BAB 2
LANDASAN TEORI
2.1Disleksia
Disleksia adalah ketidakmampuan bahasa, yang berpengaruh dalam hal membaca,
menulis, berbicara dan mendengarkan. Ini adalah disfungsi atau gangguan dalam
penggunaan kata-kata. Akibatnya, hubungan dengan orang lain dan kinerja dalam
setiap mata pelajaran di sekolah dapat dipengaruhi oleh disleksia (Bolhasan, 2009).
Masalah-masalah membaca dalam anak-anak disleksia dinyatakan dalam kesulitan
ekstrim dalam memperoleh subskill dasar membaca seperti identifikasi kata dan
decode fonologi (surat suara). Kesulitan seperti ini telah diperkirakan terjadi pada
sekitar 10% sampai 15% dari usia anak sekolah dan cenderung disertai dengan
kekurangan tertentu dalam kemampuan kognitif yang berkaitan dengan membaca dan
keterampilan keaksaraan lainnya. Pola Gejala ini sering disebut disleksia, atau
sebaliknya, ketidakmampuan membaca tertentu (Vellutino et al, 2004).
Anak-anak disleksia membutuhkan seorang guru yang mengerti bagaimana
frustasi dari anak-anak yang pintar, yang tidak mampu melakukan apa yang
murid-murid lain lakukan dengan mudah yaitu membaca dan menghafal. Mereka
membutuhkan seseorang yang guru yang memahami bahwa kesulitan ini adalah
karena perbedaan otak, bukan karena kemalasan, kurangnya kecerdasan, ataupun
kurangnya motivasi. Mereka membutuhkan seorang guru yang tidak akan menyerah
pada mereka. Guru yang bersedia untuk belajar bagaimana mengajar semua
kelemahan mereka. Mereka juga membutuhkan guru yang tahu bahwa mereka
menderita dari kecemasan yang ekstrim. Lebih dari apa pun, siswa ini takut bahwa
guru mereka akan membuat mereka terlihat bodoh di depan teman-teman mereka
(Borton, 2003). Sejarah penelitian tentang perkembangan disleksia telah didominasi
oleh teori visual. Secara historis, teori pengembangan dalam membaca juga
diasumsikan bahwa pemrosesan visual adalah inti untuk perbedaan individu dalam
2.1.1 Bentuk Kesulitan Membaca Anak-Anak Disleksia
Menurut Badan Penelitian dan Pengembangan Departemen Pendidikan Nasional pada
tahun 2007, kesulitan membaca anak-anak disleksia adalah :
a. Penambahan (Addition)
Menambah huruf pada suku kata.
Contoh : suruh -> disuruh, buku -> bukuku
b. Penghilangan (Omission)
Menghilangkan huruf pada suku kata.
Contoh : kelapa -> lapa, kelas -> kela
c. Pembalikan kiri-kanan (Inversion)
Membalikkan bentuk huruf, kata, ataupun angka dengan arah terbalik
kirikanan.
Contoh : buku -> duku, palu -> lupa
d. Pembalikan atas-bawah (ReversalI)
Membalikkan bentuk huruf, kata, ataupun angka dengan arah terbalik
atasbawah.
Contoh : m -> w, u -> n, 6 -> 9
e. Penggantian (Substitusi)
Mengganti huruf atau angka.
Contoh : mega -> meja, nanas -> mamas, 3 -> 8
2.1.2 Ciri-ciri Anak-anak Penderita Disleksia
Masalah disleksia dirujuk kepada beberapa ciri (Ramasami, 2008) yaitu:
a. Sukar dalam berbahasa.
b. Ketidakseimbangan dengan kebolehan intelektual.
c. Tidak lancar ketika membaca sesuatu.
d. Tidak dapat menulis dengan lancar dan tepat (sukar dalam meniru tulisan).
