IMPLEMENTASI ALGORITMA MEL-FREQUENCY CEPSTRAL COEFFICIENTS (MFCC) PADA ANALISIS INTONASI DAN KEJELASAN SUARA PUBLIC SPEAKING SISWA SMK DI SMK SWASTA BINAGUNA TANAH JAWA
DOI:
https://doi.org/10.71282/jurmie.v3i10.2626Keywords:
Public Speaking, Android, Speech Processing, MFCC, Intonasi Suara, Kejelasan SuaraAbstract
Kemampuan public speaking merupakan salah satu keterampilan komunikasi yang penting dalam bidang pendidikan, organisasi, pekerjaan, dan kehidupan sosial. Namun, masih banyak siswa SMK yang mengalami kesulitan dalam berbicara di depan umum, seperti ketidakstabilan intonasi, tempo bicara yang tidak teratur, artikulasi yang kurang jelas, serta rasa gugup. Proses evaluasi kemampuan public speaking yang masih dilakukan secara manual juga berpotensi menghasilkan penilaian yang subjektif dan membutuhkan waktu relatif lama. Penelitian ini bertujuan untuk merancang dan membangun aplikasi analisis public speaking berbasis Android dengan menerapkan metode Mel-Frequency Cepstral Coefficients (MFCC) sebagai teknik ekstraksi fitur suara. Sistem yang dikembangkan difokuskan pada analisis intonasi dan kejelasan suara berdasarkan rekaman audio pengguna. Tahapan penelitian meliputi perekaman suara, pre-processing, ekstraksi fitur menggunakan MFCC, dan analisis karakteristik suara berdasarkan parameter yang telah ditentukan. Aplikasi dirancang untuk menghasilkan informasi mengenai kualitas intonasi dan kejelasan suara sebagai bentuk umpan balik bagi pengguna. Dengan adanya aplikasi ini, siswa SMK diharapkan dapat melakukan latihan public speaking secara mandiri, praktis, dan lebih terarah melalui perangkat Android. Penelitian ini diharapkan dapat memberikan hasil penilaian berbasis perhitungan parameter suara secara konsisten dengan memanfaatkan teknologi pengolahan sinyal suara.
Downloads
References
Aini, O. D. N., Fanani, L., & Afirianto, T. (2023). Evaluasi dan Perancangan Pengalaman Pengguna Aplikasi Mobile Kursus Public Speaking (Oberi App) menggunakan Metode Shadowing dan Design Thinking. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(5), 2443–2452.
Almanfaluthi, L., Buono, A., & Nurhadryani, Y. (2022). Pemodelan Sistem Identifikasi Pembicara Dengan MFCC dan Support Vector Machine. JUPITER : Journal of Computer & Information Technology, 3(1), 1–9.s
Android Developers. (2024). Android Developers Documentation.
Cobos, M., Ahrens, J., Kowalczyk, K., et al. (2022). An Overview of Machine Learning and Other Data-Based Methods for Spatial Audio Capture, Processing, and Reproduction. EURASIP Journal on Audio, Speech, and Music Processing.
Farhanah, N. D., & Almais, A. T. W. (2022). Manajemen Perangkat Lunak Aplikasi Sistem Informasi Berbasis Android. Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), 5(2), 52–56.
Febriani, R., & Putra, D. (2022). Analisis Intonasi dalam Komunikasi Verbal pada Public Speaking. Jurnal Pendidikan Bahasa dan Komunikasi.
Gregory, H. (2021). Public Speaking for College and Career. New York: McGraw-Hill.
Hartono, F. B. (2026). Systematic Literature Review Pengembangan Aplikasi Mobile Cross-Platform: Tren, Kinerja, dan Tantangan Flutter, React Native, Xamarin. Indonesian Journal Computer Science, 5(1), 75–82.
Jaman, U., & Fergina, A. (2022). Implementasi Speech Recognition Berbasis Android Dalam Optimalisasi Komunikasi Bagi Penyandang Tunarungu. Jurnal Teknologi Informasi Kaputama.
Kosinski, M. (2024). What is a database? IBM.
Król, A., & Szymczyk, T. (2022). Comparative Analysis of the Quality of Recorded Sound in the Function of Different Recording Formats. Journal of Computer Sciences Institute, 24, 189–194.
Lordianto, & Engel. (2023). Analisis kendala public speaking pada peserta didik. Jurnal Pendidikan dan Komunikasi.
Lordianto, R. L., & Engel, M. M. (2023). Rancang Bangun Aplikasi Latihan Public Speaking Berbasis iOS Menggunakan Teknologi Live Streaming Video Agora.io. Jurnal Informatika dan Sistem Informasi, 9(1), 10–23.
Meta. (2026). React Native Documentation.
MongoDB, Inc. (2026). Documents. MongoDB Documentation.
Object Management Group. (2023). OMG Unified Modeling Language Version 2.5.1.
Putra, I. K. G. D. (2009). Sistem Biometrika. Yogyakarta: Andi.
Rabiner, L. R., & Juang, B. H. (1993). Fundamentals of Speech Recognition. Englewood Cliffs, NJ: Prentice Hall.
Roger, V., Farinas, J., & Pinquier, J. (2022). Deep Neural Networks for Automatic Speech Processing: A Survey from Large Corpora to Limited Data. EURASIP Journal on Audio, Speech, and Music Processing.
Sasilo, A. A., dkk. (2022). Sistem Pengenalan Suara dengan Metode Mel Frequency Cepstral Coefficients dan Gaussian Mixture Model. Komputika: Jurnal Sistem Komputer.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Sintia Dewi Manurung, Khairuddin Nasution, Rachmat Aulia, Zainuddin Nasution (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
