25
2. Probabilitas observasi
B
=
{
bi} , bi(k) = Pr(Ot =
Xt = qit ),
3. Distribusi keadaan awal
p
=
{
pi} , pi = Pr(Xo = qi)
Sedangkan parameter tertentu HMM ada dua yaitu N dan M.
1.
N,
jumlah
keadaan
model.
Dinotasikan
himpunan
terbatas
untuk
keadaan
yang mungkin adalah Q = {q1, …….., qN}
2.
M,
jumlah
dari
simbol
observasi/keadaan, ukuran
huruf
diskret.
Simbol
observasi
berhubungan
dengan
keluaran
fisik
dari
sistem
yang
dimodelkan.
Dinotasikan
himpunan
terbatas
untuk
observasi
yang
mungkin
adalah
V=
{V1,……..,VM}.
Secara
tradisional,
parameter-parameter HMM
ditaksir
berdasarkan
kriteria
maximum
likelihood
(ML)
dan
algoritma
Baum-Welch (EM
=
Expectation
Modification).
2.4.6. Perluasan Model Markov
Perluasan
konsep
dari
model
Markov
adalah
observasi
merupakan fungsi
probabilitas
dari
keadaan
yang
disebut
Hidden
Markov
Model
(HMM).
HMM
adalah
suatu
proses
stokastik
dengan
proses
stokastik
dasar
observasi
diketahui
tetapi
urutan
keadaan
tidak
diketahui
(hidden),
tetapi
bisa
diobservasi melalui
himpunan
proses
stokastik lain yang menghasilkan urutan simbol observasi
2.4.7. Tipe-Tipe Model Markov Tersembunyi
Ada dua tipe dasar HMM yaitu :
 |