Sistem Pengenalan Tipe Vokal menggunakan Hamming Windowing pada Koefisien Frekuensi Mel
Kata Kunci:
Paduan Suara, MFCC, Tipe Vokal, Hamming Windowing, CNN, Raspberry PiAbstrak
Pada kelompok paduan suara, perlu dilakukan pengelompokkan vokalis berdasarkan tipe vokal seperti alto, bass, sopran, dan tenor untuk menghasilkan paduan suara yang idah. Selama ini kelompok paduan suara masih menggunakan bantuan piano untuk menentuka tipe vokal setiap vokalis, sehingga tidak praktis untuk digunakan dimana saja. Sebelumnya juga terdapat penelitian terdahulu untuk mengenali tipe vokal dengan menggunakan metode (KNN) namun masih belum memberikan akurasi yang optimal. Pada penelitian ini, alat untuk melakukan klasifikasi tipe vokal akan dikembangkan agar dapat dilakukan dimana saja dengan menggunakan Raspberry Pi 4 Model B. Raspberry Pi 4 Model B dipilih karena ukurannya yang kecil, memudahkan mobilitas, dan dapat dioperasikan dengan power bank sebagai sumber daya. Metode yang digunakan melibatkan ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC) dengan penerapan hamming windowing untuk memastikan akurasi tinggi. Setelah ekstraksi fitur, klasifikasi dilakukan menggunakan Convolutional Neural Network (CNN) berdasarkan dataset yang dimiliki. Metode klasifikasi ini menghasilkan model yang mencapai akurasi testing sebesar 93%. Dengan demikian, sistem ini efektif membantu kelompok paduan suara menentukan tipe vokal secara praktis dan efisien di berbagai lokasi. Keberhasilan implementasi teknologi Raspberry Pi 4 Model B sebagai platform sistem menunjukkan potensi untuk meningkatkan mobilitas dan aksesibilitas dalam proses identifikasi tipe vokal pada paduan suara.
Referensi
5inch RPi Display User Manual 【Product Description】. (n.d.).
Chamidy, T. (2016). Metode Mel Frequency Cepstral Coeffisients (MFCC) Pada klasifikasi Hidden Markov Model (HMM) Untuk Kata Arabic pada Penutur Indonesia. MATICS, 8(1), 36. https://doi.org/10.18860/mat.v8i1.3482
Damuri, A., Riyanto, U., Rusdianto, H., & Aminudin, M. (2021). Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako. JURIKOM (Jurnal Riset Komputer), 8(6), 219. https://doi.org/10.30865/jurikom.v8i6.3655
Fadhillah, R. F., & Sumiharto, R. (2023). Klasifikasi Suara Untuk Memonitori Hutan Berbasis Convolutional Neural Network. IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), 13(1). https://doi.org/10.22146/ijeis.79536
Firmansyah, M. R. U., Hidayat, R., & Bejo, A. (2021). Comparison of Windowing Function on Feature Extraction Using MFCC for Speaker Identification. 2021 International Conference on Intelligent Cybernetics Technology and Applications, ICICyTA 2021, 1–5. https://doi.org/10.1109/ICICyTA53712.2021.9689160
Gusedy, N. U., Sukmana, S. E., Yuli Ananta, A., Studi, P., Informatika, T., Informasi, J. T., & Malang, P. N. (n.d.). Seminar Informatika Aplikatif Polinema (SIAP)-2021 Media Pembelajaran Pengenalan Jenis Suara Manusia untuk Anggota Paduan Suara Berbasis K-Nearest Neighbour.
Hasbi Ashshiddieqy, M., & Rizal, A. (n.d.). Klasifikasi Suara Paru Dengan Convolutional Neural Network (CNN).
Pratama, K. B., Suyanto, S., & Rachmawati, E. (2021). Human Vocal Type Classification using MFCC and Convolutional Neural Network. International Conference on Communication and Information Technology, ICICT 2021, 43–48. https://doi.org/10.1109/ICICT52195.2021.9568474
Rahim, A., & Taufiq Luthfi, E. (n.d.). Rahim, Convolutional Neural Network untuk Kalasifikasi Penggunaan Masker CONVOLUTIONAL NEURAL NETWORK UNTUK KALASIFIKASI PENGGUNAAN MASKER.
Raspberry Pi 4 Model B Datasheet. (n.d.). https://www.raspberrypi.org
Ridwansyah, M. A., Rizal, A., & Hadiyoso, S. (n.d.). RANCANG BANGUN KUNCI BERBASIS SUARA PADA PINTU PINTAR DENGAN MENGGUNAKAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT (MFCC) DAN K-NEAREST NEIGHBOR (K-NN) DESIGN OF SMART DOOR KEY SYSTEM BASED ON VOICE RECOGNITION USING MEL FREQUENCY CEPSTRAL COEFFICIENT (MFCC) AND K-NEAREST NEIGHBOR (K-NN).
