TA: IMPELEMENTASI METODE MFCC DAN LVQ UNTUK PEMBELAJARAN PELAFALAN BAHASA INGGRIS

AMIN, MUHAMMAD BACHTIAR (2020) TA: IMPELEMENTASI METODE MFCC DAN LVQ UNTUK PEMBELAJARAN PELAFALAN BAHASA INGGRIS. Skripsi thesis, Institut Teknologi Nasional Bandung.

[img]
Preview
Text (Cover)
01 Cover 152016090.pdf

Download (798kB) | Preview
[img]
Preview
Text (Abstrak)
02 Abstrak 152016090.pdf

Download (61kB) | Preview
[img]
Preview
Text (Daftar Isi)
03 Daftar Isi 152016090.pdf

Download (118kB) | Preview
[img]
Preview
Text (Bab 1)
04 Bab 1 152016090.pdf

Download (153kB) | Preview
[img]
Preview
Text (Bab 2)
05 Bab 2 152016090.pdf

Download (299kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
06 Daftar Pustaka 152016090.pdf

Download (60kB) | Preview

Abstract

Bahasa Inggris merupakan salah satu bahasa internasional yang paling populer digunakan di berbagai negara dan dibutuhkan sebagai syarat di dunia kerja, dikarenakan kepopulerannya muncul beberapa aksen yang berbeda dari setiap negara, salah satunya adalah aksen British. Aksen British banyak digemari daripada aksen lainnya karena memiliki karakteristik yang unik, tetapi karena keunikan tersebut aksen ini sulit untuk dipelajari dan dibutuhkan suatu sistem media pembelajaran tanpa membutuhkan native speaker untuk pembelajaran. Pada sistem pengenalan ucapan, suara akan diproses dan dicocokan untuk mengenali kata-kata yang diucapkan pembicara sehingga benar atau salah nya pengucapan dapat diketahui. Dalam penelitian ini, MFCC digunakan sebagai fitur ekstraksi ciri suara dan metode klasifikasi menggunakan Learning Vector Quantization (LVQ) karena memiliki hasil kinerja yang baik dalam kondisi ideal atau tidak ideal. Kinerja sistem dalam proses mengidentifikasi aksen British mendapatkan nilai rata-rata accuracy 80%, nilai precision 85%, dan nilai recall 92%. Dari hasil precision dan recall yang diperoleh, sistem mendapat nilai F-Measure sebesar 88%. Kata Kunci : Pengenalan Suara, Aksen British, Learning Vector Quantization, Mel Frequency Cepstrum Coefficients.

Item Type: Thesis (Skripsi)
Contributors:
ContributionContributorsemail
Thesis advisorMiftahuddin, YusupUNSPECIFIED
Thesis advisorBudiraharjo, RadenUNSPECIFIED
Divisions: 1 Fakultas Teknologi Industri > 55201 Teknik Informatika S1
Depositing User: Erma Sukmaida
Date Deposited: 07 Apr 2021 01:53
Last Modified: 05 May 2021 03:24
URI: http://eprints.itenas.ac.id/id/eprint/1339

Actions (login required)

View Item View Item