ANALISIS PERBANDINGAN KINERJA TEKNIK EKSTRAKSI FITUR MFCC, RASTA-PLP, DAN HYBRID (MFCC & RASTA-PLP) DENGAN LOW COMPLEXITY PADA MODEL LSTM UNTUK ASR BAHASA INDONESIA

Armaisya, Dimas Dwi (2025) ANALISIS PERBANDINGAN KINERJA TEKNIK EKSTRAKSI FITUR MFCC, RASTA-PLP, DAN HYBRID (MFCC & RASTA-PLP) DENGAN LOW COMPLEXITY PADA MODEL LSTM UNTUK ASR BAHASA INDONESIA. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text Bab I.pdf Download (332kB)
	Text Bab II.pdf Download (780kB)
	Text Bab III.pdf Download (806kB)
	Text Bab IV.pdf Download (1MB)
	Text Bab V.pdf Download (298kB)
	Text Lampiran.pdf Download (945kB)

Abstract

Automatic Speech Recognition merupakan teknologi yang memungkinkan pengenalan dan transkripsi ucapan menjadi teks secara otomatis. Namun, tantangan utama dalam membangun model ASR Bahasa Indonesia adalah pemilihan teknik ekstraksi fitur yang optimal untuk meningkatkan akurasi pengenalan suara. Penelitian ini membandingkan tiga teknik ekstraksi fitur, yaitu MFCC, RASTAPLP, dan Hybrid yaitu kombinasi keduanya dengan pendekatan low complexity pada model LSTM. Hasil eksperimen menunjukkan bahwa metode Hybrid menghasilkan peningkatan akurasi dengan CER sebesar sebesar 0,5245 dan WER sebesar 0,9229 pada data bersih, serta CER sebesar 0,8811 dan WER sebesar 1,0015 pada data noise, mengungguli metode tunggal. Selain itu, implementasi teknik Global Dynamic Pruning berbasis low magnitude dapat mengurangi kompleksitas model tanpa mengorbankan performa secara signifikan. Penerapan pruning mampu mengurangi parameter aktif sebesar 53,7% dan penggunaan memori sebesar 67,5% tanpa degradasi akurasi signifikan. Kontribusi penelitian ini membuktikan pengembangan sistem ASR dengan kombinasi fitur hybrid yang lebih akurat dan efisien untuk ASR bahasa Indonesia.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	12 Sep 2025 03:31
Last Modified:	15 Sep 2025 03:45
URI:	http://repository.unas.ac.id/id/eprint/14075

Actions (login required)

View Item