MUAMMAR ZIKRI AKSANA Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2022

Skripsi

Automatic speech recognition (ASR) memungkinkan komputer untuk mengubah suara menjadi teks. Penelitian ASR telah banyak dilakukan, namun masih sangat sedikit dalam bahasa Indonesia. Salah satu faktornya adalah ketersediaan dataset yang dibutuhkan belum banyak tersedia secara terbuka. ASR memiliki tiga komponen utama, yaitu acoustic model (AM), language model (LM), dan pronunciation model (PM) / lexicon. Pada tahun 2020, tim dari Universitas Syiah Kuala telah melakukan penelitian ASR yang menghasilkan data benchmark untuk membangun ASR bahasa Indonesia dan dijadikan baseline dari penelitian ini. Pada baseline dilakukan pembangkitan lexicon secara otomatis, namun belum diterapkan aturan berbasis fonem dan alofon. Maka, penelitian ini menawarkan metode pembangkitan lexicon berbasis fonem dan alofon dalam meningkatkan dan mengetahui pengaruh lexicon tersebut pada ASR berbahasa Indonesia. Penelitian melibatkan lima tahapan utama. Pertama pengembangan pembangkit lexicon berbasis fonem dan alofon yang mencakup algoritma stemming, syllabification, phonemic-transcription, dan allophonic-transcription. Kedua pengembangan algoritma pembangkit korpus untuk membangun LM. Ketiga pembangunan setiap model menggunakan toolkit Kaldi ASR, di mana AM dibangun dengan gaussian mixture model-hidden markov model (GMM-HMM) dan berikutnya menggunakan deep neural network (DNN); time-delay neural network factorized (TDNNF) dan convolutional neural network-time-delay neural network factorized (CNN-TDNNF). Keempat pengujian setiap model yang telah dibangun untuk mendapatkan model terbaik. Kelima implementasi ASR berbasis Android dan web-service. Hasil akhir penelitian menunjukkan lexicon berbasis fonem dan alofon memberikan performa lebih baik dari baseline penelitian dengan relative improvement terbaik untuk model GMM dan TDNNF secara berturut-turut sebesar 11.5% dan 7.3%, namun pada CNN-TDNNF belum memberikan performa yang diharapkan dengan selisih absolut terhadap baseline sebesar 0.47%. CNN-TDNNF memberikan performa yang lebih dari TDNNF, di mana %WER untuk setiap model adalah 19.51% dan 23.39%. Hasil uji model terhadap data test berbeda memberikan performa yang cukup baik sebesar 21.30 %WER dan setelah dilakukan peningkatan pada LM mampu turun hingga 19.78 %WER. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 98141 2022-02-17 11:20:17 2022-02-17 14:49:26 machine generated