Metode LPC untuk pengenalan suara

Oleh = Mochammad Haldi Widianto

Di era perkembangan teknologi yang pesat ini banyak bermunculan teknologi-teknologi baru untuk memudahkan masyarakat dalam melakukan aktivitas terutama di bidang AI (artificial intelligence) atau kecerdasan buatan yang dapat mereka lakukan ketika mengembangkan sistem komputer untuk komputer. tugas rumah. Persis seperti orang-orang yang berurusan dengan sistem analog di masa lalu..

Suara adalah anugerah dari Tuhan, dan setiap orang diberikan suara yang berbeda dengan karakteristik uniknya masing-masing. Melalui suara, kita dapat mengkomunikasikan, memahami apa yang sedang dibahas, dan salah satu cara paling efektif untuk menyampaikan maksud dan tujuan seseorang. Suara merupakan komponen terpenting dalam perkembangan teknologi digital saat ini, dan membuat hidup masyarakat menjadi lebih mudah. Oleh karena itu, berbagai sistem pengenalan suara atau yang lebih dikenal dengan automatic speech recognition (ASR) telah dikembangkan dalam berbagai bahasa di berbagai negara..

Pengenalan suara dapat diaplikasikan di berbagai bidang kehidupan, seperti pada sistem keamanan berbasis suara, sistem keamanan rumah berbasis suara dan sistem pembelajaran berbasis suara. Sistem keamanan berbasis suara lebih efektif dan akurat dibanding dengan angka atau huruf, karena hal itu mudah untuk disadap oleh orang lain. Begitupun dengan sistem pembelajaran berbasis suara, memudahkan seorang pelajar dalam proses belajar mandiri.

Pengenalan suara dapat digunakan di berbagai bidang kehidupan. Dalam sistem keamanan suara, Sistem keamanan suara lebih efektif dan akurat dari pada angka atau huruf karena mudah disadap. Sistem pembelajaran suara juga memudahkan pembelajar untuk belajar. Di Indonesia sendiri, banyak penelitian tentang pengenalan suara bahasa Indonesia dan pengenalan suara pria dan wanita, termasuk studi dengan berbagai metode, serta sistem analisis yang berkaitan dengan pengenalan huruf, pengelompokan bahasa dan penggunaan kata. Dalam bahasa asing telah dipelajari secara ekstensif sebagai topik penelitian, namun jumlah dan fungsinya masih terbatas, hanya untuk bidang aplikasi tertentu. Tingkat pengenalan dipengaruhi oleh ekstraksi dan metode klasifikasi yang digunakan. Penelitian ini menggunakan metode Lineer Predictive Code (LPC) untuk ekstraksi ciri dan metode propagasi balik untuk jaringan saraf tiruan untuk klasifikasi suara..

Hingga saat ini, metode LPC, seperti banyak penelitian sebelumnya, telah digunakan secara luas dalam studi pengenalan ucapan untuk menilai emosi manusia dengan mengukur warna bahasa anak-anak di seluruh dunia secara real time menggunakan sinyal ucapan dan LPC. Tentukan LPC. Identifikasi warna yang berbeda. , LPC digunakan untuk mengidentifikasi sumber lokal berdasarkan suara seseorang, dan LPC digunakan untuk mengidentifikasi suara seseorang dengan kata sandi.

Backpropagation merupakan algoritma pendekatan pembelajaran terpandu yang dapat meminimalisir kesalahan dengan cara mengoreksi backpropagation dengan mengatur bobot berdasarkan perbedaan antara keluaran dan target. Terdapat 3 fase Backpropagation yaitu fase feed forward, fase backpropagation dan fase menyesuaikan bobot. Dalam banyak penelitian sebelumnya, metode neural network backpropagation yang diimplementasikan oleh Desyanndana menggunakan backpropagation untuk mengklasifikasikan perintah suara. Faradiva, gelombang pembalik, digunakan untuk mengidentifikasi pola sinyal audio manusia.

