Evaluasi Parameter Wicara Dari Lpc Yang Berbeda Menggunakan Fonetik Imbang Kosa Kata Bahasa Indonesia

Soelistijorini, Reni (2005) Evaluasi Parameter Wicara Dari Lpc Yang Berbeda Menggunakan Fonetik Imbang Kosa Kata Bahasa Indonesia. Masters thesis, Institut Teknologi Sepuluh November.

Text 2202203005-Master_Thesis.pdf Restricted to Repository staff only Download (5MB)

Abstract

Karakteristik fonem bunyi bahasa dapat ditetapkan berdasarkan spektrum wicara sebagai perubahan waktu. Dalam hal ini pengenalan dan sintesa wicara menggunakan parameter model selubung spektrum. Penelitian ini menggunakan metode analisa LPC cepstrum dan analisa mel LPC-cepstrum untuk mengestimasi spektrum dalam pengolahan sinyal wicara. Setelah didapatkan parameter wicara, kemudian dilakukan pengenalan wicara dengan menggunakan Dynamic Programming untuk membandingkan pola wicara dalam menentukan kesamaan jarak antara pola-pola yang berbeda dan algoritma Modified K-Means (MKM) untuk mengelompokan pola wicara ke dalam 2 cluster, 4 cluster, 6 cluster dan 8 cluster. Berdasarkan pengenalan wicara dari 50 kata dalam bahasa Indonesia yang diucapkan oleh 100 pengucap, didapatkan hasil kinerja pengenalan metode analisa mel LPC cepstrum adalah lebih bagus daripada analisa LPC cepstrum, dimana untuk 2 cluster, 4 cluster, 6 cluster dan 8 cluster pengenalan mel LPC cepstrum berturut-turut lebih bagus 5,8%, 2,56%, 3,08%, dan 3,68% dibandingkan pengenalan LPC cepstrum.
=====================================================================================================================================
The acoustic-phonetic characterization of sound can be represented by speech spectral as a slow time varying signal, in the sense that speech recognizing and synthesis use model parameter spectral envelopes. Our research works with the LPC Cepstrum analysis and the Mel LPC Cepstrum analysis to estimate spectrum of the speech. After speech parameters are found, then we used Dynamic Programming to find dissimilarity of word distance between different speech pattern. Last, Modified K-Means (MKM) algorithm was used to cluster speech pattern into 2 cluster, 4 cluster, 6 cluster and 8 cluster. Speech recognition using 50 Indonesian words uttered by 100 speakers, give results that speech recognition of Mel LPC Cepstrum analysis is better than LPC Cepstrum analysis. We found that speech recognition of the Mel LPC Cepstrum is 5.8%, 2.56%, 3.08%, and 3.68% better than the LPC Cepstrum for 2 cluster, 4 cluster, 6 cluster and 8 cluster, respectively.

Item Type:	Thesis (Masters)
Additional Information:	RTE 006.454 Soe e
Uncontrolled Keywords:	LPC cepstrum, mel LPC cepstrum, Dynamic Programming, MKM, LPC Cepstrum, Mel LPC Cepstrum, Dynamic Programming, MKM.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7895.S65 Speech recognition systems
Divisions:	Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	06 Oct 2026 08:11
Last Modified:	06 Oct 2026 08:11
URI:	http://repository.its.ac.id/id/eprint/145346

Actions (login required)

View Item