Metode Second Position Asymmetric Windowing dan Jaringan Syaraf Tiruan Backpropagation untuk Pengenalan Fonem dalam Bahasa Indonesia
| Main Author: | AldoSeptyanPraherda |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2008
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/151996/1/050800129.pdf http://repository.ub.ac.id/151996/ |
Daftar Isi:
- Text-to-speech dalam Bahasa Indonesia dapat dibangun dengan beberapa metode diantaranya adalah metode phoneme synthesis . Salah satu kelemahan yang ada pada metode phoneme synthesis adalah belum bisa mengatasi masalah perbedaan pengucapan pada suatu huruf. Kelemahan pada metode phoneme synthesis perlu diselesaikan sebab dalam Bahasa Indonesia vokal ‘e’ dan ‘o’ mempunyai lebih dari satu cara pengucapan. Dalam penelitian ini diimplementasikan metode Second Position Asymmetric Windowing (SPAW) dan jaringan syaraf tiruan backpropagation untuk mengatasi masalah perbedaan pengucapan pada suatu huruf. Data yang digunakan untuk proses pembelajaran adalah kata yang mengandung huruf e atau o sebanyak 500 kata. Sedangkan data untuk proses pengujian adalah 50 kata yang mengandung huruf e atau o serta belum pernah dilakukan pembelajaran. Pada proses pembelajaran dilakukan uji coba jumlah unit pada hidden layer , besar learning rate , dan jumlah max epoch untuk menghasilkan model yang terbaik. Tolok ukur keberhasilan pengujian model dilakukan dengan menghitung nilai mean squared error (MSE) dan jumlah kata yang berhasil dikenali fonemnya. Dari penelitian ini diketahui bahwa metode jaringan syaraf tiruan backpropagation dengan metode Second Position Asymmetric Windowing mampu mengenali huruf yang mempunyai lebih dari satu cara pengucapan dengan nilai keakuratan sebesar 97.80% (MSE : 0.0054) untuk kata-kata yang pernah dilakukan pembelajaran dan menghasilkan nilai keakuratan rata-rata sebesar 63.6% untuk kata-kata yang belum pernah dilakukan pembelajaran. Pembelajaran dilakukan menggunakan metode Second Position Asymmetric Windowing dengan model 1-5 dan metode jaringan syaraf tiruan backpropagation dengan jumlah unit pada input layer sebanyak 189 unit, jumlah unit pada hidden layer sebanyak 80 unit, jumlah unit pada output layer sebanyak 30 unit, nilai learning rate sebesar 0.005 dan max epoch sebesar 3000.