Pngertian dan Contoh Skripsi : Pengenalan Suara

2.3. Pengenalan Suara 
Pengenalan suara (Voice recognition atau dikenal juga sebagai automatic speech  recognition,  computer  speech  recognition)  adalah  proses  mengubah sinyal suara ke kalimat (text)11). Dalam hal ini diperlukan algoritma yang diimplementasikan  pada   program   komputer   untuk   menjalankan   perintah tersebut. Aplikasi pengenalan suara muncul beberapa tahun yang lalu termasuk voice dialing, data entry sederhana (contoh memasukkan nomor kartu kredit) dan menyediakan dokumen terstruktur (contoh laporan radiologi).

2.3.1.   Kinerja Sistem Pengenalan Suara 
Sistem pengenalan suara, tergantung pada beberapa faktor, dapat memiliki rentang kinerja yang diukur dari rata-rata error kalimat. Faktor- faktor ini termasuk lingkungan, rata-rata berbicara, konteks (atau tata bahasa) yang digunakan dalam pengenalan.
Kebanyakan pengguna pengenalan suara cenderung setuju bahwa mesin  perintah  dapat  mencapai  kinerja  yang  tinggi  pada  kondisi terkontrol. Bagian yang membingungkan terutama datang dari campuran penggunaan istilah pengenalan suara dan pendiktean.
Sistem pendiktean memerlukan periode pendek pelatihan yang dapat menangkap suara yang berlanjutan dengan kosakata yang luas dengan akurasi  yang  tinggi.  Kebanyakan  perusahaan  komersial  mengklaim bahwa software pengenalan dapat mencapai antara 98% sampai 99% keakuratannya  jika  beroperasi  pada  kondisi  yang  optimal.  Kondisi optimal ini berarti pengetesan subjek memiliki 1) karakteristik speaker yang cocok dengan data training, 2) pembicara yang sama, dan 3) lingkungan yang tenang (tanpa noise). Inilah penyebab mengapa pada kebanyakan pengguna, menemukan kinerja rata-rata pengenalan lebih rendah  dari  98%  sampai  99%.  Keterbatasan  yang  lainnya  adalah kosakata, sistem tanpa pelatihan hanya dapat mengenali sejumlah kecil kalimat dari beberapa pembicara.

2.3.2.   Formula Noisy Channel pada Statistika Pengenalan Suara 
Banyak metode modern seperti sistem pengenalan suara HMM (Hidden Markov Model) berdasarkan formulasi noisy channel. Metoda ini menyatakan bahwa tugas dari sistem pengenalan suara untuk mencari rangkaian kata yang mirip untuk sinyal akustik yang diketahui. Dengan kata lain,          sistem  mencari rangkaian kata  W   diantara            semua kemungkinan kata dari rangkaian W* sinyal akustik A. Menurut Hidden Markov Model terminologi disebut rangkain observasi.
Pemodelan akustik dan pemodelan bahasa penting untuk dipelajari pada statistika pengenalan suara. Pada skripsi ini akan fokus pada penjelasan penggunaan hidden Markov Model (HMM) karena digunakan pada banyak sistem secara luas. Lanjutan 2.4