PENERAPAN METODE K-NN DALAM ALGORITMA DYNAMIC TIME WARPING UNTUK MENENTUKAN NILAI AKURASI PADA SISTEM PENGENALAN KATA

Rosdiana, Rina (2020) PENERAPAN METODE K-NN DALAM ALGORITMA DYNAMIC TIME WARPING UNTUK MENENTUKAN NILAI AKURASI PADA SISTEM PENGENALAN KATA. Sarjana thesis, Universitas Siliwangi.

[img] Text
01. COVER.pdf

Download (59kB)
[img] Text
06. ABSTRACT.pdf

Download (146kB)
[img] Text
BAB I.pdf

Download (199kB)
[img] Text
BAB II.pdf

Download (883kB)
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (153kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (2MB)
[img] Text
BAB V.pdf
Restricted to Repository staff only

Download (35kB)
[img] Text
12. DAFTAR PUSTAKA.pdf

Download (104kB)

Abstract

Seiring dengan perkembangan teknologi, kebutuhan akan adanya suatu sistem yang mampu mengenali, menganalisis dan mengidentifikasi suatu sinyal suara pun semakin tinggi. Pemanfaatan sistem ini juga semakin berkembang, seperti halnya sebagai sarana pembelajaran. Tingkat akurasi Speech Recognition dipengaruhi oleh algoritma yang digunakan dalam menngenali suara. Tujuan yang ingin dicapai pada penelitian ini adalah untuk meningkatkan akurasi Speech Recognition dengan melakukan penambahan metode atau algoritma K-Nearest Neighbour pada algoritma Dynamic Time Warping, menentukan nilai k optimal yang digunakan dan menghitung perbandingan tingkat akurasi Speech Recognition dengan algoritma DTW saja dan DTW yang ditambah metode K-NN. Penelitian ini merupakan penelitian jenis eksperimental, dilakukan untuk mengetahui pengaruh pemberian suatu treatment atau perlakuan terhadap subjek penelitian. Penelitian ini berjenis eksperimental karena objek yang diteliti diproses melalui suatu eksperimen yang menggunakan algoritma DTW ditambah metode K�NN untuk proses pengenalan kosa kata bahasa Inggris dan melihat hasil akurasinya. Penelitian Speech Recognition sebelumnya dengan algoritma DTW menghasilkan akurasi yang cukup besar yaitu 95,85%, namun masih memiliki kelemahan yaitu kurangnya jumlah data pelatihan (data training) dalam dataset yang dapat mempengaruhi hasil dari proses pencocokan dan nilai akurasi. Kelemahan dari DTW yaitu makin banyak jumlah kamus yang memastikan bahwa kenaikan rata-rata sukses proses pengenalan suara mengakibatkan waktu pemrosesan yang makin lama namun ketepatan semakin tinggi, jadi harus memilih antara ketepatan atau kecepatan. Berdasarkan hal tersebut maka dimasukan algoritma klasifikasi yaitu K-NN, karena salah satu fungsi utama dari klasifikasi yaitu untuk pengenalan / klasifikasi / prediksi pada suatu objek sehingga cocok digunakan sebagai validasi akhir dalam suatu sistem Speech Recognition. Algoritma K-NN bekerja berdasarkan query atau tetangga terdekat yaitu dengan memasukan nilai ‘k’. Nilai k yang dimasukan sangat berpengaruh terhadap hasil akurasi sistem. Semakin kecil nilai k yang dimasukan akan membuat hasil klasifikasi semakin kaku karena memperhitungkan beberapa tetangga terdekat saja. Sedangkan jika terlalu banyak nilai k yang dimasukan akan menghasilkan klasifikasi yang samar artinya terlalu banyak dan terlalu jauh tetangga yang di hitung. Pada penelitian ini nilai k yang dimasukan yaitu 5, 10, 11, 20, 25, 50 dan 75. Dari beberapa nilai k yang telah diuji, hasilnya dapat disimpulkan bahwa nilai k = 5 adalah niai k yang paling optimal karena memiliki tingkat ketepatan paling tinggi yaitu sebesar 99% dibandingkan dengan nilai k yang lainnya. Tingkat akurasi tersebut 3,15% lebih tinggi dibandingankan dengan penelitian sebelumnya yang hanya menggunakan Algoritma MFCC dan DTW tanpa adanya Klasifikasi. Kata Kunci: Dynamic Time Warping, K-Nearest Neighbour, Pengenalan Suara, Pengenalan Kata

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Lelis Masridah
Date Deposited: 07 Jun 2021 03:51
Last Modified: 07 Jun 2021 03:51
URI: http://repositori.unsil.ac.id/id/eprint/2458

Actions (login required)

View Item View Item