1
RANCANG BANGUN APLIKASI
PEMBELAJARAN BAHASA PERANCIS DENGAN
PENGENALAN SUARA OTOMATIS BERBASIS ANDROID
Irine Octaviana
1, Dr. Eng Herman Tolle ST, MT
2, Rekyan Regasari Mardi Putri, ST., MT
3 Jurusan Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas BrawijayaJl. Veteran No.8 Malang 65145, Indonesia
Email :[email protected], [email protected], [email protected]
ABSTRAK
Metode pembelajaran bahasa Perancis yang mudah dipahami dengan hubungan 2 arah/timbal balik, tetapi tersedia dalam bentuk web, dimana dibutuhkan akses internet yang cepat.Library PocketSphinx dapat digunakan untuk pengenalan suara otomatis berbasis Android secara offline, tetapi hanya tersedia dalam bahasa Inggris.Untuk mengubah menjadi bahasa Perancis dibutuhkan konfigurasi khusus. Di sisi lain, Ivona TTS dapat digunakan menjadi standar contoh ucapan pada media pembelajaran bahasa Perancis.
Dengan pemanfaataan perangkat bergerak, penelitian ini diharapkan dapat memberikan solusi penyediaan media pembelajaran bahasa Perancis secara offline. Tujuan dari penelitian ini adalah membuat perancangan, implementasi serta memberikan hasil pengujian dan anlisis dari aplikasi pembelajaran bahasa Perancis dengan pemanfaatan library PocketSphinx dan Ivona TTS pada Android. Selanjutnya mengetahui konfigurasi library PocketSphinx untuk mengenali bahasa Perancis serta mengetahui perbandingan akurasi antara pengenalan suara bahasa Perancis menggunakan library PocketSphinx pada Android dan di komputer.
Perancangan sistem dimodelkan dalam bentuk UML, dan bentuk DFD pada perancangan pengolahan dataset. Proses pengenalan suara dapat diimplementasikan dari library PocketSphinx ke dalam aplikasi Android versi 2.3.6 dan 4.2.2 sesuai standar ucapan dari Ivona TTS. Terdapat beberapa tahap yang dibutuhkan agar dapat mengenali bahasa Perancis yakni pembuatan language model, acoustic model, dan testing dataset, dimana setiap tahap dibutuhkan beberapa file.Adanya perbedaan akurasi menjadi lebih buruk saat diimplementasikan ke Android karena munculnya noise dan kualitas speaker dan microphone smartphone yang kurang baik.
Kata Kunci: Android, PocketSphinx, Ivona, Pengenalan Suara Otomatis.
ABSTRACT
French learning method that make easy understood using 2-way relationship/reciprocal, but available on website, which it needs fast internet connection. Library Pocketsphinx can used for offline automatic speech recognition, but available on English. To change become French recognition, it needs special configuration. In other side, Ivona TTS can use for speech standard of French learning media.
The purpose of this research is to know about make a design, implementation, and give the result of testing and analysis of French learning application using PocketSphinx library and Ivona TTS. Furthermore, is to know about configuration of PocketSphinx library for French recognition and knowing about accurate comparison of French recognition using PocketSphinx library between in Android and PC.
System design modeled in UML and dataset processing modeled in DFD. The automatic speech recognition method can be implemented from Pocketsphinx library to Android 2.3.6 and 4.4.2 version, according speech standard from Ivona TTS. It needs several phases for French recognition like make language model, acoustic model, and dataset testing, that each phase need some files. The big difference in accuracy become worse when implemented in Android because appears noises and bad quality of smartphone’s speaker and microphone.
2
1
PENDAHULUAN
Bahasa asing yang umumnya diajarkan selain bahasa Inggris antara lain bahasa Perancis, Arab, Jepang, Mandarin, dan Jerman [23]. Metode pembelajaran bahasa Perancis umumnya dengan metode ceramah atau searah.Sedangkan metode pembelajaran bahasa Perancis yang mudah dipahami dengan hubungan 2 arah/timbal balik. Saat ini yang menggunakan metode pembelajaran hubungan 2 arah dalam bentuk web, dimana dibutuhkan akses internet yang cepat.
