PENGENALAN TUTUR VOKAL BAHASA INDONESIA MENGGUNAKAN METODE MULTI LAYER PERCEPTRON
Keywords:
Multi Layer Perceptron, Discrete Wavelet Transform, Vokal, Bahasa IndonesiaAbstract
Bahasa Indonesia merupakan bahasa nasional bangsa Indonesia yang dapat diartikan sebagai lambang bunyi yang digunakan sebagai alat komunikasi. Dalam proses komunikasi tersebut dapat diperoleh sebuah informasi berupa isyarat. Banyak penelitian tentang isyarat tutur Indonesia. Pada penelitian ini dikembangkan otomatisasi pengenalan isyarat vokal Indonesia dengan Multi Layer Perceptron untuk meningkatkan akurasi, sensitifitas, spesifitas dan presisi. Pengenalan dilakukan dengan Discrete Wavelet Transform pada 100 orang penutur menghasilkan 500 data ciri untuk training dan testing. Proses klasifikasi menghasilkan akurasi sebesar 95,9%, sensitifitas 90,2%, spesifitas 97,5%, dan presisi 89,8%.
Downloads
Download data is not yet available.
References
Ali, H. et al., 2014. DWT features performance analysis for automatic speech recognition of Urdu. SpringerPlus, 3, pp.1–10.
Asni, A., 2014. Ekstraksi Ciri Dan Pengenalan Tutur Vokal Bahasa Indonesia Menggunakan Metode Discrete Wavelet Transform (DWT) dan Dynamic Time Warping (DTW). In Universitas Gadjah Mada.
Carvalho, L.F. et al., 2014. Digital signature of network segment for healthcare environments support. Irbm, 35(6), pp.299–309.
David, S.K., 2013. Penerapan Algoritma Jaringan Saraf Tiruan Backpropagation Untuk Pengenalan Pola Tanda Tagan. Jurnal Teknologi, 6 Nomor 2, pp.139–146.
Dr. Alek, P.D.H.A.H., 2012. Linguistik Umum N. I. Sallama, ed., Jakarta: Erlangga.
Gaafar, T.S., Abo Bakr, H.M. & Abdalla, M.I., 2014. An improved method for speech/speaker recognition. 2014 International Conference on Informatics, Electronics and Vision, ICIEV 2014, pp.2–6.
Ghule, K.R. & Deshmukh, R.R., Feature Extraction Techniques for Speech Recognition: A Review. International Journal of Scientific & Engineering Research, 6(5), pp.2229–5518.
H, S., Hidayat, R. & Adji, T.B., 2015. Sistem Pengenal Tutur Bahasa Indonesia Berbasis Suku Kata Menggunakan MFCC , Sistem Pengenal Tutur Bahasa Indonesia Berbasis Suku Kata. Conference on Information Technology and Electrical Engineering, (September), pp.246–251.
Haylin, S., 1999. Neural Networks A Comprehensive Foundation 2nd ed., New Jersey: Prentice Hall, Inc.
Hidayatno, A. et al., 2008. Perambatan-Balik ( Backpropagation ). , pp.100–106.
Ivana, Pengenalan Ucapan Vokal Bahasa Indonesia Dengan Jaringan Sarag Tiruan Menggunakan Linear Predictive Coding. , pp.1–10.
Powers, D.M.W., 2007. Evaluation : From Precision , Recall and F-Factor to ROC , Informedness , Markedness & Correlation. J. Mach. Learn. Technol, 2, pp.37–63.
R, V.K. V & P, B.A., 2009. Features of Wavelet Packet Decomposition and Discrete Wavelet Transform for Malayalam Speech Recognition. Aceee, 1(2), pp.93–96.
Sakoe, H. & Chiba, S., 1978. Dynamic Programming Algorithm Optimization for Spoken Word Recognition. In IEEE Transactions on Acoustic Speech and Signal Processing. pp. 43–49.
