Rough Sets K-Means Clustering Dan Backpropagation Pada Optimasi Kasus Pengenalan Suara

Pengenalan suara atau speaker recognition adalah suatu teknik mengenali suara berdasarkan sumbernya. Di dalam teknik tersebut ada suatu proses di mana suara diverifikasi berdasarkan identitas seseorang yang berbicara atau dalam bahasa asing disebut speaker verification. Pada penelitian ini akan diterapkan implementasi Rough Sets K-Means dan Backpropagation pada optimasi kasus pengenalan suara. Pada tahap ekstraksi fitur menggunakan MFCC sebagai ekstraksi ciri suara yang berguna bagi proses pengenalan suara. Rough Sets K-Means digunakan untuk mengoptimalkan hasil pada filter MFCC dan Backpropagation digunakan sebagai klasifikasi. Pada penelitian ini menggunakan data set voice yang berformat .wav didapatkan dari perekaman suara dari 5 pembicara. Berdasarkan pengujian K-Fold Cross Validation terhadap parameter yang digunakan didapatkan rata-rata akurasi yaitu sebesar 25% dan kata yang dipilih dapat digunakan dalam proses pengenalan.