Implementasi Algoritma Deep Learning pada Aplikasi Speech to Text Online dengan Metode Recurrent Neural Network (RNN)

Abstract Views: 100   PDF Downloads: 101

Authors

  • Nadhira Lubis Universitas Islam Sumatera Utara, Medan
  • Mhd. Zulfansyuri Siambaton Universitas Islam Sumatera Utara, Medan
  • Rachmat Aulia Universitas Harapan Medan, Medan

DOI:

https://doi.org/10.56211/sudo.v3i3.583

Keywords:

Speech to Text; Speech Recognition; Algoritma Deep Learning; Metode Recurrent Neural Network (RNN); Web Speech API

Abstract

Pada era globalisasi, kemajuan teknologi informasi dan komunikasi telah membawa perubahan signifikan dalam berbagai aspek kehidupan manusia, termasuk cara kita berinteraksi dengan perangkat digital. Salah satu inovasi yang menonjol adalah teknologi Pengenalan Suara (Speech Recognition), yang merupakan bagian dari Web Speech API dalam bahasa pemrograman JavaScript. Teknologi ini mampu memahami dan memproses bahasa lisan, mengenali suara manusia, dan mengubahnya menjadi teks di komputer. Teknologi Pengenalan Suara memiliki peran penting dalam aplikasi Speech to Text Online. Teknologi ini diimplementasikan langsung di browser dan dapat diakses melalui Web Speech API dalam JavaScript. Karena manusia umumnya dapat berbicara lebih cepat daripada mengetik, aplikasi Speech to Text Online dirancang untuk memudahkan aktivitas yang berhubungan dengan pengetikan atau pembuatan catatan. Aplikasi ini menggunakan algoritma Deep Learning yang dilengkapi dengan metode Recurrent Neural Network (RNN). Metode RNN, sebagai bagian dari algoritma Deep Learning, memiliki kemampuan untuk mempelajari pola dari data yang kompleks dan abstrak. Hal ini membuatnya sangat efektif dalam pengenalan gambar, pemrosesan bahasa alami, pengenalan suara, dan banyak bidang lainnya. Oleh karena itu, RNN adalah metode yang tepat untuk diterapkan dalam algoritma Deep Learning pada aplikasi Speech to Text Online.

 

Downloads

Download data is not yet available.

References

T. P. Laksono, “Speech To Text Untuk Bahasa Indonesia,” Skripsi, 2018.

M. E. Prastyo, “Aplikasi Text to Speech Berbasis Javascript,” Visualika, vol. 7, no. 1, pp. 89–101, 2022.

A. B. Jaman and A. Fergina, “Implementasi Speech Recognition Berbasis Android Dalam Optimalisasi Komunikasi Bagi Penyandang Tunarungu,” Jurnal Teknik Informatika UNIKA Santo Thomas, vol. 06, no. 21, pp. 373–378, 2021, doi: 10.54367/jtiust.v6i2.1508.

I. Cholissodin, Sutrisno, A. A. Soebroto, U. Hasanah, and Y. I. Febiola, “AI, Machine Learning & Deep Learning (Teori & Implementasi) ‘from Basic Science to High Scientific Solution for Any Problem’ Versi 1.01,” p. 317, 2020.

D. Y. H. dan D. T. Wahyono, DASAR-DASAR DEEP LEARNING DAN IMPLEMENTASINYA. PENERBIT GAVA MEDIA, 2021.

Malau dan Nurjaman, “Kecerdasan Buatan,” Journal of Chemical Information and Modeling, vol. 53, no. 9, pp. 8–24, 2019.

R. Cahyadi et al., “Recurrent Neural Network (RNN) Dengan Long Short Term Memory (LSTM) Untuk Analisis Sentimen Data Instagram,” Jurnal Informatika dan Komputer, vol. 5, no. 1, pp. 1–9, 2020.

E. Lapian, A. . Osmond, R. . Saputra, and E. Al., “RNN Dialek Manado,” Proceeding of Engineering, vol. 5, no. 3, pp. 3–4, 2018.

P. Ramadhika, “Deep Learning,” Gastronomía ecuatoriana y turismo local., vol. 1, no. 69, pp. 5–24, 2019.

B. Prijono, “Pengenalan Recurrent Neural Network (RNN) - Bagian 1,” indoml.com, 2018. .

Downloads

Article History

Submitted: 17-07-2024
Published: 03-09-2024
Pages: 113-126

PlumX Metrics

How to Cite

Lubis, N., Siambaton, M. Z. ., & Aulia, R. (2024). Implementasi Algoritma Deep Learning pada Aplikasi Speech to Text Online dengan Metode Recurrent Neural Network (RNN). Sudo Jurnal Teknik Informatika, 3(3), 113–126. https://doi.org/10.56211/sudo.v3i3.583