Pemrosesan suara neurokomputasi - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

2026-08-23T04:07:50Z

Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

← Revisi sebelumnya		Revisi per 23 Agustus 2026 04.07
Baris 1:		Baris 1:
	'''Pemrosesan suara neurokumputasi''' ([[Bahasa Inggris]]: ''Neurocomputational speech processing'') merupakan bagian dari pemrosesan suara, dan bahasa (Speech language processing) dilakukan pada berbagai bidang seperti [[Ilmu komputer\|Ilmu Komputer]] (Pemrosesan Bahasa Alami, Natural Language Processing, NLP), Ilmu Bahasa (Komputasi Linguistik, Computational Linguistics), Elektro (Speech Recognition), [[Psikologi]] (Komputasi Psikolinguistik, Computational Psycholinguistics). Sejarah perkembangan pemrosesan suara, dan bahasa sejalan dengan perkembangan teknologi komputer.		[[File:Neural_mapping_phonetic_to_sensorimotor_maps.jpg\|thumb\|right\|280px\|Neural mapping phonetic to sensorimotor maps]]

			'''Pemrosesan suara neurokumputasi''' ([[Bahasa Inggris]]: ''Neurocomputational speech processing'') merupakan bagian dari pemrosesan suara, dan bahasa (Speech language processing) dilakukan pada berbagai bidang seperti [[Ilmu komputer\|Ilmu Komputer]] (Pemrosesan Bahasa Alami, Natural Language Processing, NLP), Ilmu Bahasa (Komputasi Linguistik, Computational Linguistics), Elektro (Speech Recognition), [[Psikologi]] (Komputasi Psikolinguistik, Computational Psycholinguistics). Sejarah perkembangan pemrosesan suara, dan bahasa sejalan dengan perkembangan teknologi komputer. <ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

	== Tahapan perkembangan ==		== Tahapan perkembangan ==
	Seiring dengan perkembangan teknologi komputer, berbarengan pula perkembangan pemrosesan suara yang terdiri dari beberapa tahap:		Seiring dengan perkembangan teknologi komputer, berbarengan pula perkembangan pemrosesan suara yang terdiri dari beberapa tahap:

	Tahap 1940–1960: Pada tahap ini, ada dua paradigma untuk pemrosesan suara: paradigma automata (yang melandasi teori [[bahasa formal]], teori bahasa formal) dan paradigma probabilistik (yang melandasi [[teori informasi]]). Automata pertama kali muncul sebagai hasil dari model komputasi Turing, yang kemudian berkembang menjadi finite state automata dan ekspresi regular (Kleene, 1951 dan 1956). Model probabilistik untuk pemrosesan bahasa diciptakan oleh Shannon (1948)—juga dikenal sebagai Proses Markov Diskret.		Tahap 1940–1960: Pada tahap ini, ada dua paradigma untuk pemrosesan suara: paradigma automata (yang melandasi teori [[bahasa formal]], teori bahasa formal) dan paradigma probabilistik (yang melandasi [[teori informasi]]). Automata pertama kali muncul sebagai hasil dari model komputasi Turing, yang kemudian berkembang menjadi finite state automata dan ekspresi regular (Kleene, 1951 dan 1956). Model probabilistik untuk pemrosesan bahasa diciptakan oleh Shannon (1948)—juga dikenal sebagai Proses Markov Diskret. <ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

	~~Selanjutnya, Chomsky (1956) menciptakan grammar finite state (context-free) untuk bahasa alami~~.~~Model komputasi probabilistik untuk pemrosesan bahasa~~ dan ~~suara dikenal sebagai paradigma kedua~~. ~~Pada titik ini, Shannon membuat metaphor untuk channel bising dan decoding untuk mentranslasi bahasa melalui media komunikasi.~~

	Selain itu, Shannon memperkenalkan entropi sebagai ukuran kapasitas informasi suatu channel atau kandungan informasi suatu bahasa dari teori termodinarnika. Dia juga pertama kali menggunakan ukuran entropi untuk model probabilistik bahasa Inggris. Pada tahap ini, [[Spektogram\|spektrogram]] pertama kali dibuat, memicu penelitian tentang fonetik, yang merupakan dasar pengenalan suara. ~~Dari sinilah ditemukan mesin pengenalan suara pertama (1950)~~.

