ANALISIS DAN SIMULASI SISTEM PENERJEMAH KATA BERBAHASA BALI KE BAHASA INGGRIS BERBASIS SPEECH TO TEXT SECARA REAL TIME MENGGUNAKAN METODE KLASIFIKASI HIDDEN MARKOV MODEL

NI KETUT INTAN RAHAYU

Informasi Umum

Kode

111101187

Klasifikasi

621.382 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Pengolahan Sinyal Informasi

Dilihat

131 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Bali merupakan salah satu pulau di Indonesia yang menjadi salah satu destinasi pariwisata favorit bagi turis-turis mancanegara yang berasal dari berbagai negara dan memiliki pemahaman bahasa yang berbeda-beda untuk masing-masing negara. Pada umumnya, wisatawan yang berkunjung ke Bali memahami penggunaan Bahasa Inggris sebagai bahasa internasional. Namun, tidak sedikit masyarakat Bali yang belum memahami Model terbaik untuk sistem dependent speech yang menghasilkan tingkat akurasi paling tinggi terdiri dari 2 states, 50 nilai MFCC, dan ukuran codebook sebesar 70. Akurasi dari sistem pengenalan kata real time dari mode dependent speech menghasilkan tingkat akurasi sebesar 76 % dengan nilai akurasi maksimum per katanya mencapai 100 %, akurasi maksimum dari sistem pengenalan kata untuk suara perempuan menghasilkan tingkat akurasi sebesar 57,20 % dan untuk suara laki-laki sebesar 42,40 % dengan tingkat akurasi maksimum per katanya mencapai 100 % penggunaan Bahasa Inggris dan hanya dapat berkomunikasi menggunakan Bahasa Bali sebagai bahasa daerahnya. Hal tersebut dapat menjadi salah satu penghambat hubungan komunikasi antara turis mancanegara dengan masyarakat asli Bali. Untuk itulah, diperlukan suatu sistem yang dapat menerjemahkan Bahasa Bali ke dalam Bahasa Inggris. Pada tugas akhir ini dilakukan simulasi penerjemah bahasa daerah Bali ke dalam Bahasa Inggris berbasis speech to text menggunakan metode klasifikasi Hidden Markov Model. Pada proses simulasi kali ini, sinyal masukan berupa sinyal bicara berupa kata yang nantinya akan diekstraksi cirinya menggunakan metode Mel-Frequency Cepstral Coefficient. Setelah didapat ciri dari sinyal bicara tadi, selanjutnya akan dilakukan klasifikasi untuk mendapatkan output berupa terjemahan dari sinyal tersebut dalam bentuk teks berdasarkan database yang telah dibuat sebelumnya. Proses pengujian pada tugas akhir ini akan dilakukan secara real time. Kata Kunci : Hidden Markov Model, speech to text, Mel-Frequency Cepstral CoefficientABSTRACT: Bali is one of Indonesia’s island which became one of the favorite tourism destination for foreign tourists who come from different countries and have different understanding of languages for each country. Commonly, travelers use English as an international language to communicate each other. However, not all of Balinese people can use English correctly because for their conversation, they usually use Balinese language. Because of that n this final project will be carried out simulations of Balinese language translator into English based on speech to text using Hidden Markov Model classification method. At the simulation process the input signal is a speech signal in the form of words that the feature of that signal will be extracted using Mel - Frequency Cepstral Coefficient. That signal feature will be required for the classification process to obtain a translation in the form of text based on database that was created previously. The testing process will be done in real time domain.problem, we have to make a system that can translate Balinese language into English. The best model of dependent speech system that produces the best accuracy consist of 2 states, 50 MFCC, and the size of codebook is 70. The accuracy of real time speech recognizer for dependent speech without noise is 76 % and the maximum accuracy for each word reaches 100 %, the accuracy of real time speech recognizer for female speech without noise is 57,20 % and the maximum accuracy for each word reaches 100 % , and the accuracy of real time speech recognizer for male speech without noise is 42,40 % and the maximum accuracy for each word reaches 100% Keyword: Hidden Markov Model, speech to text, Mel-Frequency Cepstral Coefficient