Perpustakaan Digital ITB

Tugas akhir ini menjelaskan tentang pengolahan sinyal suara untuk mengenali perbedaan karakteristik suara seseorang dengan yang lainnya. Ini merupakan bagian dari subsistem Teaching Assitant (TITAN) yang dikembangkan di ruang kelas. Fitur ini berguna untuk membatasi perintah yang diberikan antara murid dan guru. Pengambilan fitur menggunakan metode MFCC (Mel Frequency Cepstral Coefficients). Kemudian fitur tersebut dibandingkan dengan metode Vector Quantization (VQ). Pengambilan data suara dilakukan di ruangan anechoic chamber dan didapatkan total 93 responden dengan jumlah sampel 1080. Pengujian dilakukan untuk mendapatkan nilai akurasi sistem terhadap parameter yang digunakan serta pengaruh tingkat kebisingan terhadap akurasi dan waktu eksekusi untuk mengetahui identitas pengguna. Hasil yang didapatkan, akurasi paling baik adalah 71%, ambang batas 60dB, dan waktu eksekusi kurang dari dua detik. Setelahnya seluruh informasi yang didapat dari sinyal suara dimasukkan ke suatu database untuk diolah dan ditampilkan pada halaman web.