Library PocketSphinx dapat digunakan untuk pengenalan suara otomatis berbasis Android secara offline. Library ini tersedia dalam bentuk pengenalan suara berbahasa Inggris. Untuk mengubah bahasa Inggris menjadi bahasa Perancis dibutuhkan konfigurasi khusus seperti penelitian sebelumnya yang dapat dikonfigurasi menjadi bahasa Indonesia [33,39]. Kelemahan dari library ini yakni masih lemahnya proses pengenalan suara yang diakibatkan kebisingan suara di dalam ruangan, tetapi jika digunakan sintesis suara diharapkan dapat memberikan hasil lebih optimal [4].
Di sisi lain, Ivona TTS merupakan aplikasi sintesis suara yang tersedia dalam bahasa Perancis pada Android secara offline. Ivona TTS dapat digunakan menjadi media pembelajaran bahasa Perancis agar pengguna dapat mendengar standar contoh ucapan dari suatu kosakata.
Tujuan dari penelitian ini adalah untuk membuat perancangan, implementasi serta memberikan hasil pengujian dan analisis dari aplikasi pembelajaran bahasa Perancis dengan pemanfaatan library PocketSphinx dan Ivona TTS pada Android. Selanjutnya mengetahui file yang dibutuhkan dalam konfigurasi library PocketSphinx untuk mengenali bahasa Perancis. Kemudian mengetahui perbandingan akurasi antara pengenalan suara bahasa Perancis menggunakan library PocketSphinx pada Android dan ketelitian pengenalan suara pada komputer.
2
KAJIAN PUSTAKA
Pengenalan suara otomatis adalah suatu teknologi dimana suara manusia dapat dikenali dan diubah dalam bentuk kata-kata.Proses pengenalan suara otomatis dimulai dari ekstraksi fitur, pemodelan bahasa, pemodelan akustik, hingga dekoding kata. Ekstraksi fitur berfungsi sebagai pemisah antara input sinyal suara pengguna dan lingkungannya atau noise. Pada proses ini gelombang akustik diubah menjadi vektor fitur akustik sebagai bagian waktu dari sinyal suara. Selanjutnya hasil dari penggabungan language model dan acoustic model digunakan untuk dasar pencarian yang menghasilkan suatu kata, merupakan fungsi dari decoder [3].
File penunjang yang dibutuhkan dalam untuk proses pengenalan suara antara lain corpus file, language model, transcription file, lexicon, control
file, filler file, phone file, dan acoustic model. Corpus file berisi basis data berupa file data suara sesuai format tertentu digunakan untuk pembuatan model akustik [1].Language model berfungsi sebagai penentu kata yang akan muncul saat proses pengenalan suara otomatis [3].Transcription file berupa teks yang akan diucapkan pembicara dalam file rekaman suara atau corpus file. 1 baris transcription file merepresentasikan 1 corpus file[4].Lexicon berisi informasi kata yang terdiri dari kumpulan beberapa fonem [7].Control file berupa plain teks yang berisi tiap id corpus file tanpa ekstensi ditulis secara vertikal/per baris [4].Filler file berupa pemetaan suara selain ucapan seperti suara tarik dan keluar napas, noise, dan sebagainya. Phone file berisi pelafalan dasar dari seluruh kalimat/sub-kata yang terdapat di lexicon [1].Pemodelan akustik berfungsi untuk menentukan sinyal suara kedalam fonem yang mirip dengan ucapan pengguna [7].
PocketSphinx merupakan produk dari Carnegie Mellon University untuk pengenalan suara berbasis perangkat lunak yang memiliki teknik komputasi HMM dengan cepat dan lisensi gratis, mengacu pada GNU GPL.Model akustik pada PocketSphinx menggunakan perhitungan Hidden Markov Model (HMM) [5].
