Pada bab ini, akan dibahas tentang landasan teori mengenai pembelajaran English Grammar menggunakan speech recognition yang mengkhususkan pembelajaran tenses berbasis android, dan penjelasan mengenai teknik yang digunakan dalam pembuatannya yaitu menggunakan algoritma FFT (Fast Fourier Transform).
2.1 English Grammar
Grammar sebuah bahasa adalah suatu kumpulan aturan yang menata bagian susunannya. Grammar menentukan bagaimana kata-kata disusun dalam membentuk unit-unit bahasa yang bermakna (Jeffrey, 2003).
Terdapat 3 dasar dalam aturan bahasa inggris tersebut. Hal itu meliputi (English First, 2015):
1. Etimologi, yaitu ilmu yang mempelajari tentang cara penyusunan huruf-huruf Bahasa Inggris yang tepat kedalam sebuah kata Bahsa Inggris. Dalam Etimologi, kata-kata bahasa inggris dikelompokkan ke dalam 8 bagian atau yang disebut dengan The Eight Parts of Speech. Ke delapan bagian tersebut adalah noun, adjective, verb, pronoun,adverb,preposition, conjuction, dan interjection.
2. Orthographi, merupakan sistem ejaan suatu bahasa atau gambaran bunyi bahasa yang berupa tulisan atau lambang. Ortografi antara lain meliputi masalah ejaan, kapitalisasi, pemenggalan kata, serta tanda baca. Materi yang dibahas dalam orthography, yaitu:
a. Letter (huruf), merupakan lambang dari bunyi atau dalam arti yang lain disebutkan bahwa letter adalah tanda goresan yang diucapkan atau dibunyikan.
b. Word, merupakan rangkaian dari huruf-huruf yang membentuk sebuah arti, misalnya : take (mendapatkan), year (tahun).
3. Sintaks, adalah ilmu yang mempelajari tentang cara penyusunan kata kata bahasa Inggris menjadi sebuah kalimat bahasa Inggris yang tepat dan sesuai atau dapat juga dikatakan bahwa syntax merupakan bagian dari tata bahasa yang mempelajari tentang proses pembentukan sebuah kalimat Terdapat beberapa Sintaks yang digunakan dalam menyusun sebuah kalimat yang tepat. Pengaturan tersebut cenderung lebih mengarah pada pembentukan pola waktu kejadian isi kalimat tersebut berlangsung. Seperti kalimat yang terjadi dimasa sekarang, dimasa lampau dan dimasa depan. Sintaks ini lebih dikenal dengan sebutan Tenses.
2.2. Tenses
Tenses adalah bentuk kata kerja yang menunjukkan perubahan waktu, kapan suatu peristiwa, berita, pernyataan, tindakan, terjadi dalam suatu kalimat sekarang, lampau ataupun akan datang. (Setiawan, 2011). Dalam tenses ada empat kelompok yang membentuk 16 bentuk waktu dalam Bahsa Inggris. Keempat kelompok utama beserta ke 16 bentuk waktu tersebut adalah (Sinta, 2015) :
1. Present Tense
a. Simple Present Tense b. Present Continous Tense c. Present Perfect Tense
d. Present Perfect Continous Tense 2. Past Tense
a. Simple Past Tense b. Past Continous Tense c. Past Perfect Tense
d. Past Perfect Continous Tense 3. Future Tense
a. Simple Future Tense b. Future Continous Tense c. Future Perfect Tense
4. Past Future Tense a. Past Future Tense
b. Future Past Continous Tense c. Future Past Perfect Tense
d. Past Future Perfect Continous Tense
Dalam penulisan ini akan dibahas sebanyak 2 Tenses utama saja, yaitu Present Tense dan Past Tense.
2.2.1 Present Tense
Present Tense merupakan bentuk kalimat yang menjelaskan suatu perbuatan atau suatu peristiwa yang terjadi pada saat sekarang atau kejadian yang merupakan kebiasaan sehari-hari.
Rumus :
(+) Subject + Verb 1 (s/es)
(-) Subject + do/does + not + Verb 1 (?) Do/does + Subject + Verb 1 Contoh :
(+) I am a pilot. (Saya seorang pilot)
(-) I am not a pilot. (Saya bukan seorang pilot) (?) Am I not a pilot?. (Bukankah saya seorang pilot?) 2.2.2 Past Tense
Past Tense merupakan bentuk kalimat yang menjelaskan suatu perbuatan atau suatu peristiwa yang telah terjadi pada waktu lampau dan tidak ada hubungannya dengan masa sekarang.
(-) Subject + did not + Verb 1 (?) Did + Subject + Verb 1
Kebanyakan kata kerja bentuk lampau menggunakan akhiran –ed pada akhir kata kerjanya. Dan pada bentuk be- penggunaan menggunakan was/were.
Contoh :
(+) Pogba walked downtown yesterday. (Pogba berjalan ke pusat kota kemarin) (-) Pogba didn’t walk downtown yesterday. (Pogba tidak berjalan ke pusat kota
kemarin)
(?) Did he walk downtown yesterday? Yes, he did/No, he didn’t. (Apakah dia (Pogba) berjalan ke pusat kota kemarin? Ya/Tidak).
2.3 Character Unicode
Standart unicode adalah aturan encoding karakter universal untuk karakter dan teks tertulis serta untuk encoding teks multi bahasa sehingga memungkinkan pertukaran data teks secara internasional. Unicode menyediakan kapasitas untuk meng-encode seluruh karakter yang digunakan dalam bahasa tertulis di seluruh dunia (Habibi, 2011). Dalam android, android versi 4.2 Kitkat dan versi diatasnya bisa membaca character unicode tersebut.
