Pengenalan Suara Berdasarkan Usia dan Jenis Kelamin Menggunakan Algoritme Support Vector Machine (SVM)

PENGENALAN SUARA BERDASARKAN USIA DAN JENIS
KELAMIN MENGGUNAKAN ALGORITME SUPPORT
VECTOR MACHINE (SVM)

IKRA DEWANTARA

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pengenalan Suara
Berdasarkan Usia dan Jenis Kelamin Menggunakan Algoritma Support Vector
Machine (SVM) 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 skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juli 2013
Ikra Dewantara
G64104057

ABSTRAK
IKRA DEWANTARA. Pengenalan Suara Berdasarkan Usia dan Jenis Kelamin
Menggunakan Algoritma Support Vector Machine (SVM). Dibimbing oleh TOTO
HARYANTO.
Pengenalan suara manusia dengan bantuan komputer dapat dilakukan
karena masing-masing suara memiliki ciri serta frekuensi yang berbeda-beda.
Pengelompokan ciri suara berdasarkan jenis kelamin, dapat dikelompokan
menjadi laki-laki dan perempuan, sedangkan berdasarkan umur dapat
dikelompokan menjadi anak-anak, remaja, dan dewasa. Penelitian ini bertujuan
untuk mengenali suara yang dikelompokan ke dalam salah satu kelas berdasarkan
usia dan jenis kelamin. Data yang digunakan berasal dari penelitian Fransiswa
(2010). Data terdiri dari 6 penggolongan kelas, yaitu anak laki-laki (AL), anak
perempuan (AP), remaja laki-laki (RL), remaja perempuan (RP), tua laki-laki
(TL), dan tua perempuan (TP). Metode ekstraksi ciri yang digunakan adalah Mel

Frequency Cepstrum Coefficient (MFCC), pengenalan pola menggunakan Support
vector machine (SVM) dengan berbagai variasi kernel seperti linear, polynomial,
dan Radial Basis Function (RBF). Parameter-parameter yang mempengaruhi
dalam proses MFCC di antaranya: nilai koefisien, overlap, time frame, dan
sampling rate. Hasil rata-rata akurasi tertinggi yaitu 98.24% diperoleh
menggunakan kernel RBF.
Kata kunci: identifikasi suara, kernel RBF, MFCC, pengenalan suara, support
vector machine (SVM).
ABSTRACT
IKRA DEWANTARA. Voice Recognition Based on Age and Gender Using
Support Vector Machine (SVM) Algorithm. Supervised by TOTO HARYANTO.
Voice recognition using computers is made possible due to the unique
characteristics and frequencies that each voice possesses. These vocal
characteristics can be grouped according to gender (male or female) or age (child,
teenager, or adult). The purpose of this research is to identify individual voices
that have been placed within one of the groups based on age and gender. The data
used comes from the research of Fransiswa (2010) and consists of six classes:
boys (AL), girls (AP), teenage boys (RL), teenage girls (RP), men (TL), and
women (TP). The method used to extract vocal characteristics was the Mel
Frequency Cepstrum Coefficient (MFCC) and pattern recognition was performed

using a Support Vector Machine (SVM) with several variations of the kernel such
as Linear, Polynomial, and Radial Basis Function (RBF). The parameters
affecting the MFCC process include: The value of the coefficients, overlap, time
frame, and the rate of sampling. The average highest accuracy value of 98,24%
was obtained using the RBF Kernel.
Keywords: radial basis function (RBF) kernel, support vector Machine (SVM),
voice identification, voice Recognition.

PENGENALAN SUARA BERDASARKAN USIA DAN JENIS
KELAMIN MENGGUNAKAN ALGORITMA SUPPORT
VECTOR MACHINE (SVM)

IKRA DEWANTARA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ilmu Komputer
pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

Penguji:
1 Mushthofa, SKom MSc
2 Muhammad Asyhar Agmalaro, SSi MKom

Judul Skripsi: Pengenalan Suara Berdasarkan Usia dan Jenis Kelamin
Nama
NlM

Menggunakan Algoritme Support Vector Machine (SVM)
: Ikra Dewantara
: G64104057

Disetujui oleh

Toto Haryanto, SKom MSi
Pembimbing

TanggaJ Lulus:

2 5 JUL 2 13

Judul Skripsi : Pengenalan Suara Berdasarkan Usia dan Jenis Kelamin
Menggunakan Algoritme Support Vector Machine (SVM)
Nama
: Ikra Dewantara
NIM
: G64104057

Disetujui oleh

Toto Haryanto, SKom MSi
Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen Ilmu Komputer

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan ke hadirat Allah subhanahu wata’ala,
yang telah memberikan nikmat yang begitu banyak sehingga penulis dapat
menyelesaikan penelitian dan tulisan ini. Shalawat serta salam penulis sampaikan
kepada Nabi Muhammad shallallahu ‘alaihi wassalam, keluarga, sahabat, serta
umatnya hingga akhir zaman. Tulisan ini merupakan hasil penelitian yang penulis
lakukan sejak November 2012 hingga Juli 2013. Tulisan ini mengambil topik
pengenalan pola suara untuk mengidentifikasi suara berdasarkan usia dan jenis
kelamin.
Terima kasih penulis ucapkan kepada seluruh pihak yang telah berperan
membantu dalam penelitian ini, yaitu:
1 Ayahanda Sudirah, Ibunda Titien Sulistyowati, serta Adik Maulana Husada
dan Trias Prastyoningrum atas kasih sayang, doa, dan dorongan semangat
yang telah diberikan kepada penulis agar penelitian ini cepat selesai.

2 Bapak Toto Haryanto, SKom MSi selaku pembimbing yang telah
memberikan arahan dan saran selama penelitian ini berlangsung.
3 Bapak Mushthofa, SKom MSc dan Bapak Muhammad Asyhar Agmalaro, SSi
MKom selaku dosen penguji yang telah bersedia menguji serta memberikan
masukan-masukan dalam penelitian ini.
4 Rekan-rekan Ilkom Alih Jenis Angkatan 5.
Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan
skripsi ini. Semoga karya ilmiah ini bermanfaat.
Bogor, Juli 2013
Ikra Dewantara

DAFTAR ISI
DAFTAR TABEL

vii

DAFTAR GAMBAR

vii

DAFTAR LAMPIRAN

viii

PENDAHULUAN

1

Latar Belakang

1

Tujuan

1

Manfaat

2

Ruang Lingkup

2

TINJAUAN PUSTAKA

2

Sinyal Suara

2

Transformasi Suara Analog ke dalam Suara Digital

2

Ekstraksi Ciri dengan MFCC

4

K-Fold Cross Validation

5

Pengenalan Pola dengan SVM

6

Multi Class SVM

8

METODE PENELITIAN

8

Kerangka Pemikiran

8

Pengambilan Data

9

Tahan Pra Proses

9

Ekstraksi Ciri Menggunakan MFCC

10

Standardisasi

10

Proporsi Data Latih dan Data Uji

10

K-Fold Cross Validation

10

Pemodelan SVM

12

Lingkungan Pengembangan

12

Pengujian

12

HASIL DAN PEMBAHASAN

12

Ekstraksi Ciri Menggunakan MFCC

12

Pemodelan dan Klasifikasi SVM

13

Perbandingan Kernel-Kernel SVM

14

Perbandingan SVM dan PNN

15

Implementasi

17

SIMPULAN DAN SARAN

19

Simpulan

19

Saran

19

DAFTAR PUSTAKA

19

LAMPIRAN

21

DAFTAR TABEL
1
2
3
4
5
6

Penggolongan kelas berdasarkan kisaran usia dan jenis kelamin
Proporsi data latih dan data uji
Pembagian data latih dan data uji berdasarkan subset untuk data latih 75%
Pembagian data latih dan data uji berdasarkan subset untuk data latih 50%
Pembagian data latih dan data uji berdasarkan subset untuk data latih 25%
Contoh tabel akurasi berdasarkan data latih, data uji, dan subset yang
digunakan
7 Parameter-parameter untuk masing-masing kernel SVM
8 Hasil perbandingan akurasi pengujian kernel linear (C = 2)
9 Hasil perbandingan akurasi pengujian kernel polynomial (C = 2 dan d = 2)
10 Hasil perbandingan akurasi pengujian kernel RBF (C = 2 dan σ = 4)
11 Perbandingan rata-rata akurasi berdasarkan usia dan jenis kelamin
menggunakan SVM dengan kernel RBF
12 Perbandingan rata-rata akurasi berdasarkan usia dan jenis kelamin
menggunakan PNN
13 Akurasi tertinggi kernel RBF (koefisien 26 dengan subset 2)