Sintesis suara berfungsi sebagai pengubah teks menjadi suara. Terdapat 2 proses dalam mengubah yakni konversi teks ke fonem dan konversi fonem ke ucapan. Konversi teks ke fonem ialah konversi teks kedalam rangkaian kode fonem, durasi, dan pitch. Sedangkan konversi fonem ke ucapan ialah hasil dari proses konversi sebelumnya direpresentasikan dalam bentuk ucapan [7].
IVONA TTS merupakan contoh produk concatenative synthesis dari basis data rekaman suara yang besar [8].Aturan struktur teks yang digunakan IVONA antara lain bentuk paragraf, kalimat, kata, karakter, dan tanda baca [6].
3
METODOLOGI PENELITIAN
3 Mulai
Studi Literatur
Analisis Kebutuhan
Perancangan
Implementasi
Kesimpulan & Saran
Selesai Pengujian & Evaluasi
Pengumpulan Data
Keberhasilan pengujian
Y T
Gambar 1. Diagram alir metodologi penelitian
4
PERANCANGAN
4.1 Sistem
Dalam spesifikasi kebutuhan fungsional pada tahap pembuatan aplikasi, pengguna dapat melakukan pemilihan kategori, pemilihan sub-kategori, mendengar ucapan, dan mengimplementasikan pengenalan suara dari sintesis suara. Ilustrasi dari spesifikasi kebutuhan perangkat lunak ditunjukkan dalam Gambar 2.
Gambar 2. Use case diagram kebutuhan perangkat lunak
4.2 Pengolahan Dataset
Pada tahap pengolahan dataset terdapat 3 langkah, yakni pembuatan language model, acoustic model dan testing dataset yang dibuat oleh beberapa .
Saat pembuatan language model, pengambilan artikel sebagai dasar kosakata dilakukan proses training language model. Hasil dari tahap training dikonversi menjadi sendump file yang dapat dijadikan language model. Adapun penggambaran proses pembuatan language model seperti dalam Gambar 3.
Gambar 3. Blok diagram language model
Pada pembuatan acoustic model, pengambilan data artikel menjadi bahan pemisah dari lexicon milik LIUM, karena lexicon milik LIUM memiliki ukuran yang besar. Hasil filter lexicon LIUM dapat dibuat menjadi filler file dan phone file. Pengambilan artikel dibuat menjadi transcription file. Corpus file dan control file dapat dibuat berdasarkan transcription file.
Selanjutnya gabungan antara transcription file, control file, corpus file, phone file, filler file dan hasil language model dimasukkan pada basis data ucapan. Untuk pengaturan dekoder, dilakukan dengan cara mengubah file konfigurasi. Hasil dari basis data yang telah dikonfigurasi dapat digunakan untuk proses training acoustic model yang menghasilkan acoustic model. Ilustrasi pembuatan acoustic model dalam Gambar 4.
Gambar 4. Blok diagram acoustic model
Pada tahap testing dataset, sinyal suara yang berasal dari perangkat, diekstraksi fitur oleh software PocketSphinx. Selanjutnya, gabungan dari lexicon, language model, dan acoustic model dijadikan sumber dekoding pada software SphinxBase. Hasil dari ekstraksi fitur dan dekoding menghasilkan pesan yang diteruskan ke perangkat. Gambaran tahap testing dataset ditampilkan dalam Gambar 5.
Gambar 5. Blok diagram testingdataset
4.3 Kebutuhan Non-Fungsional
Daftar kebutuhan non-fungsional aplikasi ditunjukkan pada Tabel 1.
Tabel 1. Spesifikasi Kebutuhan Non-Fungsional
Parameter Kebutuhan
Deskripsi
4
5
IMPLEMENTASI
5.1. Basis Data
Pada implementasi basis data, terdapat 2 tabel yakni tabel kategori dengan namacategory, dan tabel sub-kategori dengan nama language. Hubungan antara tabel category berelasi dengan tabel language adalah one-to-many, seperti dalam Gambar 6.
Gambar 6. Implementasi basis data
5.2. Antar Muka
Tampilan awal berupa halaman utama saat program pertama kali dijalankan berisi judul aplikasi dan tombol masuk. Jika tombol masuk ditekan, maka masuk ke halaman selanjutnya yakni tampilan pilih kategori. Tampilan ini berupa daftar kategori. Jika salah satu daftar diklik, maka masuk ke halaman selanjutnya. Adapun ilustrasi halaman utama dan halaman pilih kategori seperti dalam Gambar 7.
