SPEECH TO TEXT MENGGUNAKAN ALGORITMA DEEP BIDIRECTIONAL LSTM

TAMI, M ABID and Dwijayanti, Suci (2020) SPEECH TO TEXT MENGGUNAKAN ALGORITMA DEEP BIDIRECTIONAL LSTM. Undergraduate thesis, Sriwijaya University.

	Text RAMA_20201_03041281621040.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text RAMA_20201_03041281621040_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (9MB) | Request a copy
Preview	Text RAMA_20201_03041281621040_0030078404_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (758kB) | Preview
	Text RAMA_20201_03041281621040_0030078404_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_20201_03041281621040_0030078404_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (757kB) | Request a copy
	Text RAMA_20201_03041281621040_0030078404_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_20201_03041281621040_0030078404_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (644kB) | Request a copy
	Text RAMA_20201_03041281621040_0030078404_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (585kB) | Request a copy
	Text RAMA_20201_03041281621040_0030078404_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Suara merupakan sarana komunikasi utama untuk bertukar informasi sesama manusia. Namun, pada era modern, komunikasi tidak hanya berlangsung antar manusia tetapi juga antara manusia dengan komputer atau mesin. Komunikasi antara manusia dengan komputer juga menggunakan suara dengan mengubahnya menjadi suatu teks. Penelitian mengenai speech to text telah dilakukan dalam berbagai bahasa. Namun, penelitian yang membahas speech to text untuk bahasa indonesia masih sedikit, menggunakan data sekunder, dan masih terbatas pada per kata. Oleh karena itu, penelitian ini akan mangatasi permasalahan tersebut dengan menggunakan algoritma deep bidirectional LSTM dengan ekstraksi ciri yang digunakan adalah spectrogram dan MFCC. Data yang digunakan adalah data primer yang berasal dari 10 responden (5 pria dan 5 wanita) dan kalimat yang digunakan memenuhi kaidah bahasa Indonesia baku. Hasil penelitian menunjukan algoritma deep bidirectional LSTM telah mampu melakukan proses speech to text pada bahasa Indonesia dengan ekstraksi ciri MFCC memiliki tingkat akurasi yang lebih tinggi jika dibandingkan dengan ekstraksi ciri spectrogram dimana MFCC mendapatkan akurasi terbaik dengan nilai WER 0,2745% sedangkan spectrogram 2,0784%. Hasil ini menunjukkan bahwa MFCC memiliki ciri yang lebih baik untuk digunakan dalam proses konversi speech to text.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Speech to text, Deep Bidirectional LSTM, Spectrogram, MFCC, WER
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1-9971 Electrical engineering. Electronics. Nuclear engineering > TK1 Electrical engineering--Periodicals. Automatic control--Periodicals. Computer science--Periodicals. Information technology--Periodicals. Automatic control. Computer science. Electrical engineering. Information technology.
Divisions:	03-Faculty of Engineering > 20201-Electrical Engineering (S1)
Depositing User:	Users 6500 not found.
Date Deposited:	22 Jul 2020 07:11
Last Modified:	22 Jul 2020 07:11
URI:	http://repository.unsri.ac.id/id/eprint/31499

Actions (login required)

View Item