240
PENENTUAN FUNGSI BASIS WAVELET TERBAIK UNTUK SINYAL SUARA Syahroni Hidayat1*, Habib Ratu Perwira Negara2, Danang Tejo Kumoro3
1,2,3 Jurusan Teknik Informatika, STMIK Bumigora Mataram Jl. Ismail Marzuki no. 32 Cakranegara, Mataram, Nusa Tenggara Barat
*Email: 1syahroni.hidayat@stmiknumigora.ac.id, 2habib.ratu27@gmail.com, 3danangmoro@gmail.com
Abstrak
Wavelet akhir-akhir ini telah banyak diaplikasikan pada pemrosesan sinyal, salah satunya adalah pada pengenalan suara otomatis. Hal ini karena wavelet mengungguli FFT, yaitu mampu untuk memetakan sinyal ke dalam domain frekuensi-waktu secara bersamaan sehingga dalam prosesnya tidak ada data sinyal yang hilang Wavelet memiliki banyak family yang dibedakan oleh fungsi basis (mother) waveletnya. Namun tidak semua family wavelet tersebut dapat diaplikasikan pada objek sinyal yg sama pada pengenalan suara sehingga dalam aplikasinya penggunaan wavelet masih terkesan trial dan error. Oleh karena itu, perlu dilakukan penentuan tingkat kemiripan fungsi basis wavelet terhadap sinyal di mana wavelet akan diaplikasikan. Dengan demikian, kemampuan sistem pengenalan suara dimungkinkan akan meningkat. Dalam hal ini, salah satu metode yang dapat digunakan untuk menentukan tingkat kemiripan antara sinyal suara dengan fungsi basis wavelet adalah dengan menghitung nilai korelasi antara keduanya. Hasil penelitian menunjukkan bahwa untuk suara vokal bahasa Indonesia a, i, u, e, è, o, dan ò dengan panjang segmentasi 2048 data diperoleh db45 merupakan fungsi basis wavelet terbaik. Adapun berdasarkan jenis kelamin maka fungsi basis wavelet db44 dan fungsi basis wavelet db45 secara berturut-turut merupakan fungsi terbaik untuk suara vokal pria dan wanita.
Kata kunci: fungsi basis wavelet, korelasi silang, pengenalan suara otomatis, wavelet,.
1. PENDAHULUAN
Wavelet telah banyak diaplikasikan dalam bidang penelitian terkait pemrosesan sinyal. Misalnya pada pengenalan suara otomatis, wavelet digunakan dalam ekstraksi ciri suatu sinyal suara. Selain itu, wavelet mengungguli FFT karena mampu untuk memetakan sinyal ke dalam domain frekuensi-waktu secara bersamaan sehingga dalam prosesnya tidak ada data sinyal yang hilang (Rashmi 2014; Anusuya & Katti 2011). Meskipun demikian, tidak semua fungsi wavelet dapat diaplikasikan pada sinyal suara karena wavelet memiliki banyak family.
Pada wavelet, masing-masing family memiliki fungsi basis dan koefisien tersendiri. Dalam satu family setiap fungsi basis dibedakan berdasarkan jumlah koefisiennya. Hal ini membuat penggunaan wavelet dalam aplikasi pengenalan suara masih terkesan trial dan error. Karena seseorang tidak dapat menggunakan sebuah family dan fungsi skala wavelet untuk seluruh aplikasi dan memperoleh hasil yang sama baiknya (Ahuja et al. 2005). Seperti yang telah dilakukan oleh (Farooq & Datta 2003; S. Hidayat et al. 2015; R. Hidayat et al. 2015) yang mengaplikasikan wavelet Daubechies pada pengenalan suara fonem dan suku kata. Hasilnya menunjukkan terdapat beberapa fonem dan suku kata yang cocok dengan koefisien wavelet daubechies yang digunakan namun ada beberapa juga yang tidak.
Oleh karena itu, perlu dilakukan penentuan fungsi basis wavelet yang paling mirip dengan sinyal yang diolah sehingga dimungkinkan hasil pengenalan suara akan menjadi lebih tinggi. Ada beberapa metode yang telah dikembangkan untuk penentuan fungsi basis wavelet terbaik, seperti penentuan fungsi basis wavelet berdasarkan nilai entropi sinyal pada hasil dekomposisi tertentu (Coifman & Wickerhauser 1992), penentuan dengan menghitung rata-rata fungsi basis terbaik terhadap transformasi kosinus wavelet paket (wavelet-packet cosine transform : WPCT) (Galka & Ziolko 2009), dan penentuan dengan menghitung korelasi antara seluruh fungsi basis wavelet dengan sinyal hasil dekomposisi yang diaplikasikan pada sinyal biomedik dan suara bearing (Rafiee et al. 2011; Rafiee et al. 2009; Rafiee & Tse 2009). Akan tetapi, pada penelitian yang disebutkan terakhir, metode korelasi yang digunakan berupa autokorelasi dan koefisien korelasi. Berdasarkan uraian di atas, maka pada penelitian ini digunakan korelasi silang (cross-correlation) untuk penentuan fungsi basis wavelet yang paling mirip dengan sinyal suara. Adapun fungsi basis wavelet yang digunakan hanya wavelet family daubechies. Karena sifatnya yang asimetris, mirip seperti sinyal suara.
