PENGEMBANGAN PERANGKAT LUNAK BERBASIS SUARA UCAPAN UNTUK
MEMBUKA DAN MENCETAK DOKUMEN
Abd Wahab, Drs. Nurul Hidayat, M.Kom
Jurusan Matematika, FMIPA, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
E-mail:nurul [email protected]\ nurul [email protected]
Teknologi pengenalan suara ucapan, memungkin-kan suatu perangkat dapat mengenali dan memahami kata-kata yang diucapkan seseorang. Melalui penco-cokkan sinyal suara dengan suatu pola tertentu yang tersimpan dalam bobot hasil training, sinyal suara dapat dikenali. Setelah itu perangkat akan menjalankan pe-rintah sesuai dengan kata yang diucapkan. Hal ini bisa membantu seseorang dalam mengoperasikan komputer. Oleh karena itu, dalam tugas akhir ini dikembangkan suatu perangkat lunak berbasis sistem pengenal suara ucapan untuk membuka dan mencetak dokumen yang mengaplikasikan metode Estimasi Trispektrum dalam tahap pre-procesing, kuantisasi Modified sa Randomized Local Search (MSA-RLS) pada proses klasterisasi dan Self Organizing Maps beserta Learning Vektor Quanti-zation untuk proses klasifikasi. Dengan sekali klik un-tuk memulai proses perekaman suara, seseorang dapat membuka dan mencetak dokumen yang ia harapkan. Dari empat jenis suara yang diuji coba, sistem mam-pu membuka atau mencetak dokumen dengan akurasi mencapai 70%.
Kata Kunci: Estimasi Trispektrum, Learning Vektor Quantization, Self Organizing Maps.
1. PENDAHULUAN
Kemajuan ilmu pengetahuan dan teknologi saat ini telah berkembang pesat dan memberikan dampak yang be-sar bagi kehidupan umat manusia [7]. Banyak pekerjaan manusia tergantikan oleh mesin yang dapat berjalan hanya dengan memberikan isyarat perintah sederhana [8]. Berba-gai mesin dan perangkat lunak berkembang dengan pesat sehingga banyak perangkat lunak yang membantu manusia dalam mendesain, menggambar, menulis dan lainnya. Pada umumnya, perangkat lunak tersebut dikontrol melalui ke-yboardatau mouse agar dapat dioperasikan dengan mudah. Akhir-akhir ini banyak produk yang menawarkan komputer dengan kontrol sentuhan pada layar, namun hal itu masih membutuhkan ketrampilan.
Biometrika merupakan cabang dari matematika ter-apan yang membahas tentang identifikasi individu berda-sarkan ciri-ciri biologis yang bersifat unik [4]. Ciri-ciri ter-sebut tidak mudah dikenali oleh komputer sehingga perlu dicari suatu metode yang tepat untuk menggali informasi
dari ciri-ciri tersebut [4]. Salah satu ciri khusus biometri-ka yang berkembang dan dapat membantu manusia untuk melakukan aktifitasnya adalah melalui suara ucapan. Suara ucapan merupakan alat komunikasi alami yang dapat dila-kukan manusia pada umumnya. Untuk mempermudah ma-nusia dalam mengopersikan komputer, dibuat sebuah per-angkat lunak yang dapat dikontrol melalui suara ucapan.
Dalam membangun Sistem Pengenalan Suara Ucapan (SPSU), secara umum terdapat empat tahapan yang harus dilakukan [1], yaitu akuisisi data suara, estimasi si-nyal suara, ekstraksi ciri, serta klasifikasi sisi-nyal suara. Da-ta sinyal suara diperoleh dengan bantuan alat perekam se-perti mikrofon kemudian diubah menjadi sinyal digital de-ngan bantuan sound card pada Personal Computer (PC). Namun, sinyal tersebut belum bisa digunakan untuk pro-ses pengenalan karena belum menunjukkan pola atau ka-rakteristik dari sinyal tersebut. Oleh itu, perlu dilakukan pra-pengolahan untuk mendapatkan karakteristik dari data sinyal suara tersebut.