9
10
11
11
11
11
12
14
14
14
16
16
17

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9

Tahapan transformasi sinyal menjadi informasi
Ilustrasi sampling
Blok diagram teknik MFCC
Ilustrasi SVM untuk linear separable data
Ilustrasi SVM untuk non-linear separable data
Proses pengambilan suara sampai mendapatkan informasi
Contoh hasil MFCC untuk koefisien 13
Pemodelan SVM
Perbandingan rata-rata akurasi berdasarkan jenis kelamin dan koefisien
menggunakan SVM dengan kernel RBF
10 Perbandingan rata-rata akurasi berdasarkan jenis kelamin dan koefisien
menggunakan PNN
11 Antarmuka aplikasi

3
3
4
6
7
9
13
13
17
17
18

DAFTAR LAMPIRAN
1 Akurasi pengenalan pola suara menggunakan kernel linear dilihat dari
pengaruh parameter C
2 Akurasi pengenalan pola suara menggunakan kernel polynomial dilihat
dari pengaruh parameter C
3 Akurasi pengenalan pola suara menggunakan kernel polynomial dilihat
dari pengaruh parameter d
4 Akurasi pengenalan pola suara menggunakan kernel RBF dilihat dari
pengaruh parameter C
5 Akurasi pengenalan pola suara menggunakan kernel RBF dilihat dari
pengaruh parameter σ
6 Akurasi kernel linear dengan C = 2 berdasarkan subset (S) yang
digunakan
7 Akurasi kernel polynomial dengan C = 2 dan d = 2 berdasarkan subset (S)
yang digunakan
8 Akurasi kernel RBF dengan C = 2 dan σ = 4 berdasarkan subset (S) yang
digunakan

21
21
22
22
23
24
24
24

1

PENDAHULUAN
Latar Belakang
Pengenalan biometrik adalah salah satu metode pengenalan manusia yang
dapat dilakukan oleh mesin. Pengenalan ini dilakukan untuk proses autentikasi
dalam sistem. Sistem autentikasi yang berkembang saat ini di antaranya seperti
pengenalan iris mata, pengenalan wajah, pengenalan sidik jari, dan pengenalan
suara.
Pengenalan suara dapat diaplikasikan menjadi sistem autentikasi karena
setiap pembicara memiliki gelombang suara yang bervariasi (Pelton 1993).
Sebagai contoh jika seseorang mengucapkan sebuah kata, maka polanya akan
berbeda dengan pola suara orang lain. Pola suara juga akan berbeda jika dilihat
dari jenis kelamin maupun kisaran umur. Jika seseorang hanya mendengarkan
suara saja tanpa tahu orangnya, untuk suara dengan pola yang mirip, sebagian
besar orang akan sulit mengenali kisaran usianya.
Suara dalam bentuk analog harus dikonversi menjadi digital. Hasilnya
adalah sebuah representasi vektor dalam ukuran besar dengan tidak
menghilangkan ciri dari suara tersebut. Oleh karena itu, dibutuhkan sebuah teknik
ekstraksi ciri untuk mengubah vektor suara menjadi vektor ciri tanpa mengurangi
karakteristik suara tersebut. Menurut Buono et al. (2009), mel-frequency cepstrum
coefficients (MFCC) dapat merepresentasikan ekstraksi ciri sinyal lebih baik
dibandingkan dengan linear prediction ceptrum coefficient (LPCC) dan teknik
ekstraksi ciri lainnya.
Penelitian pengenalan pola suara telah dilakukan oleh Fransiswa (2010)
menggunakan MFCC sebagai ekstraksi ciri dan probabilistic neural network
(PNN) sebagai pengenalan pola. Penelitian pola suara lainnya juga telah
dilakukan oleh Ganapathiraju (2002) menggunakan SVM sebagai pengenalan pola
suara. Menurut Ganapathiraju (2002) SVM telah banyak digunakan dan
menghasilkan pengenalan pola suara yang sangat baik. SVM dapat menyelesaikan
permasalahan pengelompokan 2 kelas secara sempurna menggunakan metode
pembagian 2 wilayah linear. Adapun kendala yang dihadapi dalam pengenalan
pola menggunakan SVM adalah dalam penyelesaian masalah pengelompokan
kelas non-linear/banyak kelas.
Berdasarkan latar belakang tersebut, maka pada penelitian ini ditujukan
untuk membandingkan hasil akurasi SVM untuk melakukan identifikasi suara
terhadap PNN yang telah digunakan pada penelitian Fransiswa (2010). Adapun
metode ekstraksi ciri yang digunakan adalah sama, yaitu MFCC.

Tujuan
1
2
3

Penelitian ini bertujuan untuk:
Menerapkan MFCC sebagai ekstraksi ciri.
Menerapkan SVM sebagai salah satu metode pengenalan suara berdasarkan
kisaran usia dan jenis kelamin.
Membandingkan hasil pengujian kernel-kernel SVM seperti kernel linear,
kernel polynomial, dan kernel radial basis function (RBF).

2

4

Membandingkan rata-rata akurasi antara pengenalan pola menggunakan SVM
dengan kernel RBF dengan skripsi Fransiswa (2010) yang menggunakan
PNN sebagai pengenalan suara berdasarkan usia dan jenis kelamin.

Manfaat
Penelitian ini diharapkan menghasilkan sistem yang cukup efektif dalam
pengenalan suara suara berdasarkan kisaran usia dan jenis kelamin dengan MFCC
sebagai ekstraksi ciri dan SVM sebagai algoritme klasifikasi.

Ruang Lingkup
Ruang lingkup penelitian ini dibatasi pada:
1 Data yang digunakan dalam penelitian ini menggunakan data penelitian
Fransiswa (2010).
2 Kata yang direkam adalah “awas ada bom”. Kata ini dipilih karena tidak
mengandung diftong sehingga susunan vokalnya berselingan. Diftong adalah
2 buah vokal yang berurutan, misal: buah, lauk, daun, dsb. Selain itu juga
karena kata “awas ada bom” terdiri dari 3 kata, sehingga memiliki variasi
warna suara.
3 Metode ekstraksi ciri yang digunakan adalah MFCC. MFCC dapat
merepresentasikan sinyal lebih baik dibandingkan dengan LPCC dan teknik
ekstraksi ciri lainnya (Buono et al. 2009).
4 Kelompok usia dibagi menjadi anak-anak memiliki kisaran usia antara 8
tahun sampai 11 tahun, remaja antara 12 tahun sampai 21 tahun dan dewasa
antara 22 tahun sampai 50 tahun (IDAI 2009).

TINJAUAN PUSTAKA
Sinyal Suara
Sinyal suara merupakan gelombang analog yang merambat melalui medium
(zat perantara). Suara manusia menghasilkan gelombang yang berasal dari paruparu, kemudian diatur dan dibentuk oleh pita suara. Sinyal suara yang dapat
didengar oleh manusia berkisar antara frekuensi 20 Hz sampai dengan 20 KHz.
Adapun sinyal suara yang dapat didengar baik oleh manusia yang memiliki
frekuensi di atas 10 KHz (Pelton 1993).
Transformasi Suara Analog ke dalam Suara Digital
Pemrosesan suara digital dapat dilakukan jika suara dalam bentuk sinyal
analog yang bersifat kontinyu ditransformasi ke dalam bentuk digital yang bersifat
diskret. Menurut Buono et al. (2009), pemrosesan suara merupakan teknik
transformasi sinyal suara menjadi informasi yang berarti sesuai dengan yang
diinginkan. Secara umum proses transformasi diawali dari digitalisasi sinyal,

3

ekstraksi ciri dan diakhiri dengan pengenalan pola untuk klasifikasi. Tahapan
transformasi sinyal analog sampai menghasilkan informasi disajikan pada Gambar
1.

