Page 69 - MODUL INFORMATIKA BK,TIK, SK, JKI, AD
P. 69
Berpikir Komputasional Dasar – Dasar Informatika SMK Kelas X
d) Kata-kata spontan : Proses pengidentifikasian kata yang dapat mengenal kata-kata yang
diucapkan secara spontan tanpa jeda waktu antar kata
e) Verifikasi atau identifikasi suara : Proses pengidentifikasian kata yang tidak hanya mampu
mengenal kata, namun juga mengidentifikasi siapa yang berbicara.
Proses pengenalan suara tidak hanya dilengkapi dengan rekaman data di pusat data, tetapi
banyak prosedur juga digunakan dalam proses pengenalan suara itu sendiri. Salah satu metode
yang diperkenalkan pada akhir tahun 1960-an adalah metode Hidden Markov Model, metode ini
merupakan model statistik dari rantai Markov. (Rabiner, Lawrence, 1989) dalam laporannya yang
berjudul “A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition”
menjelaskan bahwa proses di dunia nyata umumnya menghasilkan output yang dapat diamati
yang dapat dicirikan sebagai sinyal. Sinyal dapat diskrit (huruf dalam alfabet) atau kontinu
(pengukuran suhu, musik). Sinyal bisa stabil (nilai statistik tidak berubah seiring waktu) atau tidak
stabil (nilai sinyal berubah seiring waktu). Dengan memodelkan sinyal dengan benar,
dimungkinkan untuk mensimulasikan sumber dan sebanyak mungkin pelatihan melalui proses
simulasi. Sehingga model tersebut dapat digunakan dalam sistem prediksi, sistem deteksi dan
sistem identifikasi.
Secara garis besar model signal dapat dikategorikan menjadi 2 golongan yaitu model
deterministik dan model statistikal. Model deterministik menggunakan nilai-nilai properti dari
sebuah signal seperti amplitudo, frekuensi, fase dari gelombang sinus. Sedangkan model
statistikal menggunakan nilai-nilai statistik dari sebuah signal seperti proses Gaussian, proses
Poisson, proses Markov, dan proses Hidden Markov.
Salah satu studi pengenalan suara berdasarkan nilai statistik suatu sinyal, yaitu investigasi
jaringan syaraf tiruan murni, yang dilakukan oleh (Graves, Mohamed dan Hinton, 2013),
menyatakan bahwa jaringan syaraf tiruan atau RNN merupakan kekuatan yang kuat. model untuk
proses pengenalan suara. Pelatihan seperti klasifikasi temporal koneksionis memungkinkan RNN
dilatih untuk menyelaraskan input dan output yang tidak diketahui. Jaringan saraf memiliki
sejarah panjang pengenalan suara, dalam kombinasi dengan HMM (Hidden Markov Model)
peningkatan dicapai dalam pemodelan akustik yang dihasilkan oleh umpan maju yang dalam.
.memungkinkan pelatihan RNN "end-to-end" untuk pengenalan suara dengan regularisasi, karena
temuan menunjukkan bahwa memori jangka pendek dalam RNN mencapai tingkat kesalahan
17,7% dalam TIMIT atau pengukuran unit dalam pengenalan suara.
2. Proses Kerja Alat Speech Recognition
Alat pengenal ucapan memiliki empat tahapan dalam prosesnya, yaitu :
1) Tahap penerimaan masukan, sumber suara diterima melalui media perantara.
2) Tahap ekstraksi, penyimpanaan masukan yang berupa suara dan sekaligus pembuatan basis
data sebagai pola.
38 Informatika – SMK Kelas X
