Perpustakaan Digital ITB

AbstrakTesis ini membahas penggunaan Hidden Markov Model (HMM) untuk pengenalan bicara. Algoritma-aIgoritma pemrograman dibuat dalam bahasa C dan dijalainkan pada komputer PC 4486 DX yang dilengkapi dengan kartu Sound Blaster.Diagram blok sistem pengenalan bicara dengan HMM terbagi dua, yaitu bagian depan dan sistem pengenalan HMM. Pada prosesor bagian depan dilakukan analisis dan kuantisasi vektor. Untuk itu dibuat suatu buku kode berdasarkan sampel training dari kata-kata yang akan dikenali. Sistem HAM sendiri terdiri dua tugas pokok, yaitu pemodelan dan pengenalan. Pada tugas pemodelan, berdasarkan data-data berupa sampel ucapan dari sebuah kata dibuatkan model HMM.Dari percobaan yang dilakukan ternyata sistem ini bekerja sangat baik untuk sistem pengenalan satu pembicara. Pada pengujian untuk pengenalan banyak pembicara hasilnya menunjukkan bahwa metode HMM berpotensi besar untuk digunakan, walaupun masih harus disempurnakan lebih lanjut.Dari pengujian yang dilakukan didapatkan bahwa jumlah sampel yang digunakan pada pemodelan mempengaruhi performansi sistem pengenalan dan juga mempengaruhi jumlah parameter HlVIM yang sebaiknya dipilih.Beberapa saran untuk memperbaikinya adalah antara lain dengan penggunaan jumlah sampel yang cukup banyak, menguji penggunaan HMM kontinyu, penggunaan kriteria Maximum Mutual Information (MMI) dan metode deleted interpolation pada pemodelan.