Fuzzy Hidden Markov Models for Indonesian Speech Classification

Intan Nurma Yulita

Informasi Umum

Kode

213090005

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Thesis (S2) - Reference

Subjek

Data Mining

Dilihat

296 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Indonesia memiliki banyak suku bangsa sehingga ada banyak dialek. Klasifikasi ucapan sulit dilakukan jika data mengunakan sinyal ucapan dari berbagai orang yang memiliki perbedaan karekateristik karena jenis kelamin dan dialek. Perbedaan ini akan mempengaruhi frekuensi, intonasi, amplitude, dan periode dari suara. Akibatnya, perbedaaan karakteristik membuat system perlu dilatih untuk berbagai referensi template dari sinyal ucapan. Oleh karena itu, penelitian ini telah dilakukan untuk klasifikasi ucapan berbahasa Indonesia. Penelitian ini merancang solusi karakteristik berbeda untuk klasifikasi ucapan berbahasa Indonesia. Solusin mengkombinasikan Fuzzy pada Hidden Markov Models. Desain baru fuzzy Hidden Markov Models ditawarkan pada penelitian ini. Modelnya akan terdiri dari Fuzzy C-Means Clustering yang didesain untuk menggantikan proses vector quantization dan metode baru dari forward and backward untuk menangani derajat keanggotaan data. Hasil menunjukkan FHMM lebih baik dari HMM dengan peningkatan sebesar 3.33 %.Kata Kunci : Fuzzy, Hidden Markov Models, Bahasa Indonesia, Ucapan, KlasifikasiABSTRACT: ndonesia has a lot of tribe, so that there are a lot of dialects. Speech classification is difficult if the database uses speech signals from various people who have different characteristics because of gender and dialect. The different characteristics will influence requency, intonation, amplitude, and period of the speech. make the system be trained for the various templates reference of speech signal. Therefore, this study has been developed for Indonesian speech classification This study designs the solution of the different characteristics for Indonesian speech classification. The solution combines Fuzzy on Hidden Markov Models. The new design of fuzzy Hidden Markov Models will be proposed in this study. The models will consist of Fuzzy C-Means Clustering which will be designed to substitute the vector quantization process and a new forward and backward method to handle the membership degree of data. The result shows FHMM is better than HMM and the improvement was 3.33 %.Keyword: Fuzzy, Hidden Markov Models, Indonesian, Speech, Classification