Salah satu metode yang dapat digunakan untuk pra-pengolahan sinyal suara adalah proses estimasi. Pada umumnya sinyal suara dari hasil proses estimasi memiliki ukuran data yang cukup besar untuk diolah [9]. Hal itu ber-pengaruh terhadap lamanya proses klasifikasi, untuk mem-perkecil besarnya data yang diproses, maka sinyal perlu di-kompres dan diklasterisasi sehingga didapatkan kelompok-kelompok yang mewakili masing-masing sinyal suara. Ha-sil dari klasterisasi itulah yang akan digunakan sebagai in-put dalam proses klasifikasi sinyal.
Pada tugas akhir ini, akan dikembangkan perangkat lunak berbasis sistem pengenalan suara ucapan untuk mem-buka dan mencetak dokumen.
2. TINJAUAN PUSTAKA 2.1. Studi Penelitian
Pada tahun 1994, Kurimo telah melakukan penelitian pengenalan phoneme dan dari data yang diperoleh menun-jukkan bahwa dari penggunaan metode SOM+LVQ pada trainingdiperoleh hasil pengenalan yang lebih baik jika di-bandingkan menggunakan metode LVQ, atau SOM [5]. Ta-hun 2006, Yun dan Bao, menyimpulkan dalam penelitian-nya bahwa metode SOM + LVQ mampu mengklasifikasi
si-nyal suara dengan bagus [6]. Pada tahun yang sama, Amin juga mengembangkan sistem pengenalan suara yang meng-gunakan estimasi trispektrum pada proses akuisisi sinyal su-ara, kuantisasi MSA-RLS untuk klasterisasi, dan jaringan LVQ untuk klasifikasi, komputasi yang dilakukan cukup ba-gus dengan pengenalan mencapai 81% [1], namun visuali-sasinya kurang lengkap. Lalu pada tahun 2007, Riduwan telah melakukan penelitian mengenai akuisisi sinyal suara menggunakan estimasi trispektrum. Dalam penelitiannya, ia menyimpulkan bahwa penggunaan estimasi trispektrum pada pre-processing menghasilkan pengenalan yang lebih baik dibandingkan bispektrum [9].
Mengingat jumlah data hasil estimasi trispektrum ma-sih cukup besar sehingga butuh metode yang dapat meng-kompresi data tanpa menghilangkan kualitas dan fungsi da-ta tersebut, sehingga pada da-tahun 2008 Agus mengembangk-an sistem pengenalmengembangk-an suara ucapmengembangk-an dengmengembangk-an membmengembangk-andingk- membandingk-an tiga metode klasterisasi yaitu MSA-RLS, RLS stmembandingk-andar dan fuzzy clustering pada proses klasterisasinya. Hasil dari penelitian tersebut disimpulkan secara umum bahwa klaste-risasi MSA-RLS menghasilkan pengenalan yang lebih baik [4].
2.2. Landasan Teori
2.2.1. Estimasi Trispektrum
Estimasi trispektrum merupakan proses estimasi sinyal suara yang didasarkan pada korelasi tiga parameter freku-ensi yaitu f1, f2dan f3.
Daerah estimasi trispektrum merupakan ruang tiga di-mensi yang dibentuk oleh vektor frekuensi f1, f2 dan f3.
Pada setiap koordinat (f1, f2, f3) tersebut terdapat nilai
tris-pektrumnya, sehingga hasil estimasi Trispektrum dapat di-katakan berada dalam ruang empat dimensi.
Hasil estimasi trispektrum tersebut berupa magnitude dan fase yang merupakan hasil transformasi dari hasil esti-masi trispektrum itu sendiri yang berbentuk kompleks da-lam koordinat kartesius, kedada-lam koordinat kutub yang ber-bentuk besaran magnitude dan fase.
