DOI: https://doi.org/10.14710/transmisi.28.3.133-139

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

*Khidru Fawzan Suroqoh  -  Program Studi Teknik Elektro, Fakultas Teknik, Universitas Sebelas Maret, Nigeria
Joko Hariyono  -  Program Studi Teknik Elektro, Fakultas Teknik, Universitas Sebelas Maret, Indonesia
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 merupakan aspek yang sangat penting dalam kehidupan manusia, dan berbicara adalah cara paling alami serta efisien untuk menyampaikan informasi. Setiap individu memiliki karakteristik suara yang unik yang dipengaruhi oleh faktor usia dan jenis kelamin. Frekuensi suara menjadi salah satu parameter utama yang dapat membedakan suara manusia, di mana suara laki-laki memiliki frekuensi lebih rendah, perempuan lebih tinggi, dan anak-anak memiliki frekuensi tertinggi. Penelitian ini mengusulkan metode untuk menganalisis suara manusia dan mengklasifikasikannya berdasarkan frekuensi dominan menggunakan algoritma Fast Fourier Transform (FFT). Data diperoleh melalui dua jenis rekaman, yaitu rekaman langsung dalam ruangan kedap suara dan rekaman eksternal yang telah terkompresi melalui aplikasi WhatsApp, kemudian dianalisis menggunakan perangkat lunak MATLAB dengan penerapan algoritma FFT untuk mengekstraksi spektrum frekuensi suara. Hasil penelitian menunjukkan bahwa algoritma FFT memiliki tingkat akurasi sebesar 96,66% dalam mengidentifikasi dan membedakan suara manusia berdasarkan rentang frekuensi yang telah ditentukan, namun akurasi menurun pada rekaman suara yang terkompresi dari sumber eksternal karena perubahan spektrum frekuensi dan sifat akustik rekaman tersebut[1]. Temuan ini menunjukkan bahwa FFT sangat efektif untuk data berkualitas tinggi, tetapi sensitif terhadap kompresi audio, sehingga penelitian ini dapat menjadi dasar pengembangan sistem cerdas untuk aplikasi seperti pengenalan suara, asisten virtual, dan sistem interaksi manusia–mesin.

Fulltext View|Download Email colleagues
Kata Kunci: Fast Fourier Transform; Frekuensi; Sinyal wicara; Software MatLab;

Article Metrics:

Article Info
Bagian: Artikel - Telekomunikasi
Bahasa : ID
Most cited articles
PERANCANGAN SOFTWARE APLIKASI OPTIMASI PENATAAN LAMPU PJU SEBAGAI UPAYA PENGHEMATAN BIAYA ENERGI LISTRIK PERANCANGAN PEMBANGKIT TEGANGAN TINGGI IMPULS 11,20 kV DENGAN MENERAPKAN ZERO VOLTAGE SWITCHING (ZVS) PADA KONVERTER FLYBACK SISTEM KENDALI POSISI SUDUT ANGGUK UNTUK ROKET RKX-300 DENGAN METODE KENDALI LINEAR QUADRATIC REGULATOR (LQR) DAN POLE PLACEMENT RANCANG BANGUN SISTEM PEMANTAUAN INFUS BERBASIS ANDROID Kinerja Teknik Transmisi OFDM melalui Kanal HAPS (High Altitude Platform Station) More cited articles
  1. . J. C. Cavalcanti, M. Englert, M. Oliveira, and A. C. Constantini, “Microphone and Audio Compression Effects on Acoustic Voice Analysis: A Pilot Study,” Journal of Voice, vol. 37, no. 2, pp. 162–172, Mar. 2023, doi: 10.1016/j.jvoice.2020.12.005
  2. . 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
  3. . 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
  4. . 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
  5. . Andreas, “Klasifikasi Suara Manusia ke Dalam Sopran, Mezzo Sopran, Alto, Tenor, Bariton, Bass dengan Self Organizing Map,” Jurnal Informatika, vol. 11, no. 1, 2015
  6. . S. B. Bhaskoro, “Aplikasi Pengenalan Gender Menggunakan Suara,” Seminar Nasional Aplikasi Teknologi Informasi (SNAT), Jogjakarta, 2012
  7. . J. F. Gunawan, Pengolahan Sinyal Digital dengan Pemrograman Matlab, 1st Edition. Jogjakarta: Graha Ilmu, 2012
  8. . 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
  9. . 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
  10. . M. M. Effendi, “Pengenalan Pengaruh Suara Konsonan Terhadap Vokal Dengan Nilai Koefisien Korelasi,” Journal Pelita Teknol, vol. 12, no. 4, pp. 35–41, 2017
  11. . 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
  12. . J. W. , Cooley and J. W. Tukey, “An algorithm for the machine calculation of complex Fourier series,” Math Comput, vol. 19, no. 90, pp. 297–301, 1965
  13. . J. G. , Proakis and D. G. Manolakis, Digital Signal Processing: Principles, Algorithms, and Applications. Pearson Prentice Hall, 2007
  14. . Nilu Singh, “Speaker Recognition and Fast Fourier Transform,” 2015
  15. . R. , Togneri and D. Pullella, “An Overview of Speaker Identification: Accuracy, Robustness, and Security,” IEEE Circuits and Systems Magazine, vol. 11, no. 2, pp. 23–25, 2011
  16. . Al-Qaderi M., M. G. , Zamil, and M. F. Al-Mistarihi, “Two-Level Speaker Identification System Using Frequency and Time Domain Features,” Int J Speech Technol, vol. 23, no. 2, pp. 189–201, 2020
  17. . R. Fuchs, “The Effects of MP3 Compression on Acoustic Measurements of Speech,” Proceedings of the 17th Annual Conference of the International Speech Communication Association (INTERSPEECH)., 2016
  18. . O. , Niebuhr, C. , Kohrs, and J. Neitsch, “Popular Speech Compression Codecs Produce Codec-Specific Distortion Effects on Prosody,” Front Commun (Lausanne), vol. 8, pp. 1–4, 2023
  19. . J. Oreskovic, “Impact of Audio Data Compression on Feature Extraction and Acoustic Biomarkers,” Applied Acoustics, pp. 109–117, 2024

Last update:

No citation recorded.

Last update: 2026-07-07 06:44:53

No citation recorded.