Speech Recognition dengan Hidden Markov Model untuk Pengenalan dan Pelafalan Huruf Hijaiyah
DOI:
https://doi.org/10.36722/sst.v5i1.319Abstract
Abstrak - Pelajaran utama dalam membaca Al Qur'an adalah mengenali dan melafalkan huruf-huruf Hijaiyah. Beberapa fakta menunjukkan bahwa pengucapan yang salah dapat memengaruhi makna secara harafiah. Speech Recognition, sebagai teknologi saat ini, dapat digunakan untuk memeriksa kesalahan dalam melafalkan surat Hijaiyah melalui pengenalan suara atau ucapan. Itu dapat dikonversi menjadi data yang dapat dipahami oleh sistem. Tujuan dari penelitian ini adalah untuk menerapkan Speech Recognition dengan Hidden Markov Model untuk pelafalan huruf Hijaiyah ketika belajar membaca Alquran. Pengenalan ucapan dan Model Hidden Markov dilakukan untuk mengembangkan sistem antar muka mesin berbasis suara. Dalam penelitian ini juga menggunakan metode Fast Fourier Transform (FFT) untuk mengekstraksi sifat. Hidden Markov Model (HMM) yang digunakan dalam proses pelatihan. Juga, menghasilkan karakteristik khusus untuk setiap huruf Hijaiyah. Dan kemudian, Euclidean Distance (ED) untuk klasifikasi akhir dalam mendeteksi pelafalan huruf Hijaiyah. Hasil penelitian menunjukkan bahwa hasil tes huruf Hijaiyah pada tingkat akurasi yang sama adalah 100%, sedangkan pengujian huruf yang berbeda adalah 54,6%. Dengan demikian, penelitian ini akan memberikan kontribusi kepada siswa yang sedang belajar membaca Al-Qur'an untuk dapat mengenali dan melafalkan huruf-huruf Hijaiyah.
Abstract – The main lesson in reading the Al Qur'an is recognizing and reciting the letters Hijaiyah. Some facts show that incorrect pronunciation can affect meaning literally. Speech Recognition, as the current technology, can be used to check the mistakes in pronouncing the Hijaiyah's letter through recognizing the voice or speech. It can convert into data that can be understood by the system. The purpose of this study is to implement Speech Recognition with Hidden Markov Model for Hijaiyah letter pronunciation when learning to read the Qur'an. Speech recognition and Hidden Markov Models were carried out to develop a sound-based machine interface system. In this study also used the Fast Fourier Transform (FFT) method to extract traits. Hidden Markov Model (HMM) used in the training process. Also, produced the especially characteristics for each letter of Hijaiyah. And then, Euclidean Distance (ED) for the final classification in detecting Hijaiyah letter pronunciation. The results of the study show that the results of the Hijaiyah letter test on the same level of accuracy are 100%, while the testing of different letters is 54.6%. Thus, this study will contribute to students who are learning to read Al-Qur'an to be able to recognize and recite the Hijaiyah letters.
Keywords - Â Speech Recognition, Hidden Markov Model, Recognizing, Reciting, Letter Hijaiyah
References
D. Siswanti, Meningkatkan Kemampuan Membaca Huruf Hijaiyah Melalui Metode VAKT Dengan Media Plastisin Bagi Anak Tuna Grahita Ringan, Jurnal Ilmiah Pendidikan Khusus (E-JUPEKhu), Vol. 1, No. 3, pp. 122–133, 2012.
R. S, Chavan & G. S Sable, An Overview of Speech Recognition Using HMM, International Journal of Computer Science and Mobile Computing, Vol. 2, Issue. 6, pp.233 – 238, 2013.
W. Kurniawan, Identifikasi Speech Recognition Manusia dengan Menggunakan Average Energy dan Silent Ratio Sebagai Feature Extraction Suara pada Komputer, Biospecies, Vol. 9, No. 1, pp. 1–6, 2016.
H. Sujadi, I. Sopiandi, and A. Mutaqin, Sistem Pengolahan Suara Menggunakan Algoritma FFT (Fast Fourier Transform), Prosiding SINTAK, pp. 101–107, 2017.
M. F. Shinwani, Rancang Bangun Aplikasi Voice Translator Berbasis Android Menggunakan Hidden Markov Model. 2016
R. Y. Sipasulta, A. S. M. L. Stepen, & S. R. U. A. Sompie, Simulasi Sistem Pengacak Sinyal Dengan Metode FFT ( Fast Fourier Transform . E-journal Teknik Elektro dan Komputer, pp. 1–9, 2014
J.C Torelli., R.Fabbri., G. Travieso & O.M Bruno. A High Performance 3-D Exact Euclidean Distance Transform Algorithm For Distributed Computing. International Journal of Pattern Recognition and Artificial Intelligence. Vol. 24, No. 6. Pp. 1-9, 2010.
M. Gales and S Young. The Application of Hidden Markov Models in Speech Recognition. Foundations and Trends in Signal Processing. Vol. 1, No. 3 195–304, 2007
S. Sharma. “Speech Recognition with Hidden Markov Model: A Reviewâ€.International Journal of Scientific & Engineering Research,Volume 6, Issue 11, November, 2015
H.B Prasetyo dan U.N Wisesty. Algoritma Pengenalan Ucapan Huruf Hijaiyah Bertanda Baca Dengan Linear Predictive Coding (LPC) dan Hidden Markov Model (HMM). Conference Paper in Indonesia Symposium on Computing. September, 2016.
R.M Fauzi, Adiwijaya, W. Maharani. Pengenalan Ucapan Huruf Hijaiyah Menggunakan Mel Frequency Cepstral Coefficients (MFCC) dan Hidden Markov Model (HMM). Tugas Akhir- Telkom University, 2013.
S Arikunto. Manajemen Penelitian. Penerbit PT Rineka Cipta, 2003