2.2.2. Modified sa Randomized Local Search
Kuantisasi vektor merupakan salah satu teknik untuk mengeksploitasi struktur terpendam dalam vektor masukan yang bertujuan untuk mengkompresi data. Untuk mempero-leh tujuan tersebut maka vektor masukan dapat dibagi pada daerah yang berbeda-beda, dan setiap daerah tersebut diten-tukan vektor perwakilannya. Kumpulan dari vektor-vektor perwakilan disebut codebook dan anggota-anggotanya dise-but codeword.
Modified sa Randomized Local Search (MSA-RLS) merupakan salah satu dari dua bentuk metode kuantisasi vektor Randomized Local Search (RLS). Metode RLS me-nitik beratkan pada pencarian codebook secara random de-ngan membandingkan jarak yang lebih kecil dibandingkan dengan jarak yang lama, metode ini mengandalkan proses
random sistem dalam membandingkan codebook yang ba-ru. MSA-RLS memiliki perbedaan dalam penentuan pusat klaster bila dibanginkan dengan RLS standar. Proses kerja dari metode RLS standar dan MSA-RLS didasarkan pada jarak kuadrat dan jarak Euclid antar data [4].
Klaster dari masing-masing partisi dapat diperbaiki ni-lainya berdasarkan centroid condition berikut
cj = P pi=jxi P pi=j1 , j = 1, 2, ..., M (1) Perumusan ini menentukan nilai klester berdasarkan nilai rata-rata(mean) dari data objek dalam partisi yang bersesu-aian. Algoritma dari metode MSA-RLS adalah sebagai berikut:
1. Inisialisasi klaster representatif:
a. cari nilai maksimum dan minimum
dari data objek
max <--- max(X) , min <--- min(X)
b. Hitung nilai kenaikan (Step)
step <--- (max min)/M
c. Inisialisasi nilai awal klaster
berdasarkan nilai kenaikan
c_{i} min ; i = 1
c_{i} c_{i-1} + step ; i = 2 to M
2. Tentukan indeks klaster untuk setiap
anggota data objek sehingga membentuk partisi optimal
P <---OptimalPartition(C)
Set Status iterasi dengan nilai false
3. Ulangi langkah berikut jika status
bernilai false
a. Hitung nilai klaster swap dengan
mengambil nilai centroid dari data objek berdasarkan indeks klasternya
CNew <--- CalculateNewCluster(P,C)
(lihat persamaan 1.)
b. Repartisi ulang data objek
berdasarkan nilai klaster swap yang telah terbentuk.
PNew <--- OptimalPartition(CNew)
c. Hitung jumlah jarak kuadrat antara
data objek dengan klaster representatif dan klaster swap. Jika jumlah jarak kuadrat klaster swap lebih kecil, maka set klaster representatif dengan klaster swap berikut indeks klasternya, tetapi jika jumlah jarak kuadrat klaster swap lebih besar maka set nilai
status dengan true.
IF f(X, PNew, CNew ) < f (X, P, C) THEN P <--- PNew C <--- CNew ELSE Status true END IF
2.2.3. Learning Vektor Quantization (LVQ)
Learning Vektor Quantizationadalah suatu metode un-tuk melakukan pembelajaran pada lapisan-lapisan kompeti-tif yang terwarisi. Suatu lapisan kompetikompeti-tif akan belajar se-cara otomatis untuk melakukan klasifikasi terhadap vektor-vektor input yang diberikan.