Gambar 7. Implementasi halaman utama & pilih kategori
Halaman selanjutnya ialah tampilan sub-kategori berupa gambar mini sesuai sub-kategori yang dipilih sebelumnya. Proses yang dijalankan dalam tampilan ini yaitu pilih sub-kategori. Apabila salah satu gambar diklik, maka masuk ke halaman syang berisi nama dalam bentuk bahasa Perancis, nama terjemahan dalam bahasa Indonesia, gambar dari sub-kategori, hasil pengenalan suara, dan penilaian pengenalan suara. Pada tampilan ini terdapat proses dengar ucapan dan ucapkan kata.
Pada proses ucapkan kata, dapat dilakukan pengambilan suara berasal dari speaker laptop atau
speaker smartphone dengan suara dari Ivona kategori laki-laki dan perempuan dewasa, karena sintesis ucapan ini menyerupai manusia. Ilustrasi halaman pilih sub-kategori dan tampilan dengar ucapan & ucapkan kata seperti dalam Gambar 8.
Gambar 8. Implementasi tampilan pilih sub-kategori dan tampilan dengar ucapan & ucapkan kata
5.3. Pengolahan Dataset
Jumlah kosakata bahasa Perancis sebanyak 58, 120, 176, 233, dan 291.Data transkrip testingdigunakan sebanyak 10% dari jumlah kosakata, selebihnya dijadikan transkriptraining.File transcription berfungsi sebagai transkrip yang terdiri dari transkrip training dan testing.Pada implementasi transcription file, tiap 1 baris transcription file berisi 10 kosakata. Dari tiap baris tersebut, diulang dan dirandom sebanyak 10 kali dan dibagi 2, untuk file corpus perempuan dan file corpus laki-laki.
Pembuatan file corpus perempuan dan laki-laki dewasa digunakan software Ivona Reader. Cara kerja dari program ini yakni mengambil file transcription dan dibaca oleh software. Selama pemakaian software, digunakan mono input channel dan project rate sebesar 8000 Hz. Hasil pengambilan data suara disimpan dalam bentuk file WAV. Data corpus berupa suara perempuan dan laki-laki dewasa dengan kecepatan pengucapan dari (-4), (-2), (0), (+2), (+4). Tujuan pengambilan file corpus dengan berbagai kecepatan, untuk meningkatkan akurasi pengenalan suara.
5 Gambar 9.Hasil proses dekoding
6
PENGUJIAN DAN ANALISIS
Pengujian yang dilakukan terdiri dari 3 macam, yakni pengujian pengenalan suara pada Android, pengujian fungsional dan pengujian kompatibilitas.
6.1. Pengujian Pengenalan Suara pada Android
Pengujian dilakukan menggunakan 2 smartphone dengan berbagai macam spesifikasi perangkat lunak dan keras. Dari pengujian tersebut dikelompokkan berdasarkan jumlah dataset sejumlah 58, 120, 176, 233, dan 291 kosakata. Nilai keakuratan aplikasi berasal dari kemunculan kata dari sistem pengenalan suara mengandung kosakata yang ditentukan oleh sistem. Adapun tingkat keakuratan dari tiap-tiap jumlah kosakata dataset, ditampilkan dalam Gambar 10.
Gambar 10.Perbandingan hasil akurasi tiap jumlah kosakata
Dari tingkat akurasi diatas, dapat dinyatakan bahwa keterbatasan produk Pocketsphinx pada pembuatan acoustic model secara manual memberikan nilai akurasi tertinggi pada jumlah kelompok kosakata yang tidak banyak, sehingga jika diberi kosakata yang lebih banyak, maka nilai akurasinya menurun.
Tiap smartphone diuji pengulangan untuk mendapatkan hasil yang mengandung kosakata sistem, berasal dari suara perempuan speaker smartphone, dan suara laki-laki dewasa speaker laptop. Adapun hasil pengulangan pengujian dari jumlah akurasi tertinggi ditampilkan pada Tabel 2.
