skip to main content

SISTEM IDENTIFIKASI SUARA BERBASIS ANALISIS SINYAL WICARA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM

*Khidru Fawzan Suroqoh  -  Program Studi Teknik Elektro, Gedung III Lantai 2 Fakultas Teknik UNS, Jl. Ir. Sutami 36A Kentingan, Surakarta, Jawa Tengah, Indonesia. 57122, Nigeria
Dikirim: 5 Jun 2025; Diterbitkan: 24 May 2026.
Akses Terbuka Copyright (c) 2026 Transmisi: Jurnal Ilmiah Teknik Elektro under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Sari

Komunikasi adalah hal sangat penting, dan berbicaraa adalah cara yang paling alami dan efisien untuk menyampaikan informasi. Setiap orang memiliki karakteristik suara yang unik yang dipengaruhi oleh berbagai faktor seperti usia dan jenis kelamin. Frekuensi suara adalah salah satu faktor yang bisa membedakan suara manusia dimana laki-laki memiliki frekuensi suara yang rendah, perempuan memiliki frekuensi suara yang lebbih tinggi dan anak-anak memiliki frekuensi tertinggi. Makalah ini mengusulkan sebuah metode untuk menganalisis suara manusia dan menklasifikasikan suara tersebut berdasarkan frekuensi dominan dengan algorithma Fast Fourier Transform (FFT). Penelitian ini mengekplorasi cara menklasifikasi suara manusia dan membedakan wicara laki-laki, perempuan dan anak-anak dengan algorithma FFT berdasarkan frekuensi dominan. Metoda yang digunakan dalam penelitian ini adalah perekaman wicara dalam ruangan kedap yang disimulasikan menggunakan perangkat lunak MatLab dan menganalisis suara yang telah direkaman dengan algorithma FFT. Hasil dari penelitian ini membuktikan akurasi algorithma FFT mencapai 96,66% dalam menganalisis wicara manusia dan menbedakan suara berdasarkan rentang frekuensi suara manusia yang sudah ditentukan. Ini dapat menjadi dasar pengembangan sistem cerdas untuk aplikasi seperti pengenalan suara dan asisten virtual. 

Fulltext Email colleagues
Kata Kunci: Fast Fourier Transform, Frekuensi, Sinyal wicara, Software MatLab

Article Metrics:

  1. . M. F. , Erinsyah, V. , Karenina, and D. S. Wibowo, “Klasifikasi Rentang Usia Dan Gender Dengan Deteksi Suara Menggunakan Metode Deep Learning Algoritma CNN (Convolutional Neural Network),” Komputika: Jurnal Sistem Komputer, vol. 12, no. 2, 2023
  2. . S. Y. , Hartono, H. B. , Ashad, and B. P. Asmara, “Analisis Sinyal Wicara (Speech) Perekaman Dalam Ruangan Kedap Suara Dengan Algoritma Fast Fourier Transform (FFT),” Prosiding Seminar Ilmiah Sistem Informasi dan Teknologi Informasi, vol. 11, no. 1, 2022
  3. . A. S. , Irtawaty, M. , Ulfah, and R. S. Fathmala, “Pengembangan Aplisaki pembeda suara Laki–laki dan perempuan berdasarkan gender, Range usia, kelas Frekuensinya berbasis FFT dan K-Means,” Jurnal ECOTIPE, vol. 9, no. 1, 2022
  4. . Andreas, “Klasifikasi Suara Manusia ke Dalam Sopran, Mezzo Sopran, Alto, Tenor, Bariton, Bass dengan Self Organizing Map,” Jurnal Informatika, vol. 11, no. 1, 2015
  5. . S. B. Bhaskoro, “Aplikasi Pengenalan Gender Menggunakan Suara,” Seminar Nasional Aplikasi Teknologi Informasi (SNAT), Jogjakarta, 2012
  6. . J. F. Gunawan, Pengolahan Sinyal Digital dengan Pemrograman Matlab, 1st Edition. Jogjakarta: Graha Ilmu, 2012
  7. . L. S. , Kristina, G. F. , Fitriana, and A. Prasetiadi, “Pemisahan Suara Manusia Berdasarkan Jenis Kelamin Menggunakan Fast Fourier Transform (FFT),” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 3, 2020
  8. . D. T. Kusuma, “Fast Fourier Transform (FFT) Dalam Transformasi Sinyal Frekuensi Suara Sebagai Upaya Perolehan Average Energy (AE) Musik,” PETIR : Jurnal Pengkajian dan Penerapan Teknik Informatika, vol. 14, no. 1, 2021
  9. . M. M. Effendi, “Pengenalan Pengaruh Suara Konsonan Terhadap Vokal Dengan Nilai Koefisien Korelasi,” Journal Pelita Teknol, vol. 12, no. 4, pp. 35–41, 2017
  10. . M. I. , Siddiq, I. D. , Karyatanti, B. Y. , Dewantara, A. S. , Syahputrib, and M. D. Bahtiar, “Monitoring Bearing Motor Induksi Pada Variasi Noise Menggunakan Pengolahan Sinyal FFT,” ALINIER JURNAL, vol. 5, no. 1, 2024

Last update:

No citation recorded.

Last update: 2026-05-24 17:42:22

No citation recorded.