Analisis Performa Wav2Vec2.0 pada Transkripsi Nama Barang dalam Kondisi Audio Bersih dan Bising

Authors

  • Dhimas Taka Desfrika Perdana Universitas Nusantara PGRI Kediri Indonesia
  • Daniel Swanjaya Universitas Nusantara PGRI Kediri Indonesia
  • Resty Wulanningrum Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/ecv7ey20

Abstract

Automatic Speech Recognition (ASR) merupakan teknologi yang memungkinkan suara diubah menjadi teks secara otomatis. Penelitian ini bertujuan menganalisis performa model Wav2Vec2.0 pada transkripsi nama barang berbahasa Indonesia dalam kondisi audio bersih dan bising. Dataset terdiri atas 400 rekaman audio yang dikumpulkan dari empat pembicara dengan kosakata terbatas berupa 20 nama barang. Evaluasi dilakukan menggunakan metrik Word Error Rate (WER) dan Character Error Rate (CER) pada kondisi audio bersih, babble noise, crowd noise, dan vehicle noise. Hasil pengujian menunjukkan bahwa kondisi audio bersih menghasilkan performa terbaik dengan nilai WER sebesar 2,08% dan CER sebesar 0,35%, sedangkan crowd noise menghasilkan tingkat kesalahan tertinggi dengan WER sebesar 22,92% dan CER sebesar 9,44%. Hasil penelitian menunjukkan bahwa peningkatan tingkat kebisingan berpengaruh terhadap penurunan performa transkripsi model Wav2Vec2.0 pada tugas pengenalan kosakata terbatas.

Keywords:

kebisingan, pengenalan suara otomatis, transkripsi nama barang, Wav2Vec2.0

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] R. Setiawan, N. P. Sugihartanti, and M. I. Ibadurrahman, ―Sistem Manajemen Gudang

Bebasis Web dengan Teknologi Barcode Scanner pada Industri Manufaktur: Sebuah

Kajian Literatur,‖ Integrasi: Jurnal Ilmiah Teknik Industri, vol. 9, no. 2, pp. 124–135,

2024, doi: https://doi.org/10.32502/integrasi.v9i2.181.

[2] P. Q. Izzatiy and S. Sundari, ―IMPLEMENTASI ACCURATE DALAM SISTEM

PENCATATAN KAS KECIL DAN HUTANG PADA PERUSAHAAN

MANUFAKTUR DI SURABAYA,‖ Jurnal Ekonomi Bisnis Manajemen dan

Akuntansi (JEBISMA), vol. 3, no. 3, 2026, doi:

https://doi.org/10.70197/jebisma.v3i3.198.

[3] H. Azis, E. P. Indreswari, and R. Wisudawanto, ―PEMANFAATAN TEKNOLOGI

AUTOMATIC SPEECH RECOGNITION DALAM MENCIPTAKAN

PEMBELAJARAN INKLUSIF: IMPLEMENTASI, EFEKTIFITAS DAN

TANTANGAN,‖ GANESHA: Jurnal Pengabdian Masyarakat, vol. 5, no. 1, pp. 27–33,

2025, doi: https://doi.org/10.36728/ganesha.v5i1.4171.

[4] H. Wijaya, ―Teknologi Pengenalan Suara tentang Metode, Bahasa dan Tantangan:

Systematic Literature Review,‖ bit-Tech, vol. 7, no. 2, pp. 533–544, 2024, doi:

https://doi.org/10.32877/bt.v7i2.1888.

[5] D. Ferdiansyah and C. S. K. Aditya, ―Implementasi Automatic Speech Recognition

Bacaan Al-Qur’an Menggunakan Metode Wav2Vec 2.0 dan OpenAI-Whisper,‖ Jurnal

Teknik Elektro Dan Komputer TRIAC, vol. 11, no. 1, pp. 11–16, 2024, doi:

https://doi.org/10.21107/triac.v11i1.24332.

[6] Abdullah Azzam, Ichsan Taufik, and Aldy Rialdy Atmadja, ―Evaluating End-to-End

ASR for Qur’an Recitation Using Whispers in Low Resource Settings,‖ Bulletin of

Computer Science Research, vol. 5, no. 4, pp. 778–787, Jun. 2025, doi:

10.47065/bulletincsr.v5i4.561.

[7] A. NOERCHOLIS, T. DWIANDINI, and F. S. MUKTI, ―Optimasi Teknologi

WAV2Vec 2.0 menggunakan Spectral Masking untuk meningkatkan Kualitas

Transkripsi Teks Video bagi Tuna Rungu,‖ ELKOMIKA: Jurnal Teknik Energi Elektrik,

Teknik Telekomunikasi, & Teknik Elektronika, vol. 12, no. 4, p. 877, 2024, doi:

https://doi.org/10.26760/elkomika.v12i4.877.

[8] J. Cai, Y. Song, J. Wu, and X. Chen, ―Voice Disorder Classification Using Wav2vec

2.0 Feature Extraction,‖ Journal of Voice, 2024, doi:

https://doi.org/10.1016/j.jvoice.2024.09.002.

[9] J. C. Duarte and S. Colcher, ―Noise-Robust Automatic Speech Recognition: A Case

Study for Communication Interference,‖ Journal on Interactive Systems, vol. 15, no. 1,

pp. 670–681, Jul. 2024, doi: 10.5753/jis.2024.4267.

[10] M. N. Althoff, A. Affandy, A. Luthfiarta, M. W. B. D. Satya, and H. Basiron,

―Leveraging Label Preprocessing for Effective End-to-End Indonesian Automatic

Speech Recognition,‖ Sinkron : jurnal dan penelitian teknik informatika, vol. 9, no. 1,

pp. 55–64, Jan. 2025, doi: 10.33395/sinkron.v9i1.14257.

[11] C. Mena, A. L. Padilla-Ortiz, and F. Orduña-Bustamante, ―Automatic Speech

Recognition in the presence of babble noise and reverberation compared to human

speech intelligibility in Spanish,‖ Comput. Speech Lang., vol. 95, p. 101856, 2026, doi:

10.1016/j.csl.2025.101856.

[12] T. D. K, J. James, D. P. Gopinath, and M. A. K, ―Advocating Character Error Rate for

Multilingual ASR Evaluation,‖ in Findings of the Association for Computational

Linguistics: NAACL 2025, L. Chiruzzo, A. Ritter, and L. Wang, Eds., Albuquerque,

New Mexico: Association for Computational Linguistics, Apr. 2025, pp. 4941–4950.

doi: 10.18653/v1/2025.findings-naacl.277.

[13] A. Baevski, H. Zhou, A. Mohamed, and M. Auli, ―wav2vec 2.0: a framework for selfsupervised learning of speech representations,‖ in Proceedings of the 34th

International Conference on Neural Information Processing Systems, in NIPS ’20. Red

Hook, NY, USA: Curran Associates Inc., 2020, doi: 10.48550/arXiv.2006.11477.

Downloads

Published

2026-07-20

How to Cite

Analisis Performa Wav2Vec2.0 pada Transkripsi Nama Barang dalam Kondisi Audio Bersih dan Bising. (2026). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 10(3), 2018-2027. https://doi.org/10.29407/ecv7ey20