Rochmaniyah, Ni'matul (2018) Identifikasi bacaan kosakata bahasa Arab dengan pengenalan suara metode fast fourier transform dan neural network learning vector quantization / Ni'matul Rochmaniyah. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
v RINGKASAN Rochmaniyah Ni matul. 2018. Identifikasi Kosakata Bahasa Arab dengan Pengenalan Suara Metode Fast Fourier Transform dan Neural Network Learning Vector Quantization. Skripsi Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (1) Dr. Eng. Siti Sendari S.T. M.T. (2) Utomo Pujianto S.Kom. M.Kom. Kata kunci bahasa Arab pengenalan suara FFT LVQ Bahasa Arab merupakan salah satu bahasa yang banyak digunakan oleh masyarakat tetapi juga merupakan bahasa tersulit ketiga di dunia. Hal ini disebabkan karena bahasa Arab berbasis fonem. Pelafalan kosakata bahasa Arab di masyarakat tidak sepenuhnya dapat sesuai dengan unsur fonemik yang ada. Adanya kemiripan dari kosakata bahasa Arab menjadi perihal utama yang menyebabkan terjadinya kesalahan baik itu kesalahan yang menyebabkan perbedaan arti dari bacaan tersebut ataupun kesalahan penerimaan informasi yang berbeda dari orang yang mendengarkan. Penelitian ini bertujuan untuk mengetahui (1) Frekuensi unik suara untuk masing-masing bacaan kosakata bahasa Arab (2) Proses pembelajaran yang dilakukan oleh Neural Network Quantization dalam menentukan pengambilan keputusan (3) Tingkat akurasi kesesuaian bacaan kosakata bahasa Arab yang dihasilkan oleh metode Fast Fourier Transform dan Neural Network Learning Vector Quantization. Metode penelitian ini dibagi dalam dua tahapan yaitu proses pengenalan suara dan proses klasifikasi. Pada tahap pengenalan suara digunakan metode Fast Fourier Transform. Tahap pengenalan suara diawali dengan pengumpulan data latih yang dilakukan terhadap 21 orang dengan jenis kelamin laki-laki dan perempuan dimana masing-masing orang melafalkan kosakata Dalla Jalla dan Khalla. Data yang telah dikumpulkan dilakukan proses pre-emphasis untuk menormalisasi data dari gangguan noise. Kemudian dilakukan proses frame blocking dan windowing dimana jenis window yang digunakan adalah hamming window. Proses terakhir dari tahap pengenalan suara adalah penerapan algoritma Fast Fourier Transform. Hasil dari proses pengenalan suara adalah tiga fitur unik suara yaitu minimal frequency maximum frequency dan average frequency. Setelah fitur suara didapatkan fitur tersebut digunakan sebagai input pada proses klasifikasi dengan menggunakan algoritma Neural Network Learning Vector Quantizaion (LVQ). Hasil dari penelitian menunjukkan bahwa pada proses pengenalan suara algoritma Fast Fourier Transform dapat menghasilkan tiga fitur suara dari seluruh dataset. Fitur ini digunakan sebagai input dalam pembentukan jaringan. Dari seluruh pengujian yang telah dilakukan rata-rata nilai akurasi yang dihasilkan adalah 33.12%. Hasil analisis yang telah dilakukan penyebab rendahnya nilai akurasi adalah distribusi data tidak normal. Kemiripan kosakata yang dilafalkan membuat range data dari masing-masing fitur yang dihasilkan memiliki nilai yang berdekatan. Sehingga data tersebut memiliki pola yang saling tumpang tindih. Pola ini tidak dapat membedakan kelompok kelas output sehingga penentuan kelas output dari proses identifikasi menjadi sulit. Kesimpulan dari penelitian ini adalah (1) Proses pemcarin frekuensi unik suara diawali dengan proses pengumpulan dataset yang diperoleh sebanyak 309 data. Dataset yang telah dikumpulkan diproses melalui tahap pre-emphasis frame blocking windowing dan Fast Fourier Transform. Sehingga diperoleh tiga fitur unik dari suara yaitu min frequency max frequency dan average frequency (2) Tahap pertama yang dilakukan dalam identifikasi adalah pembentukan jaringan dimana dalam proses ini akan dilakukan pelatihan berulang kali terhadap jaringan untuk memperoleh bobot terbaik yang akan digunakan pada proses pengujian jaringan dan (3) Algoritma Fast Fourier Transform dan Neural Network Learning Vector Quantization dapat digunakan untuk mengidentifikasi bacaan kosakata Bahasa Arab namun nilai akurasi yang dihasilkan rendah yaitu kurang dari 50%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 29 Oct 2018 04:29 |
| Last Modified: | 09 Sep 2018 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/48062 |
Actions (login required)
 |
View Item |