ANALISA KINERJA SPECTRAL SUBTRACTION DOMAIN DAYA DAN DOMAIN MAGNITUDE PADA SISTEM PENGENALAN UCAPAN MENGGUNAKAN HIDDEN MARKOV MODEL

FAJAR, AFRIANSYAH (2016) ANALISA KINERJA SPECTRAL SUBTRACTION DOMAIN DAYA DAN DOMAIN MAGNITUDE PADA SISTEM PENGENALAN UCAPAN MENGGUNAKAN HIDDEN MARKOV MODEL. Diploma thesis, UNIVERSITAS ANDALAS.

Preview	Text (ABSTRAK) ABSTRAK_FAJAR AFRIANSYAH_1010952061.pdf - Published Version Download (316kB) | Preview
Preview	Text (BAB 1) BAB I_FAJAR AFRIANSYAH_1010952061.pdf - Published Version Download (269kB) | Preview
Preview	Text (BAB V) BAB V_FAJAR AFRIANSYAH_1010952061.pdf - Published Version Download (193kB) | Preview
Preview	Text (DAFTAR PUSTAKA) DAFTAR KEPUSTAKAAN_FAJAR AFRIANSYAH_1010952061.pdf - Published Version Download (333kB) | Preview
	Text (TUGAS AKHIR LENGKAP) TUGAS_AKHIR_FAJAR_AFRIANSYAH_1010952061.pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Mempertahankan sistem pengenalan ucapan (speech recognition) pada lingkungan berderau masih menjadi masalah sampai saat ini. Salah satu solusi untuk mengatasi permasahan ini dengan melakukan perbaikan kualitas dan kejelasan dari sinyal ucapan yang dirusak oleh derau. Pada penelitian ini dilakukan perbaikan sinyal dengan menggunakan metode spectral subtraction. Metode spectral subtraction memperbaiki sinyal berdasarkan spektrum daya atau magnitude dari sinyal berderau. Pada tugas akhir ini dianalisa perbandingan kinerja spectral subtraction dalam domain daya dan domain magnitude dengan estimasi derau berdasarkan minimum statistics dalam mengurangi efek derau terhadap sinyal ucapan sehingga sistem pengenalan ucapan mampu bekerja dengan baik. Berdasarkan hasil penelitian, diketahui bahwa kinerja metode spectral subtraction domain daya lebih baik dibandingkan dengan metode spectral subtraction domain magnitude. Dan untuk variasi oversubtraction dan spectral floor yang memberikan hasil peningkatan akurasi tinggi dari penggunaan metode spectral subtraction domain daya pada nilai α rentang 1.75 sampai 3.25 dan nilai β pada rentang 0.008 sampai 0.03 dengan rata – rata peningkatan sebesar 47.78%. Sedangkan pada spectral subtraction domain magnitude pada saat nilai α berada pada rentang 1.75 sampai 3.25 dan nilai β pada rentang 0.002 dan 0.005 dengan rata – rata peningkatan sebesar 45.54%. Dibutuhkan nilai α dan β yang optimal untuk mendapatkan kinerja sistem yang bagus. Kata Kunci : Speech Enhancement, Spectral Subtraction, Speech Recognition

Actions (login required)

View Item