= �� −
1 2
� −1
2-8
dimana n = 1,2,…. K
Komponen pertama, C , tidak termasuk DCT karena
merepresentasikan nilai rata-rata sinyal yang membawa sedikit informasi speaker yang spesifik. Dengan menerapkan prosedur yang telah
dijelaskan, untuk setiap frame sekitar 30 ms dengan overlap, koefisien- koefisien dari mel cepstrum dapat dihitung.
2.6 Metode Hidden Markov Models HMM
Hidden Markov Models merupakan sebuah pemodelan statistik dari sebuah sistem yang diasumsikan sebagai ‘Rantai Markov‘ dengan
parameter yang tidak diketahui, dan tantangannya adalah menemukan parameter yang tersembunyi hidden dari parameter yang diketahui
observer Przytycka, 2000. Parameter yang telah digunakan kemudian dapat digunakan untuk analisa yang lebih jauh, misalnya untuk Speaker
Recognition. HMM disebut statistik karena mencari means, varians, dan probabilitas dari model yang digunakan.
Dalam jurnal yang berjudul “ Hidden Markov Models For Speech Recognition
“ yang ditulis oleh B. H. Juang dan L. R. Rabiner disebutkan bahwa metode HMM sangat populer dikarenakan memiliki kerangka
statistik yang tidak dapat dipisahkan atau dapat dikatakan tepat secara
matematika. Hal ini karena kemudahan dan ketersediaan dari algoritma training yang dimiliki HMM untuk memperkirakan parameter dari sebuah
model dengan data yang terbatas. Dari Hidden Markov Models, suara dianggap sebagai sinyal yang
kemudian dimodelkan. Kemudian suara yang datang akan dibandingkan dengan seluruh model yang ada dan akan melihat tingkat kecocokan yang
paling mendekati. Hidden Markov Models didefinisikan sebagai kumpulan 5
parameter yaitu N, M, A, B, π. Dengan menganggap λ = { A, B, π } maka
Hidden Markov Models mempunyai parameter tertentu yaitu N dam M. Maka dari itu, ciri-ciri dari HMM adalah :
1. Observasi diketahui tetapi urutan keadaan state tidak diketahui
sehingga disebut hidden. 2.
Observasi adalah fungsi probabilitas keadaan 3.
Perpindahan keadaan adalah bentuk probabilitas Hidden Markov sendiri memiliki parameter distribusi sebagai berikut:
1. Probabilitas Transisi
A = { a
ij
} , a
ij
= P q
t+1
= S
j
| q
t
= S
i
, 1 ≤ i , j ≤ N
Dengan syarat a
ij
≥ 0 dan
= 1 dan a
ij
= 1
