Penulis
ZEST AMBORGANG SITORUS
Pembimbing : Dr. Ir. Arwin Datumaya Wahyudi Sumari, S.T., M.T., IPU, ASEAN Eng., ACPE. - Yenni Astuti, S.T., M.Eng.
|
ABSTRAK :
Sistem pengenalan suara adalah aplikasi untuk mengenali kata-kata yang diucapkan melalui input audio. Di sisi lain, spektogram adalah representasi visual dari sinyal audio dan secara efektif merepresentasikan kata-kata secara numerik. Dalam penelitian ini, untuk mengembangkan sistem pengenalan ucapan berbasis Spektogram menggunakan metode K-Nearest Neighbors (KNN) dari machine learning untuk mengenali terminologi kedirgantaraan yang tidak umum bagi orang awam. Penelitian ini menggunakan 300 data sinyal audio yang terdiri dari dua kategori, yaitu 15 data Spektogram untuk istilah kedirgantaraan dan 15 data Spektogram untuk istilah non-kedirgantaraan, masing-masing diambil sebanyak sepuluh kali. Dengan melakukan skema pelatihan dan pengujian 70:30, diperkuat dengan k-fold cross-validation. K optimum untuk KNN adalah 13, yang dapat memperoleh akurasi 75,56% dengan presisi 75,56%, recall 75,56%, dan nilai F-1 75,56%. Dengan akurasi tersebut, sistem cerdas yang kami kembangkan termasuk dalam kategori sistem cerdas yang baik.
Kata kunci: KNN, pembelajaran mesin, pengenalan suara, spektogram, terminologi kedirgantaraan.
|