e. Mata mudah menjadi penat setelah beberapa menit jika perhatian
menumpu kepada tulisan
2.2Metode Multisensori
Pendekatan ini dikenal juga sebagai pendekatan system
fonik-visual-auditory-kinestetik. Pendekatan ini dikembangkan oleh Gillingham dan Stillman (Gearheart,
1976:93). Pada dasarnya pendekatan ini sangat baik digunakan dalam belajar
membaca, khususnya membaca permulaan. Akan tetapi pendekatan ini dapat juga
digunakan dalam meningkatkan pemahaman akan bahasa baik yang didengar maupun
yang diucapkan oleh orang lain sebelumnya (Supriyanto, 2007). Pendekatan
multisensori mendasarkan pada asumsi bahwa anak akan belajar lebih baik jika materi
pelajaran disajikan dalam berbagai modalitas. Modalitas yang sering dilibatkan adalah
visual (penglihatan), auditory (pendengaran), kinesthetic (gerakan), dan tactile
(perabaan). Metode ini merupakan salah satu program remedial membaca untuk anak
disleksia, namun dirasakan bahwa beberapa prinsip dalam metode ini dapat
diterapkan, dan diharapkan mampu mengatasi beberapa kendala penerapan metode
membaca dalam pembelajaran. Penggunaan berbagai alat bantu sebagai media
pembelajaran dapat membangkitkan keinginan dan minat yang baru, membangkitkan
motivasi, memberikan rangsangan kegiatan belajar, bahkan membawa
pengaruh-pengaruh psikologis pada siswa. Media akan dapat menarik minat anak dan akhirnya
berkonsentrasi untuk belajar dan memahami pelajaran (Poppyariana, 2011).
Pendekatan multisensori ini dilakukan berdasarkan prinsip pengamatan
terhadap berbagai indera-indera secara terpadu yang dimiliki oleh seseorang.
Multisensori artinya memfungsikan seluruh indera sensori (indera penangkap) dalam
memperoleh kesan-kesan melalui perabaan, visual, perasaan, kinestetis, dan
pendengaran. Dengan mengembangkan berbagai kemampuan pengamatan yang
dimiliki oleh seseorang, guru memberikan rangsangan melalui berbagai modalitas
sensori yang dimilikinya (Supriyanto, 2007). Metode multisensori ini baik digunakan
untuk anak-anak disleksia. Sementara jika melihat prinsip dari metode multisensori ini
didalam penerapannya memiliki beberapa kelebihan dalam memperbaiki dan
2.3Speech Recognition
Speech Recognition yang dikenal sebagai Automatic Speech Recognition (ASR), atau
komputer pengenalan suara merupakan proses mengkonversi sinyal suara ke urutan
kata-kata, melalui sebuah algoritma diimplementasikan sebagai komputer Program.
(Anusuya & Katti, 2009)
Speech Recognition juga merupakan pengenalan pola, dimana ada dua fase dalam
pengenalan pola diawasi, yaitu, pelatihan dan pengujian. Proses ekstraksi fitur yang
relevan untuk klasifikasi umum di kedua fase. Selama fase traning, parameter dari
model klasifikasi yang diperkirakan dengan menggunakan sejumlah besar contoh
kelas (data training). Selama fase pengujian atau fase pengenalan, fitur pola uji (data
speech test) dicocokan dengan model yang dilatih dari masing-masing dan setiap
kelas. Pola tes itu kemudian dinyatakan ke dalam model yang memiliki pola tes
terbaik (Gaikwad et al, 2010).
2.3.1 Teknik-Teknik dalam Speech Recognition
Ada 4 teknik yang dapat dilihat dalam Speech Recognition (Gaikwad, Gawali &
Yannawar, 2010) yaitu :
a. Speech Analysis Technique
Speech data mengandung berbagai jenis informasi yang menunjukkan
identitas pembicara. Tahapan speech analysis berkaitan dengan ukuran
frame yang cocok untuk segmentasi sinyal suara dalam analisa dan
ekstraksi yang lebih lanjut.