Algoritma dari pembelajaran LVQ adalah sebagai beri-kut [3]
Step 0: Inisialisasi vektor reverensi Inisialisasi learning rate alpha Step 1: bila kondisi STOP belum terpenuhi,
kerjakan Step 2-6
Step 2: Untuk setiap vektor training x, kerjakan Step 3-4
Step 3: Dapatkan j sedemikian hingga |x-wj| minimum Step 4: Update Wj sebagai berikut:
Jika T=Cj maka
Wj(baru)= Wj(lama)+alpha(x-Wj(lama)) Jika T != Cj maka
Wj(baru)= Wj(lama)-alpha(x-Wj(lama)) Step 5 Reduksi learning rate(alpha)
Step 6 Tes kondisi STOP
- dengan membatasi jumlah iterasi - setelah alpha mencapai nilai toleransi
Keterangan:
x : vektor training (x1, x2, ..., xn)
T : target untuk vektor training
Wj : kategori atau kelas hasil komputasi oleh output unit j
kx − wjk : jarak Euclid antara vektor input dengan (vektor bobot) unit output ke j
2.2.4. Self Organizing Map (SOM)
Jaringan Kohonen SOM (Self-Organizing Map) meru-pakan salah satu model jaringan syaraf yang menggunakan metode pembelajaran unsupervised [3].
Jaringan Kohonen SOM terdiri dari dua lapisan (layer), yaitu lapisan input dan lapisan output. Setiap neuron dalam lapisan input terhubung dengan setiap neuron pada lapisan output. Setiap neuron dalam lapisan output merepresenta-sikan kelas dari input yang diberikan.
Berikut ini adalah tahapan dalam algoritma pembelajar-an JST Self Orgpembelajar-anizing Map (SOM)[3].
0: Inisialisasi pembobotan Wij. Men-set learning rate(alpha), dan radius tetangga(R)
1: Apabila kondisi selesai belum terpenuhi,
lakukan langkah 2-8
2: Untuk tiap vektor input xi,
i ={1,...,n}, lakukan langkah 3-5
3: Untuk tiap j, (j =1,...m),
hitung jarak Euclidean kuadrat
D(j)= sum(Wij-xi)ˆ2 , untuk i<n
4: Mencari indeks j dengan jarak D(j) minimum
5: Perbaiki nilai Wij
Wij(baru)= Wij(lama)+alpha(xi-Wij(lama)) 6: Update learning rate.
alpha(t+1)=alpha(t)
7: Mereduksi radius fungsi tetangga(epoch). 8: Menentukan kondisi STOP.
Keterangan:
x : vektor training (x1, x2, ..., xn)
R : radius neighborhood XI : neuron/ node input
W0j : bias pada neuron output ke j
Yj : neuron/ node output ke j
3. PEMBAHASAN DAN HASIL PENELITIAN 3.1. Rancangan Sistem
Rancangan sistem pengenalan suara ucapan, dapat dili-hat pada gambar 1 berikut.
Gambar 1: Rancangan sistem Keterangan:
1. Training
Trainingmerupakan proses pembelajaran sistem ter-hadap jenis-jenis suara yang digunakan, yang meng-hasilkan bobot klasifikasi
2. Testing
Testingmerupakan proses pencocokan sinyal suara yang diterima dengan refernsi yang ada. Hasil tes-tingberupa sebuah kata yang selanjutnya digunakan untuk membuka atau mencetak dokumen.
3.2. Ekstraksi Ciri
Ekstraksi fitur suara bertujuan untuk mengurangi jum-lah data pada sinyal suara agar mempermudah pemprosesan pada klasifikasi dengan tetap mempertahankan nilai atau fi-tur tertentu yang membedakan pola suara input.
3.2.1. Estimasi Sinyal Suara
Karakteristik dari setiap sinyal suara ditentukan dengan menggunakan estimasi trispektrum. Hasil estimasi trispek-trum berupa magnitude yang berada pada setiap koordinat (f1, f2, f3).
3.2.2. Kompresi Data
Pada umumnya ukuran data hasil estimasi trispektrum relatif besar. Kuantisasi MSA-RLS ditujukan untuk meng-kompresi data tanpa menghilangkan karakteristiknya. 3.3. Klasifikasi
Data sinyal suara yang diklasifikasi berupa data hasil ekstraksi ciri yang memiliki ukuran sama. Adapun bagan proses klasifikasi dapat dilihat pada 2.
Gambar 2: Proses klasifikasi
Secara berurutan, penentuan himpunan cumulative dis-tancedilakukan saat terjadi proses klasifikasi.