Tabel 2. Analisis pengulangan pengenalan suara Jumlah
Pengulangan
Smartphone 1 Smartphone 2
P L P L penggunaan speakersmartphone 1 dan speaker laptop pada smartphone 2 memiliki nilai pengulangan yang lebih baik daripada speaker smartphone 2 dan speaker laptop pada smartphone 1.
Perbandingan akurasi pengujian dataset antara sebelum diimplementasikan (hasil proses dekoding) ke dalam perangkat bergerak dengan sesudah diimplementasikan ditampilkan grafik dalam Gambar 10.
Gambar 10.Perbandingan hasil akurasi
Dari gambar diatas, ditunjukkan tingkat akurasi sebelum implementasi lebih tinggi dibandingkan sesudah implementasi karena digunakan corpus file khusus testing. Tingkat akurasi dataset setelah diimplementasikan ke dalam program Android mengalami penurunan karena suara dari speaker memiliki kualitas yang lebih rendah diakibatkan noise dan sensitivitas microphone juga lemah sehingga hasil pengenalan suara menjadi kurang maksimal.
6.2. Pengujian Validasi
Hasil pengujian validasi ditampilkan pada Tabel 3.
Tabel 3. Analisis pengujian validasi
No Hasil Diharapkan
Hasil
Didapatkan Status
UJI_01 Pengguna mendapatkan
informasi beberapa
sub-Rata-rata Akurasi Tiap Jumlah Kosakata
6
yang dipilih sebelumnya.
UJI_02 Pengguna mendapatkan
informasi kosakata bahasa
Perancis beserta artinya
berdasarkan sub-kategori yang
dipilih sebelumnya.
Valid
UJI_03 Pengguna dapat
mendengarkan suara kosakata
UJI_04 Pengguna mendapatkan
penilaian hasil implementasi
pengenalan suara dari
sintesissuara.
Valid
Dari pengujian di atas dapat disimpulkan bahwa hasil implementasi dari segi fungsional telah memenuhi kebutuhan pengguna.
6.3. Pengujian Kompatibilitas
Hasil pengujian kompatibilitas ditampilkan pada Tabel 4.
Tabel 4. Analisis pengujian validasi Nama
Objek Uji Kebutuhan non-fungsional
Tujuan
Pengujian
Dapat memastikan bahwa aplikasi
dapat menampilkan fitur dan
antarmuka yang sesuai dengan
perangkat.
Prosedur Uji Membuka setiap halaman sesuai
dengan spesifikasi kebutuhan sistem
Hasil yang
diharapkan
Sistem dapat ditampilkan fitur dan
antarmuka sesuai dengan
implementasi aplikasi.
Hasil yang
didapatkan
Sistem dapat ditampilkan fitur dan
antarmuka sesuai dengan
implementasi aplikasi.
Status Valid Valid
Dari pengujian di atas dapat disimpulkan bahwa aplikasi dapat berjalan di Android 2.3.6 dan 4.2.2 dengan berbagai spesifikasi yang telah dijelaskan pada Bab Implementasi.
7
KESIMPULAN DAN SARAN
Kesimpulan yang dapat diambil setelah melakukan pengujian terhadap aplikasi pembelajaran bahasa Perancis dengan pengenalan suara otomatis berbasis Android antara lain:
1. Pada perancangan aplikasi pembelajaran bahasa Perancis dengan pengenalan suara otomatis telah sesuai dengan analisis kebutuhan pengguna yang dimodelkan dalam bentuk UML (Unified Model Language) untuk perancangan sistem menggunakan metode berorientasi obyek,dan bentuk DFD (Data Flow Diagram) untuk pengolahan dataset. Proses pengenalan suara dapat diimplementasikan dari library PocketSphinx ke dalam aplikasi Android versi 2.3.6 dan 4.2.2 sesuai standar ucapan Ivona TTS kategori laki-laki dan perempuan dewasa berdasarkan corpus file untuk tahap training dan testing dengan keseluruhan fungsi dapat berjalan sesuai perancangan.
