Sebenarnya ide awal saya menuliskannya di blog ini adalah karena sulitnya saya mencari artikel tentang Mel Frequency Cepstral Coefficient dalam bahasa Indonesia. Saat menuliskan keywordnya di google, bahkan dengan embel-embel bahasa indonesia di depannya seperti : 'pengertian', 'langkah-langkah', atau 'konsep', saya tetap tidak bisa menemukannya di google (ga tau ya kalau setelah mengepost blog ini dan saya menuliskan keyword "sekilas tentang Mel-Frequency Cepstral Coefficient". hehe :p).
Sebenernya udah keliatan dari namanya ya. Mel-Frequency Cepstral Coefficient (MFCC) itu ya cuma koefisien(bisa lebih dari satu) yang disebut Koefisien Mel Frequency. Nah, itu tu buat apa sih??
jadi gini, MFCC itu biasa digunakan dalam speech processing. lebih khususnya lagi dalam pengenalan suara atau yang lebih kerennya kita kenal dengan speech recognition.
Trus buat apa donk? nah gini....kan kalau kita mau mengenali sesuatu, misalnya mengenali seseorang, pasti ada suatu ciri kan? misalnya hidungnya mancung, matanya belo, bibirnya dower, dan sebagainya. Dalam sistem pengenalan suara, ada hal-hal yang bisa menjadi ciri, misalnya frekuensi, amplitude, power, intensitas, dan sebagainya. ya kan??
Nah, MFCC adalah metode untuk memproses sinyal suara, agar bisa kelihatan deh tu ciri-cirinya. Dilakukan proses MFCC sedemikian rupa, sehingga suatu sinyal suara bisa diekstraksi ciri2 yang membedakannya.
Uniknya lagi, MFCC itu seperti pendengaran kita, karena dia memproses suara itu hampir seperti telinga kita. Tau ga sih, telinga kita itu filternya kan beda2. Kalau tinggi filternya gimana, kalau rendah gimana, nah MFCC itu seperti itu, memprosesnya secara logaritmik.
Yaudah deh, daripada kebanyakan basa basi, mending simak aja ni ya tentang MFCC. Oia, ini bahan TA saya lhooooo...hehe :p
Mel Frequency Cepstral Coefficient
Mel-Frequency Cepstral Coefficients (MFCC) dapat digunakan sebagai vektor ciri yang baik untuk merepresentasikan suara manusia dan sinyal musik. Lebih khusus lagi, MFCC telah terbukti bermanfaat untuk pengenalan suara.
Analisis suara pada Mel-Frequency didasarkan pada persepsi pendengaran manusia, karena telinga manusia telah diamati dapat berfungsi sebagai filter pada frekuensi tertentu. Filter-filter tersebut memiliki jarak yang tidak seragam pada sumbu frekuensi, yaitu banyak filter pada daerah frekuensi rendah dan sedikit pada daerah frekuensi tinggi. Hal tersebut dikarenakan oleh sinsitifitas pendengaran manusia yang tidak merata.
Gambar 2.1 Mel-Frequency Filterbank
Filter-filter tersebut memiliki respon frekensi yang membentuk BPF segitiga, dan spasi antar bandwidthnya ditentukan oleh interval mel-frequency yang konstan. MFCC dapat digunakan untuk mengekstrak data sinyal suara sehingga bisa didapatkan ciri yang terdapat pada data sinyal suara tersebut.
Metode MFCC memiliki beberapa tahapan, yaitu :
1. Preprocessing
Preprocessing pada MFCC meliputi framing dan windowing. Sinyal suara manusia termasuk sinyal yang tidak stabil. Tetapi kita dapat mengasumsikannya sebagai sinyal yang stabil pada skala waktu 10-30 ms. Framing berfungsi untuk memotong sinyal suara dengan durasi yang panjang menjadi durasi yang lebih pendek, agar didapatkan karakteristik sinyal suara yang lebih stabil. Sedangkan proses windowing bertujuan untuk mengurangi terjadinya kebocoran spektral atau aliasing yang merupakan suatu efek dari timbulnya sinyal baru yang memiliki frekuensi yang berbeda dengan sinyal aslinya. Efek tersebut dapat terjadi karena rendahnya sampling rate atau karena proses framming yang menyebabkan sinyal menjadi diskontinu. Windowing dilakukan pada sinyal diskrit.
2. DFT
Untuk mendapatkan sinyal dalam domain frekuensi dari sebuah sinyal diskrit, salah satu metode transformasi fourier yang digunakan adalah Discrete Fourier Transform (DFT). DFT dilakukan terhadap masing-masing frame dari sinyal yang telah di-windowing. DFT dilakukan setiap 10ms pada sinyal suara tersebut.
3. Mel-Frequency Wrapping
Skala Mel-Frequency adalah frekuensi yang linier di bawah 1 kHz dan logaritmik di atas 1 kHz. Skala Mel dapat diperoleh dengan pendekatan persamaan :
B(f) = 1125 * ln(1 + f/700)
Di mana B adalah skala Mel-Frequency dan f adalah frekuensi linier.
4. Cepstrum
Mel-Frequency Cepstrum kemudian didapat dari DCT (Discrete Cosine Transform) untuk mendapatkan kembali sinyal dalam domain waktu. Hasilnya disebut sebagai Mel-Frequency Cepstral Coefficient (MFCC). MFCC bisa didapat dari pendekatan persamaan :
Di mana adalah hasil akumulasi dari kuadratik magnitude DFT yang dikalikan dengan Mel-Filter Bank. Setelah itu didapatlah MFCC. Pada sistem pengenalan suara, biasanya hanya 13 cepstrum koefisien pertama yang digunakan.
Jadi gimana??? Udah ngerti kan ya??? Jadi proses panjang yang kita lakukan itu, ujung2nya buat dapetin koefisien itu. Nah, koefisien itulah ynang jadi pembeda.
Oke deh, semoga info ini bermanfaat ya. Mohon maaf ni kalau ada kesalahan.
Kalau suka, kasih komentar ya... =)
Sampai ketemu di tulisan lainnya ^^
