Identifikasi Akurasi Suara pada Audio Forensik dengan Metode Itakura Saito Distance dan Backpropagation Neural Network

Abstract

Identifikasi Akurasi Suara pada Audio Forensic dengan Metode Itakura Saito Distance dan Backpropagation Neural Network Audio merupakan salah satu barang bukti digital yang digunakan dalam cybercrime. Seringkali bahwa bukti audio ini membawa peran krusial untuk mengungkapkan adanya kasus kejahatan sehingga diperlukan proses analisis audio forensic. Audio tersebut berisi rekaman suara seseorang yang memiliki karakter dengan pengucapan kosakata yang berbeda-beda, pengucapan yang tidak jelas, dan memiliki banyak noise. Jika terjadi kasus tindakan kriminal dan ditemukan barang bukti audio berupa rekaman suara yang terduga sebagai pelaku, maka perlu adanya proses analisis untuk mencari kebenaran rekaman suara yang ditemukan identik dengan rekaman suara pelaku. Perlu adanya penanganan yang sesuai Standart Operational Procedure (SOP) audio forensic. Tahapan dalam melakukan audio forensic pada Digital Forensic Analyst Team Pusat Laboratorium Forensik (DFAT PUSLABFOR) terdiri dari 4 tahapan yakni Acquisition, Audio Enhancement, Decoding, dan Voice Recognition. Dalam penelitian ini akan dibahas mengenai analisis audio menggunakan metode speech processing yaitu Itakura Saito Distance dan metode jaringan syaraf tiruan yaitu Backpropagation Neural Network dengan tujuan memperkuat hasil akurasi identik suatu barang bukti rekaman suara. Jika metode ini dikaloborasikan akan memperkuat tingkat akurasi dan argument yang diperoleh dari proses analisa, khususnya dalam penanganan audio forensic. Akurasi itu sendiri diukur dari nilai kedekatan frekuensi atau spectrum antara rekaman suara asli dengan rekaman suara pembanding. Nilai presentase tinggi akurasi dari metode Itakura Saito Distance masih menjadi perdebatan. Asumsi tersebut disampaikan oleh seorang saksi ahli dalam kasus tindak pidana korupsi di Indonesia tentang barang bukti rekaman suara, dimana metode ini banyak digunakan dalam rekayasa audio yaitu background musik ataupun konser, tetapi tidak mengarah untuk membandingkan dua suara. Pengujian dilakukan pada 4 rekaman suara asli (unknown) dan 4 rekaman suara pembanding (known) menggunakan lebih dari 20 kosakata dengan proses pertama menganalisa metode Itakura Saito Distance. Analisa menggunakan batas panjang waktu (frame) sebesar 100000 dari keseluruhan panjang waktu dari setiap suara itu sendiri. Hasil dari metode tersebut merupakan nilai formant yang selanjutnya dianalisa kembali dengan metode Backpropagation Neural Network menggunakan ketepatan parameter yang dimasukkan. Penggabungan dari metode tersebut menunjukan akurasi tertinggi yang identik lebih dari 95%.