ANALISA CIRI GENDER BERDASARKAN TIME DOMAIN AUDIO FEATURE
Abstract
Sistem pengenalan pola merupakan komponen penting dalam proses peniruan kemampuan inderawi manusia terutama penglihatan dan pendengaran. dalam meniru indera pendengaran manusia, komputer harus mempunyai suatu mekanisme standar dan logis dalam mengenali pola yang ada pada suara yang sedang diproses.konsep sederhana untuk mengenali pola dari suara sehingga dapat diidentifikasi dengan baik oleh computer [1]. Zero Crossing Rate merupakan Sempel berurutan pada sebuah signal digital memiliki perbedaan tanda, ukuran dari noise sebuah sinyal pada fitur domain. Sort Time Enegy merupakan Enegy menandakan kekerasan suara pada waktu yang pendek. Entropy merupakan Entropi adalah pemerosesan sinyal digital untuk mengkarakterisasi spectrum audio. Rerata wanita ZCR : 7366.4, STE: 0.0322, Entropy: 8.6222. Rerata pria ZSC: 6012.2, STE: 0.025, Entropy: 8.2924. Pada hasil rata-rata, nilai ciri suara ZCR tertinggi adalah 8615, dan ciri suara ZCR Terendah adalah 4266. nilai ciri suara STE tertinggi adalah 0.064, dan ciri suara STE Terendah adalah 0.013. nilai ciri suara Entropy tertinggi adalah 9.906, dan ciri suara Entropy Terendah adalah 8.135.
References
[2] S. Bagas Bhaskoro and A. Riedho, “Aplikasi Pengenalan Gender Menggunakan Suara,” Semin. Nas. Apl. Teknol. Inf., vol. 2012, no. Snati, pp. 15–16, 2012.
[3] A. Setiawan and P. K. Handayani, “Klastering Suara Berdasatkan Gender dengan Ekstraksi Ciri Berbasis Domain Waktu,” Semin. Nas. Teknol. Inf. dan Komun. Terap. 2012, vol. 2012, no. Semantik, pp. 364–370, 2012.
[4] H. Heriyanto and O. S. Simanjuntak, “Identifikasi Ucapan Warna Menggunakan LPC (Linier Predictive Code ) Dan Kelompok Pemilihan Bobot,” Telematika, vol. 14, no. 01, pp. 68–73, 2017, doi: 10.31315/telematika.v14i01.1968.
[5] P. Pakan and R. Y. Dillak, “Klasifikasi Musik Menggunakan Polynomial Neural Network,” J. Ilm. Flash, vol. 3, no. 2, p. 94, 2017, doi: 10.32511/jiflash.v3i2.144.
[6] C. Altın, “Comparison of Different Time and Frequency Domain Feature Extraction Methods on Elbow Gesture ’ s EMG”.
[7] E. S. N. Aisyah, A. W. Hayat, P. Widanti, S. Y. Prasetya, and H. Iskandar, “Analisis Kemiripan Pola Citra Digital Menggunakan Metode Euclidean,” Semin. Nas. Teknol. Inf. dan Multimed., pp. 6–8, 2015.
[8] R. Dimasatria, A. Virgono, and R. R. M. R. Rumani M., “Desain Dan Implementasi Automatic Video Captioning Dengan Speech Recognition Menggunakan Hidden Markov Model,” TEKTRIKA - J. Penelit. dan Pengemb. Telekomun. Kendali, Komputer, Elektr. dan Elektron., vol. 1, no. 1, pp. 54–60, 2016, doi: 10.25124/tektrika.v1i1.247.
[9] T. G. A. PIKRAKIS, Introduction to A MATLAB Approach AUDIO ANALYSIS :, 1st ed. The Boulevard, Langford Lane, Kidlington, Oxford OX5 1GB, UK 225 Wyman Street, Waltham, MA 02451, USA 525 B Street, Suite 1800, San Diego, CA 92101-4495, USA First: Elsevier, 2014.
[10] G. Sharma, K. Umapathy, and S. Krishnan, “Trends in audio signal feature extraction methods,” Appl. Acoust., vol. 158, p. 107020, 2020, doi: 10.1016/j.apacoust.2019.107020.
[11] S. Kumar and J. Yadav, “Gender Classification for Emotional Speech using GMFCC and Deep LSTM,” no. February, 2020, doi: 10.35940/ijitee.A6109.129219.
[12] M. Jalil, F. A. Butt, and A. Malik, “Short-time energy, magnitude, zero crossing rate and autocorrelation measurement for discriminating voiced and unvoiced segments of speech signals,” 2013 Int. Conf. Technol. Adv. Electr. Electron. Comput. Eng. TAEECE 2013, vol. 2, no. 2, pp. 208–212, 2013, doi: 10.1109/TAEECE.2013.6557272.
[13] R. C. Guido, “Knowle dge-Base d Systems ZCR-aided neurocomputing : A study with applications,” vol. 105, pp. 248–269, 2016, doi: 10.1016/j.knosys.2016.05.011.
[14] A. Setiawan, “Analisis Klasifikasi Suara Berdasarkan Gender Dengan Format Wav Menggunakan Algoritma K-Means,” Sains dan Teknol., vol. 2, no. 2, pp. 1–8, 2012.
[15] J. Chen, B. Xu, and X. Zhang, “A Vibration Feature Extraction Method Based on Time-Domain Dimensional Parameters and Mahalanobis Distance,” vol. 2021, 2021.
[16] S. Anraeni, Herman, and A. Arisandi, “Ekstraksi Fitur Citra Iris Mata Menggunakan Pencirian Matriks Ko-Okurensi Aras Keabuan untuk Klasifikasi Kondisi Kesehatan Ginjal Iris Image Feature Exctraction Using Grey Level Co-Occurance Matrices for Kidney Health Classification,” Pros. Semin. Nas. Komun. dan Inform., vol. 2, no. July, pp. 43–48, 2016.
[17] “A MATLAB Approach AUDIO ANALYSIS :”, doi: 10.1016/B978-0-08-099388-1.00010-8.
[18] E. Tarr, Hack Audio: An Introduction to Computer Programming and Digital Signal Processing in MATLAB. 2018. doi: 10.4324/9781351018463.
Copyright (c) 2023 hari purwadi purwadi, Didi Susilo Budi Utomo, Agusma Wijiansyah, Tatik Yuliana
This work is licensed under a Creative Commons Attribution 4.0 International License.
