APLIKASI PENGENALAN UCAPAN HURUF JEPANG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM)

  • Dahlan Abdullah
  • Cut Ita Erliana

Abstract

Jika dibandingkan dengan bahasa asing yang lain, bahasa Jepang tergolong cukup mudah dipelajari, hurufnya tidak serumit bahasa Mandarin. Dalam pembelajaran, pengucapan huruf Jepang dengan benar sangat berpengaruh dalam berkomunikasi. Pengenalan ucapan adalah suatu proses yang dilakukan komputer untuk mengenali kata-kata yang diucapkan oleh seseorang tanpa memperdulikan identitas orang terkait. Kata-kata tersebut akan diubah bentuknya menjadi sinyal digital dengan cara mengubah gelombang suara menjadi sekumpulan angka lalu disesuaikan dengan kode-kode tertentu dan dicocokkan dengan suatu pola yang tersimpan dalam database. Dalam penelitian ini membahas tentang bagaimana pengenalan ucapan huruf Jepang menggunakan Hidden Markov Model (HMM). HMM adalah suatu model statistik dari sebuah sistem yang diasumsikan sebuah proses Markov dengan parameter-parameter yang tidak diketahui dan memiliki ketepatan dalam identifikasi suara. Untuk ektraksi ciri sinyal menggunakan metode statistik yaitu Mean dan Tranformasi Mellin. Penelitian dilakukan dengan 10 orang yang mengucapkan huruf konsonan vokal Jepang Hiragana yaitu “Ka, Ki, Ku, Ke, Ko, Sa, Shi, Su, Se, So”. Hasil dari pengenalan ucapan menunjukkan keakuratan aplikasi dengan nilai kedekatan rata-rata adalah 0,83234179 atau 83%.

Kata Kunci : Huruf Jepang, Hidden Markov Model, Mean, Pengenalan Ucapan, Statistik, Tranformasi Mellin.

Published
2017-09-20
How to Cite
ABDULLAH, Dahlan; ERLIANA, Cut Ita. APLIKASI PENGENALAN UCAPAN HURUF JEPANG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM). Journal of Information System, Informatics and Computing, [S.l.], v. 1, n. 1, p. 21-32, sep. 2017. ISSN 2597-3673. Available at: <http://journal.stmikjayakarta.ac.id/index.php/jisicom/article/view/3>. Date accessed: 16 dec. 2018.
Section
Articles