UMN Knowledge Center

Analisis Speech Recognition Dengan Metode Convolutional Neural Network Pada Bahasa Indonesia

Kusumo, Andrew Tirto (2017) Analisis Speech Recognition Dengan Metode Convolutional Neural Network Pada Bahasa Indonesia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
HALAMAN AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img]
Preview
Text
BAB I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (802kB) | Preview
[img] Text
BAB II.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img] Text
BAB III.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (958kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img] Text
BAB V.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (793kB)
[img]
Preview
Text
DAFTAR PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (854kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)

Abstract

Teknologi speech recognition berkembang pesat dewasa ini. Banyak metode yang ditemukan dan diterapkan ke speech recognition. Untuk menaikkan akurasi, salah satu metode yang dapat diterapkan dan meningkatkan akurasi speech recognition adalah Convolutional Neural Networks (CNN). Pada penelitian ini dianalisa akurasi CNN terhadap pengenalan suara Bahasa Indonesia untuk membuktikan bahwa CNN juga dapat menaikkan akurasi pada pengenalan suara berbahasa Indonesia. CNN adalah salah satu model dari Deep Learning yang bekerja dengan menganalisis Mel-frequency Cepstral Coefficients (MFCC) dari sinyal suara dan mencari kecocokkan dari gambar tersebut. Model CNN dilatih dengan data yang sudah dipersiapkan terlebih dahulu. Hasil pengujian metode CNN terhadap speech recognition pada Bahasa Indonesia menggunakan istilah geografi menunjukkan 80% akurasi pada kondisi isolated words dan 72,67% akurasi pada kondisi continuous words

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: speech recognition, Convolutional Neural Network, Deep Learning, MFCC, TensorFlow, Python
Subjects: T Technology
Z Bibliography. Library Science. Information Resources > ZA Information resources
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions: Fakultas Teknik Informatika > Program Studi Teknik Komputer
Depositing User: mr admin umn
Date Deposited: 24 Jan 2019 08:09
Last Modified: 24 Jan 2019 08:09
URI: http://kc.umn.ac.id/id/eprint/4878

Actions (login required)

View Item View Item