Manusia memiliki suara yang berbeda-beda baik dalam intonasi maupun frekuensinya. Perbedaan ini dapat dikenali dengan berbagai metode pengenalan sinyal. Skripsi ini dilakukan sebagai penelitian untuk menganalisis proses pengenalan suara manusia dengan metode Hidden Markov Model ( HMM ) yang selanjutnya akan dihasilkan output dalam bentuk tulisan. Proses pengenalan suara dikhususkan untuk mengenali ucapan suku kata dalam Bahasa Indonesia. Dalam penelitian ini dilakukan 2 (dua) tahap utama, yakni proses pembentukan database dan proses recognition/pengenalan. Semua proses diaplikasikan pada program simulasi yang dibuat menggunakan program Matlab 7.04. Pada proses pembuatan database dilakukan pengolahan sinyal suara meliputi proses sampling, normalisasi, ekstaksi, dan vevtor kuantisasi. Dari proses kuantisasi didapatkan kumpulan centroid yang membentuk suatu codeword. Codeword ini kemudian disimpan dalam databse codebook. Jumlah data untuk setiap suku kata ditentukan oleh jumlah traingingnya. Semua data dalam database codebook diolah hingga menghasilkan parameter-parameter HMM yang kemudian disimpan dalam sebuah database HMM. Pada proses pengenalan, sinyal input yang akan dites dibandingkan dengan database codebook dan database HMM. Data dengan nilai log of probability yang paling tinggi diambil sebagai output dari keseluruhan proses specch to text. Proses pembuatan dababase dan proses pengenalan dilakukan dalam 5 (lima) kondisi suara latar berbeda, yakni latar suara hujan, kendaraan bermotor, tepuk tangan, musik, dan latar hening/tenang. Dari hasil uji coba didapatkan bahwa semakin tinggi ukuran codebook dan jumlah trainingnya, maka tingkat keberhasilan proses speech to text semakin tinggi. Dari kelima kondisi suara latar yang berbeda, kondisi dengan latar suara hujan memiliki nilai rata-rata keberhasilan yang paling kecil, sedangkan nilai keberhasilan paling tinggi diperoleh saat kondisi hening/tenang.
Human being have the voice which different each other in intonation and also its frequency. This difference could be recognized by various method of signal recognition. This thesis is conducted as research to analyze the human voice recognition process with the Hidden Markov Model ( HMM ) method that would be yielded the output in the form of text. Voice Recognition process is majored to recognized the syllable of Indonesian. In this research there was two of main process, database forming and recognition. All of simulation program in this thesis was created with Matlab 7.04. In database forming was conducted the voice signal processing, covering sampling process, normalization, extraction, and vector quantization. From the process of vector quantization would be get a corps of the ?centroid? that formed a codeword. Then the codeword would be saved in a codebook database. Amount of the data in codebook database was processed until produce HMM parameters that would be saved in HMM database. In the process of recognition, signal input was compared with the data in the codebook database and HMM database. Data with a highest log of probability value was taken as the output from all of the speech to text process. Database forming and recognition process was done in 5 (five) different sound effect condition, that is rain sound effect, vehicle sound effect, applause sound effect, music sound effect, and the calm effect. From result of the test was got that excelsior of size measure of codebook would be caused the higher mount for its efficacy. From 5 (five) sound effect condition, the rain sound effect gave a lowest mean of efficacy value while the calm condition give the highest mean of efficacy value. |
S40347-Ahmad Mujaddid Amin.pdf :: Unduh