 |
| Double KLIK For ZOOM |
 |
| Double For KLIK ZOOM |
Penelitian ini menggunakan metode hidden markov modeling (HMM) untuk sistem pengenalan ucapan, aplikasi speech recognition berbahasa Indonesia belum banyak dikembangkan sehingga perlu diadakan penelitian lebih lanjut mengenai hal tersebut.
Tujuan dari penelitian ini untuk merancang dan mengembangkan sistem pengenal suara berbahasa Indonesia dan diterapkan pada sistem pengolah kata sederhana. Dengan menggunakan input suara berupa ucapan dalam bahasa Indonesia diubah menjadi rangkaian kata atau string yang dapat diproses oleh pengolah kata (word processor).
Metode penelitian yang dilakukan:
Pengguna memberikan input berupa suara atau ucapan.
Sistem melakukan proses digitasi input suara menjadi vector suara (feature).
Vector suara (feature) digunakan untuk menyusun hipotesis fonem atau kata dengan metode kata triptone HMM yang didukung oleh grammar dan kamus kosa kata sistem.
Kata atau rangkaian kata hasil pengenalan ditampilkan melalui aplikasi pengolah kata.
Metode hidden markov adalah teknik speech recognition yang dapat digunakan untuk sistem pengenal ucapan berdasarkan peluang terbesar urutan fonem pembentuk kata. Dua aspek yang perlu diperhatikan untuk sistem pengenalan kata sederhana aspek training dan aspek pengenalan.
Dari penelitian ini diambil kesimpulan, ditinjau dari aspek training proses adaptasi penguji dengan dengan sistem ini masih kurang memuaskan. Tetapi ditinjau dari aspek pengenalan tingkat keberhasilan sistem pengenal kata ini berada jauh dibawah 90% yaitu 55.15% untuk kamus kata 1 dengan jumlah kata 34 kata dan 40.52% untuk kamus kata 2 dengan jumlah kata 97 kata. Kesalahan yang sering terjadi pada proses pengenalan adalah insertion, deletion dan substitution karena model triptone yang digunakan tidak diperuntukkan bagi populasi pengguna berbahasa Indonesia.
Tujuan dari penelitian ini untuk merancang dan mengembangkan sistem pengenal suara berbahasa Indonesia dan diterapkan pada sistem pengolah kata sederhana. Dengan menggunakan input suara berupa ucapan dalam bahasa Indonesia diubah menjadi rangkaian kata atau string yang dapat diproses oleh pengolah kata (word processor).
Metode penelitian yang dilakukan:
Pengguna memberikan input berupa suara atau ucapan.
Sistem melakukan proses digitasi input suara menjadi vector suara (feature).
Vector suara (feature) digunakan untuk menyusun hipotesis fonem atau kata dengan metode kata triptone HMM yang didukung oleh grammar dan kamus kosa kata sistem.
Kata atau rangkaian kata hasil pengenalan ditampilkan melalui aplikasi pengolah kata.
Metode hidden markov adalah teknik speech recognition yang dapat digunakan untuk sistem pengenal ucapan berdasarkan peluang terbesar urutan fonem pembentuk kata. Dua aspek yang perlu diperhatikan untuk sistem pengenalan kata sederhana aspek training dan aspek pengenalan.
Dari penelitian ini diambil kesimpulan, ditinjau dari aspek training proses adaptasi penguji dengan dengan sistem ini masih kurang memuaskan. Tetapi ditinjau dari aspek pengenalan tingkat keberhasilan sistem pengenal kata ini berada jauh dibawah 90% yaitu 55.15% untuk kamus kata 1 dengan jumlah kata 34 kata dan 40.52% untuk kamus kata 2 dengan jumlah kata 97 kata. Kesalahan yang sering terjadi pada proses pengenalan adalah insertion, deletion dan substitution karena model triptone yang digunakan tidak diperuntukkan bagi populasi pengguna berbahasa Indonesia.
pass sembodoo
http://sembodoo.blogspot.com/
No comments:
Post a Comment