SISTEM SPEECH TO TEXT ADAPTIF UNTUK PENGGUNA DENGAN GANGGUAN BICARA

ARIF, RAHMAN (2025) SISTEM SPEECH TO TEXT ADAPTIF UNTUK PENGGUNA DENGAN GANGGUAN BICARA. undergraduate thesis, Universitas Muhammadiyah Mataram.

	Text COVER DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (2MB) \| Request a copy
	Text SIMILARITY.pdf Restricted to Repository staff only Download (3MB) \| Request a copy

Abstract

Pengembangan teknologi pengenalan ucapan (speech recognition) telah banyak dimanfaatkan pada berbagai aplikasi, namun akurasinya masih rendah ketika digunakan oleh pengguna dengan gangguan bicara. Penelitian ini bertujuan untuk mengembangkan sistem speech-to-text adaptif yang mampu mengenali ucapan pengguna dengan gangguan artikulasi, khususnya penyandang bibir sumbing. Metode yang digunakan adalah pretrained model pra-latih Wav2Vec2 bahasa Indonesia dengan data suara hasil rekaman dari konten kreator YouTube penyandang gangguan bicara. Proses penelitian meliputi preprocessing data audio dengan resampling ke 16 kHz, noise reduction, ekstraksi fitur menggunakan Wav2Vec2 feature extractor, pelatihan model dengan skema 10-fold cross validation, serta evaluasi menggunakan metrik Word Error Rate (WER) dan Character Error Rate (CER). Dataset yang digunakan terdiri dari 350 sampel, yang dibagi menjadi sepuluh fold untuk mengukur kestabilan performa model. Hasil pengujian menunjukkan bahwa model adaptif Wav2Vec2 mampu meningkatkan akurasi pengenalan ucapan pada suara dengan gangguan bicara, dengan rata-rata WER sebesar 75% dan CER sebesar 48%. Temuan ini menunjukkan bahwa pretrained model speech recognition pada data khusus dapat secara signifikan meningkatkan performa sistem untuk kelompok pengguna yang spesifik.

Item Type:

Thesis (undergraduate)

Contributors: