Pengenalan Suara Manusia Menggunakan Support Vector Classifier(SVC) Untuk Proses Otentikasi

Article Sidebar

pdf
Published: May 31, 2023
DOI: https://doi.org/10.24912/computatio.v7i1.16230
Keywords:
Login, MFCC, Otentikasi Suara, Python, SVC
Dimensions
Altmetrics
Statistics
Read Counter : 164
Download : 399
Crossmark/ Data Version

Main Article Content

Florentina Pramita Anindya
Dyah Erni Herwindiati
Novario Jaya Perdana

Abstract

Sistem pengenalan suara SEAUI merupakan salah satu aplikasi website untuk melakukan proses verifikasi suara sebagai salah satu teknik pengamanan tingkat lanjut dengan mengenali pemilik suara setelah melakukan proses login. Sistem ini dibuat untuk diterapkan pada aplikasi website. Sistem ini dibuat dengan menggunakan bahasa pemrograman Python dengan modul framework Flask dan basis data SQL Server Management Studio untuk penyimpanan data. Proses pengenalan suara pada sistem ini menggunakan metode Median Filter, metode ekstraksi fitur suara Mel Frequency Cepstral Coefficients dan metode klasifikasi Support Vector Classifier. Proses pengumpulan data dilakukan dengan teknik kuesioner dan didapatkan data suara dari 25 responden. Dalam tahap pengujian, sistem SEAUI sudah dapat melewati tes pengujian SQL Injection dengan 4 kali percobaan pengujian dan sistem dapat berjalan sesuai fungsionalitas. Data suara yang digunakan sebagai input adalah 1 data suara rekaman pada saat login dan kumpulan data suara yang terdapat dalam basis data. Akurasi tertinggi sistem SEAUI yang didapatkan adalah sebesar 67% untuk 15 kali percobaan pengujian dalam 1 akun pengguna.

Article Details

Issue
Vol. 7 No. 1 (2023): Computatio: Journal of Computer Science and Information Systems
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

This work is licensed under Creative Commons Attribution-ShareAlike 4.0 International License.

References

Justusson, B.I., 1981, Median Filtering: Statistical Properties. In: Two-Dimensional Digital Signal Prcessing II, Topics in Applied Physics, vol 43, https://link.springer.com/chapter/10.1007/BFb0057597, diakses pada tanggal 27 Agustus 2021.

Manunggal, H. S., 2005, Perancangan dan Pembuatan Perangkat Lunak Pengenalan Suara Pembicara dengan Menggunakan Analisa MFCC Feature Extraction, http://repository.petra.ac.id/7329/, diakses pada tanggal 28 Agustus 2021.

Ismail, A., Idris, M. Y. I., Noor, N. M., Razak, Z., Yusoff, Z. M., 2014, MFCC-VQ Approach for Qalqalah Tajweed Rule Checking. https://www.researchgate.net/publication/ 279113646_MFCC-VQ_approach_for_Qalqalah_Tajweed_rule_checking, diakses pada tanggal 27 Agustus 2021.

Laha, D. dan Mandal, P., 2007, Handbook of Computational Intelligence in Manufacturing and Production Manajemen, https://www.semanticscholar.org/paper/Handbook-of-Computational-Intelligencein-and-Laha-Mandal/0eda16abb58ab3f5ba5846b99c5dc96b7bf 1ac59, diakses pada tanggal 27Agusutus 2021.

Mamyrbayev, O., Mekebayev, N., Turdalyuly, M., Oshanova, N., Medeni, T. I., Yessentay, A., 2019, Voice Identification Using Classification Algorithms, https://www.intechopen.com /chapters/68705, diakses pada tanggal 27 Agustus 2021.

Vapnik, V. dan Cortes, C., 1995, Support Vector Networks. Machine Learning, https://link.springer.com/content/pdf/10.1007/BF00994018.pdf, diakses pada tanggal 27Agustus 2021.

Brownlee, J., 2018, A Gentle Introduction to k-fold Cross-Validation, https://machinelearningmastery.com/k-fold-cross-validation/, diakses pada tanggal 12 Oktober 2021.

Anggreany, M. S., Confusion Matrix, https://socs.binus.ac.id/2020/11/01/confusion-matrix/, diakses pada tanggal 7 Agustus 2021.