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:	http://repository.untar.ac.id/id/eprint/28328

Actions (login required)

View Item