Deborah Kurniawati, S.Kom., M.Cs Contributor Nugroho, Hardi Tri - 1954140093 Primary Author mixed material bibliography Yogyakarta UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI) 2024 monographic id Indonesia

Text Skripsi

Penelitian mengembangkan sistem Gender Voice Recognition menggunakan kombinasi Mel-Frequency Cepstral Coefficients (MFCC) untuk ekstraksi fitur dan Convolutional Neural Networks (CNN) untuk klasifikasi suara berdasarkan gender. MFCC dipilih karena kemampuannya dalam menangkap karakteristik penting dari sinyal suara, terutama frekuensi rendah yang lebih relevan dengan persepsi manusia. CNN digunakan untuk klasifikasi karena kemampuannya mengenali pola kompleks secara efektif. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan memiliki akurasi tinggi dengan nilai F1-score sebesar 0.97 untuk suara laki-laki dan 0.95 untuk suara perempuan. Selain itu, validasi menggunakan K-Fold Cross-Validation memperlihatkan akurasi tertinggi sebesar 94.74% pada fold ke-4, membuktikan bahwa model memiliki performa yang stabil dan mampu melakukan generalisasi dengan baik. Dengan demikian, kombinasi MFCC dan CNN terbukti efektif dalam membangun sistem pengenalan gender suara yang akurat. Kata kunci: MFCC, CNN, Gender, Voice recognition, K-Fold RECOGNITION GENDER VOICE MFCC & CNN Implementasi NONE Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia 134 NUG I R.1 NUG0134IN0124 Rak Referensi Skripsi Informatika 134 NUG I R.1 17534 2024-10-07 15:47:06 2024-10-07 15:48:17 machine generated