Kurniadi, Wildan (2018) Speech Recognition Menggunakan Elman Recurrent Neural Network Untuk Kata Dalam Bahasa Indonesia. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Speech Recognition merupakan salah satu cabang ilmu komputer yang masih terus dikaji hingga saat ini. Dalam sebuah speech recognition diperlukan sebuah algoritma klasifikasi untuk mengenali makna dari sinyal suara. Salah satu algoritma klasifikasi yang dapat digunakan pada speech recognition adalah Elman Recurrent Neural Network (ERNN). ERNN telah dicoba pada beberapa penelitian mengenai speech recognition dalam Bahasa Inggris, Bahasa Arab, dan Bahasa Indonesia dalam kasus kata yang berbeda-beda dan menghasilkan akurasi yang dapat dikatan baik yaitu diantara 87.5% hingga 99.47%. Pada penelitian ini ERNN digunakan untuk mengenali sepuluh kata verba dengan rank paling tinggi menurut Leipzig Corpora Collection. Dataset diambil dari 40 pembicara berjenis kelamin laki-laki dimana setiap orang akan mengucapkan 10 kata dan diulang 4 kali sehingga didapatkan 1600 dataset (40 �� 10 �� 4 = 1600). Dataset yang dimiliki disimpan dalam bentuk file .wav dengan frekuensi sampling 16000 Hz. Data latih yang digunakan adalah 800 sampel data (20 pembicara ��10 kata �� 4 repetisi=800 dataset) dan data uji adalah 800 sampel data dari 20 orang yang berbeda dengan data latih. Adapun metode ekstraksi ciri yang digunakan penelitian ini adalah MFCC, akurasi terbaik yang dihasilkan oleh penelitian ini sebesar 83.88%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Speech Recognition, Elman Recurrent Neural Network, MFCC, Bahasa Indonesia |
| Subjects: | ?? UNIK1502 ?? |
| Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1) |
| Date Deposited: | 31 Jan 2019 10:24 |
| Last Modified: | 31 Jan 2019 10:24 |
| URI: | http://repository.unikom.ac.id/id/eprint/58582 |
Actions (login required)
 |
View Item |