241 2. METODOLOGI
2.1 Pengumpulan Data
Perekaman suara dilakukan terhadap 50 orang pembicara, masing-masing 25 orang laki-laki dan 25 orang perempuan. Suara yang direkam berupa suara vokal bahasa Indonesia, yaitu a, i, u, e,
è, o, dan ò. Alat perekaman berupa mikrofon yang terintegrasi dengan headphone. Perangkat lunak perekaman adalah Audacity. Proses perekaman dilakukan dengan frekuensi sampling 16 kHz, mono, PCM 16 bit. Standar pengucapan suku kata mengikuti standar pengucapan pada International Phonetic Association (IPA) (International Phonetic Association n.d.). Perekaman dilakukan di dalam ruangan untuk dapat mengurangi pengaruh derau latar. Lebih ringkasnya tentang pengumpulan data terdapat pada Tabel 1 berikut:
Tabel 1. Variabel dan parameter perekaman
No Variabel Keterangan
1 Jenis data yang direkam Vokal
2 Jumlah sampel 50 orang
3 Pengulangan Perekaman 1 kali 4 Tempo Perekaman Sesuai IPA 5 Frekuensi sampling (fs) 16 kHz 6 Estimasi Durasi/vokal 1 detik 7 Lingkungan Perekaman Tertutup 8 Format Penyimpanan Data *.wav
2.2 Pengolahan Data
Terdapat beberapa tahapan pengolahan data, yaitu tahapan pre-processing yang terdiri dari reduksi derau, deteksi sinyal suara, normalisasi. Berikutnya tahap processing berupa proses perhitungan korelasi silang. Selanjutnya adalah tahap post-processing, yaitu penentuan basis wavelet terbaik. Lebih jelasnya tahapan-tahapan tersebut dijelaskan berikut ini.
2.2.1 Reduksi Derau dan Deteksi Sinyal Suara (end point)
Sinyal suara yang direkam terdiri dari tiga keadaan, silence, unvoiced dan voiced. Silence pada sinyal suara dapat dikategorikan sebagai derau (noise), dan adanya derau tidak hanya akan mempengaruhi proses komputasi akan tetapi juga akan mempengaruhi kualitas suara. Oleh karena itu, derau pada sinyal suara haruslah dihilangkan agar memperoleh kualitas suara yang lebih baik serta menghemat komputasi karena yang diproses hanyalah sinyal voiced saja. Untuk memisahkan sinyal voiced dapat dengan menghapus silence dan mendeteksi titik akhir (end point) dari sinyal suara (Hidayat et al. 2016). Penentuannya dengan menggunakan Short-Time Energy (STE) dan Short-Time Zero Crossing Rate (ZCR)(Poornima 2016).
𝐸𝑛= ∑ 𝑥(𝑚)𝑊(𝑛 − 𝑚) ∞
𝑚=−∞
(1)
Persamaan (1) merupakan algoritma perhitungan STE, dengan W merupakan fungsi window. Adapun algoritma perhitungan ZCR diberikan pada persamaan (2). Pada ZCR juga menggunakan fungsi window sama seperti STE. Selain itu pada ZCR menggunakan fungsi signum.
𝑍𝑛= ∑ |𝑠𝑔𝑛[𝑥(𝑚)] − 𝑠𝑔𝑛[𝑥(𝑚 − 1)]|𝑊(𝑛 − 𝑚) ∞
𝑚=−∞
(2)
2.2.2 Normalisasi
Pada proses perekaman, hasil rekaman sinyal suara yang berulang-ulang membuat level energi yang diperoleh akan bertingkat-tingkat, hal ini disebabkan perubahan jarak mikrofon dan sumber sinyal. Normalisasi amplitudo diterapkan untuk mengatasi tingkat energi yang tidak konsisten antara sinyal dan dinyatakan pada persamaan (xx) (Huang et al. 2001).
