Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Penentuan Filterbank Wavelet Menggunakan Algoritma Mean Best Basis untuk Ekstraksi Ciri Sinyal Suara Ber-Noise

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 7 No. 1 (2020) · pp. 59–68

ISSN
2528-6579, 2355-7699
Published
2020-02-04
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id

Abstract

Belakangan ini filterbank berbasis wavelet sebagai ekstraktor ciri mulai banyak dikembangkan untuk dapat menggantikan peran ciri Mel Frequency Cepstral Coefficient (MFCC) dalam sistem pengenalan suara otomatis. Salah satu filterbank ciri wavelet yang dikembangkan adalah Wavelet-Packet Cepstral Coefficient (WPCC). Namun sejauh ini pengembangannya hanya difokuskan untuk suara tanpa noise. Sehingga penelitian ini bertujuan untuk mendesain WPCC untuk suara yang mengandung noise. Algoritma Mean Best Basis (MBB) dan fungsi wavelet db44 dan db45 digunakan untuk memperoleh desain filterbank WPCC. Suara yang digunakan adalah rekaman suara vokal bahasa Indonesia a, i, u, e, é, o, dan ó yang mengandung noise. Hasil menunjukkan telah terbentuk dua buah desain filterbank WPCC. Masing-masing merupakan hasil penerapan fungsi daubechies db44 dan db45. Noise tidak memberikan pengaruh terhadap pembentukan kedua filterbank WPCC tersebut. Kedua bentuk filterbank telah memenuhi standar bentuk filter MFCC terutama untuk variabel range dan skala frekuensinya. Range frekuensinya berkisar antara 125 Hz - 1000 Hz dengan bentuk skala yang linier untuk frekuensi di bawah 1000 Hz. Sehingga dapat disimpulkan kedua bentuk filterbank WPCC ini dapat dipertimbangkan untuk digunakan sebagai ekstraktor ciri suara ber-noise. AbstractRecently wavelet-based filterbanks as feature start extractors have been widely developed to replace the role of the Mel Frequency Cepstral Coefficient (MFCC) feature in automatic speech recognition systems. One of the wavelet feature filterbanks developed is Wavelet-Packet Cepstral Coefficient (WPCC). But so far the development has only been focused on clean speech signal. So, the aim of this study is designing WPCC for a noisy speech signal. The Mean Best Basis (MBB) algorithm and db44 and db45 wavelet functions are applied to obtain the WPCC filterbank design. The noisy speech signal used is the recorded utterance Indonesian vowels a, i, u, e, é, o, and ó. The results show that two WPCC filterbank designs have been formed. Each of them is the result of applying the daubechies db44 and db45 functions. Noise has no effect on the establishment of both the WPCC filterbanks. Both fiterbank designs have met MFCC filter form standards, especially for its range of frequency and frequency scale. Its range of frequency is between 125 Hz - 1000 Hz with a linear scale for frequencies below 1000 Hz. Therefore it can be concluded that the two forms of WPCC filterbank can be considered to be used as a feature extractor for a noisy speech signal.

Collaboration network of the authors

7 authors · 10 co-authorship links · 4 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • STMIK Bumigora Mataram
  • Universitas Bumigora
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Andi Sofyan AnasUniversitas Bumigora1
Siti Agrippina Alodia YusufAffiliation unknown1
Muhammad TajuddinUniversitas Bumigora1
Muhammad Tajuddin AnwarSTMIK Bumigora Mataram1
Ahmat AdilUniversitas Bumigora1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Penentuan Filterbank Wavelet Menggunakan Algoritma Mean Best Basis untuk Ekstraksi Ciri Sinyal Suara Ber-Noise</dc:title>
	<dc:creator xml:lang="id">Abdurahim, Abdurahim</dc:creator>
	<dc:creator xml:lang="id">Hidayat, Syahroni</dc:creator>
	<dc:description xml:lang="id">Belakangan ini filterbank berbasis wavelet sebagai ekstraktor ciri mulai banyak dikembangkan untuk dapat menggantikan peran ciri Mel Frequency Cepstral Coefficient (MFCC) dalam sistem pengenalan suara otomatis. Salah satu filterbank ciri wavelet yang dikembangkan adalah Wavelet-Packet Cepstral Coefficient (WPCC). Namun sejauh ini pengembangannya hanya difokuskan untuk suara tanpa noise. Sehingga penelitian ini bertujuan untuk mendesain WPCC untuk suara yang mengandung noise. Algoritma Mean Best Basis (MBB) dan fungsi wavelet db44 dan db45 digunakan untuk memperoleh desain filterbank WPCC. Suara yang digunakan adalah rekaman suara vokal bahasa Indonesia a, i, u, e, é, o, dan ó yang mengandung noise. Hasil menunjukkan telah terbentuk dua buah desain filterbank WPCC. Masing-masing merupakan hasil penerapan fungsi daubechies db44 dan db45. Noise tidak memberikan pengaruh terhadap pembentukan kedua filterbank WPCC tersebut. Kedua bentuk filterbank telah memenuhi standar bentuk filter MFCC terutama untuk variabel range dan skala frekuensinya. Range frekuensinya berkisar antara 125 Hz - 1000 Hz dengan bentuk skala yang linier untuk frekuensi di bawah 1000 Hz. Sehingga dapat disimpulkan kedua bentuk filterbank WPCC ini dapat dipertimbangkan untuk digunakan sebagai ekstraktor ciri suara ber-noise. AbstractRecently wavelet-based filterbanks as feature start extractors have been widely developed to replace the role of the Mel Frequency Cepstral Coefficient (MFCC) feature in automatic speech recognition systems. One of the wavelet feature filterbanks developed is Wavelet-Packet Cepstral Coefficient (WPCC). But so far the development has only been focused on clean speech signal. So, the aim of this study is designing WPCC for a noisy speech signal. The Mean Best Basis (MBB) algorithm and db44 and db45 wavelet functions are applied to obtain the WPCC filterbank design. The noisy speech signal used is the recorded utterance Indonesian vowels a, i, u, e, é, o, and ó. The results show that two WPCC filterbank designs have been formed. Each of them is the result of applying the daubechies db44 and db45 functions. Noise has no effect on the establishment of both the WPCC filterbanks. Both fiterbank designs have met MFCC filter form standards, especially for its range of frequency and frequency scale. Its range of frequency is between 125 Hz - 1000 Hz with a linear scale for frequencies below 1000 Hz. Therefore it can be concluded that the two forms of WPCC filterbank can be considered to be used as a feature extractor for a noisy speech signal.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2020-02-04</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/1276</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 7 No 1: Februari 2020; 59-68</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 7 No. 1: Februari 2020; 59-68</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.202071</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/1276/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2020 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>