ABSTRAKSI: Automatic Speech Recognition merupakan suatu teknologi Speech Signal
Processing (pemprosesan sinyal suara) dimana suatu sistem dapat mengenali,
membandingkan dan mecocokan pola suara masukan sistem tersebut, dengan pola
suara yang telah disimpan dalam memori secara otomatis. Meskipun dinilai
keamanan dan keabsahan sistem keamanan menggunakan suara masih kalah
dibandingkan dengan menggunakan sidik jari atau retina mata, namun seperti yang
kita tahu bahwa suara memiliki keunikan tersendiri untuk diteliti atau bahkan untuk
dikembangkan. Suara manusia dapat dikatak unik karena setiap manusia memiliki
kontrol dan cara pengucapan yang berbeda.
Pada tugas akhir speech recogntion ini terdapat dua proses yang sangat
penting yaitu feature extraction dan learning and pattern comparison. Pada proses
feature extraction digunakanlah filter 2D Gabor-wavelet yang berfungsi untuk
menspesifikasikan parameter–parameter yang digunakan untuk mengenali pola suara
dengan tidak menggunakan terlalu banyak memori dan juga tidak menjadikan tingkat
ketelitiannya sistem tersebut menjadi rendah. Pada proses learning and pattern
comparison digunakanlah jaringan syaraf tiruan. Jaringan syaraf tiruan yang
digunakan adalah Backpropagation. Fungsi dari jaringan syaraf tiruan adalah untuk
mempelajari dan membandingkan bentuk pola masukan hasil dari ekstraksi ciri,
sehingga dapat dikenali sebagai suatu pola tertentu. Karena sistem ini adalah simulasi
maka yang digunakan hanyalah rekaman digital.
Hasil (keluaran) yang ingin ditampilkan adalah bagaimana suatu sistem dapat
mengenali dan membandingkan pola suara tertentu dan dapat mengambil keputusan
yang tepat pada setiap jenis pola suara masukan tertentu. Sistem yang dirancang ini
memiliki tingkat keberhasilan diatas 80% untuk mengenali dan membandingkan pola
serta mengambil keputusan yang tepat.Kata Kunci : -ABSTRACT: Automatic Speech Recognition is a Speech Signal Processing technology,
where the system is recognizing, comparing, and matching its voice input pattern
automatically with its data base. Although the security level of the voice recognition
system is still under the security level of fingerprint-based and retina-based, but the
possibility of developing the voice-based system is widely open since it has unique
characteristics at the different control and the different pronunciation of every person.
Feature extraction and learning and pattern comparison process are being used
in this speech recognition final project. The future extraction process done by Gabor-
2D filter is used for specifying the parameters used in recognizing the voice pattern
without wasting lots of memories and without lowering the precision level in a
certain value. Backpropagation neuron network is being used in the learning and
pattern comparison process. This process is about learning and comparing the input
pattern as the result of feature extraction in order to recognize a certain pattern. Since
this is a simulation system, then digital recorded voice used is only.
The output of this project is to perform a system which is able to recognize
and compare a certain pattern while also able to take the right decision on each input
pattern. This system has grade system about 80% to recognize, compare, and take the
right decision.Keyword: -