Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : journal of data analysis

Penerapan Time Delay Neural Network pada Model Akustik untuk Sistem Voice-to-Text Berbahasa Sunda Alim Misbullah; Nazaruddin Nazaruddin; Marzuki Marzuki; Zulfan Zulfan
Journal of Data Analysis Volume 2, Number 2, December 2019
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (702.714 KB) | DOI: 10.24815/jda.v2i2.15235

Abstract

Penerapan metode deep learning dalam berbagai bidang terutama pada kasus pengenalan pola sudah menghasilkan akurasi yang sangat menjanjikan. Jaringan saraf tiruan atau neural network merupakan bagian dari deep learning yang digunakan untuk melatih model pada kasus pengenalan pola seperti model untuk sistem pengenalan ucapan (voice-to-text). Neural network akan menyimpan informasi dari setiap fitur data berupa bobot pada jaringan yang terhubung antar layer pada model yang dibangun. Bobot pada jaringan tersebut diperbaharui berdasarkan banyaknya fitur dari data yang diinput. Sistem voice-to-text merupakan salah satu bidang pengenalan pola yang mengimplementasikan neural network untuk membangun model akustik. Model akustik pada sistem pengenalan ucapan dilatih menggunakan data audio berupa percakapan atau rekaman dari setiap individu untuk bahasa tertentu seperti bahasa Inggris. Penerapan neural network untuk sistem pengenalan ucapan berbahasa Inggris sudah banyak dilakukan bahkan sudah diimplementasikan dalam bentuk aplikasi karena mampu menghasilkan akurasi yang tinggi. Namun, penggunaan neural network untuk bahasa lokal masih jarang digunakan. Dalam tulisan ini, time delay neural network digunakan untuk membangun model akustik pada sistem pengenalan ucapan berbahasa Sunda. Berdasarkan hasil pengujian terhadap model akustik, time delay neural network mampu menghasilkan WER sampai dengan 0.57% setelah dilakukan penyesuaian pada hyperparameter dari neural network.Implementation of deep learning techniques has given promising results recently in any research area, especially for pattern recognition. Neural network as a part of deep learning has been widely used to build model for various pattern recognition field including speech recognition. In neural network, weights which is parameters among layers play important roles to capture information from input data. The parameters are updated frequently based on input features in each iteration. In speech recognition, neural network is implemented to build acoustic model that uses speech from different speakers as training data. The acoustic model is built for specific language such as English, Mandarin and Indonesian. In recent years, the speech recognition system using deep neural network for English language has been developed well and use in many applications. But, implementation of deep neural network for local language is rarely done. In this research, time delay neural network is used to build acoustic model for speech recognition system of Sundanese language. Based on experimental result, the implementation of time delay neural network can reduce WER to be 0.57% with well-tuned hyperparameters of neural network.
Analisa Quality of Service pada Jaringan Wireless Berbasis Software-Defined Network dengan Protokol Openflow Menggunakan Floodlight Controller Muhd Iqbal; Zulfan Zulfan; Muhammad Arif Ramadhan
Journal of Data Analysis Volume 3, Number 1, June 2020
Publisher : Department of Statistics, Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/jda.v3i1.14771

Abstract

Jaringan komputer merupakan sistem yang terdiri dari dua atau lebih perangkat komputer yang saling terhubung. Semakin banyak perangkat jaringan yang digunakan maka semakin lama waktu yang diperlukan untuk mengkonfigurasikan jaringan. Metode Software-Defined Network (SDN) dapat menjadi solusi untuk mengatasi hal tersebut. SDN dapat mengendalikan dan mengkonfigurasikan perangkat jaringan secara bersamaan dalam jumlah banyak. Untuk dapat menjalankan SDN dibutuhkan controller untuk mengatur jaringan. Pada penelitian ini, controller yang akan digunakan adalah Floodlight Controller dan untuk mengetahui kemampuan jaringan, Quality of Service (QoS) dari SDN akan diuji. Pertama, jaringan pada perangkat lunak Mininet akan dirancang terlebih dahulu. Selanjutnya dilakukan pengujian QoS dengan dan tanpa menggunakan metode Hierarchical Token Bucket (HTB). Kemudian, hasil dari pengujian akan dibandingkan dan dinilai menggunakan standar TIPHON. Dari hasil pengujian, dengan menggunakan metode HTB, jaringan yang dihasilkan lebih bagus dibandingkan tanpa metode HTB. Computer network is a system consisting of two or more interconnected computer devices. The more network devices used, the longer it takes to configure the network. The Software-Defined Network (SDN) method can be a solution to overcome this. SDN can control and configure network devices simultaneously in large numbers. SDN can be run physically and virtually on Mininet software. To be able to run SDN, a controller is needed to run the network. In this study, the controller that will be used is the Floodlight Controller and to find out the network capabilities, Quality of Service (QoS) from the SDN will be tested. First, the network on the Mininet software was designed first. Then QoS testing is done with and without using the Hierarchical Token Bucket (HTB) method. Then, the results of the tests will be compared and assessed using the TIPHON standard. From the test results, using the HTB method, the resulting network is better than without the HTB method.