PENGENALAN DIALEK DI SUMATERA SELATAN MENGGUNAKAN ALGORIMA DEEP NEURAL NETWORK

PUTRA, MUHAMMAD RIZKI and Dwijayanti, Suci (2021) PENGENALAN DIALEK DI SUMATERA SELATAN MENGGUNAKAN ALGORIMA DEEP NEURAL NETWORK. Undergraduate thesis, Sriwijaya University.

	Text RAMA_20201_03041181722022.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
Preview	Text RAMA_20201_03041181722022_0030078404_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB) | Preview
	Text RAMA_20201_03041181722022_0030078404_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (578kB) | Request a copy
	Text RAMA_20201_03041181722022_0030078404_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (273kB) | Request a copy
	Text RAMA_20201_03041181722022_0030078404_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (912kB) | Request a copy
	Text RAMA_20201_03041181722022_0030078404_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (7kB) | Request a copy
	Text RAMA_20201_03041181722022_0030078404_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (143kB) | Request a copy
	Text RAMA_20201_03041181722022_0030078404_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_20201_03041181722022_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (9MB) | Request a copy

Abstract

Suatu bahasa memiliki beragam dialek di setiap daerah. Hal ini dapat mempengaruhi perkembangan teknologi, khususnya dalam pengenalan suara. Namun, penelitian yang membahas tentang dialek Sumatera Selatan belum ada sehingga pada penelitian ini dikembangkan sistem pengenalan dialek daerah dari Sumatera Selatan dengan mengguankan model deep neural network (DNN). Dataset yang digunakan dalam penelitian ini adalah data primer dari 5 reponden yang merupakan penutur asli dari dialek yang digunakan, yang terdiri dari dialek Beliti, dialek Sekayu, dialek Palembang, dialek Lahat, dialek Muara Enim, dan bahasa Indonesia baku. Ciri-ciri sinyal suara yang diperoleh dari dataset adalah mel spectrogram, short time fourier transform (STFT), dan mel frequency cepstral coefficient (MFCC). Hasil pengujian menunjukkan bahwa model DNN yang menggunakan optimizer Adam dan loss crossentropy memiliki nilai akurasi 0,575 dengan input berupa ekstraksi mel spectrogram dan 0,555 untuk input STFT. Akurasi tertinggi dicapai dalam mengenali dialek Beliti, yaitu 72,7% dan dialek Palembang 71,4% jika ekstrasi ciri yang digunakan adalah mel spectrogram. Sedangkan untuk Bahasa Indonesia, akurasi tertinggi adalah dengan menggunakan ekstraksi ciri STFT, yaitu 71,4%. Sedangkan model yang menggunakan ciri MFCC menunjukkan performansi yang paling rendah. Hasil ini menunjukkan bahwa mel spectrogram dan STFT dapat digunakan sebagai input DNN untuk pengenalan dialek. Hasil penelitian juga menunjukkan bahwa model DNN dapat memprediksi semua dialek, kecuali dialek Muara Enim. Hal ini dikarenakan dialek Muara Enim direkam pada ruang terbuka sehingga background noise mempengaruhi pengenalan dialek.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	DNN, pengenalan dialek, mel spectrogram, STFT, MFCC
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:	Muhammad Rizki Putra
Date Deposited:	02 Dec 2021 07:40
Last Modified:	02 Dec 2021 07:40
URI:	http://repository.unsri.ac.id/id/eprint/58501

Actions (login required)

View Item