ABSTRAKSI: Tuna rungu adalah kondisi seseorang yang kehilangan seluruh atau sebagian daya pendengarannya sehingga tidak atau kurang mampu berkomunikasi secara verbal dengan baik. Seorang penderita tuna rungu bukanlah seseorang yang tidak dapat berbicara namun mereka tidak bisa belajar untuk berbicara karena kekurangan pendengaran. Akibatnya suara yang dihasilkan parau, bahkan sulit untuk dimengerti. Sinyal suara dari seorang penyandang tuna rungu berbeda dengan manusia normal dari sisi rentang frekuensi sudah berbeda. Frekuensi mereka yang terbatas di area tertentu.
Karena itu digunakanlah band pass filter sebagai preprocessing sinyal suara agar dapat menyaring sinyal suara di rentang frekuensi tertentu (600-1800Hz). Kemudian digunakan fast fourier transform untuk mentransformasi sinyal suara ke domain frekuensi dan menghasilkan vektor ciri. Vektor ciri ini kemudian diproses dengan mengadaptasi konsep frame blocking dan perkalian sinus untuk mendapatkan nilai ciri untuk setiap frame. Hasilnya merupakan inputan untuk jaringan syaraf tiruan backpropagation. Keluaran dari sistem ini adalah tulisan (speech to text).
Hasil penelitian memperlihatkan bahwa akurasi sistem untuk data yang telah dilatih sebesar 83,8384% sedangkan untuk data yang belum dilatih (tidak dikenali sistem) sebesar 36,3635%.
Kata Kunci : Kata kunci : tuna rungu, speech to text, band pass filter, fast fourier transform, jaringan syaraf tiruan backpropagation.ABSTRACT: Deaf is a condition which people lost their ability to listen other people speech. They also cant speech as well as normal hearing people. Deaf people is not someone who cant speak because of his/her physical disability, but they cant speak because they cant hear anything so that they learn nothing to speak. This condition affects voice production, so their speech sounds raucous and hard to understand. Voice signal of deaf people is different from normal voice signal. Rentang of frequency of their voice signal is restricted in certain areas.
Because of that signal condition, we use band pass filter mechanism in order to filter the signal at a specific frequency range (600-1800Hz ). Then, fast fourier transform is used to transform time domain voice signal into frequency domain and generate the vector features. Feature vector is processed by adapting the concept of frame blocking and sine multiplication to obtain characteristic value of each frame. The result is an input for the backpropagation neural network. And output of this system is text (speech to text).
The accuracy result is 83,8384% for trained data and 36,3635 for untrained data.
Keyword: deaf, speech to text, band pass filter, fast fourier transform, backpropagation.