Implementasi metode SA-SASV untuk sistem voice anti spoofing pada dataset suara bahasa Indonesia

Isthakradhei, Admuham (2025) Implementasi metode SA-SASV untuk sistem voice anti spoofing pada dataset suara bahasa Indonesia. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11211004_cover.pdf Download (191kB)
	Text 11211004_statement_of_authenticity.pdf Download (470kB)
	Text 11211004_publishing_agreement.pdf Download (459kB)
	Text 11211004_approval_sheet.pdf Download (496kB)
	Text 11211004_preface.pdf Download (296kB)
	Text 11211004_abstract_id.pdf Download (326kB)
	Text 11211004_abstract_en.pdf Restricted to Repository staff only until 4 October 2027. Download (265kB) | Request a copy
	Text 11211004_table_of_content.pdf Restricted to Repository staff only until 4 October 2027. Download (398kB) | Request a copy
	Text 11211004_illustrations.pdf Restricted to Repository staff only until 4 October 2027. Download (281kB) | Request a copy
	Text 11211004_tables.pdf Restricted to Repository staff only until 4 October 2027. Download (280kB) | Request a copy
	Text 11211004_chapter_1.pdf Restricted to Repository staff only until 4 October 2027. Download (804kB) | Request a copy
	Text 11211004_chapter_2.pdf Restricted to Repository staff only until 4 October 2027. Download (2MB) | Request a copy
	Text 11211004_chapter_3.pdf Restricted to Repository staff only until 4 October 2027. Download (1MB) | Request a copy
	Text 11211004_chapter_4.pdf Restricted to Repository staff only until 4 October 2027. Download (2MB) | Request a copy
	Text 11211004_conclusions.pdf Restricted to Repository staff only until 4 October 2027. Download (356kB) | Request a copy
	Text 11211004_bibliography.pdf Download (648kB)
	Text 11211004_enclosure.pdf Restricted to Repository staff only until 4 October 2027. Download (219kB) | Request a copy
	Text 11211004_paper.pdf Restricted to Repository staff only until 4 October 2027. Download (929kB) | Request a copy
	Text 11211004_presentation.pdf Restricted to Repository staff only until 4 October 2027. Download (997kB) | Request a copy
	Text 11211004_Form. TA-020.pdf Restricted to Repository staff only until 4 October 2027. Download (560kB) | Request a copy

Abstract

Penelitian ini mengimplementasikan dan mengevaluasi sistem verifikasi pembicara sadar-spoofing (Spoofing-Aware Speaker Verification System atau SASV) dengan metode Spoof-Aggregated SASV (SA-SASV) pada dataset suara berbahasa Indonesia. Tujuan utama penelitian adalah untuk meningkatkan keamanan sistem verifikasi pembicara otomatis (Automatic Speaker Verification atau ASV) dari serangan spoofing yang menggunakan teknologi sintesis suara Text-to-Speech (TTS). Penelitian ini menggunakan dataset yang dikumpulkan secara mandiri, terdiri dari suara asli (bonafide) dan suara sintesis yang dibuat menggunakan Resemble AI. Model SA-SASV dilatih dengan memanfaatkan encoder ARawNet dan multi-task classifiers, serta dioptimalkan dengan spoof aggregator dan spoofsource-based triplet loss untuk meningkatkan kemampuan pembedaan suara asli dan spoofing dalam ruang fitur terpadu. Evaluasi kinerja model dilakukan menggunakan metrik Equal Error Rate (EER), dengan fokus pada SASV-EER, SPF-EER (deteksi spoofing), dan SV-EER (verifikasi pembicara). Hasil penelitian menunjukkan bahwa model SA-SASV dengan learning rate 0.00005 mencapai SASV-EER terbaik sebesar 15.42%, SPF-EER 13.43%, dan SV-EER 47.09%. Analisis ablasi juga mengungkapkan bahwa triplet loss memiliki peran krusial dalam meningkatkan kinerja model secara signifikan. Meskipun model menunjukkan kinerja yang baik dalam deteksi spoofing, performa verifikasi pembicara masih perlu ditingkatkan. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem deteksi spoofing berbahasa Indonesia yang lebih adaptif dan mendukung pengamanan berbasis suaraPenelitian ini mengimplementasikan dan mengevaluasi sistem verifikasi pembicara sadar-spoofing (Spoofing-Aware Speaker Verification System atau SASV) dengan metode Spoof-Aggregated SASV (SA-SASV) pada dataset suara berbahasa Indonesia. Tujuan utama penelitian adalah untuk meningkatkan keamanan sistem verifikasi pembicara otomatis (Automatic Speaker Verification atau ASV) dari serangan spoofing yang menggunakan teknologi sintesis suara Text-to-Speech (TTS). Penelitian ini menggunakan dataset yang dikumpulkan secara mandiri, terdiri dari suara asli (bonafide) dan suara sintesis yang dibuat menggunakan Resemble AI. Model SA-SASV dilatih dengan memanfaatkan encoder ARawNet dan multi-task classifiers, serta dioptimalkan dengan spoof aggregator dan spoofsource-based triplet loss untuk meningkatkan kemampuan pembedaan suara asli dan spoofing dalam ruang fitur terpadu. Evaluasi kinerja model dilakukan menggunakan metrik Equal Error Rate (EER), dengan fokus pada SASV-EER, SPF-EER (deteksi spoofing), dan SV-EER (verifikasi pembicara). Hasil penelitian menunjukkan bahwa model SA-SASV dengan learning rate 0.00005 mencapai SASV-EER terbaik sebesar 15.42%, SPF-EER 13.43%, dan SV-EER 47.09%. Analisis ablasi juga mengungkapkan bahwa triplet loss memiliki peran krusial dalam meningkatkan kinerja model secara signifikan. Meskipun model menunjukkan kinerja yang baik dalam deteksi spoofing, performa verifikasi pembicara masih perlu ditingkatkan. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem deteksi spoofing berbahasa Indonesia yang lebih adaptif dan mendukung pengamanan berbasis suara

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Admuham Isthakradhei
Date Deposited:	11 Jul 2025 00:09
Last Modified:	11 Jul 2025 00:09
URI:	http://repository.itk.ac.id/id/eprint/23502

Actions (login required)

View Item