Gambar 1 Tahapan transformasi sinyal menjadi
informasi (Buono et al. 2009)
Menurut Orfanidis (2010) pemrosesan sinyal analog menjadi sinyal digital
harus melalui proses sampling dan kuantisasi. Sampling merepresentasikan sinyal
analog x(t) yang diukur secara berkala setiap t detik sehingga waktu didiskritisasi
dalam satuan sampling interval T. Ilustrasi sampling disajikan pada Gambar 2.

Gambar 2 Ilustrasi sampling (Orfanidis 2010)
Hasil dari sampling adalah representasi sebuah vektor yang terdiri atas nilainilai amplitudo terhadap waktu. Amplitudo merepresentasikan besar/kecilnya
volume suara. Panjang suatu vektor ini ditentukan oleh durasi suara tersebut dan
sampling rate yang digunakan. Sampling rate adalah banyaknya sampling yang
diambil dalam waktu tertentu (t). Hubungan antara panjang vektor dan sampling
rate dapat dinyatakan dalam Persamaan 1.
s t
S = Panjang vektor
Fs = Sampling rate yang digunakan (Hz)
t = waktu (detik)

(1)

4

Tahapan selanjutnya ialah kuantisasi. Kuantisasi adalah pemetaan nilainilai amplitudo ke dalam representasi nilai 8 bit atau 16 bit.

Ekstraksi Ciri dengan MFCC
MFCC merupakan teknik ekstraksi ciri yang telah luas dipakai pada
pemrosesan sinyal suara, terutama pada pengenalan pembicara. Penggunaan
teknik ini pada sistem pemrosesan sinyal memberikan pengenalan yang lebih baik
dibandingkan dengan metode lain yang sudah ada (Buono et al.2009).
Menurut Do (1994) MFCC adalah teknik ekstraksi ciri yang populer dan
paling banyak digunakan. Blok diagram teknik MFCC disajikan pada Gambar 3.
continuous
speech

Frame
Blocking

mel
cepstrum

frame

Cepstrum

Windowing

mel
spectrum

FFT

spectrum

Mel-frequency
Wrapping

Gambar 3 Blok diagram teknik MFCC
Frame blocking dan overlapping: Sinyal suara dibaca per blok (frame),
terdiri dari sejumlah N titik samples, dan antara dua frame yang bersebelahan
terdapat overlap. Overlap ini dipisahkan oleh M (M < N). Frame pertama diawali
dengan titik sample N, sedangkan frame kedua diawali dengan M samples setelah
frame pertama. Overlap terjadi pada N - M atau frame pertama yang saling
tumpang tindih terhadap frame kedua.
Windowing: Proses windowing dilakukan pada setiap frame dengan tujuan
untuk meminimumkan diskontinuitas antar dua frame yang bersebelahan,
khususnya pada bagian awal dan akhir. Jika window didefinisikan sebagai
w(n), 0  n  N  1, windowing dapat dihitung menggunakan perkalian vektor
seperti pada Persamaan 2.

yl (n)  xl (n)w(n), 0  n  N  1

(2)

Fungsi Hamming window atau w(n) yang disajikan pada Persamaan 3.
 2n 
w(n)  0.54  0.46 cos
, 0  n  N  1
 N 1

(3)

dengan:
N
= banyaknya samples dalam setiap frame
n
= frame ke-n
yl (n) = fungsi windowing
w(n) = fungsi Hamming window
FFT: Fast fourier transform (FFT) bertujuan melakukan konversi pada
setiap frame yang terdiri atas N sampel dari domain waktu ke domain frekuensi.
FFT adalah algoritma yang cepat untuk mengimplementasikan discrete fourier

5

transform (DFT) yang didefinisikan pada N sampel {xn}. Fungsi FFT disajikan
pada Persamaan 5.
N 1

X k   xn e  j 2kn / N ,

k  0,1,2,..., N  1

(5)

n 0

Xk
Xn
N
j

= nilai-nilai sampel yang akan di proses ke dalam domain frekuensi
= magnitudo frekuensi
= jumlah data pada domain frekuensi
= bilangan imajiner

Secara umum Xk adalah bilangan kompleks dan hanya dilihat bilangan
absolutnya saja. Hasil dari tahap FFT ini disebut dengan nama spektrum atau
periodogram.
Mel-frequency wrapping: Tahap ini merupakan proses pemfilteran dari
spektrum setiap frame yang diperoleh dari tahapan sebelumnya, menggunakan
sejumlah M filter segitiga dengan tinggi satu. Filter ini dibuat dengan mengikuti
persepsi telinga manusia dalam menerima suara. Persepsi ini dinyatakan dalam
skala ’mel’ (berasal dari melody) yang mempunyai hubungan tidak linear dengan
frekuensi suara, dalam hal ini skala mel-frequency adalah linear untuk frekuensi
kurang dari 1000 Hz dan logaritmik untuk frekuensi di atas 1000 Hz. Hubungan
antara skala mel dengan frekuensi (Hz) disajikan pada Persamaan 6.
mel

z

. log

(6)

Cepstrum: Langkah terakhir yaitu mengubah spektrum log mel menjadi
domain waktu. Hasilnya disebut dengan MFCC. Cepstral dari spektrum suara
merepresentasikan sifat/ciri spektral lokal sinyal untuk analisis frame yang
diketahui. Koefisien mel spectrum dapat dikonversi ke dalam domain waktu
menggunakan discrete cosine transform (DCT) seperti ditunjukkan dalam
Persamaan 7 dan 8.

cs n,m

nm

mel
k

. log mk cos

n

mk ∑ n

∑k -

k

n

(7)
k

, n

, ,

, -

(8)

dengan k = 0, 2, ..., K-1

K-Fold Cross Validation
Cross validation disebut juga sebagai rotation estimation. Dataset V dibagi
menjadi k subset (fold) yang saling bebas secara acak, yaitu D1, D2, , Dk
dengan ukuran yang sama. Pemodelan dan pengujian dilakukan sebanyak k kali,
setiap kali iterasi ke-t (t , ,3,
, k) dilatih pada D/Dt dan diuji pada Dt.
Perkiraan akurasi pada cross validation dengan membagi jumlah keseluruhan
klasifikasi yang benar dengan seluruh instances pada dataset (Kohavi 1995).

6

Pengenalan Pola dengan SVM
Menurut Cortes dan Vapnik (1995) SVM adalah sistem pembelajaran untuk
mengklasifikasikan data menjadi 2 kelompok menggunakan fungsi-fungsi linear
dalam sebuah ruang fitur (feature space) berdimensi tinggi. Klasifikasi SVM
dilakukan dengan cara menemukan hyperplane terbaik sehingga diperoleh ukuran

Gambar 4 Ilustrasi SVM untuk linear separable data
(Wang et al. 2009)
margin yang maksimal. Margin adalah jarak antara hyperplane tersebut dengan
titik terdekat dari masing-masing kelas. Titik yang paling dekat ini disebut dengan
support vector. Ilustrasi SVM untuk linear separable data disajikan pada Gambar
4.
Menurut Cortez dan Vapnik (1995) Gambar 4 di atas mengilustrasikan dua
kelas yang dapat dipisahkan secara linier menggunakan sepasang bidang batas
yang sejajar. Bidang batas pertama membatasi kelas pertama (yi = 1), dan bidang
batas kedua membatasi kelas kedua (yi = 1). Persamaan bidang pembatas jika
data terpisah secara linier dapat dihitung menggunakan perkalian vektor antara
vektor bobot dengan data set seperti disajikan pada Persamaan 9.
w
w

i
i

b
b

-

untuk kelas 1
untuk kelas 2

=1
= 1

(9)

dengan:
= data set
= kelas dari data
w = vektor bobot yang tegak lurus terhadap hyperplane
b = menentukan fungsi pemisah relatih terhadap titik asal
Bidang pemisah terbaik adalah bidang pemisah yang memiliki margin (jarak
antara dua bidang pembatas) maksimal atau berada di tengah-tengah kedua kelas
yang berbeda. Nilai margin antara dua bidang pembatas adalah m =
. Margin
maksimal diperoleh dengan menggunakan fungsi Lagrangian seperti pada
Persamaan 10.

