NamaFile = [D:\GUI_TESIS_V01\Suara\,NamaRelawan, ... num2strn, .wav];
[DataWav, Fs, Bit] = wavreadNamaFile; DataNoise = awgnDataWav,V_Desibel,measured;
Gambar 14 Cuplikan program tambah noise
3.1.4 Pra-proses
Pra-proses merupakan kegiatan yang terdiri atas proses pembentukan frame suara dan proses pembobotan window hamming. Kegiatan pra-proses
diterapkan pada data suara asli Sr_Asli dan data suara noise Sr_Noise. Hasil pra-proses berupa frame yang telah mendapatkan pembobotan window
hamming, dan menjadi data masukkan bagi proses ekstraksi ciri. Langkah pertama dari kegiatan pra-proses, adalah memecah sinyal
suara menjadi beberapa frame suara menggunakan parameter lebar waktu frame dan lebar overlap. Pada penelitian ini digunakan besaran nilai lebar
waktu frame suara 16 ms, 30 ms, 40 ms, sedangkan untuk besaran nilai overlap digunakan 40 dan 50 dari nilai lebar waktu frame yang
diunakan. Langkah kedua dari kegiatan pra-proses, adalah memboboti frame suara dengan window hamming. Diagram alir proses kegiatan pra-proses,
disajikan pada Gambar 15.
Gambar 15 Diagram alir proses kegiatan pra-proses
3.1.5 Ekstraksi Ciri
Setiap orang memiliki karakteristik suaranya sendiri, meskipun suara tersebut tidak begitu jelas. Karakteristik suara yang terbaik, dapat digunakan
untuk mengidentifikasi pembicara, sehingga identitas pembicara tersebut dapat diketahui.
Hubungan spektral, tangga nada, intensitas suara, bentuk pengucapan, penggukuran sepstral, merupakan ciri yang digunakan pada pengolahan
suara. Data ciri memberikan hasil baik pada satu situasi, tetapi dapat juga memberikan hasil buruk di situasi yang lain, sehingga, sekali ciri-ciri suara
dipilih untuk digunakan dalam proses pengolahan suara, maka akan diekstraksi dari suara yang diucapkan, dan dapat digunakan untuk
mengidentifikasi pembicara. Dimensi data yang terlalu besar dapat menyebabkan hasil perhitungan
fungsi kepekatan peluang menjadi tidak stabil, sehingga hasil klasifikasi tidak handal. Untuk mengatasi masalah tersebut sering digunakan teknik
mereduksi dimensi data, salah satu teknik yang dapat diterapkan untuk mereduksi data adalah Mel-Frequency Cepstral Coefficients MFCC.
MFCC diketahui memiliki kinerja yang baik dalam mendukung sistem identifikasi pembicara, dan juga dapat mereduksi data suara dengan baik.
Tahapan proses ekstraksi ciri dengan metode MFCC, digambarkan dalam suatu blok diagram alir data seperti disajikan pada Gambar 16.
Gambar 16 Diagram alir proses ekstraksi ciri dengan metode MFCC
3.1.6 Penyebaran Data Ciri
