The Identification of Infant Cries by Using Codebook as Feature Matching, and MFCC as Feature Extraction

IDENTIFIKASI JENIS TANGIS BAYI
MENGGUNAKAN CODEBOOK UNTUK PENGENAL POLA
DAN MFCC UNTUK EKSTRAKSI CIRI

MEDHANITA DEWI RENANTI

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013

PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa tesis berjudul Identifikasi Jenis Tangis
Bayi menggunakan Codebook untuk Pengenal Pola dan MFCC untuk Ekstraksi
Ciri adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, Juli 2013
Medhanita Dewi Renanti
NIM G651110571

RINGKASAN
MEDHANITA DEWI RENANTI. Identifikasi Jenis Tangis Bayi menggunakan
Codebook untuk Pengenal Pola dan MFCC untuk Ekstraksi Ciri. Dibimbing oleh
AGUS BUONO dan WISNU ANANTA KUSUMA.
Software yang dibuat ini merupakan otomatisasi dari Dunstan Baby
Language. Software ini menggunakan MFCC untuk ekstraksi ciri dan codebook
untuk pengenalan suara bayi. Pembentukan codebook berasal dari hasil clustering
semua data tangis bayi dengan menggunakan k-means clustering. Ruang lingkup
penelitian ini adalah: 1) klasifikasi arti tangis bayi yang digunakan adalah versi
Dunstan Baby Language, 2) software ini digunakan untuk identifikasi arti tangis
bayi usia 0-3 bulan.
Metode penelitian ini terdiri atas beberapa tahapan proses yaitu
pengambilan data, preprocessing, pemodelan codebook tangis bayi, pengujian dan
analisis, serta pembuatan antarmuka. Data tangis bayi ini diambil dari video
Dunstan Baby Language yang sudah diolah. Data dibagi menjadi dua yaitu data

latih dan data uji. Terdapat 140 data latih yang masing-masing mewakili 28 tangis
bayi lapar, 28 tangis bayi mengantuk, 28 tangis bayi ingin bersendawa, 28 tangis
bayi mengalami nyeri (ada angin) di perut, dan 28 tangis bayi tidak nyaman (bisa
karena popoknya basah/udara yang terlalu panas/dingin atau hal lainnya). Data uji
sebanyak 35, masing-masing 7 tangis bayi untuk setiap jenis tangis bayi. Pada
tahap preprocessing dilakukan pemotongan silence dan ekstraksi ciri
menggunakan MFCC. Pembuatan antarmuka identifikasi arti tangis bayi dibuat
berdasarkan data latih yang menghasilkan akurasi tertinggi.
Penelitian ini dibuat menggunakan software Matlab R2010b version
7.11.0.584. Penelitian ini memvariasikan panjang frame: 25 ms/panjang frame =
275, 40 ms/panjang frame = 440, 60 ms/ panjang frame = 660; overlap frame: 0%,
40%, 60%; dan jumlah codeword: 1 sampai 18, untuk panjang frame = 275 dan
overlap frame = 0% menggunakan jumlah codeword 1 sampai 29. Identifikasi
jenis tangis bayi menggunakan jarak terkecil dari jarak euclid dan mahalanobis.
Akurasi menggunakan jarak euclid berkisar antara 37% sampai 94%. Sedangkan
nilai akurasi menggunakan jarak mahalanobis berkisar antara 9% sampai 83%.
Model codebook dan MFCC yang menghasilkan akurasi tertinggi adalah: panjang
frame = 440, overlap frame = 0.4, k=18. Sedangkan penggunaan jarak yang
menghasilkan akurasi tertinggi adalah penggunaan jarak euclid. Model tersebut
mampu menghasilkan akurasi pengenalan jenis tangis bayi tertinggi sebesar 94%.

Suara ‘eh’ merupakan suara yang sering benar dikenali sedangkan suara ‘owh’
merupakan suara yang sering salah dikenali dan biasanya kesalahannya dikenali
sebagai suara ‘neh’ dan ‘eairh’. Kelemahan penelitian ini adalah pemotongan
silence hanya dilakukan di awal dan di akhir. Penelitian selanjutnya diharapkan
melakukan pemotongan silence di setiap segmen suara supaya data yang
dihasilkan lebih mencirikan suara tersebut. Hal ini diharapkan mempunyai
dampak terhadap akurasi yang lebih tinggi.
Kata kunci: Codebook, Dunstan baby language, Infant cries, K-means clustering,
MFCC

SUMMARY
MEDHANITA DEWI RENANTI. The Identification of Infant Cries by Using
Codebook as Feature Matching, and MFCC as Feature Extraction. Supervised by
AGUS BUONO and WISNU ANANTA KUSUMA.
In this paper, we focused on automation of Dunstan Baby Language. This
software uses MFCC as feature extraction and codebook as feature matching. The
codebook of clusters is made from the proceeds of all the baby’s cries data, by
using the k-means clustering. The scope of this research are: 1) the infant cries
classification used is the version of the Dunstan Baby Language, 2) this software
is used to identify the meaning of 0-3 month old infant cries.

The methodology of this research consists of several stages of process: data
collection, preprocessing, codebook modeling of infant cries, testing and analysis,
and interface manufacturing. The data is taken from Dunstan Baby Language
videos that has been processed. The data is divided into two, training data and
testing data. There are 140 training data, each of which represents the 28 hungry
infant cries, 28 sleepy infant cries, 28 wanted to burp infant cries, 28 in pain infant
cries, and 28 uncomfortable infant cries (could be because his diaper is wet/too
hot/cold air or anything else). The testing data is 35, respectively 7 infant cries for
each type of infant cry. Silence cutting is in the preprocessing stage and the
feature extraction uses MFCC method. The interface making of the infant cries
identification is made based on the training data that produces the highest
accuracy.
The making of this research is using Matlab R2010b version 7.11.0.584
software. The research varying frame length: 25 ms/frame length = 275, 40
ms/frame length = 440, 60 ms/ frame length = 660; overlap frame: 0%, 25%,
40%; the number of codewords: 1 to 18, except for frame length 275 and overlap
frame = 0% using 1 to 29 clusters. The identification of this type of infant cries
uses the minimum distance of euclidean and mahalanobis distance. Accuracy
value using euclidean distance is between 37% and 94%. Whereas, accuracy value
using mahalanobis distance is between 9% and 83%. Codebook model and MFCC

with the higher accuracy is: frame length = 440, overlap frame = 0.4, k = 18.
Eventhough the distance using that produce the higher accuracy is euclidean
distance. That model can produce accuracy recognition of infant cries with the
higher about 94%. Sound ‘eh’ is the most familiar, whereas sound ‘owh’ is always
missunderstood and generally it is known as ‘neh’ and ‘eairh’. The weakness
point of this research is the silence is only be cut at the beginning and at the end of
speech signal. Hopefully, in the next research, the silence can be cut in each sound
segment so that it can produce more specific sound. It has impact on the bigger
accuracy as well.
Keywords: Codebook, Dunstan baby language, Infant cries, K-means clustering,
MFCC

© Hak Cipta Milik IPB, Tahun 2013
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan
IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini

dalam bentuk apa pun tanpa izin IPB

IDENTIFIKASI JENIS TANGIS BAYI
MENGGUNAKAN CODEBOOK UNTUK PENGENAL POLA
DAN MFCC UNTUK EKSTRAKSI CIRI

MEDHANITA DEWI RENANTI

Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Komputer
pada
Program Studi Ilmu Komputer