3.3.1. Himpunan Cumulative Distance
Dari hasil klasifikasi, diperoleh bobot-bobot yang merupakan representasi dari data input klaster, bobot-bobot inilah yang akan digunakan dalam proses testing sebagai data referensi. Pada saat proses training dijalankan, data suara yang sudah diestimasi terlebih dahulu diklasterisasi. Mengingat waktu yang dibutuhkan untuk proses klaster cukup lama maka pada proses testing, data input yang diberikan harus dihindarkan dari proses klaster untuk mempersingkat waktu testing. Namun yang menjadi per-masalahan, jika data yang diberikan tidak dikenakan proses klaster, maka ukuran data input pada saat testing tidak akan sama dengan ukuran data input pada saat klasifikasi (training). Hal ini menyebabkan bobot yang dihasilkan pada saat proses klasifikasi tidak dapat digunakan sebagai-mana mestinya, sesuai dengan metode pada learning vektor quantizationstandar.
Untuk mengatasi hal tersebut, maka digunakan metode pembentukan himpunan cumulative distance. Konsep metode ini adalah membentuk kumpulan jarak kumu-latif dari data input(data estimasi) terhadap bobot hasil klasifikasi sesuai dengan data klaster dari data input itu sendiri, sehingga secara tidak langsung pola jarak kumulatif akan terbentuk dari data input terhadap data bobot hasil klasifikasi.
3.4. Uji Coba Perangkat Lunak 3.4.1. Uji coba perekaman
Pada uji coba ini data sinyal suara direkam dengan me-manfaatkan menu Perekaman, dimana sebuah microphone telah terhubung ke PC. Untuk tiap-tiap kata direkam dengan durasi yang sama yaitu 1 detik. Kata-kata yang direkam adalah ”Artikel”, ”Data”, ”Buku”, ”Skripsi”, tiap kata dire-kam sebanyak 5 kali untuk dijadikan sebagai referensi pa-da proses estimasi. Dari ujicoba yang dilakukan, perangkat lunak mampu merekam sinyal suara sebanyak 20 file yang disimpan dalam file (*.rec).
3.4.2. Uji Coba Pra-proses Estimasi
Pada uji coba ini data sinyal suara yang telah direkam dan disimpan dalam file (*.rec). Melalui tombol browse
yang berada pada tab estimasi, file yang akan diestimasi da-pat dipilih. Dari ujicoba yang dilakukan, perangkat lunak mampu mengestimasi 20 file dengan menggunakan chunk = 256 dan menyimpan hasilnya pada file (*-256.tmg) dalam waktu 1,758 detik.
3.4.3. Uji Coba Proses Klasterisasi
Pada uji coba ini data sinyal suara yang telah ditran-formasikan dalam bentuk magnitude dan tersimpan dalam file(*.tmg) diklaster. Dengan demikian dapat diperoleh da-ta magnitude dari masing-masing kelompok klaster sehing-ga diperoleh data yang lebih sedikit untuk dikenai proses klasifikasi. Dari ujicoba yang dilakukan, perangkat lunak mampu melakukan klasterisasi pada 20 data dalam waktu 1,617 detik.
3.4.4. Uji Coba Proses Klasifikasi
Proses klasifikasi akan berjalan jika alamat data klas-terisasi dan data estimasi bersesuaian, hal ini dikarenak-an addikarenak-anya proses penentudikarenak-an himpundikarenak-an cumulative distdikarenak-ance yang mengikuti proses klasifikasi. Uji coba dilakukan de-ngan mengambil masing-masing 20 data estimasi dan klas-terisasi.
Dari ujicoba yang dilakukan, perangkat lunak mampu mengklasifikasikan 20 data menjadi 4 target kelas. Hasil dari proses klasifikasi berupa nilai bobot yang tersimpan pa-da file (*.bkls) pa-dan himpunan cumulative distance yang ter-simpan pada file (*.rkls). Proses ini berjalan dalam waktu 1,740 detik.
