Charis, Badruz Zamanil (2018) Aplikasi pembelajaran Bahasa Inggris untuk SD kelas 1 menggunakan Linear Predictive Coding (LPC) dan Hidden Markov Model (HMM). Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
|
Text (Fulltext)
13650120.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (4MB) | Preview |
Abstract
مستخلص البحث
في تعلم اللغة الإنجليزية يتطلب وسائل جديدة ووسائل الإعلام من أجل تحسين روح ومصلحة الأطفال في التعلم. ويرجع ذلك إلى أن الأسلوب المستخدم بشكل شائع في المدارس لا يزال يستخدم طريقة المعلم في التوضيح ويستمع الطلاب حتى يتم تشبع الطلاب بسهولة. استنادًا إلى المشاكل التي بنيت تطبيقات التعلم المستندة إلى عملية الحاسوب والتي من المتوقع أن تحسن عملية الأطفال في تعلم التحدث باللغة الإنجليزية. طريقة التعلم المستخدمة هي التعرف على الصوت. تعتبر خصائص إشارة الكلام مفيدة جدًا في أنظمة التعرف على الصوت. إحدى الطرق المستخدمة في عملية استخراج الميزات هي التشفير التنبؤي الخطي (LPC). يعد تحليل التنبؤ الخطي طريقة تستخدم للحصول على مقاربة إشارة سليمة. إن التنبؤ الخطي هو على وجه التحديد طريقة مناسبة لمعالجة الإشارات الصوتية. يمكن تطبيق هذه الطريقة أيضًا في تمييز الكلمات. في حين لإدخال أنماط الصوت يمكن استخدام أساليب ماركوف المخفية نموذج (HMM) لأنه قادر على التعرف على الصوت بشكل جيد
ABSTRACT
In learning English requires new methods and media in order to improve the spirit and interest of children in learning. This is because the method commonly used in schools is still using the teacher's method of explaining and students are listening so that students are easily saturated. Based on the problems built a desktop-based learning applications that are expected to improve the process of children in learning to speak English. The learning method used is voice recognition. Speech signal characteristics are very useful in voice recognition systems. One of the methods used for feature extraction process is Linear Predictive Coding (LPC). Linear prediction analysis is a method used to obtain a sound signal approach. Linear forecasting is specifically a suitable method of processing voice signals. This method can also be applied in word recognition. while for the introduction of sound patterns be used methods Hidden Markov Model (HMM) because able to do voice recognition well.
ABSTRAK
Pada pembelajaran Bahasa Inggris dibutuhkan metode dan media yang baru agar dapat meningkatkan semangat dan minat anak dalam mempelajarinya. Hal ini dikarenakan metode yang umum digunakan di sekolah masih menggunakan metode guru menerangkan dan siswa mendengarkan sehingga siswa mudah jenuh. Berdasarkan permasalahan tersebut dibangun sebuah aplikasi pembelajaran berbasis desktop yang diharapkan dapat meningkatkan proses anak dalam belajar berbicara Bahasa Inggris. Metode pembelajaran yang digunakan adalah pengenalan suara. Ciri sinyal ucapan sangat berguna pada sistem pengenalan suara. Salah satu metode yang digunakan untuk proses ekstraksi ciri adalah Linear Predictive Coding (LPC). Analisis prediksi linear adalah suatu cara yang digunakan untuk mendapatkan sebuah pendekatan sinyal suara. Peramalan linear secara khusus merupakan metode yang cocok dalam pengolahan sinyal suara. Metode ini dapat juga diterapkan dalam pengenalan kata. sedangkan untuk pengenalan pola suara digunakan metode Hidden Markov Model (HMM) karena mampu melakukan pengenalan suara dengan baik
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Supervisor: | Suhartono, Suhartono and Imamudin, Mochamad | |||||||||
Contributors: |
|
|||||||||
Keywords: | تعلم الوسائط; اللغة الإنجليزية; التعرف على الكلام; Learning Media; English; Speech Recognition; LPC; HMM; Media Pembelajaran; Bahasa Inggris | |||||||||
Departement: | Fakultas Sains dan Teknologi > Jurusan Teknik Informatika | |||||||||
Depositing User: | Mohammad Syahriel Ar | |||||||||
Date Deposited: | 10 May 2019 15:22 | |||||||||
Last Modified: | 09 Jun 2023 15:39 | |||||||||
URI: | http://etheses.uin-malang.ac.id/id/eprint/14211 |
Downloads
Downloads per month over past year
Actions (login required)
![]() |
View Item |