2.4 Android
Kelebihan android (Gargenta, 2011) :
1. Android adalah comprehensive platform, softwarenya lengkap.
2. Open source platform, bebas pengembangan tanpa dikenakan biaya terhadap sistem karena berbasiskan linux.
3. Android adalah purpose-built untuk mobile device. Desain dari android berasal dari waktu mendatang yang dapat diduga.
4. Android juga tidak memakan memori yang terlalu banyak sehingga user tidak terlalu khawatir terhadap software yang memorinya terbatas.
2.5. Transformasi Fourier
Transformasi Fourier merupakan suatu persamaan integral untuk menghitung frekuensi, amplitudo, dan fase dari suatu gelombang sinyal (Stefanus et al, 2005). Sementara untuk menghitung spektrum frekuensi sinyal pada komputer digital, dibutuhkan algoritma Discrete Fourier Transform (DFT). Transformasi Fourier menjadi suatu model transformasi yang memindahkan sinyal domain spasial atau sinyal domain waktu menjadi sinyal domain frekuensi. Di dalam pengolahan suara, transformasi fourier banyak digunakan untuk mengubah domain spasial pada suara menjadi domain frekuensi. Analisa-analisa dalam domain frekuensi banyak digunakan seperti filtering. Dengan menggunakan transformasi fourier, sinyal atau suara dapat dilihat sebagai suatu objek dalam domain frekuensi.
Discrete Fourier Transform (DFT) adalah suatu persamaan integral yang digunakan untuk menganalisa suatu frekuensi diskrit. DFT mengubah sinyal domain waktu, menjadi sinyal domain frekuensi. Fast Fourier Transform (FFT) merupakan DFT dengan algoritma yang lebih optimal, sehingga menghasilkan perhitungan yang lebih cepat.
Menurut Ronald N. Bracewell (2002), Fast Fourier Transform tidak hanya terbatas untuk menyelesaikan persamaan dari transformasi linear, tetapi juga dapat digunakan dalam berbagai jenis aplikasi. Berikut contoh-contoh aplikasi yang menggunakan FFT adalah :
1. Perkiraan dengan menggunakan trigonometric polynomials, seperti : a. Data compression (contoh : MP3).
b. Analisis Spectral dari signal.
c. Frequency response dari sebuah sistem. d. Perhitungan diferensial parsial.
2. Konvolusi melalui domain frekuensi, seperti : a. Cross-correlation.
b. Perkalian untuk bilangan bulat yang besar. c. Simbolis perkalian polinomial.
2.6 Mean Square Error (MSE)
Mean Square Error (MSE) adalah salah satu metode yang diperkenalkan oleh Makridakis dalam penelitian tentang peramalan (forecasting). Menurut Makridakis et al (1999) terdapat beberapa ukuran statistik standar untuk mengukur ketepatan hasil peramalan, salah satunya metode Mean Square Error (MSE). Konsep dari peramalan tersebut yaitu menyusun suatu rencana dengan membandingkan suatu hal dengan data dari masa lalu sehingga dengan adanya pengerjaan yang teratur dan terarah dapat memberikan ketepatan hasil analisis.
Pada penelitian ini, penulis menggunakan metode MSE dengan membandingkan suatu nilai suara yang hendak diidentifikasikan dengan data training suara yang telah sebelumnya disimpan ke dalam aplikasi. Adapun perumusan MSE yang disesuaikan variabelnya dalam penelitian ini adalah sebagai berikut :
= ∑ ( )
Dimana : Xi = Data training suara pada data ke-i
2.7 Penelitian Terdahulu
Pembelajaran English Grammar ini sudah cukup banyak dibuat oleh peneliti-peneliti sebelumnya. Baik mengenai penjelasan tenses, aturan penggunaan tenses dalam setiap kalimat, maupun contohnya. Beberapa diantaranya menerapkan pembelajaran tenses menggunakan computer based.
Fadhlullah (2015) mengimplementasikan algoritma Fast Fourier Transform (FFT) dalam sebuah aplikasi setem gitar. Aplikasi tersebut digunakan dalam penyelarasan kunci gitar dengan nada yang tepat. Penggunaan FFT pada penelitian tersebut adalah untuk mentransformasikan sinyal digital ke dalam bentuk frekuensi sehingga penyesuaian nada dapat dilihat dengan lebih akurat.
Ady (2014) menggunakan metode Computer Based Instruction (CBI) dalam penerapan pembelajaran tenses tersebut. Dalam penelitian ini, dijelaskan tentang konsep pembelajaran tenses memanfaatkan komputer sebagai sarana utama atau alat bantu pembelajaran. Model pembelajarannya meliputi tutorial, praktik dan latihan, dan simulasi.
Melissa (2008) mengimplementasikan algoritma FFT (Fast Fourier Transform) dan Divide and Conquer dalam pencocokan pola suara. Dalam penelitian ini, dijelaskan tentang skema pemanfaatan algoritma FFT dan Divide and Conquer dalam mengidentifikasi suatu pola suara. Pola suara tersebut direpresentasikan dalam bentuk frekuensi yang kemudian diubah dalam bentuk data.
Penelitian terdahulu dipaparkan dalam bentuk tabel berikut : Tabel 2.1 Penelitian terdahulu
Nama (Tahun) Penelitian Metode
Pembelajaran
Teknik
Tenses
Menggunakan Metode Computer Based Instruction (CBI)
(CBI)
Fadhlullah (2015) Identifikasi Nada Gitar dengan Menggunakan Metode Fast Fourier
Transform (FFT)
- Fast Fourier
