PERBANDINGAN METODE EKSTRAKSI FITUR WPT DAN MFCC BERDASARKAN SUARA LANSIA

M. ADE, JULIANTO AKBAR (2025) PERBANDINGAN METODE EKSTRAKSI FITUR WPT DAN MFCC BERDASARKAN SUARA LANSIA. undergraduate thesis, Universitas Muhammadiyah Mataram.

	Text COVER - DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text SIMILARITY CHECK.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Peningkatan jumlah lansia di Indonesia seiring dengan bertambahnya usia harapan hidup menimbulkan tantangan baru dalam pengembangan teknologi berbasis suara. Suara lansia mengalami perubahan fisiologis yang dikenal dengan presbyphonia, dimana dapat dimanfaatkan untuk pengenalan usia berbasis sinyal suara. Penelitian ini bertujuan untuk mengklasifikasikan kelompok usia lansia berdasarkan suara dengan membandingkan dua metode ekstraksi fitur Wavelet Packet Transform (WPT) dan Mel Frequency Cepstral Coefficients (MFCC), menggunakan algoritma klasifikasi K-Nearest Neighbor (KNN). Metode ekstraksi fitur WPT dilakukan dengan dekomposisi sinyal hingga level 5 menggunakan basis wavelet Biorthogonal, di mana lima fitur statistik diambil dari node Approximation dan Detail, yaitu mean, standar deviasi, skewness, kurtosis, dan median. Sedangkan pada metode MFCC, fitur yang diambil adalah nilai rata-rata dari 13 koefisien yang dihasilkan oleh fungsi melcepst() di MATLAB. Pemilihan nilai K terbaik untuk algoritma KNN dilakukan melalui K-Fold Cross Validation, sedangkan evaluasi akhir dari performa model menggunakan nilai K terbaik dengan data uji dari metode holdout. Hasil evaluasi menunjukkan bahwa metode MFCC memberikan akurasi klasifikasi tertinggi sebesar 90,71%, sedangkan metode WPT hanya mencapai akurasi maksimal 62,29%. Analisis lebih lanjut menggunakan metrik presicion, recall, dan F1-score memperkuat bahwa MFCC secara konsisten memiliki performa klasifikasi yang lebih unggul dibandingkan WPT. Temuan ini menunjukkan bahwa ekstraksi fitur MFCC lebih efektif dalam mengklasifikasikan usia lansia berdasarkan suara, sementara fitur statistik pada WPT kurang optimal dalam mendukung performa klasifikasi.

Item Type:	Thesis (undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Thesis advisor FITRI, ASTUTIK nidn0806107701 Thesis advisor SITI AGRIPPINA, ALODIA YUSUF nidn0817069302
Uncontrolled Keywords:	lansia, suara, klasifikasi, MFCC, Wavelet Packet Transform, KNN
Subjects:	600 Teknologi dan Ilmu Terapan > 601 Filsafat dan Teori tentang Teknologi dan Ilmu Terapan 600 Teknologi dan Ilmu Terapan > 629 Lain-lain Cabang Teknik 600 Teknologi dan Ilmu Terapan > 620 Ilmu Teknik & Ilmu yang Berkaitan
Divisions:	Fakultas Teknik > S1 Sistem dan Teknologi Informasi > Laporan Tugas Akhir
Depositing User:	M. Ade Julianto Akbar
Date Deposited:	25 Aug 2025 05:42
Last Modified:	25 Aug 2025 05:42
URI:	http://repository.ummat.ac.id/id/eprint/11950

Actions (login required)

View Item