Detail Cantuman Kembali
IMPLEMENTASI MFCC & CNN PADA GENDER VOICE RECOGNITION
- Bagikan:
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
134 NUG I R.1
NONE
Text Skripsi
Indonesia
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2024
Yogyakarta
LOADING LIST...
LOADING LIST...