b. Feature Extraction Technique
Ekstraksi fitur speech dalam kategorisasi masalah adalah tentang
mengurangi dimensi dari vektor input ketika mempertahankan
membedakan kekuatan sinyal. Seperti kita ketahui dari pembentukan dasar
speaker identification dan sistem verifikasi, bahwa jumlah pelatihan dan
vektor uji diperlukan untuk masalah klasifikasi yang tumbuh dengan
dimensi masukan yang diberikan sehingga kita membutuhkan fitur
c. Modeling Technique
Tujuan dari modeling technique adalah untuk menghasilkan speaker
models yang menggunakan fitur vektor pembicara khusus. Speaker
modeling technique dibagi menjadi dua klasifikasi yaiut speaker
recognition dan speaker identification. Speaker identification technique
secara otomatis mengidentifikasi siapa yang berbicara berdasarkan
informasi individual yang terintegrasi dalam sinyal suara. Speaker
recognation juga dibagi menjadi dua bagian yaitu speaker dependant dan
speaker independent. Dalam modus speaker independent dari speech
recognation, komputer harus mengabaikan karakteristik khusus pembicara
dari sinyal suara dan mengekstrak pesan yang dimaksudkan.
Disisi lain dalam kasus speaker recognation machine harus
mengekstrak karakteristik pembicara dalam sinyal akustik. Tujuan utama
dari speaker identification adalah membandingkan sinyal pidato dari
pembicara tak dikenal ke database pembicara yang sudah dikenal. Sistem
ini dapat mengenali pembicara, yang telah dilatih dengan sejumlah
pembicara. Speaker recognition juga dapat dibagi menjadi dua metode, text
dependent and text independent. Dalam metode text dependent pembicara
mengatakan kata kunci atau kalimat yang memiliki teks yang sama untuk
menguji pelatihan dan pengenalan. Sedangkan text independent tidak
bergantung pada teks tertentu yang diucapkan.
d. Matching Techniques
Mesin speech recognition mencocokkan sebuah kata yang terdeteksi
dengan kata yang sudah diketahui salah satu dari teknik-teknik berikut :
1. Whole Word Matching
Mesin membandingkan sinyal digital-audio yang datang terhadap
template rekaman kata. Teknik ini membutuhkan waktu lebih
sedikit pengolahan dari pencocokan sub-kata, tetapi mensyaratkan
dikenali, kadang-kadang beberapa ratus ribu kata. Template seluruh
kata juga membutuhkan memori penyimpanan yang besar (antara
50 dan 512 byte per kata) dan hanya praktis jika pengenalan
kosakata tersebut sudah dikenal ketika aplikasi dikembangkan.
2. Sub Word Matching
Mesin mencari sub-kata, biasanya fonem dan kemudian melakukan
pengenalan pola lanjut. Teknik ini membutuhkan lebih banyak
pemrosesan dari pencocokan seluruh kata, tetapi membutuhkan
penyimpanan lebih sedikit (antara 5 dan 20 byte per kata). Selain
itu, pengucapan kata dapat ditebak dari teks bahasa Inggris tanpa
mengharuskan pengguna untuk berbicara kata yang sebelumnya.
2.3.2 Jenis-Jenis dari Speech Recognition
Sistem pengenalan suara dapat dipisahkan dalam beberapa kelas yang berbeda dengan
mendeskripsikan jenis ucapan-ucapan mereka (Anusuya & Katti, 2009) yaitu :
a. Isolated Words
Isolated word recognizers biasanya memerlukan setiap ucapan harus
tenang (karena kurangnya sinyal audio) pada kedua sisi sampel. Ia
menerima satu kata atau ucapan tunggal pada satu waktu. Sistem ini
memiliki pernyataan "Dengar / Tidak-Dengar", di mana mereka
membutuhkan pembicara untuk menunggu dalam mengucapkan kata demi
kata (biasanya melakukan pengolahan selama jeda).
b. Connected Words
Sistem connected words (atau lebih tepatnya 'ucapan yang terhubung')
hampir serupa dengan isolated words, namun memungkinkan ucapan jeda
minimal antara mereka.
c. Continuous Speech
Continuous speech recognizers memungkinkan pengguna untuk berbicara
Pengenalan dengan kemampuan Continuous speech adalah beberapa dari
yang paling sulit karena mereka menggunakan metode khusus untuk
menentukan batas ucapan.
d. Spontaneous Speech
Pada tingkat dasar, itu dapat dianggap sebagai pidato yang terdengar secara
alami. Sebuah sistem speech recognition dengan kemampuan spontaneous
speech harus mampu menangani berbagai variasi dari fitur-fitur speech
alami seperti kata-kata yang dijalankan bersama-sama, "ums" dan "ahs",
dan bahkan sedikit gagap.
