Perpustakaan Digital ITB

Saat ini, sistem yang menggunakan interaksi suara semakin marak digunakan dalam berbagai aspek kehidupan manusia, misalnya pada asisten virtual. Salah satu komponen krusial pada asisten virtual adalah sistem pengenal ucapan untuk kata kunci tertentu, yaitu sebuah sistem yang dibangun untuk mengenali kata-kata tertentu di dalam pengucapan suara yang kontinu maupun tidak kontinu. Berbagai penelitian telah dilakukan untuk merancang sistem tersebut. Perbedaan dari penelitian-penelitian tersebut terletak pada teknik pemodelan akustik yang digunakan. Masing-masing memiliki kelebihan dan kekurangan, sehingga belum dapat ditarik kesimpulan teknik mana yang menghasilkan kinerja terbaik. Tugas akhir ini melakukan perbandingan beberapa teknik pemodelan akustik dari penelitian-penelitian tersebut untuk mencari model yang paling baik dalam mengenali kata kunci. Hasil akhir dari tugas akhir ini adalah sebuah sistem pengenal ucapan yang mampu mengenali kata kunci tertentu, dengan mengintegrasikan model akustik yang paling baik untuk tujuan tersebut. Hasil pengujian menunjukkan bahwa sistem pengenal ucapan yang mengintegrasikan model akustik berbasis convolutional neural network mampu memberikan kinerja paling baik dalam mengenali kata kunci, dengan false acceptance rate sebesar 0,02586, dan false rejection rate sebesar 0,00922.