Implementasi Offline Speech Recognition Pada Home Device

Abstract

Abstrak

Speech Recognition (pengenalan suara) merupakan proses untuk mengkonversikan sinyal akustik (suara) melalui microphone sebagai perintah untuk mengoperasikan komputer yang digunakan untuk mengenali suatu kata yang diucapkan oleh seseorang. Pada penelitian ini speech recognition (pengenalan suara) digunakan untuk mengontrol Home Device dengan menggunakan ekstrak ciri Mel-Frequency Cepstral Coefficients (MFCC) dan pemodelan Hidden Markov Models (HMM). Mel-Frequency Cepstral Coefficients (MFCC) merupakan teknik yang mengambil contoh suara sebagai input. Untuk dapat memproses suara yang masuk pada mikrofon, maka sinyal suara diambil cirinya. Setelah cirinya didapat maka akan dibentuk pola oleh pemodelan Hidden Markov Models (HMM). Tujuan digunakan metode MFCC dan HMM diharapkan dapat meningkatkan keakurasian waktu dalam mengontrol Home Device. Home device yang digunakan dalam pengujian yaitu lampu dan kipas angin. Untuk pengontrolan tersebut dilakukan secara offline. Berdasarkan pengujian didapat tingkat akurasi sebesar 95,5 % dari 200 percobaan dengan menggunakan 10 kata perintah. Untuk pengujian menggunakan 2 user. Untuk pengujian dengan keadaan sekitar ribut (noise) didapat tingkat akurasi sebesar 7% dari 100 percobaan.