2.3.3 Tipe-Tipe Speech Recogniton
Ada 2 tipe Speech Recognition, dilihat dari ketergantungan pembicara yaitu (Sukarso
dan Syarif, 2007) :
a. Independent Speech Recognition
Independent Speech Recognition yaitu sistem pengenal ucapan tanpa
terpengaruh dengan siapa yang berbicara, tetapi mempunyai keterbatasan
dalam jumlah kosakata. Model ini akan mencocokan setaip ucapan dengan
kata yang dikenali dan memilih yang ”sepertinya” cocok. Untuk
mendapatkan kecocokan kata yang diucapkan maka digunakan model
statistic yang dikenal dengan nama Hidden Markov Model (HMM)
b. Dependent Speech Recognition
Dependent Speech Recognition yaitu sistem pengenal ucapan yang
memerlukan pelatihan khusus dari pembicara, dimana hasil pelatihan dari
masing-masing pembicara akan disimpan dalam sebuah profil. Profil inilah
yang nantinya digunakan untuk berinteraksi dengan sistem pengenal
ucapan dan sistem akan bergantung siapa yang berbicara. Sistem ini
biasanya lebih mudah untuk dikembangkan, dimana contoh suara sudah
dibuat sebelumnya dan disimpan dalam database (basis data) dan jumlah
recognition. Proses pengenalan ucapan dengan cara membandingkan
ucapan pembicara dengan contoh suara yang ada.
Dalam penelitian ini kita menggunakan tipe Independent Speech Recognition karena
kita menggunakan metode Hidden Markov Model.
2.4Hidden Markov Model (HMM)
Fondasi Hidden Markov Model (HMM) modern yang berbasis teknologi continuous
speech recognition ditetapkan pada tahun 1970-an oleh kelompok-kelompok di
Carnegie-Mellon dan IBM yang memperkenalkan penggunaan HMM dan kemudian
di Bell Labs dimana HMM diperkenalkan. Hidden Markov Model (HMM)
menyediakan kerangka kerja yang sederhana dan efektif untuk pemodelan variasi
waktu dalam urutan spektral vektor. Sebagai konsekuensinya, hampir semua sekarang
ini kosakata yang besar dalam sistem continuous speech recognition didasarkan pada
HMM. Penerapan praktis dari HMMs dalam sistem modern melibatkan kecanggihan
yang cukup dalam menyajikan arsitektur inti sistem continuous speech recognition
berbasis HMM. HMMs terletak hampir di semua sistem pengenalan suara yang
modern dan meskipun kerangka dasar tidak berubah secara signifikan dalam dekade
terakhir atau lebih, teknik pemodelan rinci dikembangkan dalam kerangka ini telah
berevolusi ke keadaan kecanggihan yang cukup. Hasilnya telah stabil dan signifikan
(Gales & Young, 2008).
HMM dimungkinkan untuk digunakan setiap model speech. Bahkan jika unit
speech buruk yang dipilih, HMM memiliki kemampuan untuk menyerap karakteristik
suboptimal dalam model parameter, hal ini tentu saja membatasi kinerja sistem.
Kata-kata tampaknya menjadi unit yang paling alami untuk dijadikan model, karena apa
yang ingin dikenali dan model dalam bahasa juga menggunakan kata-kata sebagai unit
dasar. Memang, recognizers yang menggunakan model level-kata tampil cukup baik.
