24
2.
Penerapan
teori
langsung
ke
pengenalan
kata
tidak
memberi
tutorial
yang
cukup untuk diterapkan ke penelitian mandiri.
Model Markov Tersembunyi (Hidden Markov Model = HMM)
merupakan salah
satu
model
stokastik
yang
banyak
menarik
perhatian
akhir-akhir ini.
HMM
terdiri
atas
sebuah
sinyal
yang
dimodelkan
sebagai
sebuah
rantai
Markov
keadaan
terhingga
dan
sebuah observasi yang dimodelkan sesuai proses observasi pada rantai Markov.
Metode
statisitik HMM
semakin populer pada dekade
terakhir
ini
karena
model
tersebut
kaya
akan
struktur
matematika
dan
mengandung
teori
dasar
yang
bisa
digunakan untuk
beberapa
aplikasi
yang
penting.
Penerapan dari
HMM
meliputi
pengenalan
ucapan
(speech
recognition), target
tracking,
komunikasi
digital,
teknik
biomedik dan keuangan.
HMM
didefinisikan sebagai
kumpulan
lima
parameter
(N,
M,
A,
B,
p).
Jika
dianggap ?
=
{A,
B,
p}
maka
HMM
mempunyai parameter
tertentu N
dan
M.
Ciri-ciri
HMM adalah :
•
Observasi
diketahui
tetapi
urutan keadaan
(state)
tidak diketahui sehingga
disebut hidden.
•
Observasi adalah fungsi probabilitas keadaan
•
Perpindahan keadaan adalah dalam bentuk probabilitas
2.4.5. Parameter Distribusi
HMM mempunyai parameter-parameter distribusi sebagai berikut :
1. Probabilitas Transisi
A = {aij} , aij = Pr(Xt+1 = qj Xt = qi ) , 1 = j,i = N
 |