Bahasa Indonesia pada dasarnya adalah bahasa yang umum digunakan dalam komunikasi dan merupakan bahasa pendidikan bagi warga negara Indonesia. Namun, semuanya memiliki suaranya sendiri, berdasarkan kepribadian dan dialek daerah yang sangat mempengaruhi pelafalan bahasa Indonesia. Saat berbicara dalam bahasa Indonesia, setiap suku kata akan membuat Anda terengah-engah. Hal ini memungkinkan terjadinya kemacetan antara suku kata dan representasi lain dari sinyal audio Indonesia untuk setiap suku kata. Suara yang diucapkan dalam bahasa Indonesia dapat diidentifikasi dengan unit suku kata. Ini cara yang bagus untuk belajar bahasa Indonesia sehingga Anda dapat dengan mudah mengidentifikasinya di dalam sistem. Karena suku kata bahasa Indonesia lebih banyak daripada suku kata asing lainnya, sedikit penelitian telah dilakukan tentang cara memisahkan suku kata bahasa Indonesia.

Referensi:

[1] Azmi, Y., Djamal, E. C., & Ilyas, R. (2018). Identifikasi Emosi Dari Sinyal Suara Secara Real Time Menggunakan Linear Predictive Coding dan Backpropagation. 16–21.

[2] Broto, W. (2017). Metode Artificial Intelligence Sebagai Aplikasi Pengenalan Ucapan Disabilitas. E-Journal. https://doi.org/http://doi.org/10.21009/03.SNF20 17

[3] Chamidy, T. (2016). Metode Mel Frequency Cepstral Coeffisients (MFCC) Pada Klasifikasi Hidden Markov Model (HMM) Untuk Kata Arabic Pada Penutur Indonesia. MATICS.https://doi.org/10.18860/mat.v8i1.3482

[4] Desyanndana, I. P., Informatika, T., Sains, F., Teknologi, D. A. N., Sanata, U., & Yogyakarta, D. (2019). Voice Recognition System for Recognize Voice Command Using Backpropagation Neural Network.

[5] Faradiba. (2017). Pengenalan Pola Sinyal Suara Manusia Menggunakan Metode Backpropagation Neural Network. Jurnal EduMatSains.

[6] Haumahu, J. P. (2019). Implementasi Jaringan Syaraf Tiruan Untuk Pengenalan Pola Notasi Balok Menggunakan Metode Backpropagation. 6(3), 255–259.

[7] Heriyanto. (2015). Analisa Deteksi Huruf Hijaiyah Melalui Voice Recognition Menggunakan Kombinasi Energy. Telematika.

[8] Heriyanto, H., & Simanjuntak, O. S. (2017). Identifikasi Ucapan Warna Menggunakan LPC (Linier Predictive Code ) Dan Kelompok Pemilihan Bobot. Telematika. https://doi.org/10.31315/telematika.v14i01.1968

[9] Hidayat, S., Hidayat, R., & Adji, T. B. (2015). Sistem Pengenal Tutur Bahasa Indonesia Berbasis Suku Kata Menggunakan MFCC, Wavelet Dan HMM. The 7th National Conference On Information Technology And Electrical Engineering.

[10] Izzah, N. (2018). Klastering Suara Berdasarkan Gender Menggunakan Algoritma K-Means Dari Hasil Ekstraksi FFT (Fast Fourier Transform). SOULMATH. https://doi.org/10.25139/sm.v6i1.790

[11] Julpan, Nababan, E. B., & Zarlis, M. (2015). Analisis Fungsi Aktivasi Sigmoid Biner Dan Sigmoid Bipolar Dalam Algoritma Backpropagation Pada Prediksi Kemampuan Siswa. Jurnal Teknovasi.

[12] Juniansyah, R. R. (2017). Perancangan Sistem Pengenalan Suara Dengan Metode Linear Predictive Coding. 4(1), 404–411.

[13] Kusumawati, R. (2016). Metode Linear Predictive Coding (LPC) Pada Klasifikasi Hidden Markov Model (HMM) Untuk Kata Arabic Pada Penutur Indonesia. MATICS. https://doi.org/10.18860/mat.v8i1.3481

[14] Nursholihatun, E., Mariyanto, S., & Sasongko, Al, Zainuddin, A. (2020). Identifikasi Suara Menggunakan Metode Mel Frequency Cepstrum Coefficients ( MFCC ) Dan Jaringan Syaraf Tiruan. 7(1), 48–55.

[15] Islamiyati1, Joko Haryatno2, Yenni Fatman3, “Pengenalan Suku Kata Bahasa Indonesia Menggunakan Metode LPC dan Backpropagation Neural Network , “PROGRAM STUDI TEKNIK INFORMATIKA, FAKULTAS TEKNIK, UNIVERSITAS ISLAM NUSANTARA”