Bagian dari keberhasilan ini adalah karena fakta bahwa mereka mampu menangkap
semakin besar unit, akan semakin baik recognizer. Namun, karena ada banyak
kata-kata unik, data training yang dibutuhkan untuk setiap kata-kata ini, membuat sistem
semacam ini tidak mudah diperluas. Jadi untuk kosakata besar speech recognition
yang alami, unit kata tidak benar-benar pilihan. Tapi untuk kosakata yang kecil yang
terdefinisi dengan baik, misalnya seperangkat perintah, mereka sangat cocok.
Biasanya model topologi kiri ke kanan digunakan yang dimana jumlah keadaan
tergantung pada jumlah fonem dalam kata. Salah satu bagian per fonem adalah aturan
praktis yang baik (Wiggers, 2003).
Komponen-komponen utama dari kosakata continuous speech recogniser yang
besar diilustrasikan pada gambar 2.1. Input gelombang audio dari mikrofon diubah
menjadi urutan ukuran tetap vektor akustik Y 1: T = y1,. . . , yT dalam proses yang
disebut feature extraction. Decoder kemudian mencoba untuk menemukan urutan
kata-kata w1: L = w1, ..., wL yang kemungkinan besar telah menghasilkan Y.
Namun, karena persamaan ini tidak dapat dihitung secara langsung karena jumlah
urutan observasi yang mungkin tak pernah habis, maka aturan 1 Bayes digunakan
untuk mengubah (2.1) ke dalam :
Keterangan :
Y adalah Sinyal suara sebagai sumber observasi.
w adalah urutan kata yang memiliki probabilitas tertinggi yang diucapkan.
P(w) adalah probabilitas bahwa string kata w akan diucapkan. Disebut
juga model bahasa.
P(Y|w) adalah probabilitas bahwa ketika string kata w diucapkan, akustik
Kemungkinan p (Y|w) ditentukan oleh model akustik dan P(w) sebelumnya
ditentukan oleh model bahasa. Unit dasar dari suara ditunjukkan oleh model akustik
telepon Gales & Young, 2008). Akibatnya, sebuah speech recognizer terdiri dari tiga
komponen yaitu bagian preprocessing yang menerjemahkan sinyal suara menjadi
urutan simbol observasi, model bahasa yang memberitahu kita seberapa besar
kemungkinan string kata tertentu terjadi dan model akustik yang memberitahu kita
bagaimana kata string kemungkinan akan diucapkan. Pada bagian berikutnya tiga
subsistem akan dijelaskan (Wiggers, 2003).
Gambar 2.1 Arsitektur dari Hidden Markov Model
2.5Microsoft SAPI
Speech Application Programming Interface (SAPI) adalah sebuah API yang
dikembangkan oleh Microsoft yang digunakan sebagai pengenal suara didalam
lingkungan pemrograman aplikasi Windows. Sampai saat ini SAPI dikemas baik
berupa SDK (System Development Kit) maupun disertakan dalam sistem operasi
Windows itu sendiri. Aplikasi yang telah menggunakan SAPI antara lain Microsoft
Office, dan Windows Vista, 7 dan 8. Secara arsitektur pemrograman SAPI dapat dilihat
sebagai sebuah middleware yang terletak antara aplikasi dan speech engine (Sukarso
Komponen utama di dalam SAPI adalah sebagai berikut (Sukarso dan Syarif, 2007) :
a. Voice Command
Sebuah obyek level tinggi untuk perintah dan kontrol menggunakan
pengenalan suara.
b. Voice Dictation
Sebuah obyek level tinggi untuk continous dictation speech recognition.
c. Voice Talk
Sebuah obyek level tinggi untuk speech synthesis.
d. Voice Telephony
Sebuah obyek untuk menulis aplikasi telepon berbasiskan pengenalan
suara.
e. Direct Speech Recognition
Sebuah obyek sebagai mesin untuk mengontrol pengenalan suara (direct
control of recognition engine)
f. Direct Text to Speech
Sebuah obyek sebagai mesin yang mengontrol synthesis.
g. Audio Object