2. Konfigurasi yang dibutuhkan untuk mengubah menjadi pengenalan bahasa Perancis yakni pembuatan language model, acoustic model dan testing dataset. File yang dibutuhkan dalam pembuatan language model yakni vocab file dan arpa file. File yang dibutuhkan dalam pembuatan acoustic model yaitu lexicon, phone file, filler file, transcription file, control file, dan corpus file. File yang dibutuhkan untuk testing dataset antara lain lexicon, language model, dan acoustic model.
3. Hasil pengujian menunjukkan bahwa keterbatasan produk Pocketsphinx dengan pembuatan acoustic model secara manual memberikan nilai akurasi tertinggi pada jumlah kelompok kosakata yang tidak banyak, pada 58 kosakata memiliki keakuratan sebesar 76.30%, pada 120 kosakata memiliki keakuratan sebesar 78.96%, pada 176 kosakata memiliki keakuratan sebesar 82.25%, pada 233 kosakata memiliki keakuratan sebesar 77.04%, pada 291 kosakata memiliki keakuratan sebesar 75.26%. Terdapat perbedaan antara akurasi pengenalan suaraterbaik pada komputer sebesar 92,69% dan sesudah diimplementasikan ke dalam Android sebesar 82.25%, sehingga dapat dinyatakan menjadi lebih buruk karena munculnya noise serta kualitas speaker dan microphone smartphone yang kurang baik.
7 Android masih memiliki beberapa kekurangan yang
dapat berguna untuk penelitian selanjutnya.
Saran yang dapat diberikan setelah pengerjaan Tugas Akhir ini adalah :
1. Penambahan kosakata bahasa Perancis sebagai media pembelajaran.
2. Pembelajaran bahasa asing dengan pengenalan suara otomatis dapat dikembangkan pada bahasa yang lain.
3. Aplikasi dapat mengenali suara manusia pada proses pengenalan suara.
4. Digunakan speaker dan microphone dengan kualitas yang lebih baik untuk peningkatan hasil pengenalan suara menjadi lebih akurat.
8
DAFTAR PUSTAKA
[1] Ahsan, K. M. T. 2011, “Implementation of
Bangla Speech Recognition System on Cell Phones”, School of Engineering and Computer Science, BRAC University.
[2] Akamai. 2013, “The State of the Internet 1st
Quarter, 2013 Report”, http://www.akamai.com/
dl/akamai/akamai_soti_q113.pdf?WT.mc_id=so ti_Q113 [2 Oktober 2013].
[3] Amira, Hapsari M. 2012, "Sistem Layanan Reservasi Menggunakan Ucapan Bahasa Indonesia", Jurnal Sarjana ITB bidang Teknik
Elektro dan Informatika, Vol. 1, No.1, hal 33-38.
[4] Chowdhury, Shammur A. 2010, “Implementation of Speech Recognition System for Bangla”, Department of Computer Science and Engineering, BRAC University.
[5] Huggins-Daines, David, et al. 2006, "Pocketsphinx: A Free, Real-time Continuous Speech Recognition System for Hand-held Devices", Acoustics, Speech and Signal Processing 2006, Proceedings ICASSP 2006, 2006 IEEE International Conference, Vol. 1, hal 1.
[6] Ivona. “Text normalization : English”,
http://developer.ivona.com/text-normalization/english [12 Februari 2014]. [7] Marietha, Sonya, Ayu Purwarianti, dan Dessi
Puji Lestari. 2012, "SMSsuara Application with Automatic Speech Recognition and Text to Speech on Mobile Phone", Jurnal Sarjana ITB bidang Teknik Elektro dan Informatika Vol.1, No.1, hal 39-43.
[8] Nouza, Jan, dan Marek Bohác. 2011, "Using TTS for Fast Prototyping of Cross-lingual ASR Applications", Communication and Enactment 2010, hal 154-162, Springer Berlin Heidelberg.
[9] Regina, Fransisca. 2012, “Perancangan Program