3.4.5. Uji Coba Membuka atau Mencetak Dokumen Pada uji coba ini data hasil klasifikasi dijadikan sebagai referensi untuk melakukan testing, uji coba dapat dilakuk-an secara real time atau mdilakuk-anual dengdilakuk-an menginputkdilakuk-an data magnitude. Hasil dari pengenalan suara yang diucapkan se-lanjutnya digunakan untuk membuka atau mencetak doku-men.
Dari 4 kata yang diujicobakan, ucapan ”Artikel” dapat dikenali sistem sebanyak 67%, ucapan ”Buku” dikenali se-banyak 63%, ucapan ”Data” dikenali sese-banyak 80% dan ucapan ”Skripsi” dikenali sebanyak 70% untuk 30 kali uji coba pada masing-masing kata.
4. KESIMPULAN
Berdasarkan analisis terhadap hasil pengujian perang-kat lunak untuk membuka dan mencetak dokumen berbasis suara ucapan, maka dapat diambil beberapa kesimpulan se-bagai berikut:
1. Rancangan sistem pengenalan suara ucapan yang da-pat digunakan untuk membuka dan mencetak doku-men meliputi proses training yang terdiri dari pro-ses estimasi trispektrum, klasterisasi MSA-RLS, dan
klasifikasi SOM+LVQ dan proses testing yaitu: es-timasi trispektrum, testing JST-LVQ dan dilanjutkan dengan proses membuka dan mencetak dokumen. 2. Rancangan sistem dapat diimplementasikan menjadi
perangkat lunak yang user friendly serta dapat mem-buka dan mencetak dokumen hanya dengan diawali satu klik untuk memulai perekaman.
3. Presentase tingkat keberhasilan sistem dalam mem-buka atau mencetak dokumen dapat mencapai 70% untuk empat jenis kata.
DAFTAR PUSTAKA
[1] Amin, M.S. 2006. Pengelompokan Ciri dan Klasifika-si Sinyal Suara Menggunakan Metode KuantisaKlasifika-si Vek-tor MSA-RLS dan Jaringan Syaraf Tiruan LVQ. Sura-baya: Jurusan Matematika, Institut Teknologi Sepuluh Nopember.
[2] Eliyani. 2005. Pengantar Jaringan Saraf Tiruan. http:\\ trirezqiariantoro.files.wordpress.com\2007 \ 05\ jaringan syaraf tiruan.pdf (diakses tanggal 19 Ok-tober 2012).
[3] Fausett, L. 1994. Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. Prentice Hall International, Inc.
[4] Jumadi, A. 2008. Perbandingan Antara Metode Klaste-risasi Rls Dan Fuzzy Clustering Pada Sistem Pengenal-an Individu Berbasis Suara UcapPengenal-an. Surabaya: JurusPengenal-an Matematika, Institut Teknologi Sepuluh Nopember. [5] Kurimo, M. 1994. Hybrid training method for tied
mi-xture density hidden Markov models using Learning Ve-ctor Quantization and Viterbi. Helsinki: Helsinki Uni-versity of Technology.
[6] Liu,Y dan Bao, C. ”A New Voice Activity Detection Al-gorithm Based On SOM & LVQ”. Beijing: School of Electronic Information & Control Engineering Beijing University of Technology. Hal 43-45, 2006.
[7] Maharsi, S. ”Pengaruh Perkembangan Teknologi Infor-masi Terhadap Bidang Akuntansi Manajemen”. Sura-baya: Universitas Kristen Petra. Vol. 2, No. 2, Hal 127 - 137, 2000.
[8] Nurhayati. 2004. Perbandingan Sistem Biaya Tradisio-nal dengan Sistem Biaya ABC. Sumatra Utara: Jurusan Teknik Industri, Universitas Sumatera Utara.
[9] Ramdani, R. 2009. Kendali Gerak Interaktif Robot Mo-bil Berbasis Suara Ucapan. Surabaya: Jurusan Mate-matika, Institut Teknologi Sepuluh Nopember.