7

minw,b

p

w,b,a

| w | - ∑li ( i yi

w.x b - ) ∑li

i

(10)

Vektor w sering kali bernilai sangat besar bahkan tidak terhingga, tetapi
untuk nilai
terhingga. Persamaan Lagrange primal problem perlu diubah ke
dalam Lagrange dual problem seperti Persamaan 11.
D

∑li

∑li ∑lj

i-

i j yi yj xi .xj

(11)

Karena minw,b Lp = max Ld. Sehingga solusi pencarian bidang pemisah terbaik
disajikan dalam Persamaan 12.
max

∑li

il

∑li ∑lj

s.t ∑ i yi

i j yi yj xi .xj

(12)

,

i

Persamaan 12 akan menghasilkan nilai i untuk setiap data pemodelan.
Nilai tersebut digunakan untuk menentukan bobot (w). Data yang memiliki nilai
i
adalah support vector, sedangkan sisanya dianggap bukan support vector.
Setelah i ditemukan, maka kelas dari data pengujian
dapat ditentukan
berdasarkan Persamaan 13.
f xd
dengan:
= support vector
NS = jumlah support vector
= data yang akan diklasifikasikan

∑i

i yi xi xd

b

(13)

Jika data terpisah secara non-linear, data terlebih dahulu diproyeksikan oleh
fungsi kernel ke ruang vektor baru yang berdimensi tinggi sedemikian sehingga
data itu dapat terpisah secara linear, seperti pada Gambar 5.

Gambar 5 Ilustrasi SVM untuk non-linear separable data
(Wang et al. 2009)
Selanjutnya di ruang vektor baru tersebut SVM mencari hyperplane terbaik
untuk memisahkan dua kelas secara linear. Pencarian hyperplane bergantung
kepada dot product dari data yang dipetakan pada ruang berdimensi tinggi, yaitu
. Perhitungan transformasi
ini sangat sulit, namun dapat
digantikan dengan fungsi yang disebut dengan kernel sesuai pada Persamaan 14.
K u,v

u .

v

(14)

8

Sehingga jika disubtitusi ke dalam persamaan Lagrangian menjadi seperti
Persamaan 15 dengan fungsi yang dihasilkan pada Persamaan 16.
∑li

i-

f xd

∑li ∑lj

∑i

i yi K

i j yi yj K

u.v

u.v b

(15)
(16)

Menurut Cortez dan Vapnik (1995) beberapa fungsi kernel yang umum
digunakan adalah:
1
2
3

Linear kernel
K u,v u.v
Polynomial kernel
K u,v u.v d
Radial basis function (RBF) kernel
K u,v

exp - |u-v|

,

(17)
(18)
(19)

dengan:
u = data latih
v = kelas pada data latih
d dan γ adalah parameter kernel
Pemodelan pada kernel linear dan polynomial merupakan perkalian vektor
antara data latih dan kelas yang bersesuaian. Adapun data latih (u) harus
ditranspose terlebih dahulu menjadi (uT) agar dimensi datanya sesuai.

Multi Class SVM
Matlab menyediakan fungsi SVM untuk melakukan pemodelan dan
klasifikasi, namun memiliki keterbatasan yaitu hanya mampu melakukan
pemodelan dan klasifikasi untuk 2 kelas. Adapun penelitian ini terdiri dari 6 kelas
yang harus dibedakan. Oleh karena itu diperlukan sebuah metode untuk
melakukan pemodelan dan klasifikasi untuk data yang memiliki lebih dari 2 kelas.
Menurut Hsu dan Lin (2002) untuk mengklasifikasikan data yang lebih dari
2 kelas, terdapat suatu metode yaitu one-againts-all. Metode ini dibangun n buah
model SVM (dimana n = jumlah kelas). Setiap model klasifikasi ke-i dilatih
dengan menggunakan keseluruhan data.

METODE PENELITIAN
Kerangka Pemikiran
Penelitian ini dikembangkan dengan metode yang terdiri atas beberapa
tahap, seperti disajikan pada Gambar 6.

9

Mulai
Pengambilan suara 5 orang
@20x = 100 suara per kelas

Praproses
Ekstraksi Ciri MFCC
Standardisasi
Data Latih ditentukan oleh proporsi
dan subset yang digunakan

Data Uji ditentukan oleh proporsi dan
subset yang digunakan

Pelatihan SVM (Mencari kernel terbaik)

Model

Pengujian
Analisis
Hasil
Selesai

Gambar 6 Proses pengambilan suara sampai mendapatkan informasi

Pengambilan Data
Data suara yang digunakan dalam penelitian ini diambil dari penelitian
Fransiswa (2010). Data tersebut terdiri atas 6 penggolongan kelas. Tabel 1
menunjukkan penggolongan kelas berdasarkan kisaran usia dan jenis kelamin.

Tabel 1 Penggolongan kelas berdasarkan kisaran usia
dan jenis kelamin
No.
Usia
Jenis kelamin
1
Anak
Laki-laki
2
Anak
Perempuan
3
Remaja
Laki-laki
4
Remaja
Perempuan
5
Tua
Laki-laki
6
Tua
Perempuan
Sumber: Fransiswa (2010)

Kisaran usia (tahun)
8 – 11
8 – 11
12 – 21
12 – 21
22 – 50
22 – 50

Masing-masing kelas terdiri atas 5 orang. Masing-masing orang merekam
“Awas Ada Bom”, diulang sebanyak 20 kali, sehingga total terdapat 600 suara.
Tahan Pra Proses
Suara yang sudah dalam bentuk digital, pada tahap ini akan dilakukan
normalisasi. Proses normalisasi suara umunya dilakukan pada tinggi amplitudo
yang berbeda-beda serta menghilangkan suara kosong (diam) pada awal dan akhir
rekaman. Normalisasi amplitudo dilakukan dengan cara membagi setiap nilai

10

dengan nilai maksimumnya sehingga diperoleh sebuah nilai yang sudah
dinormalisasi.

Ekstraksi Ciri Menggunakan MFCC
Suara yang sudah dinormalisasi dan dihilangkan suara diamnya, kemudian
diekstraksi ciri dengan menggunakan MFCC. Adapun parameter-parameter
MFCC yang digunakan dalam penelitian ini di antaranya: time frame 40, sampling
rate 11000 Hz, overlap 0.5, dan jumlah koefisien yang digunakan pada setiap
frame yaitu 13, 20, dan 26.

Standardisasi
Standardisasi merupakan teknik mengambil nilai rata-rata ciri untuk semua
frame dari matrix hasil MFCC. Jumlah baris menyatakan banyaknya ciri,
sedangkan jumlah kolom menyatakan banyaknya frame. Sebagai contoh jika
memiliki matriks dengan ukuran 13 × 33, maka matriks tersebut memiliki penciri
sebanyak 13 dan jumlah frame sebanyak 33. Standardisasi diperlukan agar
masing-masing data suara diwakilkan oleh sebuah kolom. Tahapan selanjutnya
adalah melakukan transpose terhadap semua hasil standardisasi agar diperoleh
matriks berukuran (jumlah data × koefisien).

