Implementasi Learning Vector Quantization Dan Linear Predictive Untuk Pengenalan Lafal Nama Pahlawan Indonesia

Hernanda (2017) Implementasi Learning Vector Quantization Dan Linear Predictive Untuk Pengenalan Lafal Nama Pahlawan Indonesia. Other thesis, Universitas Komputer Indonesia.

[thumbnail of UNIKOM_HERNANDA_BAB I.pdf] Text
UNIKOM_HERNANDA_BAB I.pdf

Download (172kB)
[thumbnail of UNIKOM_HERNANDA_BAB II.pdf] Text
UNIKOM_HERNANDA_BAB II.pdf

Download (520kB)
[thumbnail of UNIKOM_HERNANDA_BAB V.pdf] Text
UNIKOM_HERNANDA_BAB V.pdf

Download (9kB)
[thumbnail of UNIKOM_HERNANDA_COVER.pdf] Text
UNIKOM_HERNANDA_COVER.pdf

Download (36kB)
[thumbnail of UNIKOM_HERNANDA_DAFTAR ISI.pdf] Text
UNIKOM_HERNANDA_DAFTAR ISI.pdf

Download (351kB)
[thumbnail of UNIKOM_HERNANDA_DAFTAR PUSTAKA.pdf] Text
UNIKOM_HERNANDA_DAFTAR PUSTAKA.pdf

Download (89kB)
[thumbnail of UNIKOM_HERNANDA_JURNAL DALAM BAHASA INDONESIA.pdf] Text
UNIKOM_HERNANDA_JURNAL DALAM BAHASA INDONESIA.pdf

Download (587kB)
[thumbnail of UNIKOM_HERNANDA_JURNAL DALAM BAHASA INGGRIS.pdf] Text
UNIKOM_HERNANDA_JURNAL DALAM BAHASA INGGRIS.pdf

Download (556kB)
[thumbnail of UNIKOM_HERNANDA_KATA PENGANTAR.pdf] Text
UNIKOM_HERNANDA_KATA PENGANTAR.pdf

Download (113kB)
[thumbnail of UNIKOM_HERNANDA_LEMBAR PENGESAHAN.pdf] Text
UNIKOM_HERNANDA_LEMBAR PENGESAHAN.pdf

Download (115kB)
[thumbnail of UNIKOM_HERNANDA_SURAT HAK EKSKLUSIF.pdf] Text
UNIKOM_HERNANDA_SURAT HAK EKSKLUSIF.pdf

Download (183kB)
[thumbnail of UNIKOM_HERNANDA_SURAT KETERANGAN TIDAK PLAGIAT.pdf] Text
UNIKOM_HERNANDA_SURAT KETERANGAN TIDAK PLAGIAT.pdf

Download (104kB)

Abstract

Ejaan yang disempurnakan (EYD) adalah ejaan bahasa Indonesia yang berlaku sampai saat ini yang sebelumnya menggunakan ejaan republic atau ejaan soewandi. Ejaan soewandin memiliki perbedaan yang diantranya �tj� menjadi �c�, �oe� menjadi �u� dan lain-lain. Untuk pelafalan yang memiliki pengucapan yang mirip apabila diucapkan akan menghasilkan perbedaan arti seperti guna dan tuna, nama pahlawan Indonesia dengan ejaan lama dapat menghasilkan pelafalan berbeda. Berdasarkan perbedaan pelafalan. Banyak penelitian yang sudah dilakukan terkait kemiripan suara dan pengenalan suara. Hasil pengenalan yang didapatkan bervariasi dipengaruhi oleh data training, metode ekstraksi ciri dan metode klasifikasi. Dalam penelitian ini metode ekstraksi ciri yang digunakan adalah Linear Predictive Coding dan untuk metode klasifikasi yang digunakan adalah Learning Vector Quantization untuk melakukan pengenalan lafal nama pahlawan Indonesia. Tahap pengolahan suara yang dilakukan yaitu ekstraksi ciri Linear Predictive Coding dengan tahapan preemphasis, frame blocking, windowing, auto correlation, analisis LPC, dan koefisien cepstral. Selanjutnya dilakukan tahap klasifikasi yaitu pelatihan dan pengujian Learning Vector Quantization. Nama pahlawan yang di uji sebanyak 8 nama. Data suara yang dipakai untuk data training yaitu 50 sampel suara yang artinya 8x50 ada sebanyak 400 suara yang digunakan. Kemudian data uji yang digunakan adalah 10 data sample suara yang artinya 10x8 adalah sebanyak 80 suara. Berdasarkan hasil pengujian yang diakukan terhadap data menggunakan metode K-Fold Cross Validation, maka didapatkan akurasi pengujian terbaik sebesar 54.17 %. Pengujian akurasi mendapatkan hasil yang tidak memuaskan dikarenakan banyak nya noise dari data latih yang digunakan. Adapun kombinasi yang digunakan yaitu learning rate (α) = 0.0001, pengurangan rasio = 0.001, error minimum = 0.0002 dan maksimum epoch = 100.

�Ejaan yang disempurnakan� (EYD) is spelling language for Indonesia valid until today. that previously used the spelling �Ejaan Republik� or �Ejaan Soewandi�. �Ejaan Soewandi� is difference like �tj� as �c�,�oe� as �u�, and many more. For pronunciation which has a similar pronunciation in pronounced difference will produce a meaning such as �guna� and �tuna�. Name of hero Indonesia with the old spellinf can produce different pronunciation. Based on similarity. A lot of research have been done related similarities of voice recoginition. The results of recognition obtained varied training data, are affected by the extraction methods and classification. In this study the characteristics extraction methods used are the Linear Predictice Coding and classification methods are used is Learning Vector Quantization for recognition pronunciation. Stage of processing of sound conducted namely extraction characteristics Linear Predictice Coding with stages Preemphasis, Frame Blocking, Windowing, Auto Correlation, LPC analysis, and cepstral coefficients. The next stage of classification done is training and testin Learning Vector Quantization. The name of the hero in test as much 8 names. Voice data used for training data 50 sample whose meaning 40 x 8 as many 400 voice used. voice data used for testing data is 10 sample whose meaning 10 x 8 as many 80 voiced used. Based on the results of test performed on test using K-fold Cross Validation, then obtained best test accuracy amounting to 54.17%. Testing the accuracy of the results is not satisfactory because of its many noise from training data is used. The combination that used is learning rate (α) 0.0001, reduced ratio = 0.001, error minimum = 0.0002 and maximum epoch = 100

Item Type: Thesis (Other)
Additional Information: Migrasi dari GDL. Identifier: jbptunikompp-gdl-hernandani-36767. Folder: S1-Final_Project / Fakultas_Teknik_dan_Ilmu_Komputer / Teknik_Informatika / 2017
Uncontrolled Keywords: Kecerdasan Buatan, Jaringan Syaraf Tiruan, Linear Predictive Coding, Leraning Vector Quantzation, Pengenalan Suara
Divisions: S1 Skripsi > Teknik Informatika
Depositing User: Robot Migration
Date Deposited: 05 Nov 2026 12:31
Last Modified: 05 Nov 2026 12:31
URI: https://elibrary.unikom.ac.id/id/eprint/47764

Actions (login required)

View Item
View Item