Deep Neural Network Untuk Pengenalan Ucapan Pada Bahasa Sunda Dialek Utara

Abstract

Abstrak Indonesia merupakan Negara dengan banyak ragam suku. Dari berbagai macam suku tadi, Indonesia mempunyai banyak Bahasa daerahnya masing-masing sebagai pembeda atau identitas dari daerah tersebut. Dalam hal ini pengenalan ucapan sangat penting untuk mempermudah pengenalan Bahasa yang digunakan. Pengenalan ucapan memiliki banyak metode sebagai pembelajaran, salah satunya menggunakan Deep Learning. Deep learning sebuah model jaringan syaraf tiruan yang akhir-akhir ini mulai ramai dikembangkan. Pendekatan yang sering digunakan untuk mengimplementasikan Deep Learning adalah graphical methods atau Multilayer Representation, atau Multilayer Graphical model seperti Belief Network, Neural Network, Hidden Markov, dan lain-lain. Deep Learning telah menunjukkan hasil yang baik dalam meningkatkan akurasi pengenalan suara atau kasus-kasus lainnya yang serupa. Oleh karena itu pada penelitian ini penulis akan mencoba untuk mengimplementasikan Deep Neural Network pada Speech Recognition untuk mengklasifikasian Bahasa Sunda dialek Utara. Dari hasil penelitian yang dilakukan, dari nilai parameter tertentu didapatkan akurasi sebesar 100%. Setelah mendapatkan parameter ideal dilakukan klasifikasi dengan rasio dari data latih : data data uji sebesar 50% : 50%, 60% : 40%, 70% : 30%, 80% : 20% dan 90 : 10%. Dari pengujian dengan rasio tesebut didapatkan kesimpulan bahwa, semakin banyak data latih semakin baik akurasi yang didapatkan. Kata kunci : Deep learning, Speech Recognition, Deep Neural Network Abstract Indonesia is a country with many tribes. From various tribes earlier, Indonesia has many languages of their respective regions as a differentiator or identity of the region. In this case speech recognition is very important to facilitate the introduction of the language used. Speech recognition has many methods as learning, one of them using Deep Learning. Deep learning of a model of artificial neural network which recently began to be developed. A common approach used to implement Deep Learning is graphical methods or Multilayer Representation, or Multilayer Graphical models such as Belief Network, Neural Network, Hidden Markov, and others. Deep Learning has shown good results in improving the accuracy of speech recognition or other similar cases. Therefore in this study the authors will try to implement Deep Neural Network on Speech Recognition to classify the Sundanese language of the Northern dialect. From the results of research conducted, obtained accuracy by changing each parameter of 100%. After obtaining the ideal parameters are classified with the ratio of the training data: the test data data is 50%: 50%, 60%: 40%, 70%: 30%, 80%: 20% and 90: 10%. From the test with the ratio, it is concluded that, the more train data the better the accuracy obtained. Keywords : Deep learning, Speech Recognition, Deep Neural Network