Proporsi Data Latih dan Data Uji
Proporsi data latih dan data uji yang digunakan dalam penelitian ini sesuai
dengan penelitian Fransiswa (2010) agar hasilnya bisa dibandingkan. Adapun
proporsinya disajikan pada Tabel 2.
Tabel 2 Proporsi data latih dan data uji
Data latih
75%
50%
25%

Data uji
25%
50%
75%

K-Fold Cross Validation
K-Fold Cross Validation digunakan untuk mencari akurasi terbaik di antara
berbagai macam variasi data latih dan data uji yang digunakan. Pembagian data
untuk proporsi data latih 75% menggunakan 4-fold cross validation dan untuk
data latih 50% menggunakan 2-fold cross validation. Adapun pembagian data
untuk proporsi data latih 25% tidak menggunakan metode k-fold.
Pembagian data latih dan data uji jika dilihat berdasarkan subset (S) untuk
data latih 75% disajikan pada Tabel 3.

11

Tabel 3 Pembagian data latih dan data uji
berdasarkan subset untuk data latih 75%
Pengujian (P)
P1
P2
P3
P4

Data latih
S2, S3, S4
S1, S3, S4
S1, S2, S4
S1, S2, S3

Data uji
S1
S2
S3
S4

Data pada masing-masing subset (S), yaitu S1, S2, S3, dan S4 diperoleh dari
total data suara masing-masing orang dibagi menjadi 4. Jika terdapat 6 kelas,
masing-masing kelas terdiri dari 5 orang, dan masing-masing orang merekam 20
kali perulangan, maka setiap subset terdiri atas 6 ×5 × (20 / 4) = 150 data suara.
Pembagian data latih dan data uji jika dilihat berdasarkan subset (S) untuk
data latih 50% disajikan pada Tabel 4.
Tabel 4 Pembagian data latih dan data uji
berdasarkan subset untuk data latih 50%
Pengujian (P)
P1
P2

Data latih
S1
S2

Data uji
S2
S1

Data pada masing-masing subset (S), yaitu S1 dan S2 diperoleh dari total
data suara masing-masing orang dibagi menjadi 2. Jika terdapat 6 kelas, masingmasing kelas terdiri atas 5 orang, dan masing-masing orang merekam 20 kali
perulangan, maka setiap subset terdiri atas 6 × 5 × (20 / 2) = 300 data suara.
Pembagian data latih dan data uji jika dilihat berdasarkan subset (S) untuk
data latih 25% disajikan pada Tabel 5.
Tabel 5 Pembagian data latih dan data uji
berdasarkan subset untuk data latih 25%
Pengujian (P)
P1
P2
P3
P4

Data latih
S1
S2
S3
S4

Data uji
S2, S3, S4
S1, S3, S4
S1, S2, S4
S1, S2, S3

Data pada masing-masing subset (S), yaitu S1, S2, S3, dan S4 diperoleh dari
total data suara masing-masing orang dibagi menjadi 4. Jika terdapat 6 kelas,
masing-masing kelas terdiri dari 5 orang, dan masing-masing orang merekam 20
kali perulangan, maka setiap subset terdiri atas 6 × 5 × (20 / 4) = 150 data suara.
Adapun hubungan proporsi data latih, data uji, dan subset yang digunakan
disajikan pada Tabel 6.
Tabel 6 Contoh tabel akurasi berdasarkan data latih, data uji, dan subset yang
digunakan
Data Latih
75%
50%
25%

Data Uji
25%
50%
75%

Subset 1
Akurasi P1
Akurasi P1
Akurasi P1

Subset 2
Akurasi P2
Akurasi P2
Akurasi P2

Subset 3
Akurasi P3

Akurasi P3

Subset 4
Akurasi P4

Akurasi P4

12

Pemodelan SVM
Pemodelan SVM dibentuk sesuai dengan kernel SVM yang akan digunakan.
Masing-masing kernel memiliki parameter-parameter yang berbeda seperti
disajikan pada Tabel 7.
Tabel 7 Parameter-parameter untuk
masing-masing kernel SVM
Kernel
Linear
Polynomial
RBF

Parameter
C
C
C

d
σ

dengan:
C = besarnya nilai penalti akibat kesalahan klasifikasi
d = derajat kernel polynomial
=

Lingkungan Pengembangan
Spesifikasi perangkat keras yang digunakan untuk penelitian ini adalah
prosesor AMD Phenom X6 2.8GHz, memori 4GB DDR3, hard disk 1TB, VGA
ATi Radeon 4670 1GB, dan Standard Microphone/Headset. Adapun untuk
perangkat lunak yang digunakan untuk penelitian ini adalah Windows 7 Ultimate
64bit, Matlab R2010b 64 bit, dan Microsoft Excel 2010.

Pengujian
Pengujian dapat dilakukan dengan cara mencocokan hasil dari data uji
dengan data pada kelas sebenarnya. Data yang sama dijumlahkan dan hasilnya
dibagi dengan keseluruhan data uji. Secara matematis rumus untuk menghitung
akurasi dapat dilihat seperti rumus di bawah ini:
asil akurasi

suara uji teridentifikasi benar
suara pada kelas sebenarnya

(20)

HASIL DAN PEMBAHASAN
Ekstraksi Ciri Menggunakan MFCC
Data yang digunakan berupa suara digital yang direkam menggunakan
perintah wavrecord pada Matlab, dan dibaca kembali dengan perintah wavread.
Data terdiri atas 6 kelas dengan masing-masing kelas terdapat 5 orang. Masingmasing orang merekam suara sebanyak 20 kali sehingga diperoleh 600 data suara
dengan format WAV.

13

Setiap suara memiliki ciri yang berbeda-beda. Ciri ini diperoleh dari hasil
ekstraksi MFCC. Hasil ekstraksi menghasilkan matriks berukuran n × koefisien
MFCC, dengan n adalah jumlah data. Beberapa penelitian yang sudah dilakukan
untuk melakukan ekstraksi ciri di antaranya:
1
2
3

Menggunakan koefisien 13 Suhartono (2007).
Menggunakan koefisien 20 Do (1994).
Menggunakan koefisien 26 Buono (2009).

Penelitian ini menggunakan fungsi MFCC yang diperoleh dari penelitian
Buono et al. (2009). Fungsi tersebut memiliki fitur dinamis yang berarti
koefisiennya dapat diubah-ubah menjadi 13, 20, atau 26. Parameter-parameter
yang digunakan untuk ekstraksi ciri di antaranya: sampling rate 11000 Hz, time
frame 40 ms, jumlah koefisien (13, 20, dan 26), dan overlap 0,5. Contoh hasil
MFCC untuk koefisien 13 dengan jumlah data sebanyak 600 disajikan pada
Gambar 7.

Gambar 7 Contoh hasil MFCC untuk koefisien 13

Pemodelan dan Klasifikasi SVM
Data hasil MFCC yang sudah distandaridsasi, kemudian dipilah sesuai
dengan proporsi data latih dan data uji yang digunakan. Berbagai macam variasi
data juga diujikan untuk mendapatkan akurasi yang terbaik, dalam hal ini
menggunakan teknik k-fold. Pemodelan dilakukan dengan cara melatih data sesuai
dengan kelasnya, sisa data dianggap bukan kelasnya (konsep one against all)
sehingga menghasilkan sebuah model untuk masing-masing kelas. Proses
pemodelan dilakukan dengan bantuan aplikasi Matlab menggunakan perintah
svmtrain dengan berbagai macam variasi parameter-parameter kernel. Hasilnya
adalah dalam masing-masing subset terdiri dari 6 buah model, yaitu model AL,
model AP, model RL, model RP, model TL, dan model TP. Pemodelan SVM
disajikan pada Gambar 8.