Sutisna, U., 2013. Pengenalan Tutur Kata Terisolasi Menggunakan MFCC dan ANFIS. , p.136.
Wu, X., Tian, F. & Liu, J., 2008. An improved speech feature extraction algorithm using DWT. ICALIP 2008 - 2008 International Conference on Audio, Language and Image Processing, Proceedings, pp.1086–1090.
Yendra, 2016. Mengenal Ilmu Bahasa (Linguistik) 1st ed., Yogyakarta.
Asni, A., 2014. Ekstraksi Ciri Dan Pengenalan Tutur Vokal Bahasa Indonesia Menggunakan Metode Discrete Wavelet Transform (DWT) dan Dynamic Time Warping (DTW). In Universitas Gadjah Mada.
Carvalho, L.F. et al., 2014. Digital signature of network segment for healthcare environments support. Irbm, 35(6), pp.299–309.
David, S.K., 2013. Penerapan Algoritma Jaringan Saraf Tiruan Backpropagation Untuk Pengenalan Pola Tanda Tagan. Jurnal Teknologi, 6 Nomor 2, pp.139–146.
Dr. Alek, P.D.H.A.H., 2012. Linguistik Umum N. I. Sallama, ed., Jakarta: Erlangga.
Gaafar, T.S., Abo Bakr, H.M. & Abdalla, M.I., 2014. An improved method for speech/speaker recognition. 2014 International Conference on Informatics, Electronics and Vision, ICIEV 2014, pp.2–6.
Ghule, K.R. & Deshmukh, R.R., Feature Extraction Techniques for Speech Recognition: A Review. International Journal of Scientific & Engineering Research, 6(5), pp.2229–5518.
H, S., Hidayat, R. & Adji, T.B., 2015. Sistem Pengenal Tutur Bahasa Indonesia Berbasis Suku Kata Menggunakan MFCC , Sistem Pengenal Tutur Bahasa Indonesia Berbasis Suku Kata. Conference on Information Technology and Electrical Engineering, (September), pp.246–251.
Haylin, S., 1999. Neural Networks A Comprehensive Foundation 2nd ed., New Jersey: Prentice Hall, Inc.
Hidayatno, A. et al., 2008. Perambatan-Balik ( Backpropagation ). , pp.100–106.
Ivana, Pengenalan Ucapan Vokal Bahasa Indonesia Dengan Jaringan Sarag Tiruan Menggunakan Linear Predictive Coding. , pp.1–10.
Powers, D.M.W., 2007. Evaluation : From Precision , Recall and F-Factor to ROC , Informedness , Markedness & Correlation. J. Mach. Learn. Technol, 2, pp.37–63.
R, V.K. V & P, B.A., 2009. Features of Wavelet Packet Decomposition and Discrete Wavelet Transform for Malayalam Speech Recognition. Aceee, 1(2), pp.93–96.
Sakoe, H. & Chiba, S., 1978. Dynamic Programming Algorithm Optimization for Spoken Word Recognition. In IEEE Transactions on Acoustic Speech and Signal Processing. pp. 43–49.
Sutisna, U., 2013. Pengenalan Tutur Kata Terisolasi Menggunakan MFCC dan ANFIS. , p.136.
Wu, X., Tian, F. & Liu, J., 2008. An improved speech feature extraction algorithm using DWT. ICALIP 2008 - 2008 International Conference on Audio, Language and Image Processing, Proceedings, pp.1086–1090.
Yendra, 2016. Mengenal Ilmu Bahasa (Linguistik) 1st ed., Yogyakarta.
Downloads
Published
2016-12-30
How to Cite
Yuliantari, R. V., Hidayat, R., Wahyunggoro, O., & Nugroho, A. (2016). PENGENALAN TUTUR VOKAL BAHASA INDONESIA MENGGUNAKAN METODE MULTI LAYER PERCEPTRON. Jurnal Teknologi, 9(2), 140–147. Retrieved from https://ejournal.akprind.ac.id/index.php/jurtek/article/view/1153
Issue
Section
Articles