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013

Penguji pada Ujian Tertutup: Dr Ir Bib Paruhum Silalahi, MKom

Judul Tesis : Identifikasi Jenis Tangis Bayi menggunakan Codebook untuk
Pengenal Pola dan MFCC untuk Ekstraksi Ciri
Nama
: Medhanita Dewi Renanti
NIM
: G651110571

Disetujui oleh
Komisi Pembimbing

Dr Ir Agus Buono, MSi, MKom
Ketua

Dr Eng Wisnu Ananta Kusuma, ST, MT
Anggota

Diketahui oleh

Ketua Program Studi

Ilmu Komputer

Dekan Sekolah Pascasarjana

Dr Yani Nurhadryani, SSi, MT

Dr Ir Dahrul Syah, MScAgr

Tanggal Ujian: 17 Juli 2013

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan November 2012 ini ialah
speech recognition, dengan judul Identifikasi Jenis Tangis Bayi menggunakan
Codebook untuk Pengenal Pola dan MFCC untuk Ekstraksi Ciri.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Agus Buono, MSi,
MKom dan Bapak Dr Eng Wisnu Ananta Kusuma, ST, MT selaku pembimbing

yang telah banyak memberi saran, kepada Bapak Dr Ir Bib Paruhum Silalahi,
MKom selaku penguji, kepada DIKTI atas beasiswa selama menempuh
pendidikan dan Program Diploma IPB atas bantuan biaya penelitian. Selain itu,
penghargaan penulis sampaikan kepada semua dosen dan staf Departemen Ilmu
Komputer IPB, dosen dan staf Program Diploma IPB yang telah membantu
selama proses penelitian. Ungkapan terima kasih juga disampaikan kepada suami
Soni Trison, ananda Shofia Dzakka Hanifa, ayah Totok Darussalam dan Didin
Kasrudin, ibu Lilik Hertantini dan Mimin Rohaeti, serta seluruh keluarga, atas
segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Juli 2013
Medhanita Dewi Renanti

DAFTAR ISI
DAFTAR TABEL

x

DAFTAR GAMBAR

x

DAFTAR LAMPIRAN

xi

1 PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Ruang Lingkup Penelitian

1
1
2
2

2 TINJAUAN PUSTAKA
Dunstan Baby Language
Ruang Lingkup Pemrosesan Suara

Speech Recognition
Sinyal
Transformasi Sinyal menjadi Informasi
Dijitalisasi Gelombang Suara
Ekstraksi Ciri Mel Frequency Cepstrum Coefficients
Codebook
K-means Clustering

3
3
4
4
5
5
6
6
8
10

3 METODE

11

4 HASIL DAN PEMBAHASAN

15

5 SIMPULAN DAN SARAN
Simpulan
Saran

26
26
26

DAFTAR PUSTAKA

27

LAMPIRAN

29

RIWAYAT HIDUP

41

DAFTAR TABEL
1 Faktor dan level penelitian
2 Hasil pengujian data uji saat k = 18, panjang frame = 440, dan overlap
frame = 0.4 menggunakan jarak euclid
3 Hasil pengujian data uji saat k = 18, panjang frame = 660, dan overlap
frame = 0.25 menggunakan jarak euclid
4 Hasil pengujian data uji saat k = 18, panjang frame = 275, dan overlap
frame = 0.25 menggunakan jarak euclid
5 Kisaran nilai akurasi menggunakan jarak euclid dan mahalanobis
6 Hasil pengujian data latih saat k = 17, panjang frame = 275, dan overlap
frame = 0.25 menggunakan jarak mahalanobis
7 Confusion matrix saat k = 18, panjang frame = 440, dan overlap frame
= 0.4 menggunakan jarak euclid
8 Confusion matrix saat k = 17, panjang frame = 275, dan overlap frame
= 0.25 menggunakan jarak mahalanobis

11
16
16
16
20
20
25
25

DAFTAR GAMBAR
1 Perbedaan kategori recognition (Reynolds 2002)
2 Contoh sinyal suara
3 Tahapan transformasi sinyal suara menjadi informasi (Jurafsky &
Martin 2007, dimodifikasi oleh Buono 2009)
4 Diagram Alur MFCC (Buono 2009)
5 Ilustrasi diagram konseptual dari formasi codebook VQ
6 Metodologi penelitian identifikasi jenis tangis bayi
7 Sinyal suara ‘owh’
8 Sinyal ‘owh’ yang dipotong
9 Ilustrasi identifikasi jenis tangis bayi
10 Grafik perbandingan akurasi menggunakan jarak euclid pengujian
data uji
11 Ilustrasi codebook ‘eh’ dan ‘owh’
12 Ilustrasi codebook ‘eairh’, ‘eh’, dan ‘owh’
13 Grafik perbandingan akurasi menggunakan jarak euclid pengujian
data latih
14 Grafik perbandingan akurasi menggunakan jarak mahalanobis
pengujian data uji
15 Grafik perbandingan akurasi menggunakan jarak mahalanobis
pengujian data latih
16 Ilustrasi codebook ‘heh’ dan ‘owh’
17 Akurasi pengujian data latih dan data uji menggunakan jarak euclid
dengan panjang frame = 275 dan overlap frame = 0
18 Akurasi pengujian data latih dan data uji menggunakan jarak dengan
panjang frame = 275 dan overlap frame = 0
19 Ilustrasi codebook ‘owh’ dan ‘neh’, serta data uji ‘owh’
20 Ilustrasi codebook ‘owh’ dan ‘neh’, serta data latih ‘owh’

4
5
6
9
9
11
12
12
14
15
17
17
18
19
19
21
22
22
23
24

21 Hierarchical clustering
22 Antarmuka identifikasi jenis tangis bayi

24
26

DAFTAR LAMPIRAN
1 Hasil akurasi identifikasi jenis tangis bayi menggunakan jarak euclid
pengujian data uji
2 Hasil akurasi identifikasi jenis tangis bayi menggunakan jarak euclid
pengujian data uji
3 Hasil akurasi identifikasi jenis tangis bayi menggunakan jarak
mahalanobis pengujian data uji
4 Hasil akurasi identifikasi jenis tangis bayi menggunakan jarak
mahalanobis pengujian data latih

29
32
35
38

1 PENDAHULUAN
Komunikasi verbal pertama yang dikuasai bayi adalah menangis. Tangisan
ini sebagai komunikasi dengan manusia dewasa untuk memenuhi kebutuhan dan
keinginannya serta untuk menanggapi situasi tertentu. Hampir sebagian besar ibu
akan menyusui anaknya atau menggendong bayinya ketika bayi tersebut
menangis, tetapi adakalanya tindakan ibu tersebut tidak membuat tangis bayi
berhenti bahkan ada bayi yang justru menangis lebih kencang. Hal ini berarti ibu
tersebut salah menerjemahkan maksud dari tangis bayi dan membuat orang tua,
khususnya ibu menjadi panik.
Saat ini terdapat sistem yang mempelajari arti tangis bayi untuk usia 0-3
bulan yang disebut Dunstan Baby Language (DBL). Dunstan (2006) menyatakan
bahwa setiap bayi lahir mempunyai kemampuan untuk mengekspresikan
kebutuhan dasar mereka melalui suara. Delapan tahun penelitian yang dilakukan
oleh Priscilla Dunstan dari tahun 1998 sampai 2006 telah berhasil menemukan
bahasa yang dimiliki oleh semua bayi di seluruh dunia. Bahasa tersebut dikenal
dengan sebutan Dunstan Baby Language-DBL.
DBL diperkenalkan oleh Priscilla Dunstan, musisi asal Australia yang
mempunyai bakat mengingat semua jenis suara atau yang dikenal dengan sound
photograph. Terdapat lima bahasa bayi versi DBL yaitu: “neh” berarti lapar,
“owh” berarti lelah yang mengindikasikan bayi sudah mulai mengantuk, “eh”
berarti ingin bersendawa, “eairh” berarti nyeri (ada angin) di perut, dan “heh”
berarti tidak nyaman (bisa karena popoknya basah, udara terlalu panas atau
dingin, atau hal lainnya). Perintis DBL di Indonesia adalah dokter Adhiatma
Gunawan yang menyebutkan bahwa seorang bayi mempunyai refleks primitif
yang dimiliki sejak dilahirkan. Refleks ini bersifat universal dan lambat laun akan
menghilang seiring dengan berkembangnya kemampuan untuk beradaptasi. DBL
berlaku pada bayi hingga usia tiga bulan karena setelah usia tersebut bayi akan
mengembangkan kemampuan berkomunikasinya sendiri dengan bantuan orang
tua dan lingkungan. Penelitian membuktikan bahwa 90% dari ibu-ibu di seluruh
dunia yang mengikuti DBL merasa puas dan terbantu dengan sistem tersebut dan
merekomendasikan pada yang lain. Sementara lebih dari 70% orang tua merasa
lebih percaya diri dalam mengasuh bayinya dan by the end of the day, tingkat stres
mereka berkurang signifikan (Gunawan 2011).

