Skripsi

PENGENALAN DIALEK DI SUMATERA SELATAN MENGGUNAKAN ALGORIMA DEEP NEURAL NETWORK

---

Penilaian

---

Suatu bahasa memiliki beragam dialek di setiap daerah. Hal ini dapat mempengaruhi perkembangan teknologi, khususnya dalam pengenalan suara. Namun, penelitian yang membahas tentang dialek Sumatera Selatan belum ada sehingga pada penelitian ini dikembangkan sistem pengenalan dialek daerah dari Sumatera Selatan dengan mengguankan model deep neural network (DNN). Dataset yang digunakan dalam penelitian ini adalah data primer dari 5 reponden yang merupakan penutur asli dari dialek yang digunakan, yang terdiri dari dialek Beliti, dialek Sekayu, dialek Palembang, dialek Lahat, dialek Muara Enim, dan bahasa Indonesia baku. Ciri-ciri sinyal suara yang diperoleh dari dataset adalah mel spectrogram, short time fourier transform (STFT), dan mel frequency cepstral coefficient (MFCC). Hasil pengujian menunjukkan bahwa model DNN yang menggunakan optimizer Adam dan loss crossentropy memiliki nilai akurasi 0,575 dengan input berupa ekstraksi mel spectrogram dan 0,555 untuk input STFT. Akurasi tertinggi dicapai dalam mengenali dialek Beliti, yaitu 72,7% dan dialek Palembang 71,4% jika ekstrasi ciri yang digunakan adalah mel spectrogram. Sedangkan untuk Bahasa Indonesia, akurasi tertinggi adalah dengan menggunakan ekstraksi ciri STFT, yaitu 71,4%. Sedangkan model yang menggunakan ciri MFCC menunjukkan performansi yang paling rendah. Hasil ini menunjukkan bahwa mel spectrogram dan STFT dapat digunakan sebagai input DNN untuk pengenalan dialek. Hasil penelitian juga menunjukkan bahwa model DNN dapat memprediksi semua dialek, kecuali dialek Muara Enim. Hal ini dikarenakan dialek Muara Enim direkam pada ruang terbuka sehingga background noise mempengaruhi pengenalan dialek.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2107002874	T58501	T585012021	Central Library (Referens)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T585012021

Publisher

Inderalaya : Jurusan Teknik Elektro, Fakultas Teknik Universitas Sriwijaya., 2021

Collation

xiii, 60 hlm,: ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

620.807

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Jurusan Teknik Elektro
Teknik yang Berhubungan dengan Faktor Manusia

Specific Detail Info

-

Statement of Responsibility

MURZ

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment