Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Interactive Technology (JIITE)
Setiabudi, Rizki
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Klasifikasi Perintah Suara Menggunakan Artificial Neural Network Pada Aplikasi G-MOOC 4D Setiabudi, Rizki; Utomo, Fandy Setyo; Tahyudin, Imam
Journal of Informatics and Interactive Technology Vol. 1 No. 1 (2024): April
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v1i1.5

Abstract

Speech recognition atau pengenalan suara merupakan salah satu cabang ilmu di bidang Natural Language Processing (pengeloaan bahasa alami) yang berfokus pada pengembangan teknologi yang memungkinkan komputer untuk mengenali suara manusia seperti perintah suara, speech to text dan transkripsi otomatis. Teknologi speech recognition saat ini berkembang pesat untuk dimanfaatkan dalam teknologi informasi. Selain itu, teknologi informasi memiliki peranan penting dalam pembelajaran online. Pada kasus G-MOOC yaitu Platform Massive Open Online Course yang dibangun menggunakan pendekatan gamifikasi. Akan tetapi pada aplikasi G-MOOC tersebut masih belum ramah terhadap disabilitas kususnya tunanetra. Dengan demikian diperlukan sebuah sistem untuk melakukan pembelajaran yang ramah disabilitas untuk memudahkan melakukan proses pembelajaran. Untuk mengatasi masalah tersebut, dibuatkan sebuah aplikasi pengembangan dari G-MOOC (Gamified Massive Open Online Course) menjadi G-MOOC 4D (Gamified Massive Open Online Course for Disability) menggunakan sistem perintah suara dengan mengklasifikasikan kata menggunakan artificial neural network. Metode dalam penelitian ini diantaranya adalah identifikasi masalah, pengumpulan data (data primer dan studi pustaka), metode penelitian (pra-pemrosesan data, pelatihan model, penerapan model ann ke speech recognition dengan web speech api), pengujian dan evaluasi. Hasil dari penelitian ini berdasarkan hasil pengujian blackbox memperoleh akurasi sebesar 100% dengan menggunakan rate recognition average.
Co-Authors Fandy Setyo Utomo Imam Tahyudin