APLIKASI SPEECH TO TEXT BERBAHASA INDONESIA MENGGUNAKAN MEL-FREQUENCY CEPSTRAL COEFFICIENT DAN HIDDEN MARKOV MODEL

Abstract

Pengenalan ucapan adalah suatu teknik yang memungkinkan sistem komputer untuk menerima input berupa kata yang diucapkan oleh seseorang tanpa memperdulikan identitas hingga dimengerti oleh komputer. Kata-kata yang ditangkap dan dikenali oleh komputer bisa jadi hasil akhir, untuk sebuah aplikasi seperti command dan control, penginputan data, dan persiapan dokumen. Aplikasi speech to text berbahasa Indonesia dapat menjadi solusi untuk mengenali kata dari sebuah ucapan. Aplikasi ini dikembangkan menggunakan MelFrequency Cepstral Coefficient (MFCC) yang digunakan untuk ekstraksi ciri dari sinyal ucapan dan Hidden Markov Model untuk pembentukan model dan menentukan nilai kemiripan kata yang tidak diucapkan dengan kata-kata yang ada dalam sebuah model.Data pengujian menggunakan 10 speaker (5 laki-laki dan 5 perempuan) yang masing-masing mengucapkan 15 kata dan untuk setiap katanya diucapkan sebanyak 4 kali. Pengujian dilakukan dengan mengubah-ubah nilai koefisien pada MFCC dan state pada HMM. Berdasarkan hasil pengujian hasil akurasi terbaik pada koefisien MFCC=20 dan state HMM=14 sebesar 90.83%.