	~~Dependent recognizer dengan model statistik yang mampu mengenali sepuluh digit yang mewakili dua format~~. ~~Mesin yang dilatih dengan sepuluh speaker~~ ini ~~dapat mengenali sepuluh digit dari setiap speaker dengan akurasi 97–99%~~, ~~berbasis template yang bergantung~~ pada ~~korelasi antara pola dan input~~.		Selanjutnya, Chomsky (1956) menciptakan grammar finite state (context-free) untuk bahasa alami.Model komputasi probabilistik untuk pemrosesan bahasa dan suara dikenal sebagai paradigma kedua. Pada titik ini, Shannon membuat metaphor untuk channel bising dan decoding untuk mentranslasi bahasa melalui media komunikasi. <ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

	~~Tahap 1957–1970: Dua paradigma digunakan dalam~~ penelitian pengenalan suara. ~~Ahli komputer~~ dan ~~linguistik melakukan penelitian~~ pada ~~paradigma simbolik, sedangkan paradigma stokastik banyak dilakukan oleh ahli matematika dan [[teknik listrik]]~~.		Selain itu, Shannon memperkenalkan entropi sebagai ukuran kapasitas informasi suatu channel atau kandungan informasi suatu bahasa dari teori termodinarnika. Dia juga pertama kali menggunakan ukuran entropi untuk model probabilistik bahasa Inggris. Pada tahap ini, [[Spektogram\|spektrogram]] pertama kali dibuat, memicu penelitian tentang fonetik, yang merupakan dasar pengenalan suara. Dari sinilah ditemukan mesin pengenalan suara pertama (1950).<ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

	Mengikuti penelitian [[Noam Chomsky\|Chomsky]], algoritma parsing dan algoritma AI (Joh McCarthy, Marvin Minsky, Claude Shannon, dan Nathaniel Rochester), jalur simbolik muncul. Pada titik ini, pemahaman bahasa alami yang ~~sederhana mulai terbentuk,~~ yang ~~memungkinkan untuk memberikan jawaban atas pertanyaan~~. ~~Berbagai sistem mulai dikembangkan dalam pendekatan stokastik, termasuk pengenalan karakter optik dan pengenalan teks (Bledsoe dan Browning),~~ yang ~~menggunakan metode Bayes. Pada titik~~ ini, ~~[[Korpus teks\|korpus]]~~ yang ~~memuat satu juta kata dibuat dari lima ratus teks dari berbagai sumber, termasuk novel, [[Koran\|surat kabar]], nonfiksi,~~ dan ~~akademik~~.		Dependent recognizer dengan model statistik yang mampu mengenali sepuluh digit yang mewakili dua format. Mesin yang dilatih dengan sepuluh speaker ini dapat mengenali sepuluh digit dari setiap speaker dengan akurasi 97–99%, berbasis template yang bergantung pada korelasi antara pola dan input.<ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

	Tahap ~~1970–1983~~: ~~Pada periode ini, banyak~~ penelitian ~~dilakukan tentang pemrosesan ucapan~~ dan ~~bahasa menggunakan~~ paradigma ~~stokastik~~, ~~dan logika. Beberapa penelitian tentang~~ paradigma stokastik~~, seperti yang~~ dilakukan oleh ~~Jelinek, Bahl,~~ dan ~~Mercer, para ahli dari~~ [[~~IBM~~]] dan ~~Cameige Mellon University (CMU), termasuk penerapan Hidden Markov Model (~~HMM~~) untuk algoritma pengenalan suara dan metaphor dari kanal suara bising, dan decoding~~.		Tahap 1957–1970: Dua paradigma digunakan dalam penelitian pengenalan suara. Ahli komputer dan linguistik melakukan penelitian pada paradigma simbolik, sedangkan paradigma stokastik banyak dilakukan oleh ahli matematika dan [[teknik listrik]].<ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

