Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu kendala terbesar manusia untuk memahami suatu informasi adalah bahasa. Informasi yang ada saat ini berjumlah sangat banyak dan telah dapat disediakan dalam bermacam-macam bentuk mulai dari yang paling sederhana yaitu teks hingga yang lebih canggih dengan menggunakan berkas suara. Informasi yang disediakan dalam berkas suara akan lebih mudah dimengerti oleh manusia, tetapi tetap saja informasi ini tidak lepas dari permasalahan utama yaitu bahasa. Dengan adanya permasalahan diatas, dilakukanlah pengembangan sistem penerjemahan suara ke suara untuk bahasa Indonesia ke bahasa Inggris yang memungkinkan penerjemahkan berkas suara berbahasa Indonesia menjadi suara dalam bahasa Inggris sehingga kendala pemahaman untuk kedua bahasa tersebut dapat dikurangi. Pengembangan sistem penerjemahan suara ke suara ini melibatkan sistem pengenalan suara yang memungkinkan pengubahan data suara menjadi teks, mesin penerjemah yang memungkinkan komputer untuk melakukan penerjemahan teks dari satu bahasa ke bahasa lain dan sistem sintesis suara yang memungkinkan komputer untuk menghasilkan suara dari teks. Pada penelitian ini, terdapat tiga macam data yang digunakan yaitu rekaman percakapan, rekaman novel dan rekaman menggunakan telepon. Akurasi tertinggi dari hasil yang dikeluarkan oleh sistem pengenalan suara adalah pengenalan kata sebesar 96.10% untuk rekaman percakapan dan pengenalan kalimat sebesar 83.70% untuk rekaman percakapan. Untuk mesin penerjemah, akurasi tertinggi yang diperoleh adalah sebesar 0.38 pada rekaman percakapan, sedangkan akurasi sistem sintesis suara adalah 34% untuk rekaman menggunakan telepon.

---

The biggest challenge for human to understand information is language barrier. Nowadays, the number of information has grown rapidly and the information is available from text to multimedia such as audio or speech. The information presented in a speech document can be understood more easily by human; however, this information is difficult to be translated into another language. The development of Indonesia - English speech to speech translation system enables the translation of Indonesian speech into English speech. The development of speech to speech translation system involves the speech recognition system which enables the conversion of speech data into text, machine translation system which enables the computer to translate texts form one language to another and a speech synthesis system which enables the computer to produce speech form texts. There are three kinds of speech data that are used on this research: conversation and novel sentences recorded using a speech recorder and conversation sentences recorded using mobile telephone. The highest accuracy for speech recognition system`s output is 96.10% for the word recognition and 83.70% for the sentence recognition on conversation speech. For the machine translation, the highest accuracy is 0.38 for conversation recorded using a speech recorder, while the speech synthesis system achieves the highest accuracy of 34% for the conversation recorded using mobile telephone."

"Informasi yang terdapat saat ini tidak hanya terbatas disimpan dalam bentuk dokumen teks saja, tetapi banyak juga dalam bentuk dokumen suara. Banyaknya informasi yang disimpan dalam bentuk dokumen suara menyebabkan diperlukannya teknik perolehan informasi yang dapat diterapkan kepada koleksi dokumen tersebut. Pendekatan yang banyak dilakukan adalah dengan menggunakan hasil pengenalan suara oleh Sistem Pengenalan Suara Otomatis (SPSO). Tetapi, hasil pengenalan suara oleh SPSO tidak sepenuhnya benar sehingga menurunkan tingkat akurasi perolehan informasi dokumen suara. Pada penelitian ini penulis mencoba empat jenis hasil pengenalan suara untuk melakukan perolehan informasi dokumen suara, yaitu 1-best output, n-best word output, n-best pronounciation output, word posterior lattice. Selain itu, penulis juga mencoba tiga jenis kueri pada penelitian ini, yaitu kueri satu kata, kueri frase dua kata dan kueri kalimat. Hasil yang didapat pada penelitian ini menyimpulkan bahwa penggunaan 1-best output pada perolehan informasi dokumen suara menghasilkan kinerja yang lebih baik dibandingkan penggunaan hasil pengenalan suara yang lain. Mean Average Precision (MAP) hasil eksperimen dengan 1-best output lebih besar 0.64% dibandingkan penggunaan n-best output , 8,88% lebih besar dibandingkan penggunaan word posterior lattice dan lebih besar 92.68% dibandingkan penggunaan n-best pronounciation output. Pada eksperimen dengan kueri frase, sistem dengan akurasi terbaik adalah sistem yang menggunakan word posterior lattice. Pada eksperimen dengan kueri satu kata dan kueri kalimat, sistem yang menggunakan n-best word output menghasilkan kinerja terbaik.

---

The information today is not only limited in the form of text documents, but also in the form of spoken documents. The growing number of those spoken documents requires the information retrieval techniques to make the retrieval process easier. The approach for spoken documents retrieval is using automatic speech recognition (ASR). However, the results of the speech recognition by ASR are not entirely correct, so reduce the level of accuracy of information retrieval of spoken documents. This experiment uses four types results of the speech recognition by ASR, the 1-best output, n-best output, n-best pronunciation output, word posterior lattice. In addition, this experiment also investigates the effect of the use of query types (phrase, single word and sentence). Results obtained from this experiment concluded that the use of 1-best output on spoken document retrieval produces better performance results than the use of other results of the speech recognition. Mean Average Precision (MAP) results of experiments with 1-best output is 0.64% higher than the use of n-best output, 8.88% higher than the use of word posterior lattice and 92.68% higher than the use of n-best pronunciation output. In phrase based query experiment, the best accuracy is word posterior lattice while the best accuracy in single word query and sentence query is n-best word output."

"Pepper (Piper nigrum L) is a potential export commodity from Indonesia.In 2005,the production ranked the second in the world after Vietnam.The commodity contributes thr fourth biggest income from the estate crops after oil palm,rubber and coffee

---

"

"Contents: Pendahuluan -- Sistem ekonomi dan pengalaman sejarah -- Kebijaksanaan dan program anti kemiskinan -- Ekonomi kelembagaan Indonesia "