Setiawan, B. R., Aranta, A., & Irmawati, B. (n.d.). SPEECH TO TEXT BAHASA SASAK MENGGUNAKAN EXTRAKSI FITUR MEL-FREQUENCY CEPSTRAL COEFFICIENTS DAN KLASIFIKASI CONVOLUTIONAL NEURAL NETWORKS (Speech to Text Sasak Language Using Mel-Frequency Cepstral Coefficients Feature Extraction and Convolutional Neural Networks Classification). http://jtika.if.unram.ac.id/index.php/JTIKA/
Sidabutar, E., & Laksana, E. P. (2018). PENGKLASIFIKASIAN SUARA MENGGUNAKAN METODE FFT PADA SOFTWARE MATLAB UNTUK MENGETAHUI TIPE SUARA MANUSIA (Vol. 1, Issue 2).
Triandi, B., Mawengkang, H., & Efendi, S. (n.d.). Perbandingan Teknik Ekstra Ciri …33.
Widodo, T. W., Sigro Tjaroko, W., Ferlian, D., & Setyawan, A. (n.d.). Vocalista Harmonic Choir: Konsep dan Peran Show Choir Paduan Suara.
5inch RPi Display User Manual 【Product Description】. (n.d.).
Chamidy, T. (2016). Metode Mel Frequency Cepstral Coeffisients (MFCC) Pada klasifikasi Hidden Markov Model (HMM) Untuk Kata Arabic pada Penutur Indonesia. MATICS, 8(1), 36. https://doi.org/10.18860/mat.v8i1.3482
Damuri, A., Riyanto, U., Rusdianto, H., & Aminudin, M. (2021). Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako. JURIKOM (Jurnal Riset Komputer), 8(6), 219. https://doi.org/10.30865/jurikom.v8i6.3655
Fadhillah, R. F., & Sumiharto, R. (2023). Klasifikasi Suara Untuk Memonitori Hutan Berbasis Convolutional Neural Network. IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), 13(1). https://doi.org/10.22146/ijeis.79536
Firmansyah, M. R. U., Hidayat, R., & Bejo, A. (2021). Comparison of Windowing Function on Feature Extraction Using MFCC for Speaker Identification. 2021 International Conference on Intelligent Cybernetics Technology and Applications, ICICyTA 2021, 1–5. https://doi.org/10.1109/ICICyTA53712.2021.9689160
Gusedy, N. U., Sukmana, S. E., Yuli Ananta, A., Studi, P., Informatika, T., Informasi, J. T., & Malang, P. N. (n.d.). Seminar Informatika Aplikatif Polinema (SIAP)-2021 Media Pembelajaran Pengenalan Jenis Suara Manusia untuk Anggota Paduan Suara Berbasis K-Nearest Neighbour.
Hasbi Ashshiddieqy, M., & Rizal, A. (n.d.). Klasifikasi Suara Paru Dengan Convolutional Neural Network (CNN).
Pratama, K. B., Suyanto, S., & Rachmawati, E. (2021). Human Vocal Type Classification using MFCC and Convolutional Neural Network. International Conference on Communication and Information Technology, ICICT 2021, 43–48. https://doi.org/10.1109/ICICT52195.2021.9568474
Rahim, A., & Taufiq Luthfi, E. (n.d.). Rahim, Convolutional Neural Network untuk Kalasifikasi Penggunaan Masker CONVOLUTIONAL NEURAL NETWORK UNTUK KALASIFIKASI PENGGUNAAN MASKER.
Raspberry Pi 4 Model B Datasheet. (n.d.). https://www.raspberrypi.org
Ridwansyah, M. A., Rizal, A., & Hadiyoso, S. (n.d.). RANCANG BANGUN KUNCI BERBASIS SUARA PADA PINTU PINTAR DENGAN MENGGUNAKAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENT (MFCC) DAN K-NEAREST NEIGHBOR (K-NN) DESIGN OF SMART DOOR KEY SYSTEM BASED ON VOICE RECOGNITION USING MEL FREQUENCY CEPSTRAL COEFFICIENT (MFCC) AND K-NEAREST NEIGHBOR (K-NN).
Setiawan, B. R., Aranta, A., & Irmawati, B. (n.d.). SPEECH TO TEXT BAHASA SASAK MENGGUNAKAN EXTRAKSI FITUR MEL-FREQUENCY CEPSTRAL COEFFICIENTS DAN KLASIFIKASI CONVOLUTIONAL NEURAL NETWORKS (Speech to Text Sasak Language Using Mel-Frequency Cepstral Coefficients Feature Extraction and Convolutional Neural Networks Classification). http://jtika.if.unram.ac.id/index.php/JTIKA/
Sidabutar, E., & Laksana, E. P. (2018). PENGKLASIFIKASIAN SUARA MENGGUNAKAN METODE FFT PADA SOFTWARE MATLAB UNTUK MENGETAHUI TIPE SUARA MANUSIA (Vol. 1, Issue 2).
Triandi, B., Mawengkang, H., & Efendi, S. (n.d.). Perbandingan Teknik Ekstra Ciri …33.
Widodo, T. W., Sigro Tjaroko, W., Ferlian, D., & Setyawan, A. (n.d.). Vocalista Harmonic Choir: Konsep dan Peran Show Choir Paduan Suara.
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
