PERBANDINGAN METODE EKSTRASI CIRI SUARA MFFCC, ZCPA, DAN LPC Oleh :

Transkripsi

1 PERBANDINGAN METODE EKSTRASI CIRI SUARA MFFCC, ZCPA, DAN LPC Oleh : Eko Riyanto 1), Sutejo 2) Teknik Informatika STMIK HIMSYA 1)2) ekoriyanto89@gmail.com, tejo_keina@yahoo.com Abstrak Ekstraksi suara manusia merupakan salah satu ciri khusus yang dapat digunakan untuk biometrik. Adapun masalah-masalah yang muncul pada saat pengenala suara dalah ketidak akuratan dalam pengenalan, sehingga perlu dikaji lagi metode apa yang mempunyai keakuratan yang tinggi dan waktu yang yang singkat. Teradapat tida metode yang dapat digunakan untuk ekstraksi ciri suara manusia yaitu MFCC, PS-ZCPA dan LPC. Ketiga teknik ekstraksi suara tersebut dibandingan dengan beberapa sifat dasar dari ekstraksi ciri tersebut. Hasil yang didapatkan adalah ekstraksi ciri MFCC mempunyai tingkat keakuratan dan waktu ekstraksi ciri yang tercepat diantara ekstraksi ciri PS-ZCPA dan LPC. Kata kunci : perbandingan, PS-ZCPA, MFFCC, LPC, I. PENDAHULUAN Suara merupakan salah satu identitas manusia (biometrik) selain identitas wajah, sidik jari, DNA, dan iris. Setiap manusia mempunyai karakteristik suara yang berbedaneda dikarena resonansi dalam tenggorakan juga berbeda.teknologi yang sudah dikembangkan adalah ASR (Automatic Speech Recoginition) sehingga komputer dapat mengenali suara manusia. Identifikasi suara tersebut dapat dimanfaatkan dalam berbagai hal seperti keamanan dan identifikasi. Ada tiga ekstraksi suara yaitu MFCC (Mel-Scale Cepstral Coefficients Component), ZCPA (Zero Crossings with Peak Amplitudes), dan LPC (Linear Predictive Coding). Proses ekstraksi fitur dianggap paling penting dalam sistem pengenalan suara yang mempunyai tujuan menangkap fitur untuk membedakan suara yang stau dengan suara yang lain. Ada beberapa kendala mungkin dihadapi dalam proses ekstraksi fitur. Kendala tersebut muncul dari variabilitas suara seperti kondisi seseorang sakit, emosi, dialog asing dan lingkungan. Lingkungan melatarbelakangi kebisingan, gema, mikrofon dan saluran tranmisi.[2] II. LANDASAN TEORI Proses terjadinya suara pada manusia adalah operasi penyaringan akustik dimana laring dan paru-paru memberika masukan atau sumber perangsangan dan saluran hidung bertindak sebagai filter hal tersebut menjadi petunjuk untuk mengidentifikasi dua fitur utama dari suara manusia. Fitur utama dari manusia adalah pola dan nada dari seseorang berasal dari oita vokal dan pada tingkat dimana lapisan vokal bergetar adalah frekuensi nada. Ketika udara mengalir melalui saluran laring, udara bergetar pada nada frekuensi yang dibentuk oleh saluran laring. Kemudian udara mengalir melalui saluran supralaring yang mulai bergaung di frekuensi tertentu ditentukan oleh diamter dan panjang rongga di saluran supralaring yang disebur dengan resonansi[1]

2 Gambar 1. Sistem Pendengaran Manusia Kemampuan sistem pedengararan manusia untuk menangkap dalam kondisi yang sulit menjadi tantangan bagi para peneliti untuk memasukan sifat-sifat suara manusia pengolahan ucapan yang meberikan kontribusi yang siginifikan terhadap kemampuan ASR diberbagai jenis kebisingan lingkungan. Dua sifat penting dari manusia adalah resolusi frekuensi nonlinier membran basilar (MB) dan perilaku tekananan sel-sel rambut bagian dalam untuk stimulus berbicara. Model pendengaran komputasi meniru perilaku psychoacpustic dari telinga bagian dalam ini berdasarkan fitur, mengubah peyaringan mekanis dan getaran menjadi saraf representasi. Model ini ketika digunakan sebagai forntend prosesor ASR pada fitur suara dari smulasi probalistik pola saraf pendengaran. Namun kinerja ASR dari model tersebut rusak ketika dalam kondisi bising. Hai tersebut juga diketahui bahwa sifat-sifat tertentu dari manusia bersifat tetap atau kurang dipengaruhi aditif dan kebisngan convolutive. Di sisi lain beberapa sifat persepsi terkait dengan hilangnya informasi seperti kasus masking dan adaptasi. [1] 2.1. Ekstraksi Ciri a. MFCC Ciri-ciri khusus yang akan diekstrak dari masukan sinyal suara pembicara yang nantinya akan dikenali. Ekstraksi merupakan representasi parametric terbaik dari sinyal akustik untuk menghasilkan kinerja pengenalan yang lebih baik. Mel Frequency cepstral coefficients (MFCC) adalh salah satu ekstraksi fitur yang paling berhasil dalam pengenalan Preprocessed Speech Preemphasis Frame Blocking Hamming Windowing MFCC Feature DCT ( Discrete Cosine Transform) Logarithmic Compression Gambar 2. Blok MFCC Mel Scale Filter suara, dan koefisien yang diperoleh melalui filter bank analysis. Langkah-langkah yang dilakukan dalam ekstraksi adalah pre-emphais, frame blocking, windowing, filter bank analysis, logarithmic compression dan discrete cosine transformation. Secara keseluruhan proses dapat dilihat pada Gambar 2.[3]

3 b. PS-ZCPA (pitch-synchronous zero-crossing peak-amplitude) Gambar 2 menunjukan diagram blok dari PS-ZCPA. Metode dengan pengurangan kebisingan dan prosedur penyesuaian kebisingan adaptif. Metode PS- ZCPA dibagi menjadi dua bagian a) Deteksi yang mencakup berusara dan deteksi tak bersuara / frame diam. b) ekstrasi fitur PS-ZCPA dengan metode puncak suara disingkronisasi untuk mengestrak fitur. Pada rst, sinyal suara dilewatkan melalui BPFs (passed through a bank of band-pass lters). Kemudian ciri dasar PS-ZCPA dihitung dengan langkah sebagai berikut :(1) Mendeteksi penyebaran nol dari setiap keluaran lter (sub-sinyal pita), (2) menghitung berturut-turut kebalikan dari positif interval zerocrossing panjang yang berkorespondensi ke frekuensi dominan, (3) mengumpulkan histogram kebalikan panjang zero-crossing atas semua sinyal sub-band, (4) meningkat jumlah bin histogram dengan logaritma dari puncak terdeteksi sesuai jarak zero-crossing, interpolaso linier antara sebelumnya dan dilakukan sample positif zero-crossing. Dalam metode PS-PS-ZCPA, untuk frame puncak suara tertinggi (Ph) dalam jangka waktu diperoleh dengan deteksi ekstraksi. Puncak yang memiliki ketingguan diatas l% dari Ph dalam satu periode yaitu memberikan kontribusi dalam hitungan histogram bin. Puncak lainya (yang lebih kecil) dalam satu periode tidak ada kontribusi untuk tak berusara/ frame diam, karena tidak ada suara, semua memiliki kontribusi dalam hitungan histogrambin. L diplih dengan berhati-hati sehingga tida ada informasi penting yang hilang, serta kebisingan yang merusak puncak tidak dihitung. Sebuah histogram diperoleh dengan menjumlahkan seluruh saluran. Dala hal itu menunjukan bahwa penyesuaian ambang batas manual, l, diperlukan untuk hasil yang optimal dalam sinyal suara dengan SNRs berdeda-beda. [4] Gambar 3. Blok PS-ZCPA Untuk mengatasi masalah mengubah ambang batas untuk hasil yang optimal dalam kondisi kebisingan yang berbeda, prosedur domain waktu (adaptive threshold adjustment procedure) diintegrasikan ke dalam metode PS-ZCPA, di ATAP tingkat kebisingan diperiksa dalam setiap filter keluaran, dan ambang batas yang disesuaikan seperti pada langkah-langkah berikut : i. Menghitung nilai rata-rata Pavg, puncak di rst 160 ms (segmen diam) untuk setiap filter keluaran.. Langkah ini dilakukan di blok 'Noise intensity calculator' seperti terilihat pada gambar di atas ii. Untuk segmen bersuara, ambang batas diatur maksimal antara l% dari Ph, dan Pavg untuk masing-masing interval. Tinggi SNR, dimana suara tingkat rendah mempunyai ambang batas secara otomatis disesuaikan untuk l% dari Ph dalam setiap periode

