Electronic Theses and Dissertation

Speech recognition merupakan cabang pengenalan pola yang telah banyak diterapkan dalam banyak produk. Beberapa produk terkenal yang menggunakan sistem pengenalan suara termasuk Google Assistant, Apple Siri, dan Alexa yang memiliki akurasi tinggi untuk menghasilkan output dengan harapan pengguna. Belakangan ini, deep learning adalah salah satu teknik yang sering digunakan untuk membangun model dalam sistem pengenalan suara. Teknik ini bekerja dengan mengambil informasi dari setiap hidden layers dari audio frames sebagai input fitur dan phones sebagai output label masing-masing. Zikir adalah salah satu ibadah umat Islam kegiatan yang dapat dilakukan setiap saat. Beberapa alat dan aplikasi telah dibuat untuk menghitung kata-kata zikir sambil berulang kali mengucapkannya. Dalam penelitian ini, speech recognition diimplementasikan untuk membuat aplikasi yang diberi nama Voice-Zikr yang digunakan untuk menghitung kata-kata zikir yang diucapkan oleh umat Islam. Dengan menggunakan speech recognition memungkinkan aplikasi ini digunakan secara hands-free yang memudahkan daripada zikir secara manual atau menggunakan aplikasi penghitung zikir lainnya yang masih mengharuskan user menekan layar berulang-ulang. Model pengenalan suara dilatih menggunakan time delay neural network dan convulutional neural network. Dataset dikumpulkan dari berbagai usia pembicara yang membaca “Subhanallah”, “Alhamdulillah”, “Lailahailallah”, dan “Allahuakbar”. Performa model bisa mencapai 1,04 %WER pada pengujian audio yang direkam dan bekerja dengan sempurna pada pengujian mikrofon. Aplikasi dibangun menggunakan Flutter dengan bahasa pemograman Dart. Model diimplementasikan ke dalam aplikasi menggunakan VOSK.

Kata kunci: Deep Learning, Acoustic Model, Voice-Zikr, Speech Recognition, Flutter, VOSK.

Speech recognition is a subdivision of pattern recognition that has been widely implemented in many products. Some well-known products that use speech recognition systems include Google Assistant, Apple Siri, and Alexa; which have high accuracy outcomes based on user expectations. Deep learning has become one of the techniques that is often used to build models in speech recognition systems recently. The technique works to keep information in its hidden layers from audio frames as input features and phones as output labels respectively. Zikr is one of the Muslim worship activities that can be done at any time. In this research, the speech recognition system is implemented to create an application called VoiceZikr that is used to count the zikr words spoken by the Muslim community. By using speech recognition, it allows this application to be used hands-free which makes it easier than manual dhikr or using other dhikr counter applications that still require the user to press the screen repeatedly. The speech recognition model is trained using time delay neural networks and convolutional neural networks. The dataset was collected from different ages of speakers who read ”Subhanallah”, ”Alhamdulillah”, ”Lailahaillallah”, and ”Allahuakbar”. The application is built using Flutter with the Dart programming language. The model is implemented into the application using VOSK. The model performance can reach 1.04 %WER on recorded audio testing and work perfectly on microphone testing. Keywords: Deep Learning, Acoustic Model, Voice-Zikr, Speech Recognition, Flutter, VOSK.