Pengenalan Suku Kata Bahasa Indonesia Menggunakan Metode LPC Dan Backpropagation Neural Network

Yenni Fatman, Islamiyati Islamiyati

Abstract

Suara menjadi komponen terpenting dalam perkembangan teknologi digital saat ini, untuk mempermudah kehidupan manusia. Berbagai sistem pengenalan suara atau Automatic Speech Recognation (ASR) telah banyak dikembangkan di berbagai negara dengan berbagai bahasa. Pengenalan suara dapat diaplikasikan di berbagai bidang kehidupan salah satunya pada sistem keamanan berbasis suara, berupa password. Di Indonesia sendiri banyak penelitian mengenai pengenalan suara menggunakan bahasa Indonesia dengan berbagai metode, tetapi masih dalam jumlah yang terbatas dan hanya berfungsi untuk perintah suatu aplikasi tertentu. Oleh karena itu, pada penelitian ini, penulis melakukan pengenalan suara berdasarkan suku kata bahasa Indonesia karena bahasa Indonesia sendiri memiliki suku kata yang terbilang banyak dibandingkan dengan suku kata bahasa asing lainnya. Sistem ini terdiri dari 4 proses yaitu proses perekaman suara, proses pre-processing, proses ekstraksi ciri menggunakan metode Linier Predictive Code (LPC), dan proses klasifikasi suara menggunakan metode Backpropagation Neural Network. Terdapat 115 suku kata dan 74 suku kata yang berbeda dari 50 kata bahasa Indonesia yang diucapkan. Total suku kata bahasa Indonesia yang digunakan berjumlah 690 suku kata dari 6 responden. Hasil akurasi pada sistem pengenalan suku kata bahasa Indonesia yaitu 100% mampu mengenali 74 data pelatihan dari setiap 6 responden dan 115 data pengujian belum dilatih didapatkan akurasi terbaik sebesar 69% dari 6 responden. Berdasarkan hasil pengujian yang telah dilakukan, semakin banyak data pelatihan yang diproses dalam jaringan maka semakin tinggi akurasi keberhasilan yang diperoleh (Sinyal suara dapat dikenali).

Keywords

pengenalan suara; bahasa indonesia; suku kata; LPC; backpropagation neural network;

Article Metrics

Abstract view : 8 times
PDF view : 4 times

Full Text:

PDF

References

Azmi, Y., Djamal, E. C., & Ilyas, R. (2018). Identifikasi Emosi Dari Sinyal Suara Secara Real Time Menggunakan Linear Predictive Coding dan Backpropagation. 16–21.

Broto, W. (2017). Metode Artificial Intelligence Sebagai Aplikasi Pengenalan Ucapan Disabilitas. E-Journal. https://doi.org/http://doi.org/10.21009/03.SNF2017

Chamidy, T. (2016). Metode Mel Frequency Cepstral Coeffisients (MFCC) Pada Klasifikasi Hidden Markov Model (HMM) Untuk Kata Arabic Pada Penutur Indonesia. MATICS. https://doi.org/10.18860/mat.v8i1.3482

Desyanndana, I. P., Informatika, T., Sains, F., Teknologi, D. A. N., Sanata, U., & Yogyakarta, D. (2019). Voice Recognition System for Recognize Voice Command Using Backpropagation Neural Network.

Faradiba. (2017). Pengenalan Pola Sinyal Suara Manusia Menggunakan Metode Backpropagation Neural Network. Jurnal EduMatSains.

Haumahu, J. P. (2019). Implementasi Jaringan Syaraf Tiruan Untuk Pengenalan Pola Notasi Balok Menggunakan Metode Backpropagation. 6(3), 255–259.

Heriyanto. (2015). Analisa Deteksi Huruf Hijaiyah Melalui Voice Recognition Menggunakan Kombinasi Energy. Telematika.

Heriyanto, H., & Simanjuntak, O. S. (2017). Identifikasi Ucapan Warna Menggunakan LPC (Linier Predictive Code ) Dan Kelompok Pemilihan Bobot. Telematika. https://doi.org/10.31315/telematika.v14i01.1968

Hidayat, S., Hidayat, R., & Adji, T. B. (2015). Sistem Pengenal Tutur Bahasa Indonesia Berbasis Suku Kata Menggunakan MFCC, Wavelet Dan HMM. The 7th National Conference On Information Technology And Electrical Engineering.

Izzah, N. (2018). Klastering Suara Berdasarkan Gender Menggunakan Algoritma K-Means Dari Hasil Ekstraksi FFT (Fast Fourier Transform). SOULMATH. https://doi.org/10.25139/sm.v6i1.790

Julpan, Nababan, E. B., & Zarlis, M. (2015). Analisis Fungsi Aktivasi Sigmoid Biner Dan Sigmoid Bipolar Dalam Algoritma Backpropagation Pada Prediksi Kemampuan Siswa. Jurnal Teknovasi.

Juniansyah, R. R. (2017). Perancangan Sistem Pengenalan Suara Dengan Metode Linear Predictive Coding. 4(1), 404–411.

Kusumawati, R. (2016). Metode Linear Predictive Coding (LPC) Pada Klasifikasi Hidden Markov Model (HMM) Untuk Kata Arabic Pada Penutur Indonesia. MATICS. https://doi.org/10.18860/mat.v8i1.3481

Nursholihatun, E., Mariyanto, S., & Sasongko, Al, Zainuddin, A. (2020). Identifikasi Suara Menggunakan Metode Mel Frequency Cepstrum Coefficients ( MFCC ) Dan Jaringan Syaraf Tiruan. 7(1), 48–55.

Permana, I. S., Indrawaty, Y., & Zulkarnain, A. (2019). Implementasi Metode MFCC Dan DTW Untuk Pengenalan Jenis Suara Pria Dan Wanita. MIND Journal. https://doi.org/10.26760/mindjournal.v3i1.61-76

Syam, M., Raharjo, I. J., & Patmasari, R. (2019). Identifikasi Asal Daerah Berdasarkan Suara Manusia Dengan Metode Linier Predictive Coding ( LPC ). 6(3), 10226–10233.

Yuliantari, R. V., Hidayat, R., & Wahyunggoro, O. (2016). Ekstraksi Ciri Dan Pengenalan Tutur Vokal Bahasa Indonesia Menggunakan Metode Discrete Wavelet Transform (DWT) Dan Dynamic Time Warping (DTW) Secara Realtime. Prosiding SNST Ke-7.

Zhang, B., & Sennrich, R. (2019). Root Mean Square Layer Normalization. NeurIPS, 1–12. http://arxiv.org/abs/1910.07467

Refbacks

  • There are currently no refbacks.