Latar Belakang
Kepakaran untuk menentukan arti tangis bayi versi DBL masih agak jarang
sehingga informasi arti tangis bayi ini belum mudah didapatkan oleh para orang
tua. Saat ini sistem untuk mentrasfer pengetahuan mengenai DBL dengan cara
mengikuti pelatihan atau seminar yang diadakan oleh pengelola atau dengan cara
mempelajari sendiri materi jenis tangis bayi versi DBL dalam bentuk optical discs
atau dapat juga mengunduh materi DBL di internet. Pengguna sistem DBL
khususnya di Indonesia akan lebih yakin dengan kesimpulan yang mereka buat
jika ada suatu software yang secara otomatis dapat menghasilkan arti tangisan
bayinya. Hal ini dapat menguatkan kesimpulan mereka, karena jika hanya

2
mengikuti pelatihan kilat atau seminar, masih ada beberapa peserta yang belum
paham bagaimana mengenali maksud tangisan bayi tersebut atau belum tepat
memaknai tangisan bayi. Selain itu nantinya software ini juga bisa bermanfaat
bagi orang tua yang belum mengikuti pelatihan atau seminar DBL sehingga para
orang tua dapat memahami bahasa/tangis bayi.
Penelitian mengenai tangis bayi telah dilakukan oleh para peneliti, antara
lain: klasifikasi tangis bayi bayi normal dan abnormal (menderita gangguan
hipoksia-tubuh kekurangan oksigen) menggunakan neural network menghasilkan
akurasi 85% (Poel & Ekkel 2006). Klasifikasi bayi sehat dan bayi yang
mengalami sakit seperti kerusakan otak, bibir sumbing, hidrosefalus, dan sindrom
kematian bayi mendadak menggunakan metode klasifikasi Hidden Markov
Model-HMM menghasilkan akurasi 91% (Lederman et al. 2008). Penelitian
lainnya adalah klasifikasi tiga jenis tangis yaitu bayi normal, bayi tuli, dan bayi
yang menderita asfiksia (tidak dapat bernafas secara spontan dan teratur) pada
usia satu hari sampai sembilan bulan menggunakan neural network menghasilkan
akurasi 86% (Reyes-Galaviz dan Reyes-Garcia 2004).
Dari beberapa hasil penelitian tersebut dapat disimpulkan bahwa tangisan
bayi berarti sinyal suara tangis bayi dapat digunakan untuk mendeteksi status
kesehatan bayi. Hal ini sejalan dengan penelitian yang dilakukan oleh Priscilla
Dunstan yang menyatakan bahwa tangis bayi sebagai alat komunikasi untuk
memenuhi kebutuhan atau keinginannya dan tangis bayi mempunyai tujuan untuk
mengungkapkan sesuatu.
Penelitian klasifikasi tangis bayi sebelumnya telah menggunakan neural
network atau HMM sebagai pengenal polanya. Penelitian untuk identifikasi jenis
bayi versi DBL ini menggunakan codebook untuk pengenal polanya dan MelFrequency Cepstrum Coefficients (MFCC) untuk ekstraksi ciri. Pemilihan metode
ini didasari beberapa penelitian diantaranya: penelitian Lee et al. (2006)
melakukan pengenalan suara burung menggunakan MFCC dan Vector
Quantization (VQ) codebook dan berhasil mencapai akurasi 87%. Selain itu
speaker recognition system juga berhasil dibuat menggunakan MFCC dan VQ
(Kumar 2011). Penelitian serupa dilakukan oleh Singh dan Rajan (2011) yang
berhasil mencapai akurasi 98,57% dengan melakukan penelitian speaker
recognition menggunakan VQ dan MFCC. Penelitian mengenai
speech
recognition and verification menggunakan MFCC dan VQ yang dilakukan oleh
Patel dan Prasad (2013) berhasil melakukan pengenalan dengan training error
rate sebesar 13%. Codebook ini dibuat menggunakan k-means clustering.
Tujuan Penelitian
Penelitian ini bertujuan melakukan pemodelan codebook menggunakan kmeans clustering untuk identifikasi jenis tangis bayi dengan MFCC sebagai
ekstraksi ciri.
Ruang Lingkup Penelitian
1.

Adapun ruang lingkup penelitian ini adalah:
Klasifikasi jenis tangis bayi yang digunakan adalah versi Dunstan Baby
Language yang dibagi ke dalam kelompok bayi lapar, bayi lelah/mengantuk,

3

2.

bayi ingin bersendawa, bayi mengalami nyeri (ada angin) di perut, dan bayi
tidak nyaman.
Software ini digunakan untuk identifikasi jenis tangis bayi usia 0-3 bulan.

2 TINJAUAN PUSTAKA
Dunstan Baby Language
Gunawan (2011) mengungkapkan bahwa Dunstan Baby Language (DBL)
diperkenalkan oleh Priscilla Dunstan, musisi asal Australia yang mempunyai
bakat mengingat semua jenis suara atau yang dikenal dengan sound photograph.
Ketika Priscilla menjadi seorang ibu, dia menyadari bahwa bayinya berusaha
untuk berkomunikasi melalui suatu bahasa. Setelah delapan tahun meneliti dari
tahun 1998 dan mengumpulkan bayi-bayi dari berbagai negara, suku bangsa, dan
bahasa, akhirnya Priscilla menemukan suatu bahasa yang sama yang digunakan
bayi-bayi tersebut untuk berkomunikasi, yaitu DBL. Terdapat lima bahasa bayi
versi DBL yaitu:
1. “Neh” berarti lapar
Ketika lapar, bayi akan mengeluarkan suara “neh”. “Neh” dinyatakan sebagai
bunyi yang dihasilkan ketika bayi mengecap untuk menghisap puting ibu.
Pengenalan suara “neh” dengan mendengar sisipan huruf N pada
tangisannya. Selain mengeluarkan bunyi “neh”, menurut teori DBL, bayi yang
lapar biasanya:
- Menggerakan lidah ke langit-langit mulut (mengecap)
- Menghisap jari atau kepala tangannya
- Menjilati bibirnya
- Menggelengkan kepalanya ke kiri dan kanan.
2. “Owh” berarti lelah yang mengindikasikan bayi sudah mulai mengantuk
“Owh” pada dasarnya merupakan bunyi yang dihasilkan ketika menguap.
Tetapi, “owh” ini tidak selalu dibarengi dengan kuapan, bisa juga dengan
tanda-tanda seperti:
- Bayi mulai bergerak gelisah
- Mengusap-usap mata dan menggaruki/menarik telinganya
- Mulai menggeliat dan melengkungkan tubuhnya.
Namun, tanda-tanda ini biasanya didahului dengan bunyi “owh”.
3. “Eh” berarti ingin bersendawa
Tangisan “eh” terjadi ketika dada bayi bekerja keras mengeluarkan angin yang
masuk ke dalamnya. Biasanya, frekuensi tangisan 'eh' yang diucapkan lebih
cepat dan pendek karena bayi berusaha untuk sendawa. Penting bagi ibu
untuk menyendawakan bayi begitu bunyi 'eh' terdengar, karena dapat
menghindari angin turun ke perut dan menyebabkan kolik serta menghindari
bayi memuntahkan susunya kembali. Tanda-tanda lain saat bayi perlu
sendawa adalah:
- Dada yang mengencang
- Gerakan menggeliat ketika diletakkan di tempat tidur
- Berhenti minum susu dan mulai gelisah

