Analisis Kinerja Model Pengenalan Suara Dengan Metode Audio Classification Convolutional Neural Networks Dan Automatic Speech Recognition (Studi Kasus Pada Sekolah Menengah Kejuruan Negeri Di Bandung)

DZURRAHMAN ROKI MUHAMMAD IBRAHIM, . (2025) Analisis Kinerja Model Pengenalan Suara Dengan Metode Audio Classification Convolutional Neural Networks Dan Automatic Speech Recognition (Studi Kasus Pada Sekolah Menengah Kejuruan Negeri Di Bandung). Masters thesis, Universitas Pamulang.

[img] Text
COVER.pdf
Restricted to Registered users only

Download (934kB)
[img] Text
BAB I.pdf
Restricted to Registered users only

Download (89kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (327kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (190kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (521kB)
[img] Text
BAB V.pdf
Restricted to Registered users only

Download (11kB)
[img] Text
JURNAL.pdf
Restricted to Registered users only

Download (480kB)

Abstract

Penelitian ini mengembangkan aplikasi tes lisan berbasis pengenalan suara otomatis (ASR) dan klasifikasi audio menggunakan Convolutional Neural Network (CNN) untuk mendukung pembelajaran bahasa Jepang di Sekolah Menengah Kejuruan (SMK). Permasalahan dalam evaluasi kemampuan berbicara secara manual, seperti keterbatasan waktu dan subjektivitas penilaian, menjadi latar belakang penting bagi pengembangan sistem ini. Data suara dikumpulkan melalui aplikasi perekaman berbasis web, kemudian diproses menjadi Mel Spectrogram dan fitur audio lainnya. Model Whisper digunakan untuk mentranskripsi ucapan siswa ke dalam teks, sedangkan CNN digunakan untuk mengklasifikasikan hasil transkripsi ke dalam kategori pengucapan. Hasil evaluasi menunjukkan bahwa model CNN mencapai akurasi klasifikasi sebesar 82%, dengan precision tertinggi 0,95 pada kelas tertentu. Model ASR Whisper menunjukkan rata-rata Word Error Rate (WER) sebesar 0,47, dengan lebih dari 50% audio berhasil ditranskripsi secara sempurna. Temuan ini menunjukkan bahwa integrasi ASR dan CNN dapat menghasilkan sistem evaluasi lisan yang objektif, efisien, dan sesuai dengan kebutuhan pembelajaran modern. Sistem ini memiliki potensi untuk diterapkan tidak hanya dalam pembelajaran bahasa Jepang, tetapi juga untuk bahasa asing lainnya di lingkungan pendidikan vokasi.

Item Type: Thesis (Masters)
Subjects: T Technology > T Technology (General)
Depositing User: Jejen Juanda
Date Deposited: 11 Dec 2025 04:46
Last Modified: 11 Dec 2025 04:47
URI: http://repository.unpam.ac.id/id/eprint/18184

Actions (login required)

View Item View Item