MODEL ACQUISISI REKAMAN SUARA DI AUDIO FORENSIK

Roy Rudolf Huizen, Ni Ketut Dewi Ari Jayanti, Dandy Pramana Hostiadi

Abstract


Acquisisi merupakan bagian dari audio forensik yang tujuannya untuk mengumpulkan data sebelum analisis dilakukan, salah satu hasil identifikasi digunakan untuk mengetahui identitas individu. Data yang digunakan berupa rekaman bukti dan rekaman pembanding. Proses identifikasi dapat mengalami permasalahan jika ciri dari sampel suara rekaman bukti dan pembanding untuk individu yang sama tidak identik akibat pengambilan sampel yang tidak sesuai karakteristiknya. Penelitian ini dilakukan untuk membangun framework acquisisi data rekaman. Metode yang digunakan berupa framework dari audio forensik. Hasil dari penelitian didapatkan bahwa proses acquisisi rekaman pembanding menyesuaikan karakteristik dari rekaman bukti yang terdiri atas sampel kata (text depensent), dan kesamaan nilai sampling rate. Sedangkan untuk acquisisi rekaman bukti terdiri atas pengecekan keaslian rekaman bukti, perbaikan kualitas rekaman dan penguatan sinyal. Framework acquisisi merupakan salah satu cara untuk meningkatkan kualitas hasil analisis di audio forensik hal ini dikarenakan proses yang digunakan menggunakan pendekatan ilmiah yang konsisten.


Full Text:

PDF

References


A. M. T. S. B. Adikari, S. Devadithya, A. R. S. T. Bandara, K. C. J. Dharmawardane, and K. C. B. Wavegedara, “Application of Automatic Speaker Verification Techniques for Forensic Evidence Evaluation,” no. August, pp. 444–448, 2014.

J. Franco pedroso, F. Espinoza cuadros, and J. Gonzalez rodriguez, “Formant Trajectories in Linguistic Units for Text- Independent Speaker Recognition,” Biometrics (ICB), Int. Conf., pp. 1–6, 2013.

H. Zhao, “Audio Recording Location Identification Using Acoustic Environment Signature,” vol. 8, no. 11, pp. 1746– 1759, 2013.

F. Olajide, N. Savage, and C. Shoniregun, “Digital Forensic Research - The Analysis of User Input on Volatile Memory of Windows Application,” pp. 231–238, 2012.

Nakhat Fatima and T. F. Zheng, “Short Utterance Speaker Recognition,” no. Icsai, pp. 1746–1750, 2012.

H. Malik and H. Farid, “Audio Forensics From Acoustic Reverberation,” pp. 1710–1713, 2010.

H. Malik, “Acoustic Environment Identification and Its Applications to Audio Forensics,” IEEE Trans. Inf. Forensics Secur., vol. 8, no. 11, pp. 1827–1837, Nov. 2013.

S. Tripathi and S. Bhatnagar, “Speaker Recognition,” 2012 Third Int. Conf. Comput. Commun. Technol., pp. 283–287, Nov. 2012.

H. B. Kekre, V. A. Bharadi, A. R. Sawant, O. Kadam, P. Lanke, and R. Lodhiya, “Speaker Recognition using Vector Quantization by MFCC and KMCG Clustering Algorithm,” Commun. Inf. Comput. Technol. (ICCICT), IEEE, pp. 1–5, 2012.

A. K. Shrivastava, N. Payal, A. Rastogi, and A. Tiwari, “Digital Forensic Investigation Development Model,” Int. Conf. Comput. Intell. Commun. Networks, 2013.

R. C. Maher, “Audio Forensic Examination,” Ieee Signal Processing Magazine, no. March, pp. 84–94, 2009.

H. Zhao and H. Malik, “Audio Forensics Using Acoustic Environment Traces,” pp. 373–376, 2012.

I. O. Ademu, C. O. Imafidon, and D. S. Preston, “A New Approach of Digital Forensic Model for Digital Forensic Investigation,” Int. J. Adv. Comput. Sci. Appl., vol. 2, no. 12, pp. 175–178, 2011.

R. R. Huizen, N. K. D. A. Jayanti, and D. P. Hostiadi, “Analisis Pengaruh Sampling Rate Dalam Melakukan Identifikasi Pembicara Pada Rekaman Audio,” Konf. Nas. Sist. Inform., pp. 9–10, 2015.

H. Ibrahim, H. G. Yavuzcan, and M. Ozel, “Digital forensics : An Analytical Crime Scene Procedure Model ( ACSPM ),” Forensic Sci. Int., vol. 233, no. 1–3, pp. 244–256, 2013.

R. Garg, S. Member, A. L. Varna, A. Hajj-ahmad, and M. Wu, “‘ Seeing ’ ENF : Power-Signature-Based Timestamp for Digital Multimedia via Optical Sensing and Signal Processing,” vol. 8, no. 9, pp. 1–16, 2013.

A. A. M. Abushariah, T. S. Gunawan, and J. Chebil, “Voice Based Automatic Person Identification System Using Vector Quantization,” no. July, pp. 3–5, 2012.

G. R. Botha and E. Barnard, “Factors that affect the accuracy of text-based language identification,” Comput. Speech Lang., vol. 26, no. 5, pp. 307–320, Oct. 2012.


Refbacks

  • There are currently no refbacks.