4
4. “eairh” berarti nyeri (ada angin) di perut
Jika bayi sering menangis dengan keras dan nampak kesakitan, ibu mungkin
akan mendengar bunyi 'eairh'. Tangis 'eairh' terjadi karena adanya gas dan
angin di perut bayi yang menyebabkan rasa sakit (kolik). Tanda-tanda lain
yang dibarengi dengan bunyi 'eairh' adalah:
- Kaki yang mengejang dan ditarik ke perut
- Tubuh bayi menjadi kaku
- Jerit tangisan yang merintih kesakitan
Bila tangisan 'eairh' terdengar, segeralah telungkupkan bayi, kemudian usap
punggungnya. Ibu juga bisa memijat lembut perutnya untuk mengeluarkan
angin. Udara 'eairh' akan lebih sulit dikeluarkan, jadi akan lebih baik jika ibu
segera menyendawakan bayi saat terdengar bunyi 'eh', untuk mencegah udara
turun ke perut.
5. “heh” berarti tidak nyaman
Salah satu alasan mengapa bayi rewel adalah karena ia merasa tidak nyaman,
bisa karena popoknya basah, udara yang terlalu panas atau dingin, atau hal
lainnya. Tangisan 'heh' biasanya terengah-engah (seperti membuang udara)
dan ada penekanan pada huruf H diawal katanya. Jika ibu mendengar
tangisan 'heh' ini segera periksa kondisi bayi, apa yang membuatnya tidak
nyaman, seperti kepanasan, kedinginan, atau popok yang kotor dan harus
diganti.
Ruang Lingkup Pemrosesan Suara
Reynolds (2002) membagi recognition menjadi tiga yaitu: speech
recognition, language recognition, dan speaker recognition. Perbedaan kategori
ini ditampilkan pada Gambar 1.

Gambar 1 Perbedaan kategori recognition (Reynolds 2002)
Speech Recognition
Sistem pengenalan suara (speech recognition) memuat dua modul utama
yaitu feature extraction dan feature matching. Feature extraction merupakan
proses mengekstraki sejumlah data dari sinyal suara yang nantinya dapat

5
digunakan untuk merepresentasikan setiap speaker. Feature matching adalah
proses untuk mengidentifikasi suara dengan membandingkan ekstraksi ciri suara
yang akan diidentifikasi dengan ciri suara yang telah diketahui sebelumnya
(Gupta et al. 2012).
Sinyal
Sinyal didefinisikan sebagai kuantitas fisik yang bervariasi dengan waktu,
ruang atau sembarang satu atau lebih variabel belas lainnya. Secara matematika,
sinyal digambarkan sebagai fungsi dari satu atau lebih variabel bebas. Berikut
merupakan contoh fungsi yang menggambarkan dua sinyal, pertama fungsi yang
liner dengan variabel bebas t (time) dan kedua fungsi kuadratik dengan t (Proakis
& Manolakis 1996).
s1(t) = 5t
s2(t) = 20t2

(1)
2

Contoh lainnya sebagai berikut: s(x,y) = 3x + 2xy + 10y

(2)

Fungsi tersebut menggambarkan sinyal dari dua variabel bebas x dan y yang dapat
direpresentasikan ke dalam dua koordinat spasial pada suatu bidang. Pada
beberapa kasus, fungsi yang menghubungkan antara waktu dengan kuantitas
sinyal tidak diketahui atau sangat kompleks sehingga penerapannya tidak praktis,
seperti pada sinyal suara yang ditampilkan pada Gambar 2. Sinyal tersebut tidak
dapat digambarkan seperti pada ekspresi (1). Umumnya, segmen dari suara
direpresentasikan dengan akurasi tinggi yang merupakan penjumlahan beberapa
fungsi sinus yang berbeda amplitudo dan frekuensinya, dan ditulis sebagai
berikut:
∑�=1 �� ( ) sin[2π Fi (t) t + θi (t) ]

(3)

Dengan {Ai (t)}, {Fi (t), dan {θi(t)} adalah himpunan dari kemungkinan
amplitudo, frekuensi, dan fase dari gelombang sinus untuk setiap waktu t. Salah
satu cara untuk merepresentasikan konten informasi atau pesan dari segmen sinyal
suara adalah mengukur amplitudo, frekuensi, dan fase segmen tersebut. (Proakis
& Manolakis 1996).

Gambar 2 Contoh sinyal suara
Transformasi Sinyal menjadi Informasi
Pemrosesan sinyal suara merupakan teknik mentransformasi sinyal suara
menjadi informasi yang berarti sesuai dengan yang diinginkan (Buono 2009).

6
Pada proses transformasi terdapat tahapan yang perlu dilakukan diantaranya
dijitalisasi sinyal analog, ekstraksi ciri, dan pengenalan pola, seperti yang
ditampilkan pada Gambar 3.

Gambar 3 Tahapan transformasi sinyal suara menjadi informasi
(Jurafsky & Martin 2007, dimodifikasi oleh Buono 2009)
Dijitalisasi Gelombang Suara
Tahap pertama dari pemrosesan suara adalah mengonversi sinyal analog
menjadi sinyal digital, proses ini disebut dijitalisasi. Proses dijitalisasi terdiri atas
dua tahap yaitu sampling dan kuantisasi. Sampling adalah pengambilan sinyal
dengan mengukur amplitudonya pada waktu tertentu. Sampling rate adalah
jumlah sampel yang diambil per detik. Sampling rate yang umumnya digunakan
untuk pengenalan suara adalah 8000 Hz sampai dengan 16000 Hz . Tahapan
setelah sampling adalah proses kuantisasi. Proses ini menyimpan nilai amplitudo
ke dalam representasi nilai 8 bit atau 16 bit (Jurafsky & Martin 2007).
Ekstraksi Ciri Mel Frequency Cepstrum Coefficients
Ekstraksi ciri merupakan proses untuk menentukan satu nilai atau vektor yang
dapat digunakan sebagai penciri objek atau individu. Ciri yang biasa digunakan

7
adalah koefisien cepstral dari sebuah frame. Mel Frequency Cepstrum
Coefficients (MFCC) merupakan ekstraksi ciri yang menghitung koefisien
cepstral dengan mempertimbangkan pendengaran manusia (Buono 2009). MFCC
memiliki tahapan yang terdiri atas (Do 1994):
1. Frame Blocking. Pada tahap ini sinyal suara continous speech dibagi ke dalam
beberapa frame serta dilakukan overlapping frame agar tidak kehilangan
informasi.
2. Windowing. Windowing merupakan salah satu jenis filtering untuk
meminimalisasikan distorsi antar frame. Proses ini dilakukan dengan
mengalikan antar
frame dengan jenis window yang digunakan. Jika
didefinisikan window sebagai w
(n), 0 ≤ n ≤ N − 1 , Nadalah jumlah sampel
setiap frame, maka hasil windowing dari sinyal tersebut adalah:

y t (n) = xt (n) w(n), 0 ≤ n ≤ N − 1

(4)

