untuk ≤ k ≤ N − 2.5 Selanjutnya dengan menganti
�
� ��
menjadi �
�⁄ ��
maka persamaan selanjutnya menjadi : Nandra Pradipta. 2011
H k = ∑ h n W
N⁄
+ W
N
∑ h n − W
N⁄ N
− ⁄
= N
− ⁄
=
2.6 Untuk melakukan analisis frekuensi di dalam MATLAB, telah tersedia
command “Fast Fourier Transform” FFT sebagai berikut:
y = fft x 2.7
2.4.3. Linier Predictive Coding LPC
Analisa Linear Predictive Coding LPC adalah salah satu cara untuk mendapatkan sebuah pendekatan mengenai spektrum bunyi. Prinsip dasar dari
pemodelan sinyal dengan menggunakan LPC adalah bahwa pencuplikan sinyal ucapan sn pada waktu ke-n dapat diperkirakan sebagai kombinasi
linear dari p cuplikan sinyal ucapan sebelumnya yaitu : s n ≈ a s n −
+ a s n − + ⋯ + a
p
s n − p , p � 2.8 Dimana koefisien a
1
, a
2
,…,a
p
diasumsikan konstan selama analisi frame suara Novi Aryanto, 2011.
Secara umum metode yang digunakan utuk mendapatkan informasi dari ciri yang dinamis biasa disebut dengan delta-feature. Turunan watu dari ciri
dapat dihitung dengan beberapa metode, hasil dari perhitungan delta akan ditambahkan ke vector ciri, sehingga menghasilkan vector ciri yang lebih
besar. ∆y
=
y
+D
− y
−D
2.9 Dimana D mewakili jumlah dari frame untuk menutup kedua sisi frame
saat ini dan dengan demikian dapat mengontrol window y dengan pembedaan operasi. D diset bernilai 1 atau 2.
∆y adalah koefisien delta yang dihitung dari frame t untuk vektor fitur LPC F.Z. Chelali, etc, 2015.
Nilai dari delta akan diturunkan sekali lagi terhadpa waktu menjadi nilai delta delta pada beberapa kasus delta delta disebut dengan koefisien
percepatan, kerena nilai tersebut turunan dari kuadrat waktu dari koefisien. ∆∆y
=
∆y
+D
− ∆y
−D
2.10 Pengukuran energi merupakan salah satu cara untuk menambah nilai
koefisien yang dihitung dari LPC, nilai tersebut merupakan log energy signal. Ini berarti pada setiap frame tredapat nilai energi yang ditambahkan, berikut
rumus untuk menghitung nilai energi : E
= log ∑ x_windowed
− =
k; m 2.11
Dimana x_windowed adalah sinyal hasil windowing, k adalah jumlah frame dan m adalah panjang frame Muslim Sidiq, etc, 2015.
Analisis LPC pada dasarnya digunakan untuk mendapatkan koefisien LPC yang diperlihatkan pada gambar 2.4.
Gambar 2. 4 Blok diagram analisis LPC
2.5 Algoritma Decision Tree
