Pengenalan lafal hukum nun mati atau tanwin menggunakan Hidden Markov Model (HMM)

Jamaludin, Agus (2015) Pengenalan lafal hukum nun mati atau tanwin menggunakan Hidden Markov Model (HMM). Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (131kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (41kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (41kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (571kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (816kB)
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (545kB)
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (205kB)
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (216kB)

Abstract

Dunia teknologi berkembang begitu pesat. Salah satunya penemuan sistem pengenalan suara dimana sebuah mesin dapat memahami informasi yang disampaikan oleh manusia melalui suara. Banyak metode yang digunakan pada sistem pengenalan suara baik itu metode ekstraksi ciri ataupun metode pengenalannya. Metode ekstraksi ciri yang sering dipakai adalah Mel Frequency Cepstral Coeficient (MFCC). Metode ini menggabungkan cara linier dan nonlinier karena persepsi pendengaran manusia tidak berada pada skala linier dalam bentuk frekuensi melainkan diukur dalam bentuk skala frekuensi mel. Pada tahap ekstraksi ciri ini sinyal suara dibentuk menjadi vektor-vektor ciri, kemudian pada tahap berikutnya vektor ciri ini akan di kuantisasi atau dipetakan menjadi codeword dan dikumpulkan menjadi kumpulan codebook. Codebook ini kemudian digunakan pada proses pelatihan model HMM. Pada proses pelatihan HMM, parameter peluang transisi, peluang inisialisisi, dan peluang observasi dihitung dan dicari parameter yang paling baik sehingga membentuk sebuah model yang optimum. Kemudian model ini digunakan pada proses klasifikasi. Model terbaik yang didapat oleh penulis pada percobaan yang dilakukan adalah pada saat besar codebook M=128 dan banyak state S=6 dengan tingkat akurasi 51,7%.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Pengenalan Suara; Ekstraksi Ciri; MFCC; HMM; Kuantisasi Vektor.
Subjects: Analysis, Theory of Functions > Analysis and Calculus
Divisions: Fakultas Sains dan Teknologi > Program Studi Matematika
Depositing User: Rasyida Rofiatun Nisa
Date Deposited: 29 May 2018 19:29
Last Modified: 29 May 2018 19:29
URI: https://digilib.uinsgd.ac.id/id/eprint/5875

Actions (login required)

View Item View Item