Transkripsi Suara Pengenalan Angka Bahasa Indonesia Menggunakan Metode Hidden Markov Model.

Abstract

Penelitian ini membahas tentang Automatic Speech Recognition (ASR) menggunakan metode Hidden Markov Model dalam mentranskripsikan suara bahasa Indonesia. Kata yang akan ditranskripsikan berupa angka positif dari satuan sampai miliyaran. Penelitian ini menggunakan HTK toolkit berdasarkan metode Hidden Markov Model (HMM). Sistem ini dibuat dengan menggunakan 100 data latih dan 20 data uji. Penelitian ini dilakukan untuk melihat pengaruh penambahan fitur Delta pada proses ekstraksi ciri menggunakan Mel-Frequency Cepstral Coefficients (MFCC), dan pengaruh pembuatan model triphones dibandingkan pembuatan model monophones. Percobaan yang dilakukan adalah membuat model monophones dengan ekstraksi ciri MFCC, membuat model monophones dengan ekstraksi ciri MFCC dan Delta, membuat model triphones dengan ekstraksi ciri MFCC, dan membuat model triphones dengan ekstraksi ciri MFCC dan Delta. Akurasi tertinggi mencapai 98.88% untuk mentranskripsikan kata, dan 85% untuk untuk mentranskripsikan kalimat/data yang diperoleh dari percobaan model triphones dengan ekstraksi ciri MFCC dan Delta.