hey aku disini show_detail Ryan Septian Gandi Primary Author mixed material bibliography Bandung Universitas Langlangbuana 2025 monographic id Indonesia

Text

Perkembangan teknologi pengenalan ucapan otomatis (Automatic Speech Recognition/ASR) telah membawa kemajuan signifikan dalam interaksi manusia dan komputer, terutama melalui penerapan model berbasis deep learning. Namun, pengenalan ucapan dalam Bahasa Indonesia masih menjadi tantangan karena keragaman fonetik dan dialeknya. Penelitian ini bertujuan untuk membandingkan performa dua model ASR populer, yaitu Wav2Vec2 dan OpenAI Whisper, dalam mengenali ucapan berbahasa Indonesia. Metode yang digunakan adalah studi eksperimen komparatif menggunakan dataset publik Mozilla Common Voice versi 11 Bahasa Indonesia. Evaluasi dilakukan berdasarkan tiga metrik utama: akurasi transkripsi yang diukur dengan Word Error Rate (WER), kecepatan pemrosesan (latency), dan efisiensi komputasi (penggunaan memori dan GPU). Hasil penelitian menunjukkan bahwa Whisper memiliki akurasi transkripsi yang lebih tinggi dengan rata-rata WER sebesar 0.08220 dibandingkan Wav2Vec2 yang memiliki WER 0.21764. Namun, dari segi kecepatan pemrosesan, Wav2Vec2 menunjukkan waktu inferensi rata-rata yang jauh lebih cepat (sekitar 0.05 detik per sampel atau 22 kali lebih cepat) dan lebih efisien dalam penggunaan sumber daya komputasi. Berdasarkan hasil tersebut, Whisper lebih unggul dalam hal akurasi, sedangkan Wav2Vec2 lebih efisien untuk aplikasi yang membutuhkan kecepatan tinggi seperti transkripsi real-time. Eksperimen Komparatif Bahasa Indonesia Word Error Rate (WER) Whisper Wav2Vec2 Automatic Speech Recognition (ASR) NONE Repository Fakultas Teknik Sistem Repository Elektronik Skripsi dan Penelitian Dosen Fakultas Teknik 005 GAN S Cover Lembar Pengesahan Lembar Pernyataan Abstrak Kata Pengantar Daftar Isi Daftar Gambar Daftar Lampiran Bab I Bab II Daftar Pustaka Lampiran 02._COVER_-_RYAN_SEPTIAN_GANDI_-_41155050210041_-_Ryan_Septian_gandi.jpg.jpg 1455 2026-05-05 11:18:07 2026-05-05 11:18:07 machine generated