Persamaan window Hamming adalah :

 2πn 
w(n) = 0.54 − 0.46 cos
, 0 ≤ n ≤ N − 1
 N − 1

(5)

3. Fast Fourier Transform (FFT). Tahap selanjutnya adalah mengubah tiap frame
N sampel dari domain waktu ke dalam domain frekuensi. FFT adalah
algoritme yang mengimplementasikan Discrete Fouries Transform (DFT) yang
didefinisikan pada set N samples {xn}, sebagai berikut:
−1
= ∑�=0

�

−2��� /

,

= 0, 1, 2, … … ,

−1

(6)

Pada umumnya Xk adalah bilangan kompleks dan hanya mempertimbangkan
nilai absolut (frequency magnitudes). Hasil sequence {Xk} direpresentasikan
sebagai berikut: frekuensi positif 0 ≤ f < Fs / 2 untuk nilai 0 ≤ n ≤ N / 2 − 1 ,
sementara frekuensi negatif − Fs / 2 < f < 0 untuk N / 2 + 1 ≤ n ≤ N − 1 . Fs
menunjukkan frekuensi sampling. Hasil akhir tahap ini sering disebut sebagai
spectrum atau periodogram.
4. Mel-Frequency Wrapping. Persepsi sistem pendengaran manusia terhadap
frekuensi sinyal suara ternyata tidak mengikuti skala linear. Setiap nada dengan
frekuensi aktual f, diukur dengan Hz, subjective pitch diukur pada skala yang
disebut skala ‘mel’. Skala mel-frequency adalah jarak frekuensi di bawah 1000
Hz dan jarak logaritmik di atas 1000 Hz. Penerimaan sinyal suara untuk
frekuensi rendah (1000 Hz) bersifat logaritmik. Skala inilah yang disebut dengan skala melfrequency yang berupa filter.
Ukuran persepsi dalam skala mel dan hubungan skala mel dengan
frekuensi dirumuskan pada Persamaan 7. Dari persamaan 7, maka nilai
frekuensi FHz sebagai fungsi dari skala mel ditampilkan pada persamaan 8
(Nilsson & Ejnarsson 2002).
�

�

=�

�

��
2595 ∙ ���10 �1 + 700
� ���� ��� > 1000

���

���� ��� ≤ 1000

(7)

8
�

�

��� = 700 ∙ � 10 2595 − 1�

(8)

Proses wrapping terhadap sinyal dalam domain frekuensi dilakukan
menggunakan persamaan 9 (Ganchev 2005).
�

−1|
(�)| ∙ �� (�)), � = 1, 2, … . ,
= ���10 (∑�=0

�

= ∑�=1

(9)

Keterangan:
Xi = nilai frequency wrapping pada filter i=1,2 sampai n jumlah filter.
X(k) = nilai magnitudo frekuensi pada k frekuensi.
Hi(k) = nilai tinggi pada filter i segitiga dan k frekuensi, dengan k=0, 1 sampai
N-1 jumlah magnitudo frekuensi.
5. Cepstrum. Tahap ini merupakan tahap terakhir pada MFCC. Pada tahap ini
mel-frequency akan diubah menjadi domain waktu menggunakan Discrete
Cosine Transform (DCT) dengan persamaan 10.
�

cos �

� (�−1) �
2

�

(10)

Keterangan :
Cj = nilai koefisien C ke j.
j = 1, 2, sampai jumlah koefisien yang diharapkan
Xi = nilai X hasil mel-frequency wrapping pada frekuensi i= 1, 2 sampai n
jumlah wrapping
M = jumlah filter
Diagram alur dari MFCC dapat dilihat pada Gambar 4.
Codebook
Vector Quantization (VQ) merupakan proses memetakan vektor-vektor dari ruang
vektor yang besar menjadi ruang vektor dengan jumlah terbatas. Setiap daerah
disebut cluster dan dapat direpresentasikan oleh pusatnya yang disebut codeword.
Kumpulan codeword disebut codebook (Do 1994). Pemodelan speaker
menggunakan pendekatan berbasis VQ dibentuk oleh clustering dari fitur speaker
pada K yang tidak overlapping. Setiap cluster direpresentasikan oleh code vector
ci yang disebut centroid. Hasil himpunan code vector ini disebut codebook.
Codebook ini berfungsi sebagai model pembicara (Linde et al. 1980). Codebook
adalah kumpulan titik (vektor) yang mewakili distribusi suara dari seorang
pembicara tertentu dalam ruang suara. Setiap titik dari codebook dikenal sebagai
codeword. Oleh karena itu pada setiap pembicara dibuat sebuah codebook yang
merepresentasikan ciri suara dari pembicara tersebut dan setiap pembicara dibuat
sebuah codebook yang terdiri atas beberapa codeword. Prinsipnya proses
pengenalan yang dilakukan adalah setiap suara yang masuk dihitung jarak suara
tersebut ke codebook setiap pembicara. Jarak sinyal suara masuk dengan
codebook seorang pembicara dihitung sebagai jumlah jarak setiap frame yang
dibaca ke codeword terdekat pada codebook tersebut. Dari sini akhirnya sinyal
masukan diberi label pembicara sesuai jarak codebook terkecil (Buono 2009).
Gambar 5 menunjukkan diagram konseptual untuk mengilustrasikan proses
pengenalan. Pada Gambar 5 terdapat dua codebook ‘owh’ dan ‘neh’. Simbol +

9
berwarna merah merupakan contoh data uji ‘owh’ dan symbol + berwarna biru
merupakan contoh data latih ‘owh’.
Sinyal suara
Windowing

y t (n) = xt (n) w(n), 0 ≤ n ≤ N − 1
 2πn 

Frame ke-t

w(n) = 0.54 − 0.46 cos
, 0 ≤ n ≤ N − 1
 N − 1

O = O1, O2,…., Ot, OT

=

−1
∑�=0

�

−2��� /

FFT:
,
= 0, 1, 2, … … ,

−1

Mel Frequency Wrapping: mel(f)= 2595 ∙ ���10 �1 + 700 �
Dari sini diperoleh M filter dan dihitung spektrum Mel:

�

−1

= ���10 ��| (�)| ∙ �� (�)� ,

� = 1, 2, … . ,

�=0

�� (�) adalah nilai filter segitiga ke-i

Cepstrum Coeficients: Discrete Cosine Transform
�

= ∑�=1

�

cos �

� (�−1) �
2

j=1,2,3,…J; J=Jumlah koefisien;

�

=jumlah filter

Gambar 4 Diagram Alur MFCC (Buono 2009)

