PENGENALAN SUARA BAGI PENYANDANG TUNA WICARA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN HIDDEN MARKOV MODEL
Berbicara menjadi salah satu cara untuk saling bertukar infomasi. Namun, untuk penyandang tuna wicara akan mengalami beberapa kendala. Mereka perlu melewati beberapa proses pembelajaran agar dapat berbicara, maka dibutuhkan sebuah metode pembelajaran untuk dapat mengenal dan membantu mereka agar dapat berbicara kembali. Pasien cukup menggunakan aplikasi, kemudian merekam suara mereka dan aplikasi akan menampilkan hasil dari ucapan pasien. Pada proses perekaman menggunakan metode ekstrasi ciri suara dengan metode Principal Component Analysis untuk dapat mengubah data suara dari analog ke digital. Hasil dari Principal Component Analysis akan dibandingkan dengan suara referensi dan dicocokan menggunakan metode Hidden Markov Model. Sistem ini telah diuji cobakan terhadap 4 penguji dan 10 pasien tuna wicara. Dari hasil penelitian, setelah diujicobakan didapatkan bahwa sistem ini mencapai rata-rata tingkat akurasi mencapai 85.17% dari 4 penguji untuk 3 sesi dan mencapai rata-rata tingkat akurasi 85.93% dari 10 pasien tunawicara untuk 3 sesi. Pada sistem ini kegagalan dalam mengenali suara sangat dipengaruhi oleh noise lingkungan sekitar, waktu, dan kemiripan nilai Hidden Markov Model pada karakter.
APA Style
. (2017).PENGENALAN SUARA BAGI PENYANDANG TUNA WICARA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN HIDDEN MARKOV MODEL ().Teknik Informatika:FTI
Chicago Style
.PENGENALAN SUARA BAGI PENYANDANG TUNA WICARA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN HIDDEN MARKOV MODEL ().Teknik Informatika:FTI,2017.Text
MLA Style
.PENGENALAN SUARA BAGI PENYANDANG TUNA WICARA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN HIDDEN MARKOV MODEL ().Teknik Informatika:FTI,2017.Text
Turabian Style
.PENGENALAN SUARA BAGI PENYANDANG TUNA WICARA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN HIDDEN MARKOV MODEL ().Teknik Informatika:FTI,2017.Text