Data:
- 600 × 13
- 600 × 20
- 600 × 26

Proporsi Data
Latih dan
Data Uji
- 75% : 25%
- 50% : 50%
- 25% : 75%

Penentuan
Subset:
- Subset 1
- Subset 2
- Subset 3
- Subset 4

Pemilihan
Kernel:
- Linear
- Polynomial
- RBF

Gambar 8 Pemodelan SVM

Model:
- Model AL
- Model AP
- Model RL
- Model RP
- Model TL
- Model TP

14

Fungsi dari model itu sendiri adalah untuk melakukan klasifikasi terhadap
data baru yang diujikan. Klasifikasi dilakukan dengan cara menguji data baru
dengan model-model yang telah diperoleh dari pemodelan SVM.

Perbandingan Kernel-Kernel SVM
Matlab menyediakan beberapa kernel yang dapat digunakan dalam
pemodelan SVM. Beberapa kernel yang umum digunakan yaitu linear,
polynomial, dan RBF. Masing-masing kernel memiliki waktu pemodelan,
parameter serta tingkat akurasi yang berbeda-beda. Hasil akurasi terbaik masingmasing kernel disajikan pada Tabel 8, 9, dan 10.
Tabel 8 Hasil perbandingan akurasi pengujian kernel linear (C = 2)
Data
Data
latih
uji
75%
25%
50%
50%
25%
75%
Rata-Rata (%)

Koefisien
13 (%)
92.33
91.00
89.39
90.91

Koefisien
20 (%)
93.33
93.00
90.39
92.24

Koefisien
26 (%)
94.17
93.00
91.28
92.81

Rata-rata
(%)
93.28
93.33
90.35
91.99

Waktu pemodelan
(detik)
250
320
625
1195

Tabel 9 Hasil perbandingan akurasi pengujian kernel polynomial (C = 2 dan
d = 2)
Data
Data
latih
uji
75%
25%
50%
50%
25%
75%
Rata-Rata (%)

Koefisien
13 (%)
97.50
97.83
92.83
96.06

Koefisien
20 (%)
96.83
97.00
95.39
96.41

Koefisien
26 (%)
97.33
96.83
94.44
96.20

Rata-rata
(%)
97.22
97.22
94.22
96.22

Waktu pemodelan
(detik)
377
415
417
1209

Tabel 10 Hasil perbandingan akurasi pengujian kernel RBF (C = 2 dan σ = 4)
Data
Data
latih
uji
75%
25%
50%
50%
25%
75%
Rata-Rata (%)

Koefisien
13 (%)
98.33
98.33
97.67
98.09

Koefisien
20 (%)
99,00
95.67
97.56
98.41

Koefisien
26 (%)
98.83
98.67
97.17
98.22

Rata-rata
(%)
98.72
98.56
97.44
98.24

Waktu pemodelan
(detik)
197
236
229
662

Waktu Pemodelan
Berdasarkan Tabel 8, 9, dan 10 jika dilihat dari waktu pemodelan untuk
mendapatkan model, semakin banyak data latih yang digunakan maka akan
semakin cepat untuk mendapatkan model. Waktu pemodelan tercepat diperoleh
dengan menggunakan kernel RBF (Tabel 10).
Akurasi
Berdasarkan Tabel 8, 9, dan 10, jika dilihat dari sisi akurasi, kernel RBF
menghasilkan akurasi yang paling tinggi yaitu 98.24% dibandingkan dengan
kernel linear yang menghasilkan akurasi 91.99% dan polynomial dengan akurasi
96.22%. Hal ini menunjukkan bahwa pada kernel RBF, merupakan kernel yang
menghasilkan pemodelan paling cepat dengan menghasilkan akurasi tertinggi.

15

Oleh karena itu penelitian ini menggunakan SVM dengan kernel RBF untuk
mencapai akurasi tertinggi.
Kernel Linear
Berdasarkan Lampiran 1, terlihat bahwa pada kernel linear semakin kecil
nilai C (yaitu 21), semakin tinggi akurasi yang dihasilkan. Akurasi tertinggi yang
diperoleh oleh kernel linear sebesar 92.81% pada koefisien 26 dengan waktu
pemodelan terlama yaitu 2201 detik. Jika ditarik kesimpulan, jumlah koefisien,
dan lama pemodelan berbanding lurus dengan akurasi yang dihasilkan.
Kernel Polynomial
Berdasarkan Lampiran 2, terlihat bahwa parameter C tidak mempengaruhi
akurasi, melainkan mempengaruhi waktu pemodelan. Semakin besar nilai C,
maka waktu pemodelan akan semakin lama. Jika dilihat dari sisi koefisien, akurasi
relatif stabil hanya selisih 1%.
Berdasarkan Lampiran 3, terlihat bahwa akurasi kernel polynomial sangat
bergantung kepada nilai d (derajat kernel). Semakin kecil nilai d (yaitu 2),
semakin tinggi akurasi yang dihasilkan. Jika dilihat dari sisi waktu pemodelan,
semakin besar nilai d yang digunakan, semakin cepat pemodelannya, namun
semakin kecil akurasi yang diperoleh. Adapun polynomial dengan derajat d=2
disebut juga sebagai kernel quadratic.
Kernel RBF
Berdasarkan Lampiran 4, terlihat bahwa akurasi tidak terlalu dipengaruhi
parameter C pada nilai C = 21 sampai dengan C = 24 memiliki akurasi antara
92.44% sampai dengan 97.20%. Namun pada nilai C = 25 untuk semua koefisien
(13, 20, dan 26) akurasinya turun drastis hingga 76.46% pada koefisien 26.
Akurasi tertinggi diperoleh dengan menggunakan nilai C sekecil mungkin, dalam
penelitian ini C = 21.
Berdasarkan Lampiran 5 jika dilihat dari parameter σ akurasinya relatif
stabil (baik dari koefisien 13, 20, dan 26) berkisar antara 93.04% sampai dengan
98.41%. Akurasi tertinggi diperoleh dengan menggunakan koefisien 20 (yaitu
98.41%), dan akurasi terendah diperoleh dengan menggunakan koefisien 26 (yaitu
93.04%).

Perbandingan SVM dan PNN
Perbandingan SVM dan PNN ini dilakukan dengan cara membandingkan
hasil rata-rata akurasi berdasarkan koefisien dan data latih menggunakan data
hasil ekstraksi ciri yang sama.
Hasil rata-rata akurasi menggunakan SVM dari keenam kelas yang diujikan
jika dilihat dari kelas dan koefisien dapat dilihat pada Tabel 11.

16

Tabel 11 Perbandingan rata-rata akurasi berdasarkan usia dan jenis kelamin
menggunakan SVM dengan kernel RBF
Kelas
AL (Anak laki-laki)
AP (Anak Perempuan)
RL (Remaja laki-laki)
RP (Remaja perempuan)
TL (Tua laki-laki)
TP (Tua Perempuan)
Rata-rata (%)

Koefisien 13
(%)
97.53
99.00

Koefisien 20
(%)
98.48
98.35

Koefisien 26
(%)
98.20
99.33

Rata-rata
(%)
98.07
98.89

97.53
94.93
99.27
100.00
98.04

96.83
95.11
99.21
99.08
97.84

98.13
95.00
99.27
98.87
98.13

97.50
95.01
99.25
99.32
98.01

Hasil rata-rata akurasi menggunakan PNN dari keenam kelas yang diujikan
jika dilihat dari kelas dan koefisien dapat dilihat pada Tabel 12.
Tabel 12 Perbandingan rata-rata akurasi berdasarkan usia dan jenis kelamin
menggunakan PNN (Fransiswa 2010)
Koefisien 13
(%)
91.41
98.06
77.33

Koefisien 20
(%)
99.85
90.00
99.55

Koefisien 26
(%)
98.81
91.48
98.74

Rata-rata
(%)
96.69
93.18
91.87

RP (Remaja perempuan)
TL (Tua laki-laki)
TP (Tua Perempuan)

86.22
97.63
89.63

96.22
79.74
95.32

95.33
64.04
94.36

92.59
80.47
93.10

Rata-rata (%)

90.05

93.45

90.46

91.32

Kelas
AL (Anak laki-laki)
AP (Anak Perempuan)
RL (Remaja laki-laki)

Berdasarkan Tabel 11 jika dilihat dari sisi koefisien, rata-rata akurasi yang
diperoleh menggunakan koefisien 13, 20, dan 26 sangat stabil dan sangat tinggi.
Rata-rata akurasi tertinggi diperoleh dengan menggunakan koefisien 26 yaitu
98,13%. Adapun jika dilihat dari sisi usia dan jenis kelamin, data dengan akurasi
tertinggi berasal dari kelas TP (tua perempuan) yaitu sebesar 99.32%. Hasil ratarata akurasi berdasarkan usia dan jenis kelamin menggunakan PNN disajikan pada
Tabel 12.
Berdasarkan Tabel 12 di atas, penggunaan koefisien 20 pada pengenalan
pola menggunakan PNN menghasilkan akurasi rata-rata yang paling tinggi
dibandingkan dengan penggunaan koefisien 13 dan koefisien 26. Hal ini
menunjukkan banyaknya jumlah koefisien belum tentu mempengaruhi akurasi.
Jika dilihat dari penggolongan kelas, berbeda dengan pengenalan pola
menggunakan SVM, kelas anak laki-laki menghasilkan akurasi yang lebih tinggi
dan stabil mulai dari penggunaan koefisien 13, 20, dan 26 dengan rata-rata akurasi
96.69%. Perbandingan SVM dan PNN jika dilihat berdasarkan grafik disajikan
pada Gambar 9 dan Gambar 10.

17

100
AL (Anak Laki)

akurasi (%)

80

AP (Anak Perempuan)

60

RL (Remaja Laki)

40

RP (Remaja Perempuan)

20

TL (Tua Laki)

TP (Tua Perempuan)

0
koefisien 13 (%)

koefisien 20 (%)

koefisien 26 (%)

Gambar 9 Perbandingan rata-rata akurasi berdasarkan jenis kelamin dan
koefisien menggunakan SVM dengan kernel RBF
100
AL (Anak laki-laki)

80

akurasi (%)

AP (Anak Perempuan)

60

RL (Remaja laki-laki)

40

RP (Remaja perempuan)
TL (Tua laki-laki)

20
TP (Tua Perempuan)

0
koefisien 13 (%)

koefisien 20 (%)

koefisien 26 (%)

Gambar 10 Perbandingan rata-rata akurasi berdasarkan jenis kelamin dan
koefisien menggunakan PNN (Fransiswa 2010)

Implementasi
Tahapan-tahapan implementasi terdiri atas beberapa tahap, dimulai dari
pemilihan model terbaik berdasarkan subset fold (Lampiran 1), pemilihan data
latih, dan pemilihan koefisien yang digunakan.
Berdasarkan Lampiran 8, model dengan akurasi tertinggi diperoleh pada
kernel RBF dengan koefisien 26 subset 2 sebesar 98.67% disajikan pada Tabel 13.
Tabel 13 Akurasi tertinggi kernel RBF (koefisien 26 dengan subset 2)
Data Data
latih
uji
75%
25%
50%
50%
25%
75%
Rata-rata (%)

AL
(%)
100.00
100.00
100.00
100.00

AP
(%)
100.00
100.00
100.00
100.00

RL
(%)
100.00
96.00
98.66
98.22

RP
(%)
96.00
100.00
85.33
93.77

TL
(%)
100.00
100.00
100.00
100.00

TP
(%)
100.00
100.00
100.00
100.00

Rata-rata
(%)
99.33
99.33
97.33
98.67

Berdasarkan Tabel 14 disarankan menggunakan koefisien 26 dengan data
latih 75% karena menghasilkan akurasi yang paling tinggi.

18

Antarmuka Aplikasi
Aplikasi yang dikembangkan memiliki tiga menu, di antaranya:
1

Menu Pengaturan
Menu ini pengguna dihadapkan kepada pilihan option box yaitu pemilihan
koefisien (13, 20, 26) dan jumlah data latih (25%, 50%, 75%).

2

Menu Identifikasi Berdasarkan Suara yang Sudah Ada
Menu ini memiliki fitur identifikasi berdasarkan suara yang sudah ada pada
sistem. Tombol “Cari” untuk mencari lokasi file, tombol “Dengarkan” untuk
mendengar suara yang sudah dipilih, dan tombol “Identifikasi” untuk
melakukan identifikasi terhadap suara yang telah dipilih.

3

Menu Identifikasi Berdasarkan Suara Rekam
Menu ini memiliki fitur identifikasi berdasarkan suara luar/suara
direkam secara langsung menggunakan microphone. Tombol rekam
merekam suara dengan durasi maksimal 2 detik, tombol dengarkan
mendengarkan suara yang telah direkam, dan tombol indentifikasi
mengidentifikasi suara yang telah direkam.
Antarmuka aplikasi disajikan pada Gambar 11.

Gambar 11 Antarmuka aplikasi

yang
untuk
untuk
untuk

19

SIMPULAN DAN SARAN
Simpulan
Berdasarkan penelititan yang sudah dilakukan, dapat ditarik kesimpulan
sebagai berikut:
1 MFCC dapat diterapkan sebagai salah satu teknik ekstraksi ciri suara. MFCC
menghasilkan representasi vektor ciri tanpa mengurangi karakteristik suara.
2 SVM dapat diterapkan sebagai pengenalan suara berdasarkan kisaran usia
dan jenis kelamin. SVM menghasilkan akurasi yang bervariasi sesuai dengan
parameter-parameter yang digunakan, seperti jumlah data latih, jumlah
koefisien, dan kernel yang digunakan.
3 Pengujian kernel-kernel menghasilkan tingkat akurasi yang berbeda-beda.
Pemodelan tercepat diperoleh menggunakan kernel RBF yaitu 662 detik
dengan rata-rata akurasi tertinggi yaitu 98.24%.
4 Hasil rata-rata akurasi yang diperoleh dari penelitian Fransiswa (2010) yaitu
91.32%, sedangkan pengenalan pola menggunakan SVM dengan kernel RBF
menghasilkan rata-rata akurasi 98.24%. Akurasi kernel RBF lebih tinggi
6.92%.

Saran
Penelitian ini memungkinkan untuk dikembangkan menjadi yang lebih baik
lagi. Beberapa saran untuk penelitian selanjutnya adalah:
1 Menambahkan data pembicara pada setiap kelompok, sehingga sesuai dengan
standar jumlah data statistik, yang berjumlah 30 orang pada setiap
kelompoknya (Mattjik 2006).
2 Menguji kernel RBF dengan menggunakan noise cancelling (sinyal suara
ditambahkan noise). Tujuannya adalah ingin mengetahui apakah kernel RBF
selain cepat dalam pemodelan, juga tahan terhadap noise.

DAFTAR PUSTAKA
Buono A, Jatmiko W, Kusumo P. 2009. Perluasan metode MFCC 1D ke 2D
sebagai esktraksi ciri pada sistem identifikasi pembicara menggunakan
hidden markov model (HMM). Jurnal Makara Sains 13(1):87-93.
Cortes C, Vapnik V. 1995. Support vector networks [Internet]. [diunduh 2013
Mar
22].
Tersedia
pada
http://www.springerlink.com/index/
K238JX04HM87J80G.pdf
Do MN. 1994. DSP mini-project: an automatic speaker recoginiton system.
Fransiswa R. 2010. Pengembangan PNN pada pengenalan kisaran usia dan jenis
kelamin berbasis suara [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Ganapathiraju A. 2002. Application of support vector machine to speech
recognition. [disertasi]. Mississippi (US): Mississippi State University.