Gambar 5 Ilustrasi diagram konseptual dari formasi codebook VQ

10
K-means Clustering
K-means clustering merupakan algoritma clustering eksklusif. Setiap objek
ditetapkan secara tepat ke dalam salah satu dari sekumpulan cluster. Metode
clustering ini dimulai dengan menentukan banyaknya cluster yang akan dibentuk
(disebut dengan nilai k). Nilai k umumnya nilai integer terkecil seperti 2, 3, 4,
atau 5. Pengukuran kualitas satu cluster dapat menggunakan nilai dari fungsi
objektif yang diambil dari jumlah kuadrat jarak setiap titik dari centroid yang
telah ditentukan (euclidean distance). Pilih poin k yang umumnya sesuai dengan
lokasi k dari suatu objek. Poin k ini nantinya dijadikan sebagai centroid dari k
cluster. Metode ini dapat bekerja maksimal jika pemilihan poin awal k yang
berjauhan. Selanjutnya dipilih setiap poin, satu per satu dari suatu cluster yang
mempunyai centroid terdekat. Semua objek mempunyai k cluster berdasarkan k
initial centroid tetapi ‘centroid’ ini tidak akan menjadi centroid sejati suatu
cluster. Langkah selanjutnya dihitung ulang centroid dari cluster dan dilakukan
langkah-langkah sebelumnya untuk menempatkan setiap objek ke cluster dengan
centroid terdekat. Algoritma k-means clustering sebagai berikut (Bramer 2007):
1. Pilih nilai k
2. Pilih objek k secara acak. Objek ini akan menjadi k initial
centroid
3. Tetapkan setiap objek dari suatu cluster yang terdekat dengan
centroid
4. Hitung ulang centroid dari k cluster
5. Ulangi langkah 3 dan 4 sampai perubahan nilai centroid pada
iterasi satu dengan lainnya tetap (centroid tidak bergerak)

3 METODE
Metode penelitian ini terdiri atas beberapa tahapan proses yaitu
pengambilan data, preprocessing, pemodelan codebook tangis bayi, pengujian dan
analisis, serta pembuatan antarmuka. Metodologi penelitian proses identifikasi
jenis tangis bayi ditampilkan pada Gambar 6.
mulai

Pengambilan data
Data Latih

Data Uji

Preprocessing:
Pemotongan silence
Ekstraksi ciri: MFCC

Preprocessing:
Pemotongan silence
Ekstraksi ciri: MFCC

Pemodelan Codebook:
k-means clustering

Pengujian dan Analisis

Pembuatan Antarmuka
Codebook
Tangis
selesai
Gambar 6 Metodologi penelitian identifikasi jenis tangis bayi
Perlakuan pada penelitian ini adalah: kombinasi panjang frame, overlap
frame, banyaknya codeword/jumlah cluster, dan variasi jarak. Faktor dan level
penelitian ini ditampilkan pada Tabel 1.
Tabel 1 Faktor dan level penelitian
Faktor
Panjang frame

Overlap frame

Level
25 ms/panjang frame 275
40 ms/ panjang frame 440
60 ms/ panjang frame 660
0% = 0
25% = 0.25
40% = 0.4
 1 s/d 18

Banyaknya
codeword/jumlah cluster

 Jumlah cluster 1 s/d 29 untuk panjang

Variasi jarak

Jarak euclid
Jarak mahalanobis

frame= 275 dan overlap = 0

12
1. Pengambilan data
Data yang digunakan untuk penelitian ini adalah diambil dari video Dunstan
Baby Language yang sudah dilakukan pengolahan data. Data terbagi menjadi dua
yaitu data latih dan data uji. Terdapat 140 data latih yang masing-masing
mewakili 28 tangis bayi lapar, 28 tangis bayi mengantuk, 28 tangis bayi ingin
bersendawa, 28 tangis bayi mengalami nyeri (ada angin) di perut, dan 28 tangis
bayi tidak nyaman (bisa karena popoknya basah/udara yang terlalu panas/dingin
atau hal lainnya). Data uji sebanyak 35, masing-masing 7 tangis bayi untuk setiap
jenis tangis bayi. Sampling rate yang digunakan pada penelitian ini adalah
11000Hz.
2. Preprocessing
Pada tahap preprocessing ini dilakukan pemotongan silence dan ekstraksi
ciri menggunakan metode Mel Frequency Cepstrum Coefficients (MFCC). Contoh
sinyal suara tangis bayi lapar (‘owh’) ditampilkan pada Gambar 7 dan
pemotongan silence pada suara tangis bayi tersebut ditampilkan pada Gambar 8.
Pemotongan silence ini dilakukan di awal dan di akhir sinyal suara tangis bayi.
Ekstraksi ciri merupakan proses untuk menentukan satu nilai atau vektor yang
dapat digunakan sebagai penciri objek atau individu. Ciri yang biasa digunakan
adalah koefisien cepstral dari sebuah frame. MFCC merupakan ekstraksi ciri yang
menghitung koefisien cepstral dengan mempertimbangkan pendengaran manusia
(Buono 2009). Diagram alur dari MFCC dapat dilihat pada Gambar 4.

dipotong

Gambar 7 Sinyal suara ‘owh’
3.

Gambar 8 Sinyal ‘owh’ yang dipotong

Pemodelan codebook tangis bayi

Pemodelan codebook ini berasal dari setiap data latih yang nantinya
digunakan sebagai representasi sinyal tangis bayi yang akan dikenali. Codebook
yang akan dibuat adalah codebook dari setiap data tangis bayi. Codebook dari
cluster yang dibuat berasal dari hasil clustering semua data tangis bayi dengan
menggunakan k-means clustering. Penjelasan codebook dan k-means clustering
disajikan pada Bab 2.
Tahap pembuatan codebook untuk seorang pembicara sebagai berikut
(Buono 2009):
1. Untuk setiap pengucapan (ada n pengucapan sebagai data training), dilakukan
ekstraksi ciri menggunakan MFCC pada setiap frame dengan panjang dan
overlap tertentu.

13
2.

Semua frame dari n pengucapan digabungkan menjadi satu set dan dilakukan
unsupervised clustering menggunakan teknik k-means clustering dengan
memilih banyaknya cluster sesuai dengan jumlah codeword yang diinginkan.

4.

Pengujian dan Analisis

Tahapan pengujian berarti melakukan pengujian untuk identifikasi jenis
tangis bayi. Alur proses untuk tahap identifikasi/pengenalan adalah (Buono 2009):
1. Untuk setiap ucapan baru yang masuk ke sistem dibaca frame demi frame,
(misalkan jumlah frame yang diperoleh adalah T), dan dilakukan ekstraksi
ciri menggunakan MFCC.
2. Hitung jarak sinyal input ucapan ini ke codebook setiap pembicara yang
ada dalam sistem.
3. Keputusan: menetapkan label pada input suara sesuai dengan pembicara
dengan jarak codebook terkecil.
Jarak input ucapan dengan codebook dirumuskan sebagai berikut (Buono
2009):
1. Untuk setiap frame dari input ucapan yang masuk, hitung jarak ke setiap
codeword dan dipilih codeword dengan jarak minimum.
2. Jarak antara input ucapan dengan codebook adalah jumah dari jarak
minimum tersebut (persamaan 11):
�����(� �� , ��� ����) = ∑�=1 ∀���

�
���� � [�(

��

, ��� ����� )]
(11)

Variasi jarak yang digunakan pada penelitian ini adalah jarak euclid dan
jarak mahalanobis. Jarak euclid antara objek i didefinisikan pada persamaan 12
(Brindha et al. 2013). Jarak mahalanobis didefinisikan pada persamaan 13
(Gomathy et al. 2012).
( , ) = �∑�=1(
= �(

−

)∗

�

−

−1

�)

∗(

2

(12)

−

)�

(13)

C adalah covariance matrix, x = {x1,x2,….xs}T dan y = {y1, y2,….,ys}T
Pengujian dilakukan menggunakan data uji sebanyak 35 dan data latih yang
berjumlah 140. Tahap analisis dilakukan berdasarkan hasil yang didapatkan pada
tahap pengujian. Analisis dilakukan berdasarkan hasil dari kombinasi faktor dan
level berikut:
• panjang frame : 25 ms/panjang frame 275, 40 ms/ panjang frame 440,
60 ms/ panjang frame 660.
• overlap frame : 0%, 25%, 40%.
• banyaknya codeword/jumlah cluster: 1 sampai dengan 18. Untuk panjang
frame = 275 dan overlap frame = 0, jumlah k adalah 1-29 cluster.
• Variasi jarak: euclid dan mahalanobis