	~~Rabiner dan Juang (AT&T's Bell Labs) melakukan analisis suara~~, dan ~~sintesis. Dalam paradigma logika~~ (~~berbasis logika)~~, ~~penelitian terutama berfokus pada pengembangan gramar (gramar metamorphosis~~, ~~gramar definite clause~~, dan ~~gramar fungsional~~), ~~serta struktur unifikasi~~. ~~Penelitian tentang~~ pemahaman bahasa alami ~~saat~~ ini ~~sedang mengembangkan robot~~ yang ~~dapat menerima perintah~~ dari teks ~~berbahasa alami. Penelitian ini menggunakan model gramar~~, ~~parsing~~, ~~semantik~~, dan ~~discourse~~.		Mengikuti penelitian [[Noam Chomsky\|Chomsky]], algoritma parsing dan algoritma AI (Joh McCarthy, Marvin Minsky, Claude Shannon, dan Nathaniel Rochester), jalur simbolik muncul. Pada titik ini, pemahaman bahasa alami yang sederhana mulai terbentuk, yang memungkinkan untuk memberikan jawaban atas pertanyaan. Berbagai sistem mulai dikembangkan dalam pendekatan stokastik, termasuk pengenalan karakter optik dan pengenalan teks (Bledsoe dan Browning), yang menggunakan metode Bayes. Pada titik ini, [[Korpus teks\|korpus]] yang memuat satu juta kata dibuat dari lima ratus teks dari berbagai sumber, termasuk novel, [[Koran\|surat kabar]], nonfiksi, dan akademik.<ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

	~~== Referensi ==~~		Tahap 1970–1983: Pada periode ini, banyak penelitian dilakukan tentang pemrosesan ucapan dan bahasa menggunakan paradigma stokastik, dan logika. Beberapa penelitian tentang paradigma stokastik, seperti yang dilakukan oleh Jelinek, Bahl, dan Mercer, para ahli dari [[IBM]] dan Cameige Mellon University (CMU), termasuk penerapan Hidden Markov Model (HMM) untuk algoritma pengenalan suara dan metaphor dari kanal suara bising, dan decoding.<ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

			Rabiner dan Juang (AT&T's Bell Labs) melakukan analisis suara, dan sintesis. Dalam paradigma logika (berbasis logika), penelitian terutama berfokus pada pengembangan gramar (gramar metamorphosis, gramar definite clause, dan gramar fungsional), serta struktur unifikasi. Penelitian tentang pemahaman bahasa alami saat ini sedang mengembangkan robot yang dapat menerima perintah dari teks berbahasa alami. Penelitian ini menggunakan model gramar, parsing, semantik, dan discourse.<ref>Agus Buono; Benyamin Kusumoputro; Wisnu Jatmiko. ''Sistem Pemrosesan Suara: Studi Kasus Perbandingan Power Spektrum dan Bispektrum pada Identifikasi Pembicara Menggunakan HMM''. ''Seminar Nasional Teknologi Informasi''. 2009.</ref>

	== Pranala luar ==		== Pranala luar ==

			== Referensi ==
			<references />

			== Sumber dan atribusi ==

	== ~~Sumber~~ dan ~~atribusi ==~~		Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Pemrosesan+suara+neurokomputasi&oldid=29491453 Wikipedia bahasa Indonesia], revisi 29491453 (2026-07-24T14:36:18Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

	~~Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Pemrosesan+suara+neurokomputasi&oldid=29491453 Wikipedia bahasa Indonesia], revisi 29491453 (2026~~-07-~~24T14:36:18Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi~~-~~BerbagiSerupa (CC BY~~-~~SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.~~		<!-- WIKI_UNISSULA_PRESENTATION_V4 -->

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29491453; atribusi sumber disertakan.

2026-08-23T03:31:06Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29491453; atribusi sumber disertakan.

Halaman baru

'''Pemrosesan suara neurokumputasi''' ([[Bahasa Inggris]]: ''Neurocomputational speech processing'') merupakan bagian dari pemrosesan suara, dan bahasa (Speech language processing) dilakukan pada berbagai bidang seperti [[Ilmu komputer|Ilmu Komputer]] (Pemrosesan Bahasa Alami, Natural Language Processing, NLP), Ilmu Bahasa (Komputasi Linguistik, Computational Linguistics), Elektro (Speech Recognition), [[Psikologi]] (Komputasi Psikolinguistik, Computational Psycholinguistics). Sejarah perkembangan pemrosesan suara, dan bahasa sejalan dengan perkembangan teknologi komputer.

