Pengenalan Ucapan Suku Kata Bahasa Lisan Menggunakan Ciri LPC, MFCC, dan JST

Abstract

AbstrakSuara adalah salah satu alat komunikasi antar manusia yang efektif dan digemari. Selain sebagai alat komunikasi antar manusia, suara manusia telah digunakan sebagai alat komunikasi antara manusia dan komputer (mesin). Penelitian menggunakan suara sebagai alat komunikasi manusia dan mesin telah banyak dilakukan dengan menggunakan berbagai bahasa. Bahkan ada beberapa penelitian yang telah menghasilkan kemampuan pengenalan yang baik dan dikomersilkan (menggunakan bahasa Inggris). Bagaimana dengan penelitian pengenalan suara menggunakan Bahasa Indonesia? Peneliti mengamati penelitian pengenalan ucapan kata dalam Bahasa Indonesia masih minim dan cakupan jumlah katanya pun masih kecil. Oleh karena itu, pada penelitian ini, peneliti melakukan pengenalan ucapan kata Bahasa Indonesia. Pengenalan ucapan kata Bahasa Indonesia dilakukan dengan memecah kata Bahasa Indonesia ke dalam bentuk suku kata bahasa lisan. Pemecahan ke dalam bentuk lafal kata diharapkan mampu mengurangi jumlah kata yang sangat besar, namun tetap mengakomodasi seluruh kata yang dalam Bahasa Indonesia. Total jumlah lafal kata yang ditemukan oleh peneliti adalah 1741 suku kata bahasa lisan. Peneliti membagi sistem dalam 4 bagian besar, yakni proses perekaman, pre-processing, ekstraksi ciri, dan pengenalan. Pada proses perekaman digunakan frekuensi 11025 Hz, Mono, 8 bit. Pada pre-processing digunakan proses bantuan seperti pre-emphasis, segmentasi, framing, dan windowing. Sedangkan untuk ekstraksi ciri dan pengenalan digunakan ciri LPC/MFCC dan identifier jaringan syaraf tiruan backpropagation. Hasil pengenalan dengan pendekatan yang dibangun menunjukkan hasil yang belum memuaskan, yakni dengan kemampuan pengenalan terbaik sebesar 0.65% dengan ciri MFCC. Kata kunci—pengenalan kata Bahasa Indonesia, LPC, MFCC, JST, backpropagation. Abstract Voice is one of effective and convinienced communication’s medium among human. However, the used of voice is not only for communication among human but also has another role nowadays. Voice becomes communication medium for human and computer (machine). One of its application is speech to text application. Some of speech to text research already claimed good accuracy for some languages. How about Indonesian language? The research for Indonesian word recognition was still at low amount. The word used for research was at small amount too. Because of some of the reasons, researcher focus on Indonesian word recognition in this research. This research will divide the word into the speech syllable. The aim for the dividing system is to reduce the large amount of the word, but still cover all of the word. We found and used 1741 speech syllables. For managing the recognition, we used several approaches. The approaches are 11025 Hz, Mono, 8 bit for recording, pre-emphasized, segmentation, framing, and windowing for pre-processing, LPC and MFCC for the features, and back-propagation neural network for the identifier. The result using this approach was not reached good performance. The best result performed 0.65% by using MFCC feature. Keywords—Indonesian’s syllable recognition, LPC, MFCC, neural network, backpropagation

Keywords

• Indonesian’s syllable recognition
• LPC
• MFCC
• neural network
• backpropagation