4 iii. rendah dan dibawah SNR, dimana tingkat kebisingan tinggi, maka secara otomatis diatur ke Pavg. Langkah ini memastikan bahwa puncak dengan suara berat/rusak tidak dihitung ddab tidak ada informasi puncak penting akan hilang. Untuk tak bersuara/segmen diam, ambang batas xed ke Pavg. Puncak berada atas ambang batas yang disesuaikan dala hitungan bin histogram. c. LPC (Linear Predictive Coding) Ciri sinyal ucapan sangat berguna pada sistem pengenalan suara. Salah satu metode yang digunakan untuk proses ekstraksi ciri adalah LPC. Analisis prediksi linear adalah suatu cara yang digunakan untuk mendapatkan sebuah pendekatan sinyal suara. Peramalan linear secara khusus merupakan metode yang cocok dalam pengolahan sinyal suara. Metode ini dapat juga diterapkan dalam pengenalan kata. Tujuan dari digunakannya metode ini adalah untuk mencari nilai koefisien LPC dari suatu sinyal. Gambar 2 menunjukkan blok diagram analisis LPC.[5] Sinyal Ucapan Diskrit Pembagian Sinyal (frame blocking) Penjendelaan (windowing) Metode Autokorelasi Parameter Keluaran Prinsip dasar dari ekstraksi ciri sinyal dengan menggunakan LPC adalah bahwa contoh sinyal ucapan s(n) pada waktu ke-n dapat diperkirakan sebagai kombinasi linear p sampel sinyal ucapan sebelumnya yaitu : s(n) a 1 s(n 1) + a 2 s(n 2) + + a p s(n p) 2.2. PCA Principal Components Analysis (PCA) merupakan teknik statistik multivariate, dalam rangka eksplorasi untuk menyederhanakan data set yang kompleks (Basilevsky 1994, Everitt & Dunn 1992, Pearson 1901). Mengingat banyaknya pengamatan (sebesar p) pada n variabel, oleh karena itu tujuan PCA adalah untuk mengurangi dimensi dari matriks data dengan mencari variabel r baru, di mana r kurang dari n. Disebut komponen utama, variabel-variabel r baru yang terbentuk sebanyak varians dalam n variabel asli, tetap saling berkorelasi dan ortogonal. Setiap komponen utama adalah kombinasi linear dari variabel asli, dan sehingga dapat menangkap makna komponen yang mewakili-nya. Untuk menghitung komponen utama, nilai eigen dan vektor eigen dari n variabel yang berhubungan dihitung dari matriks kovarians dengan kondisi n x n. Setiap eigenvector mendefinisikan komponen utama. Sebuah komponen dapat dilihat sebagai jumlah tertimbang dari kondisi, dimana koefisien dari vektor eigen merupakan bobot. Proyeksi gen i sepanjang sumbu didefinisikan oleh komponen j th pokok: [2] n III. Metode Penelitian a ij = a it v j t=1 Metode yang digunakan untuk mencari ekstraksi ciri yang terbaik dengan menggunakan eksperimen dimana masing-masing teknik akan di ujicoba satu persatu

5 dari database suara, ekstraksi kata satu persatu, dan reduksi dimensi menggunakan PCA 3.1. Database suara Database digunakan untuk menyimpan suara yang sudah dilakukan dengan mengabil sample dari 20 mahasiswa UNDIP yang masing-masing mengucapkan namanya sendiri sebanyak 10 kali dan menghasilkan matrik (40x300) 3.2. Ekstraksi Ciri untuk Setiap Ucapan Suara nanti akan diekstraksi ciri dengan : a. MFCC b. PS-PS-ZCPA c. LPC 3.3. Reduksi Dengan PCA Sebagai percobaan untuk meingkatkan kinerja, dengan menggunakan PCA (Principle Component Analisys untuk mengurangi dimensi vektor ciri sementara tetap mempertahankan informasi sebanyak mungkin. Menghitung padat dan optimal dari kumpulan data. Tugasnya dapat segera dijelaskan sebagai pengahapusan redudansi antara dimensi berdasarkan korelasi, dimensi berkorelasi akan terhapus, dan meninggal kan korelasi utuh. Gambar 4. Reduksi PCA IV. Pembahasan 4.1. Perbedaan Teknik Ekstraksi Ciri pada Pengenalan Suara Dalam percobaan perbandingan teknik ekstraksi ciri akan menggunakan CHMM (Clasification Hidden Markov Model) sebagai klasifikasi yang memberikan hasil pada tabel 1. Tabel 1. Tingkat Pengenalan Teknik Ekstraksi Ciri Tingkat Pengenalan MFCC 85.3 PS-ZCPA 38.5 LPC 82.3