== Tahapan perkembangan ==
Seiring dengan perkembangan teknologi komputer, berbarengan pula perkembangan pemrosesan suara yang terdiri dari beberapa tahap:

Tahap 1940–1960: Pada tahap ini, ada dua paradigma untuk pemrosesan suara: paradigma automata (yang melandasi teori [[bahasa formal]], teori bahasa formal) dan paradigma probabilistik (yang melandasi [[teori informasi]]). Automata pertama kali muncul sebagai hasil dari model komputasi Turing, yang kemudian berkembang menjadi finite state automata dan ekspresi regular (Kleene, 1951 dan 1956). Model probabilistik untuk pemrosesan bahasa diciptakan oleh Shannon (1948)—juga dikenal sebagai Proses Markov Diskret.

Selanjutnya, Chomsky (1956) menciptakan grammar finite state (context-free) untuk bahasa alami.Model komputasi probabilistik untuk pemrosesan bahasa dan suara dikenal sebagai paradigma kedua. Pada titik ini, Shannon membuat metaphor untuk channel bising dan decoding untuk mentranslasi bahasa melalui media komunikasi.

Selain itu, Shannon memperkenalkan entropi sebagai ukuran kapasitas informasi suatu channel atau kandungan informasi suatu bahasa dari teori termodinarnika. Dia juga pertama kali menggunakan ukuran entropi untuk model probabilistik bahasa Inggris. Pada tahap ini, [[Spektogram|spektrogram]] pertama kali dibuat, memicu penelitian tentang fonetik, yang merupakan dasar pengenalan suara. Dari sinilah ditemukan mesin pengenalan suara pertama (1950).

Dependent recognizer dengan model statistik yang mampu mengenali sepuluh digit yang mewakili dua format. Mesin yang dilatih dengan sepuluh speaker ini dapat mengenali sepuluh digit dari setiap speaker dengan akurasi 97–99%, berbasis template yang bergantung pada korelasi antara pola dan input.

Tahap 1957–1970: Dua paradigma digunakan dalam penelitian pengenalan suara. Ahli komputer dan linguistik melakukan penelitian pada paradigma simbolik, sedangkan paradigma stokastik banyak dilakukan oleh ahli matematika dan [[teknik listrik]].

Mengikuti penelitian [[Noam Chomsky|Chomsky]], algoritma parsing dan algoritma AI (Joh McCarthy, Marvin Minsky, Claude Shannon, dan Nathaniel Rochester), jalur simbolik muncul. Pada titik ini, pemahaman bahasa alami yang sederhana mulai terbentuk, yang memungkinkan untuk memberikan jawaban atas pertanyaan. Berbagai sistem mulai dikembangkan dalam pendekatan stokastik, termasuk pengenalan karakter optik dan pengenalan teks (Bledsoe dan Browning), yang menggunakan metode Bayes. Pada titik ini, [[Korpus teks|korpus]] yang memuat satu juta kata dibuat dari lima ratus teks dari berbagai sumber, termasuk novel, [[Koran|surat kabar]], nonfiksi, dan akademik.

Tahap 1970–1983: Pada periode ini, banyak penelitian dilakukan tentang pemrosesan ucapan dan bahasa menggunakan paradigma stokastik, dan logika. Beberapa penelitian tentang paradigma stokastik, seperti yang dilakukan oleh Jelinek, Bahl, dan Mercer, para ahli dari [[IBM]] dan Cameige Mellon University (CMU), termasuk penerapan Hidden Markov Model (HMM) untuk algoritma pengenalan suara dan metaphor dari kanal suara bising, dan decoding.

Rabiner dan Juang (AT&T's Bell Labs) melakukan analisis suara, dan sintesis. Dalam paradigma logika (berbasis logika), penelitian terutama berfokus pada pengembangan gramar (gramar metamorphosis, gramar definite clause, dan gramar fungsional), serta struktur unifikasi. Penelitian tentang pemahaman bahasa alami saat ini sedang mengembangkan robot yang dapat menerima perintah dari teks berbahasa alami. Penelitian ini menggunakan model gramar, parsing, semantik, dan discourse.

== Referensi ==

== Pranala luar ==

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Pemrosesan+suara+neurokomputasi&oldid=29491453 Wikipedia bahasa Indonesia], revisi 29491453 (2026-07-24T14:36:18Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.