Klasifikasi Jenis Kelamin Berdasarkan Suara Menggunakan Metode Learning Vector Quantization
| Main Author: | Shafhah, Allysa Apsarini |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/183610/ |
Daftar Isi:
- Suara yang dimiliki oleh manusia tidaklah sama. Umumnya, ukuran saluran vokal laki-laki lebih besar dibandingkan perempuan sehingga suara yang dihasilkan pun cenderung lebih rendah. Kasus saat ini adalah virtual assistant maupun voicebased chatbot yang ada masih belum mampu membedakan jenis kelamin pada suara manusia padahal jika hal tersebut dapat dilakukan maka dapat dimanfaatkan untuk mengetahui kebiasaan yang sering dibicarakan oleh jenis kelamin tertentu. Penelitian ini menggunakan metode Learning Vector Quantization (LVQ) versi 1 dengan dua kelas klasifikasi yaitu laki-laki dan perempuan. Ciri suara yang digunakan sebagai fitur dalam penelitian ini adalah energy, zero crossing rate, entropy of energy, spectral centroid, spectral spread, spectral entropy, spectral flux, dan spectral rolloff. Hasil pengujian menunjukkan bahwa akurasi terbaik sebesar 75,5% didapatkan ketika menggunakan nilai maksimum epoch sebesar 10, nilai learning rate sebesar 0,1, serta similarity measurement berupa Normalized Cross Correlation. Penggunaan rumus Normalized Cross Correlation untuk menghitung kemiripan antara dua data pada LVQ menghasilkan akurasi yang lebih tinggi yaitu sebesar 75,5% apabila dibandingkan dengan Euclidean distance dan Manhattan distance dimana keduanya hanya menghasilkan akurasi sebesar 74,4%. Selain itu, pengujian K-fold Cross Validation dengan nilai K sebanyak 5 fold menghasilkan akurasi tertinggi ketika menggunakan fold keempat sebesar 75,6%. Kemudian dilakukan pula pengujian dengan Recursive Feature Elimination untuk mengetahui pengaruh dari fitur yang digunakan terhadap akurasi yang mendapatkan hasil berupa fitur terbaik adalah spectral entropy sedangkan fitur yang kurang baik adalah zero crossing rate, spectral rolloff, dan spectral centroid.