ANALISIS KEBUTUHAN DATASET ALGORITMA SPEECH TO TEXT BAHASA SASAK MENGGUNAKAN PERBANDINGAN DATA SUARA BAHASA INGGRIS PADA METODE CNN

Widya Bayu, Pratiwi (2023) ANALISIS KEBUTUHAN DATASET ALGORITMA SPEECH TO TEXT BAHASA SASAK MENGGUNAKAN PERBANDINGAN DATA SUARA BAHASA INGGRIS PADA METODE CNN. S1 thesis, Universitas Mataram.

	Text TUGAS AKHIR_F1D019104_Widya Bayu Pratiwi.pdf Restricted to Repository staff only Download (1MB)
Preview	Text JURNAL.pdf Download (804kB) | Preview
Preview	Text Poster_F1D019104_Widya Bayu Pratiwi.pdf Download (200kB) | Preview

Abstract

Saat ini telah banyak penelitian yang mempelajari tentang speech recognition atau speech to text. Speech to text adalah sebuah teknologi yang digunakan untuk mengkonversi ucapan atau suara manusia dan diterjemahkan menjadi teks tertulis. Beberapa penelitian speech to text yang telah dilakukan, sudah mendapatkan tingkat akurasi hingga 95% dengan dataset Bahasa Inggris yang menggunakan metode ekstrasi fitur Mel Frequency Coefficient (MFCC) dan metode klasifikasi Convolutional Neural Network (CNN). Pada penelitian ini akan menerapkan algoritma serupa yaitu MFCC dan CNN dengan menampilkan proses pelatihan dan akurasi yang dihasilkan dalam pemrosesannya dengan skenario analisis penggunaan dataset di kelipatan 50, 150, 250, dan 350 data suara. Hasil yang diperoleh telah mencapai akurasi 95% pada data latih sebanyak 350 data suara Bahasa Inggris. Analisis yang dilakukan yaitu mencari komposisi terbaik pada dataset bahasa Sasak dengan membandingkan akurasi hasil pengujian dengan akurasi hasil pelatihan sebelumnya pada dataset Bahasa Inggris. Dari proses pelatihan dan pengujian yang telah dilakukan, hasil yang diperoleh menunjukkan bahwa komposisi dataset terbaik untuk bahasa Sasak adalah dengan sembilan pengucap. Ini menggambarkan bahwa bahasa Sasak membutuhkan lebih sedikit sumber daya manusia dibandingkan dengan dataset Bahasa Inggris yang melibatkan lebih dari 30 pengucap dalam 50 kata. Hal ini berdampak positif pada penghematan sumber daya dan waktu yang dibutuhkan dalam pengembangan sistem pengenalan suara bahasa Sasak.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Analisis, Bahasa Sasak, CNN, Komposisi Terbaik, MFCC
Subjects:	T Technology > TD Environmental technology. Sanitary engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	24 Nov 2023 08:27
Last Modified:	24 Nov 2023 08:27
URI:	http://eprints.unram.ac.id/id/eprint/43573

Actions (login required)

View Item