Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Learning Vector Quantization Dan Linear Predictive Untuk Pengenalan Lafal Nama Pahlawan Indonesia
Hernanda NIM. (2017) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Ejaan yang disempurnakan (EYD) adalah ejaan bahasa Indonesia yang berlaku sampai saat ini yang sebelumnya menggunakan ejaan republic atau ejaan soewandi. Ejaan soewandin memiliki perbedaan yang diantranya ÃâtjÃâ menjadi ÃâcÃâ, ÃâoeÃâ menjadi ÃâuÃâ dan lain-lain. Untuk pelafalan yang memiliki pengucapan yang mirip apabila diucapkan akan menghasilkan perbedaan arti seperti guna dan tuna, nama pahlawan Indonesia dengan ejaan lama dapat menghasilkan pelafalan berbeda. Berdasarkan perbedaan pelafalan. Banyak penelitian yang sudah dilakukan terkait kemiripan suara dan pengenalan suara. Hasil pengenalan yang didapatkan bervariasi dipengaruhi oleh data training, metode ekstraksi ciri dan metode klasifikasi. Dalam penelitian ini metode ekstraksi ciri yang digunakan adalah Linear Predictive Coding dan untuk metode klasifikasi yang digunakan adalah Learning Vector Quantization untuk melakukan pengenalan lafal nama pahlawan Indonesia. Tahap pengolahan suara yang dilakukan yaitu ekstraksi ciri Linear Predictive Coding dengan tahapan preemphasis, frame blocking, windowing, auto correlation, analisis LPC, dan koefisien cepstral. Selanjutnya dilakukan tahap klasifikasi yaitu pelatihan dan pengujian Learning Vector Quantization. Nama pahlawan yang di uji sebanyak 8 nama. Data suara yang dipakai untuk data training yaitu 50 sampel suara yang artinya 8x50 ada sebanyak 400 suara yang digunakan. Kemudian data uji yang digunakan adalah 10 data sample suara yang artinya 10x8 adalah sebanyak 80 suara. Berdasarkan hasil pengujian yang diakukan terhadap data menggunakan metode K-Fold Cross Validation, maka didapatkan akurasi pengujian terbaik sebesar 54.17 %. Pengujian akurasi mendapatkan hasil yang tidak memuaskan dikarenakan banyak nya noise dari data latih yang digunakan. Adapun kombinasi yang digunakan yaitu learning rate (α) = 0.0001, pengurangan rasio = 0.001, error minimum = 0.0002 dan maksimum epoch = 100.
Ringkasan Alternatif
ÃâEjaan yang disempurnakanÃâ (EYD) is spelling language for Indonesia valid until today. that previously used the spelling ÃâEjaan RepublikÃâ or ÃâEjaan SoewandiÃâ. ÃâEjaan SoewandiÃâ is difference like ÃâtjÃâ as ÃâcÃâ,ÃâoeÃâ as ÃâuÃâ, and many more. For pronunciation which has a similar pronunciation in pronounced difference will produce a meaning such as ÃâgunaÃâ and ÃâtunaÃâ. Name of hero Indonesia with the old spellinf can produce different pronunciation. Based on similarity. A lot of research have been done related similarities of voice recoginition. The results of recognition obtained varied training data, are affected by the extraction methods and classification. In this study the characteristics extraction methods used are the Linear Predictice Coding and classification methods are used is Learning Vector Quantization for recognition pronunciation. Stage of processing of sound conducted namely extraction characteristics Linear Predictice Coding with stages Preemphasis, Frame Blocking, Windowing, Auto Correlation, LPC analysis, and cepstral coefficients. The next stage of classification done is training and testin Learning Vector Quantization. The name of the hero in test as much 8 names. Voice data used for training data 50 sample whose meaning 40 x 8 as many 400 voice used. voice data used for testing data is 10 sample whose meaning 10 x 8 as many 80 voiced used. Based on the results of test performed on test using K-fold Cross Validation, then obtained best test accuracy amounting to 54.17%. Testing the accuracy of the results is not satisfactory because of its many noise from training data is used. The combination that used is learning rate (α) 0.0001, reduced ratio = 0.001, error minimum = 0.0002 and maximum epoch = 100