14
Masing-masing kombinasi faktor dan level tersebut akan dihitung nilai akurasi
menggunakan persamaan 14.
����� � =

�� �� ℎ �� � �

�����

�

��

�� �� ℎ �� � �

��

�����

� ��� � �

��

∗ 100%

(14)

Ilustrasi identifikasi jenis tangis bayi ditampilkan pada Gambar 9.
W1

W2

Wc

 W1 (1)  W2 (1)  ..  Wc (1) 

 


Codebook = Neh =  W1 (2)  W2 (2)  ..  : 
W1 ( p) W2 ( p)  .. Wc ( p) 
min d(f1,wi)
i=1,2,…
c
min d(f2,wi)
i=1,2,…
c

Frame 1

Frame T

Frame 2

 f1 (1)  f 2 (1)  .. fT (1) 

 


O =  f1 (2)  f 2 (2)  .. : 
 f1 ( p )  f 2 ( p)  .. fT ( p) 

Gambar 9 Ilustrasi identifikasi jenis tangis bayi
T

{d ( ft , wi )}
Jarak sinyal O dengan codebook ‘neh’ : d (O, codebook ) = ∑ ∀i∈min
{1, 2 ,...c}
t =1

5.

Pembuatan Antarmuka

Pembuatan antarmuka identifikasi jenis tangis bayi dibuat berdasarkan data
latih yang menghasilkan akurasi tertinggi.

4 HASIL DAN PEMBAHASAN
Penelitian ini dibuat menggunakan software Matlab R2010b version
7.11.0.584. Hasil perbandingan akurasi menggunakan jarak euclid pengujian data
uji ditampilkan pada Gambar 10.
akurasi
100%
95%
90%
85%
80%
75%
70%
65%
60%
55%
50%
45%
40%
35%
30%
1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18

jumlah cluster (k)
panjang frame
275
275
440
660
660

overlap frame
0
0.4
0.25
0
0.4

panjang frame
275
440
440
660

overlap frame
0.25
0
0.4
0.25

Gambar 10 Grafik perbandingan akurasi menggunakan jarak euclid
pengujian data uji
Berdasarkan Gambar 10 dapat diketahui bahwa akurasi menggunakan jarak
euclid pengujian data uji berkisar antara 37% sampai 94%. Akurasi tertinggi
dicapai ketika panjang frame = 440, overlap frame = 0.4, dan k = 18 dengan
akurasi 94%. Hasil akurasi 94% juga didapat ketika panjang frame = 660, overlap
frame = 0.25, dan k = 14. Sedangkan akurasi terendah sebesar 37% diperoleh
ketika panjang frame = 660, overlap frame = 0, dan k = 1. Hasil akurasi secara
rinci ditampilkan pada Lampiran 1. Hasil akurasi tersebut menunjukkan bahwa
semakin tinggi jumlah cluster, akurasi semakin tinggi yaitu >= 80%. Tetapi ketika
k-nya kecil, misal k=1, maka akurasinya rendah yaitu antara 37%-51%.
Hasil pengujian data uji saat k = 18, panjang frame = 440, dan overlap
frame = 0.4 menggunakan jarak euclid ditampilkan pada Tabel 2. Hasil pengujian
data uji saat k = 18, panjang frame = 660, dan overlap frame = 0.25 ditampilkan
pada Tabel 3. Hasil pengujian data uji saat k = 18, panjang frame = 275, dan
overlap frame = 0.25 ditampilkan pada Tabel 4.

16
Tabel 2 Hasil pengujian data uji saat k = 18, panjang frame = 440, dan overlap
frame = 0.4 menggunakan jarak euclid

1
'a'
'e'
'h'
'n'
'o'

2
'a'
'e'
'h'
'n'
'o'

3
'a'
'e'
'h'
'n'
'o'

Uji Data Ke4
'a'
'e'
'h'
'n'
'o'

5
'a'
'e'
'h'
'n'
'a' *

6
'a'
'e'
'e' *
'n'
'o'

7
'a'
'e'
'h'
'n'
'o'

Jenis
Tangis
a-eairh
e-eh
h-heh
n-neh
o-owh

Tabel 3 Hasil pengujian data uji saat k = 18, panjang frame = 660, dan overlap
frame = 0.25 menggunakan jarak euclid

1
'o' *
'e'
'h'
'n'
'n' *

2
'a'
'e'
'h'
'n'
'o'

Uji Data Ke3
4
'a'
'a'
'e'
'e'
'h'
'h'
'n'
'n'
'n' *
'o'

5
'a'
'e'
'h'
'n'
'a' *

6
'a'
'e'
'e' *
'n'
'o'

7
'a'
'e'
'h'
'n'
'o'

Jenis
Tangis
a-eairh
e-eh
h-heh
n-neh
o-owh

Tabel 4 Hasil pengujian data uji saat k = 18, panjang frame = 275, dan overlap
frame = 0.25 menggunakan jarak euclid

1
'a'
'e'
'h'
'n'
'n' *

2
'a'
'e'
'h'
'o' *
'o'

3
'a'
'e'
'h'
'n'
'o'

Uji Data Ke4
'a'
'e'
'h'
'n'
'a' *

5
'a'
'e'
'h'
'n'
'o'

6
'a'
'e'
'h'
'o' *
'o'

7
'a'
'e'
'h'
'n'
'o'

Jenis
Tangis
a-eairh
e-eh
h-heh
n-neh
o-owh

keterangan: * = salah identifikasi
Dari beberapa hasil pengujian tersebut dapat diketahui bahwa suara ‘eh’
merupakan suara yang sering benar dikenali (Tabel 2, Tabel 3, Tabel 4).
Sedangkan suara ‘owh’ merupakan suara yang sering salah dikenali dan biasanya
kesalahannya dikenali sebagai suara ‘neh’ dan ‘eairh’ (Tabel 3, Tabel 4).
Kesalahan identifikasi ini disebabkan karena variasi data latih ‘owh’ lebih besar
dibandingkan dengan yang lain. Ilustrasi codebook ‘eh’ dan ‘owh’ pada saat k=18,
panjang frame = 440, dan overlap frame= 0.4 ditampilkan pada Gambar 11.
Gambar tersebut menunjukkan sebaran codebook ‘owh’ lebih besar dibandingkan
codebook ‘eh’. Ilustrasi codebook ‘eairh’, ‘owh’, dan ‘eh’ ditampilkan pada
Gambar 12. Berdasarkan ilustrasi Gambar 12 dapat diketahui bahwa codebook
‘owh’ lebih dekat dengan ‘eairh’ dibandingkan dengan ‘eh’.

17

Gambar 11 Ilustrasi codebook ‘eh’ dan ‘owh’

Gambar 12 Ilustrasi codebook ‘eairh’, ‘eh’, dan ‘owh’
Perbandingan akurasi menggunakan jarak euclid pengujian data latih
ditampilkan pada Gambar 13. Hasil akurasi secara rinci ditampilkan pada
Lampiran 2. Akurasi menggunakan jarak euclid pengujian data latih berkisar
antara 47% sampai 91%.

