi sebagai pembicara
1.

Perbandingan Tingkat Akurasi Setiap
Pembicara
Perbandingan tingkat akurasi setiap
pembicara pada masing-masing jumlah data
pelatihan dapat dilihat pada Gambar 7.

Tabel 6 Total tingkat akurasi identifikasi pada
pelatihan dengan 40 data
Pembicara
Data
Data
Total
kePelatihan Pengujian
(%)
(%)
(%)
1
100
100
100
2
80
65
75
3
80
90
83,33
4
85
90
86,67
Total (%)
86,25
86,25
86,25

Seperti terlihat pada Gambar 7, pembicara
1 selalu menempati tingkat akurasi identifikasi
yang tertinggi baik pada pelatihan dengan 20
data, 30 data maupun 40 data dengan nilai
100%. Pembicara 3 memiliki tingkat akurasi
terkecil pada pelatihan dengan 20 data, nilai
yang dihasilkan hanya sekitar 38,33%. Namun
demikian pada pelatihan dengan 30 data dan
40 data, pembicara 2 memiliki tingkat akurasi
yang terkecil masing-masing dengan nilai
60% dan 75%.
Terlihat juga pada Gambar 7 bahwa
pembicara 2 dan 3 selalu mendapat tingkat
akurasi yang lebih rendah dari pembicara 1
dan 4. Seperti telah disebutkan sebelumnya,
hal ini dikarenakan tingkat variasi berbicara
kedua pembicara tersebut lebih besar dari
pada pembicara 1 dan 4.

Data Pelatihan

Data Pengujian

120
Persentase

100
80
60
40
20
0
1

2

3

4

Pembicara 1

Pembicara 2

Pembicara 3

Pembicara 4

120

Persentase

100
80
60
40
20
0
20

30

40

Jumlah data pelatihan

Gambar 7 Grafik perbandingan tingkat akurasi
setiap pembicara

Pembicara

Secara
keseluruhan
pembicara
1
menghasilkan tingkat akurasi yang paling baik
yaitu sebesar 100% dan pembicara 2 kembali
menghasilkan tingkat akurasi yang paling
buruk yaitu 75%. Pembicara 3 memiliki
tingkat akurasi sebesar 83,33% dan pembicara
4 memiliki tingkat akurasi sebesar 86,67%.
Total
tingkat
akurasi
identifikasi
pembicara pada data pelatihan adalah 86,25 %
dan untuk total tingkat akurasi identifikasi
pembicara pada data pengujian adalah
86,25%. Di lain pihak untuk total tingkat
akurasi
identifikasi
pembicara
secara
keseluruhan dengan data pelatihan sebanyak
40 adalah 86,25%.

Perbandingan Kesalahan Identifikasi pada
Masing-masing Pembicara
Perbandingan kesalahan identifikasi yang
terjadi pada penelitian ini untuk masingmasing pembicara dapat dilihat pada Gambar
8.
Pembicara 1

Pembicara 2

Pembicara 3

Pembicara 4

10
8
Persentase

Gambar 6 Grafik tingkat akurasi identifikasi
dengan 40 data

6
4
2
0
1

2

3

4

Salah Teridentifikasi Sebagai Pembicara

Gambar 8 Grafik kesalahan identifikasi pada
masing-masing pembicara

2

Terlihat pada Gambar 8, untuk pembicara
seluruh kesalahan merupakan salah

10

Perbandingan
Tingkat
Akurasi
Berdasarkan Tipe Data Uji
Perbandingan tingkat akurasi berdasarkan
tipe data yang diujikan dapat dilihat pada
Gambar 9.
DataPelatihan

DataPengujian

Pelatihan 20 Data

Pelatihan 30 Data

Pelatihan 40 Data

100
Persentase

identifikasi sebagai pembicara 1, dimana
pembicara 1 dan 2 merupakan perempuan. Di
lain pihak kesalahan identifikasi pembicara 3
yang merupakan laki-laki sebagian besar
merupakan kesalahan identifikasi sebagai
pembicara 4 yang juga laki-laki.
Secara keseluruhan, kesalahan identifikasi
sebagian besar memang merupakan salah
identifikasi sebagai pembicara 1 dan 4 dan
seperti telah diketahui dari pembahasan
sebelumnya, pembicara 1 dan 4 memiliki
tingkat akurasi yang tinggi.
Tingkat akurasi yang tinggi dari pembicara
1 dan 4 dikarenakan variasi gaya berbicara
kedua pembicara tersebut yang tidak terlalu
besar pada saat perekaman data.

80
60
40
20
0

Data Pengujian

Data Pelatihan
Diujikan Pada

Gambar 10 Grafik perbandingan tingkat
akurasi
identifikasi
berdasarkan
jumlah
data
pelatihan
Dari Gambar 9 dapat diketahui bahwa
tingkat akurasi identifikasi dengan 20 data
pelatihan memiliki nilai yang paling kecil baik
pada data pelatihan maupun data pengujian.
Tingkat akurasi yang terbesar baik yang di
ujikan pada data pelatihan maupun data
pengujian adalah pada pelatihan dengan 40
data. Terlihat pula bahwa tingkat akurasi
bertambah seiring dengan bertambahnya
jumlah data pelatihan.

Persentase

100

KESIMPULAN DAN SARAN

80
60
40
20
0
20

30

40

Jumlah Data Pelatihan

Gambar 9 Grafik perbandingan tingkat akurasi
identifikasi berdasarkan tipe data
uji
Dari Gambar 9 terlihat bahwa tingkat
akurasi yang lebih tinggi didapatkan pada
pelatihan dengan 20 data dan 30 data dengan
data pelatihan. Di sisi lain pada pelatihan
dengan 40 data, tingkat akurasi yang
didapatkan sama baik pada data pelatihan
maupun data pengujian.
Perbandingan
Tingkat
Akurasi
Berdasarkan Jumlah Data Pelatihan
Perbandingan tingkat akurasi berdasarkan
jumlah data pelatihan dapat dilihat pada
Gambar 10.

Kesimpulan
Dari penelitian yang telah dilakukan, maka
dapat disimpulkan bahwa Model Markov
Tersembunyi
dapat
digunakan
untuk
identifikasi pembicara.
Tingkat akurasi tertinggi yaitu 100%
didapatkan pembicara 1 pada semua tipe data
uji pada jumlah data pelatihan 20, 30, dan 40.
Sementara itu tingkat akurasi terendah sebesar
37,5% didapatkan pembicara 3 di data
pengujian pada jumlah data pelatihan 20.
Nilai tinggi yang didapatkan pembicara 1
dikarenakan pembicara 1 menghasilkan data
dengan sedikit variasi gaya berbicara,
sedangkan pembicara 3 menghasilkan data
dengan variasi gaya berbicara yang banyak
sehingga tingkat akurasi yang didapatkan
rendah.
Dengan demikian variasi gaya berbicara
berpengaruh pada hasil akurasi identifikasi
d