Optimasi Klasifikasi Fonem Menggunakan Backpropagation Neural Network dan Principal Component Analysis

Fonem merupakan bunyi terkecil dari suatu ucapan yang tidak memiliki pengertian, tetapi peranan terpenting untuk membentuk arti. Identifikasi fonem sebuah video tentang seorang aktor sedang mengucapkan kalimat-kalimat berbahasa Indonesia bagian penting dalam pengembangan aplikasi visual-to-text. Aplikasi ini dapat menerjemahkan gerakan mulut menjadi rangkaian teks Indonesia, sehingga membantu mempermudah komunikasi bagi para penyandang tunarungu. Penelitian bertujuan mengoptimasi kinerja proses klasifikasi terhadap data citra sebanyak 32 hasil ekstraksi video, digunakan mendukung identifikasi mewujudkan visual-to-text bahasa Indonesia. Algoritme penelitian adalah backpropagation neural network. Beberapa upaya diusulkan di antaranya dengan menggunakan perbandingan proporsi dataset, estimasi jumlah lapisan tersembunyi, dan reduksi dimensi dataset metode principal component analysis mengurangi dianggap kurang tanpa tingkat informasinya. Dimensi sebelum direduksi sebesar 1.280 × 7.100 matriks setelah 50 data. Hasil akurasi diperoleh pada optimalisasi yaitu 87,16% 8:2 analysis.