18
akurasi
100%
95%
90%
85%
80%
75%
70%
65%
60%
55%
50%
45%
40%
35%
30%
1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18

jumlah cluster (k)
panjang frame
275
275
440
660
660

overlap frame
0
0.4
0.25
0
0.4

panjang frame
275
440
440
660

overlap frame
0.25
0
0.4
0.25

Gambar 13 Grafik perbandingan akurasi menggunakan jarak euclid
pengujian data latih
Gambar 13 menunjukkan bahwa akurasi tertinggi menggunakan pengujian
data latih sebesar 91%, ketika panjang frame = 660, overlap frame = 0.25, dan k =
17. Sedangkan ketika panjang frame = 440, overlap frame =0.4, dan k = 18
akurasi sebesar 89% (ketika menggunakan data uji, akurasi mencapai 94%).
Hasil akurasi menggunakan jarak mahalanobis pengujian data uji secara
rinci ditampilkan pada Lampiran 3. Grafik perbandingan akurasinya ditampilkan
pada Gambar 14. Akurasi menggunakan jarak mahalanobis pengujian data uji
berkisar antara 9% sampai 83%. Nilai akurasi 83% didapat ketika panjang frame
= 275, overlap frame 0.25, dan k=16. Pengujian menggunakan data latih
ditampilkan pada Lampiran 4. Grafik perbandingan akurasinya ditampilkan pada
Gambar 15. Akurasi menggunakan jarak mahalanobis pengujian data latih
berkisar antara 12% sampai 83%. Kisaran nilai akurasi secara umum ditampilkan
pada Tabel 5.

19
akurasi
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18

jumlah cluster (k)
panjang frame

overlap frame

275
275
440
660
660

panjang frame

0
0.4
0.25
0
0.4

275
440
440
660

overlap frame
0.25
0
0.4
0.25

Gambar 14 Grafik perbandingan akurasi menggunakan jarak mahalanobis
pengujian data uji
akurasi
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18

jumlah cluster (k)
panjang frame
275
275
440
660
660

overlap frame
0
0.4
0.25
0
0.4

panjang frame
275
440
440
660

overlap frame
0.25
0
0.4
0.25

Gambar 15 Grafik perbandingan akurasi menggunakan jarak mahalanobis
pengujian data latih

20
Tabel 5 Kisaran nilai akurasi menggunakan jarak euclid dan mahalanobis
Jarak dan Jenis Pengujian

Nilai Minimum
Akurasi

Nilai Maksimum
Akurasi

Jarak euclid pengujian data uji

37%

94%

Jarak euclid pengujian data latih

47%

91%

Jarak mahalanobis pengujian data uji

9%

83%

Jarak mahalanobis pengujian data latih

12%

83%

Berdasarkan Gambar 14 dan 15 dapat diketahui bahwa hasil akurasi terbesar
ketika menggunakan jarak mahalanobis pengujian data latih adalah 83%. Akurasi
tertinggi ini dicapai ketika panjang frame = 275, overlap frame = 0.25, dan k = 17.
Hasil pengujian ketika k = 17, panjang frame = 275, dan overlap frame = 0.25
ditampilkan pada Tabel 6.
Tabel 6 Hasil pengujian data latih saat k = 17, panjang frame = 275, dan overlap
frame = 0.25 menggunakan jarak mahalanobis
1
'a'
'e'
'h'
'n'
'a' *

2
'a'
'e'
'h'
'n'
'o'

3
'a'
'e'
'h'
'n'
'o'

Uji Data Ke4
'a'
'n' *
'h'
'n'
'o'

5
'a'
'e'
'h'
'n'
'o'

6
'a'
'e'
'h'
'n'
'o'

7
'a'
'e'
'h'
'n'
'o'

Jenis
Tangis
a-eairh
e-eh
h-heh
n-neh
o-owh

Tabel 6 Hasil pengujian data latih saat k = 17, panjang frame = 275, dan overlap
frame = 0.25 menggunakan jarak mahalanobis (lanjutan)
8
'a'
'e'
'h'
'n'
'n' *

9
'a'
'e'
'h'
'n'
'o'

10
'a'
'e'
'e'
'n'
'n'

Uji Data Ke11
'a'
'h' *
*
'h'
'n'
*
'o'

12
'a'
'e'
'h'
'n'
'a' *

13
'a'
'o' *
'h'
'n'
'n' *

14
'a'
'e'
'h'
'h' *
'o'

Jenis
Tangis
a-eairh
e-eh
h-heh
n-neh
o-owh

Tabel 6 Hasil pengujian data latih saat k = 17, panjang frame = 275, dan overlap
frame = 0.25 menggunakan jarak mahalanobis (lanjutan)
15
'n' *
'e'
'h'
'e' *
'a' *

16
'a'
'n' *
'h'
'n'
'o'

17
'a'
'e'
'h'
'n'
'e'

Uji Data Ke18
'n' *
'e'
'h'
'n'
*
'o'

19
'e' *
'e'
'h'
'n'
'o'

20
'a'
'e'
'h'
'h' *
'a' *

21
'a'
'e'
'h'
'n'
'o'

Jenis
Tangis
a-eairh
e-eh
h-heh
n-neh
o-owh

21
Tabel 6 Hasil pengujian data latih saat k = 17, panjang frame = 275, dan overlap
frame = 0.25 menggunakan jarak mahalanobis (lanjutan)
22
'a'
'e'
'h'
'n'
'o'

23
'a'
'e'
'h'
'a' *
'o'

24
'a'
'h'
'e'
'n'
'o'

Uji Data Ke25
'a'
*
'e'
*
'h'
'n'
'a' *

26
'a'
'e'
'h'
'n'
'h' *

27
'a'
'e'
'h'
'n'
'o'

28
'a'
'e'
'h'
'n'
'o'

Jenis
Tangis
a-eairh
e-eh
h-heh
n-neh
o-owh

keterangan: * = salah identifikasi
Dari beberapa hasil pengujian tersebut dapat diketahui bahwa suara ‘heh’
merupakan suara yang sering benar dikenali. Hasil ini berbeda ketika
menggunakan jarak euclid pengujian data uji. Hasil sebelumnya menunjukkan
suara ‘eh’ yang mudah dikenali. Sedangkan suara ‘owh’ merupakan suara yang
sering salah dikenali dan biasanya kesalahannya dikenali sebagai suara ‘neh’ dan
‘eairh’. Hasil ini sama dengan hasil sebelumnya yang menggunakan jarak euclid
pengujian data uji. Kesalahan identifikasi ini disebabkan karena variasi data latih
‘owh’ lebih besar dibandingkan dengan yang lain. Ilustrasi codebook ‘heh’ dan
‘owh’ pada saat k=17, panjang frame = 275, dan overlap frame= 0.25 ditampilkan
pada Gambar 16.

Gambar 16 Ilustrasi codebook ‘heh’ dan ‘owh’
Perbedaan hasil akurasi menggunakan data latih dan data uji ditampilkan
pada Gambar 17 dan Gambar 18. Perbedaannya, pada Gambar 17 menggunakan
jarak euclid, sedangkan Gambar 18 menggunakan jarak mahalanobis. Kedua
gambar tersebut menampilkan perbedaan hasil akurasi ketika panjang frame = 275,
overlap frame = 0, jumlah cluster (k) = 1 s/d 29. Jumlah cluster di sini dibuat
lebih banyak dengan tujuan supaya dapat menggambarkan perbedaannya.

22
akurasi
100%
90%
80%
70%
data latih
60%

data uji

50%
40%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

jumlah cluster (k)

Gambar 17 Akurasi pengujian data latih dan data uji menggunakan jarak euclid
dengan panjang frame = 275 dan overlap frame = 0
akurasi
100%
90%
80%
70%
60%
50%

data latih

40%

data uji

30%
20%
10%
0%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

jumlah cluster (k)

Gambar 18 Akurasi pengujian data latih dan data uji menggunakan