6 4.2. Pengenalan Suara Menggunakan PCA Untuk Reduksi Vektor Dengan Teknik Ekstraksi Yang Berbeda Setelah menggunakan PCA dengan parameter yang berbeda pada vektor ciri dapat dilihat bahwa teknik ekstraksi ciri mempengaruhi tingat pengenalan sebagai berikut Tabel 2. Parameter PCA Teknik Ekstraksi Parameter PCA MFCC 92,3 88,2 87,3 87,3 PS-ZCPA 94 92,31 92,31 90,1 LPC 90 87,3 87,3 86,2 Parameter PCA Parameter PCA MFCC ZCPA LPC MFCC ZCPA LPC 4.3. Jumlah Waktu Ekstraksi Ciri dengan Perbedaan Teknik Ekstrasi Ciri Tabel dibawah ini menggabarkan hasil bahwa ekstraksi PS-ZCPA membutuhkan waktu yang sangat lama dibandingan teknik lainnya. Tabel 3. Waktu Ekstraksi Ciri Ekstraksi Ciri Waktu Ekstrasi Ciri MFCC 0,092 LPC 0,152 PS-ZCPA 27, Jumlah Waktu Training dengan Ekstraksi Ciri yang Bebeda Tabel dibawah merupakan hasil dimana PS-ZCPA masih membutuhkan waktu yang sangat lama dibandikan teknik ekstraksi yang lainnya. Tabel 4. Waktu Training Ekstraksi Ciri Waktu Training MFCC 0,345 LPC 0,213 PS-ZCPA 1,811

7 4.5. Perhitungan Waktu PCA konversi dengan Ektraksi Ciri yang berbeda Tabel bawah ini menggabarkan hasil dimana PS-ZCPA menghabiskan waktu yang sangat lama dibandingkan teknik lain. Tabel 5. Waktu konversi PCA Ekstraksi Ciri Waktu konversi PCA MFCC 0,097 LPC 0,132 PS-ZCPA 0, Perhitungan Waktu Training menggunakan PCA dengan Ekstraksi Ciri Berbeda Tabel dibawah ini menggambarkan hasil dimana PS-ZCPA dan MFCC mempunyai waktu terpanjang Tabel 6. Waktu training setelah PCA Ekstraksi Ciri Waktu Training Setelah Menggunakan PCA MFCC 0,250 LPC 0,144 PS-ZCPA 0,315 Semua hasil sebelumnya mengatakan bahwa, ketika menggunakan CHMM sebagai klasifikasi, MFCC memberikan hasil yang baik dalam waktu yang terkecil dibandingkan dengan LPC dan PS-PS-ZCPA. Apabila menggunakan menggunakan PCA, hasilnya menjadi lebih baik dari sebelumnya dan saat tahap pengakuan langkah turun terutama untuk PS-PS-ZCPA, tetapi waktu ekstraksi cirinya lama. V. Kesimpulan Sistem pengenalan suara mencoba untuk mensimulasikan sistem pendengaran manusia untuk mendapatkan hasil yang optimal. Langkah paling penting dalam proses pengakuan untuk mengekstraksi ciri suara, jadi ada banyak teknik ekstraksi ciri yang digunakan. Bila menggunakan CHMM sebagai klasifikasi peneliti melihat bahwa MFCC memberikan hasil yang baik dalam waktu yang terkecil dibanding dengan LPC dan PS-PS-ZCPA. Oleh karen itu MFCC dapat mengikuti sistem pendengaran manusia, tetapi PS-PS-ZCPA mengambil waktu yang panjang daripada MFCC dan memberika hasil yang buruk, hal ini karena vektor ciri yang panjang dengan variabel yang berlebihan. PCA adalah teknik terkenal yang digunakan untuk reduksi data, digunakan dalam proses ini sebagai pecobaan untuk mendapat hasil yang lebih baik, bila digunakan hasil lebih dari sebelumnya dan saat langkah pengenalan yang turun untuk PS-PS-ZCPA, tetapi waktu ekstrkasi ciri masih lama dibandingan ketika menggunakan PS-PS-ZCPA VI. Saran Penelitian ini masih dalam keadan tenang atau tanpa kebisingan, untuk yang akan datang agar dapat dilakukan di tempat bising

8 DAFTAR PUSTAKA [1] Elminir, Hamdy,K, Esloud, M.Abu, dan El-Maged, 2012, Different Feature Extraction Techniques for Continuous Speech Recognition, IJST [2] Riyanto, Eko, 2013, Sistem Pengenalan Pengucap Manusia Dengan Ekstraksi Ciri Mfcc Dan Algoritma Jaringan Saraf Tiruan Perambatan Balik Sebagai Pengenalanya, JSIB. [3] Ittichichareon, Chadawab, Suksi, S., Tingthawornsuk, T., 2012, Speech Rcogintion Using MFCC, ICGSM [4] Ghulam, Muhammad, dkk, 2006, PS-ZCPA Based Feature Extraction With Auditory Masking, Modulation Enhacement and Noise Reduction for Rubust ASR, IECE TRANS, [5] Saksono, dkk, 2007, Aplikasi Pengenalan Ucapan sebagai Pengatur Mobil dengan Pengendali Jarak Jauh