Audio Transcription berbahasa Mendarin Menggunakan Connectionist Temporal Classification

Jansen, Jansen (2020) Audio Transcription berbahasa Mendarin Menggunakan Connectionist Temporal Classification. Skripsi thesis, Universitas Tarumanagara.

	Text 5351660029_Jansen_01 Cover.pdf Download (388kB)
	Text 5351660029_Jansen_02 Lembar Pengesahan.pdf Download (414kB)
	Text 5351660029_Jansen_03 Lembar Pernyataan.pdf Download (399kB)
	Text 5351660029_Jansen_04 Abstrak.pdf Download (369kB)
	Text 5351660029_Jansen_05 Kata Pengantar.pdf Download (572kB)
	Text 5351660029_Jansen_06 Daftar Isi, Tabel, Gambar, Lampiran (1).pdf Download (414kB)
	Text 5351660029_Jansen_07 Bab 1.pdf Restricted to Registered users only Download (607kB)
	Text 5351660029_Jansen_08 Bab 2.pdf Restricted to Registered users only Download (1MB)
	Text 5351660029_Jansen_09 Bab 3.pdf Restricted to Registered users only Download (634kB)
	Text 5351660029_Jansen_10 Bab 4.pdf Restricted to Registered users only Download (674kB)
	Text 5351660029_Jansen_11 Bab 5.pdf Restricted to Registered users only Download (370kB)
	Text 5351660029_Jansen_12 Daftar Pustaka.pdf Download (545kB)
	Text 5351660029_Jansen_13 Lampiran.pdf Restricted to Registered users only Download (10MB)
	Text 5351660029_Jansen_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (510kB)

Abstract

Bahasa Mandarin menjadi salah satu bahasa yang
paling sering dituturkan orang diseluruh dunia. Banyak
faktor penting yang perlu dipelajari agar dapat
menguasai bahasa Mandarin. Salah satunya adalah
kemampuan dalam berkomunikasi. Agar dapat berkomunikasi
dengan baik, maka diperlukan penguasaan setiap karakter
aksara mandarin (hànzì) dan huruf pīnyīn. Aplikasi
mobile Chinese Audio Transcription (CAT) berbasis
Android dibuat agar para pelajar bahasa Mandarin dapat
melatih ketepatan pengucapan dan pelafalan sesuai dengan
kalimat-kalimat yang ditampilkan oleh aplikasi. Sistem
dapat mengenali suara manusia dan melakukan transkripsi
ke dalam bentuk teks karakter hànzì. Suara yang diterima
akan melalui tahap ekstraksi ciri menggunakan metode
Filter Bank. Hasil dari ekstraksi ciri akan diproses
menjadi huruf pīnyīn dengan menyusun arsitektur model
menggunakan metode pada deep learning. Metode deep
learning yang digunakan adalah Convolutional Neural
Network, Recurrent Neural Network, dan Connectionist
Temporal Classification. Model akan disusun menggunakan
variasi ketiga metode tersebut dan akan dicari model
terbaik pada tahap pengujian. Huruf pīnyīn yang
dihasilkan dari arsitektur model, akan dilanjutkan
dengan aturan Markov Chains supaya dapat diubah menjadi
tulisan hànzì. Nilai Word Error Rate pelatihan yang
didapat dari model terbaik adalah 18.919%. Model
dievaluasi kembali menggunakan data pengujian
mendapatkan nilai Word Error Rate sebesar 19.922%. Model
ini juga langsung diuji dengan merekam suara pengguna
menggunakan aplikasi CAT pada kondisi lingkungan yang
berbeda-beda. Hasil yang diperoleh kurang memuaskan
dengan nilai Word Error Rate sebesar 49.659%.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Audio Transcription, Bahasa Mandarin, Connectionist Temporal Classification, Convolutional Neural Network, Filter Bank, Markov Chains, Recurrent Neural Network, Word Error Rate
Subjects:	Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi
Divisions:	Fakultas Teknologi Informasi > Teknik Informatika
Depositing User:	TDI Family perpus
Date Deposited:	06 May 2021 14:01
Last Modified:	24 Jun 2021 04:01
URI:	https://repotest.untar.ac.id/id/eprint/28328

Actions (login required)

View Item