2.6 Ekstraksi ciri
Feature Extraction
Ekstraksi ciri merupakan proses untuk menentukan satu nilai atau vektor yang dapat dipergunakan sebagai penciri objek atau individu Buono et al. 2009. Terdapat
beberapa cara untuk merepresentasikan ciri sinyal suara, salah satunya ialah Mel- Frequency Cepstrum Coefficients MFCC.
MFCC merupakan cara yang paling sering digunakan pada berbagai bidang area pemrosesan suara, karena dianggap cukup baik dalam merepresentasikan ciri
sinyal suara Permana, 2011. Ekstraksi ciri sinyal suara dengan metode MFCC memiliki tahapan yang
terdiri atas Do 1994 : 1.
Frame Blocking. 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. Penelitian suara banyak menggunakan window hamming karena kesederhanaan
formulanya dan nilai kerja window. Dengan pertimbangan tersebut, maka penggunaan window Hamming cukup beralasan. Persamaan window
Hamming adalah :
3. Fast Fourier Transform FFT. Tahapan selanjutnya ialah mengubah tiap
frame dari domain waktu ke dalam domain frekuensi. FFT adalah algoritma yang mengimplementasikan Discrete Fouries Transform DFT.
Hasil DFT ialah bilangan kompleks dengan Persamaan 2 untuk mencari nilai real dan Persamaan 3 untuk mencari nilai imaginer.
Universitas Sumatera Utara
Proses selanjutnya ialah menghitung nilai magnitudo FFT. Magnitudo dari bilangan kompleks c = a + bi adalah |c| =
√ 4.
Mel-Frequency Wrapping. Persepsi sistem pendengaran manusia terhadap frekuensi sinyal suara ternyata tidak hanya bersifat linear. Penerimaan
sinyal suara untuk frekuensi rendah 1000 bersifat linear, sedangkan untuk frekuensi tinggi 1000 bersifat logaritmik. Skala inilah yang
disebut dengan skala mel-frequency yang berupa filter. Pada Persamaan 4 ditunjukkan hubungan skala mel dengan frekuensi dalam Hz:
Proses wrapping terhadap sinyal dalam domain frekuensi dilakukan menggunakan persamaan 5:
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 6.
Universitas Sumatera Utara
2.7 Hidden Markov Model
Kategori