20

Hsu C, Lin C. 2002. A comparison of methods for multiclass support vector
machines. IEEE Transaction on Neural Networks. 13(2):415-425.
[IDAI] Ikatan Dokter Anak Indonesia. 2009. Overview adolescent health
problems and services [Internet]. [diunduh 2010 Januari 26]. Tersedia pada:
http://www.idai.or.id/remaja/artike.asp?q= 200994155149.
Kohavi R. 1995. A study of cross validation and bootstrap for accuracy estimation
and modem selection. Di dalam: Proceedings of the 14th International Joint
Conference on Artificial Intelligence. Quebec, Kanada. hlm 1137-1193.
Mattjik AA. 2006. Perancangan Percobaan dengan Aplikasi SAS dan Minitab.
Bogor (ID): Institut Pertanian Bogor.
Orfanidis SJ. 2010. Introduction to Signal Processing. New Jersey (US): Rutgers
Univ.
Pelton GE. 1993. Voice Processing. Singapura (SG): McGraw Hill.
Suhartono MN. 2007. Pengembangan model identifikasi pembicara dengan
probabilistic neural network [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Wang S, Mathew A, Chen Y, Ci L, Ma L, Lee J. 2009. Empirical analysis of
support vector machine ensemble classifiers. Expert System with
Applications. 36:6466-6476.

21

Lampiran 1 Akurasi pengenalan pola suara menggunakan kernel linear dilihat
dari pengaruh parameter C
Kernel

Cepstral

Parameter

Waktu pemodelan
(detik)

Akurasi
(%)

250
265
264
275
251

90.10
90.30
89.61
89.07
88.70

Total: 1305

Rata-Rata: 89.55

320
357
346
363
331

92.24
91.35
90.87
90.15
89.00

Total: 1717

Rata-Rata: 90.72

625
380
416
387
393

92.81
92.00
91.46
90.83
90.44

Total: 2201
Total: 5223

Rata-Rata: 91.50
Rata-Rata: 90.60

C

13

21
22
23
24
25
1

Linear

20

2
22
23
24
25
1

26

2
22
23
24
25

Lampiran 2 Akurasi pengenalan pola suara menggunakan kernel polynomial
dilihat dari pengaruh parameter C
Kernel

Cepstral

13

Polynomial

20

26

Parameter
C

d

1

2
22
23

21
21
21

1

2
22
23

1

2
21
21

2

1

2
23
24

2
21
21

Waktu pemodelan
(detik)

Akurasi
(%)

404
439
474

95.98
95.98
95.93

Total: 1317
427
447
466

Rata-Rata: 95.96
96.37
96.37
96.37

Total: 1340
404
439
474

Rata-Rata: 96.37
96.19
96.19
96.19

Total: 1317
Total: 3974

Rata-Rata: 96.19
Rata-Rata: 96.17

22

Lampiran 3

Kernel

Akurasi pengenalan pola suara menggunakan kernel polynomial
dilihat dari pengaruh parameter d
Cepstral

C
21
21
21
21

d
2
3
4
5

20

21
21
21
21

2
3
4
5

26

21
21
21
21

2
3
4
5

13

Polynomial

Parameter

Waktu pemodelan
(detik)

Akurasi
(%)

377
405
369
356
Total: 1507
415
373
369
352
Total: 1509
417
377
342
333
Total: 1469
Total:4485

96.06
95.15
94.33
92.94
Rata-Rata: 94.62
96.41
95.80
94.50
92.74
Rata-Rata: 94.87
96.20
95.39
93.24
80.54
Rata-Rata: 91.34
Rata-Rata: 93.61

Lampiran 4 Akurasi pengenalan pola suara menggunakan kernel RBF dilihat dari
pengaruh parameter C
Kernel

RBF

Cepstral

Parameter
C

σ

2

13

2
23
24
25

21
21
21
21

20

22
23
24
25

21
21
21
21

26

22
23
24
25

21
21
21
21

Waktu pemodelan
(detik)
237
239
312
331
Total: 1119
227
285
285
280
Total: 1077
187
231
288
244
Total: 950
Total: 3146

Akurasi
(%)
97.20
96.83
96.56
80.02
Rata-Rata: 92.65
95.74
95.67
95.52
79.31
Rata-Rata: 91.56
92.85
92.69
92.44
76.46
Rata-Rata: 88.61
Rata-Rata: 90.94

23

Lampiran 5 Akurasi pengenalan pola suara menggunakan kernel RBF dilihat dari
pengaruh parameter σ
Kernel

Cepstral

C
21
21
21
21
21

σ
21
22
23
24
25

20

21
21
21
21
21

21
22
23
24
25

26

21
21
21
21
21

21
22
23
24
25

13

RBF

Parameter

Waktu pemodelan
(detik)

Akurasi
(%)

204
206
187
129
32
Total: 758
172
239
238
163
39
Total: 851
112
231
242
184
58
Total: 827
Total: 2436

97.26
98.09
97.22
97.17
96.55
Rata-Rata: 97.26
95.87
98.41
98.11
97.56
96.18
Rata-Rata: 97.23
93.04
98.22
98.26
97.83
96.74
Rata-Rata: 96.82
Rata-Rata: 97.10

24

Lampiran 6 Akurasi kernel linear dengan C = 2 berdasarkan subset (S) yang digunakan
Data latih

Data uji

75%
50%
25%

Koefisien 13

25%
50%

S1
94.00
88.00

S2
96.67
94.00

S3
86.67

S4
92.00

75%

89.78

90.00


85.33


92.44

90.59

93.56

86.00

92.22

RataRata

Koefisien 20

92.33
91.00

S1
97.33
90.00

S2
94.00
96.00

S3
90.00

S4
92.00

89.39

89.56

91.11


88.44


92.44

90.91

92.30

93.70

89.22

92.22

RataRata

Koefisien 26

93.33
93.00

S1
96.67
90.00

S2
96.00
96.00

S3
90.00

S4
94.00

90.39

90.00

91.11


91.11


92.89

92.24

92.22

94.37

90.56

93.44

RataRata
94.17
93.00
91.28
92.81

Lampiran 7 Akurasi kernel polynomial dengan C = 2 dan d = 2 berdasarkan subset (S) yang digunakan
Data latih

Data uji

75%
50%
25%

25%
50%
75%

Koefisien 13
S1
98.00
98.00
91.11

S2
96.67
97.67
95.56

S3
98.00

S4
97.33


90.89

95.70

96.63

94.44

RataRata

Koefisien 20
S2
98.00
96.67
96.44

S3
96.67

S4
96.00


93.78

97.50
97.83
92.83

S1
96.67
97.33
94.22


95.11

95.56

96.06

96.07

97.04

95.89

RataRata

Koefisien 26

RataRata

S2
98.00
96.67
95.11

S3
98.00

S4
96.67


95.78

96.83
97.00
95.39

S1
96.67
97.00
93.56


94.44


94.67

97.33
96.83
94.44

95.89

96.41

95.74

96.59

96.22

95.67

96.20

Lampiran 8 Akurasi kernel RBF dengan C = 2 dan σ = 4 berdasarkan subset (S) yang digunakan
Data latih

Data uji

75%
50%
25%

Koefisien 13

25%

S1
99.33

S2
98.67

S3
98.00

S4
97.33

50%
75%

97.67
97.11

99.00
96.44


97.78

98.04

98.04

97.89

RataRata

Koefisien 20

98.33

S1
98.67

S2
99.33

S3
99.33

S4
98.67


99.11

98.33
97.61

98.33
97.11

99.00
97.33


97.56

98.22

98.09

98.04

98.56

98.44

RataRata

Koefisien 26

RataRata

99.00

S1
100,00

S2
99.33

S3
98.67

S4
97.33

98.83


98.22

98.67
97.56

98.00
97.33

99.33
97.33


96.67


97.33

98.67
97.17

98.44

98.41

98.44

98.67

97.67

97.33

98.22

25

25

RIWAYAT HIDUP
Penulis dilahirkan di Bogor, Jawa Barat, pada tanggal 19 Juli 1989. Penulis
merupakan anak pertama dari pasangan Sudirah dan