242 𝑆𝑛𝑜(𝑛) =
𝑆(𝑛)
𝑚𝑎𝑥 (𝑎𝑏𝑠(𝑆(𝑛))) (3)
2.2.3 Korelasi
Korelasi merupakan pengukuran statistika untuk menentukan derajat kesamaan linier antara dua variabel berbeda. Dua variabel dapat dikatakan berkorelasi jika koefisiennya bernilai antara –1 dan +1. Semakin dekat nilai koefisien dengan -1 atau +1 maka korelasi semakin kuat. Korelasi antar dua variabel dinyatakan oleh (Huang et al. 2001; Rafiee et al. 2011):
𝜌𝑥,𝑦= 𝑐𝑜𝑣(𝑥, 𝑦) 𝜎𝑥𝜎𝑦 =𝐸 ((𝑥 − 𝜇𝑥)(𝑦 − 𝜇𝑦)) 𝜎𝑥𝜎𝑦 (4)
Rumus di atas mensyaratkan adanya kesamaan antara panjang data yang akan diukur tingkat korelasinya. Sehingga untuk data sinyal suara yang memiliki panjang data yang beragam, terdapat metode perhitungan korelasi tersendiri yang disebut korelasi silang. Rumus korelasi silang dinyatakan sebagai (Ingle & Proakis 2012):
𝜌𝑥,𝑦(𝑙)= ∑ 𝑥(𝑛)𝑦(𝑛 − 𝑙) ∞
𝑛=−∞
(5)
2.2.4 Transformasi Wavelet
Wavelet adalah gelombang dengan durasi terbatas yang memiliki nilai rata-rata nol, tidak seperti sinusoid yang secara teoritis memiliki panjang dari minus ke plus tak hingga, sementara wavelet memiliki awal dan akhir. Atau dapat dikatakan sebagai gelombang pendek atau singkat. Dalam wavelet dikenal dua metode transformasi yaitu transformasi diskrit dan transformasi kontinyu. Pada aplikasinya transformasi diskrit lebih hemat dalam komputasi, namun transformasi kontinyu lebih baik dan efisien karena mampu mempertahankan seluruh informasi tanpa melakukan
downsampling. Persamaan umum wavelet kontinyu adalah :
𝐶𝑊𝑇(𝑡, 𝜔) = (𝜔 𝜔0 ) 1 2 ∫ 𝑠(𝑡′)𝜓 ∗ +∞ −∞ (𝜔 𝜔0 ) (𝑡′− 𝑡)𝑑𝑡′= {𝑠(𝑡), 𝜓(𝑡)} (6) Dengan {} adalah inner product sinyal ѱ ϵ L2(ℜ)\{0} yang sering disebut sebagai mother
wavelet. Mother wavelet harus memenuhi kondisi :
0 ≺ 𝑐𝜓= 2𝜋 ∫ |𝜓̂(𝜉)| 2 +∞ −∞ 𝑑𝜉 |𝜉|≺ +∞ (3)
dan
ω
/
ω
0adalah faktor skala(Rafiee et al. 2011).
Mother wavelet menghasilkan semua fungsi wavelet yang digunakan dalam transformasi melalui translasi dan penskalaan, maka mother wavelet juga akan menentukan karakteristik dari transformasi wavelet yang dihasilkan. Oleh karena itu, perlu perhatian yang teliti terhadap penerapan wavelet dan pemilihan yang tepat terhadap mother wavelet harus dilakukan agar dapat menggunakan transformasi wavelet secara efisien(Ahuja et al. 2005). Perbedaan mother wavelet ini menyebabkan wavelet dibagi menjadi ke dalam beberapa family, di antaranya Haar, Daubechies, Symlet, Coiflet, Meyer, Mexican Hat, B-spline dan lain-lain (PYWAVELET n.d.). Wavelet daubechies, symlet dan coiflet merupakan fungsi asimetris. Di antara ketiga fungsi ini, daubechies yang paling banyak diaplikasikan pada pengenalan suara otomatis.
243 2.3 Alur Penelitian
Jalannya penelitian ini telah ditunjukka pada Gambar 1. Ini merupakan pengembangan dari algoritma pemilihan wavelet yang telah dilakukan oleh Rafiee (Rafiee et al. 2011). Pertama-tama suara hasil perekaman dihilangkan deraunya. Kemudian dilakukan pendeteksian titik akhir sinyal suara (end point).
SINYAL SUARA SEGMENTASI SINYAL SUARA SEBESAR 2n FUNGSI BASIS WAVELET (FBW) DAUBECHIES - REDUKSI NOISE
- DETEKSI AKTIVITAS SUARA - NORMALISASI
PILIH SALAH SATU FUNGSI BASIS WAVELET DAN SINYAL SUARA TERSEGMENTASI
MULAI
SINYAL SUARA TERSEGMENTASI
HITUNG KORELASI ANTARA KOEFISIEN BASIS WAVELET DENGAN KOEFISIEN SINYAL HASIL
DEKOMPOSISI WAVELET KONTINYU
HITUNG RATA-RATA NILAI ABSOLUT HASIL KORELASI (RAK) SINYAL
TERSEGMENTASI DEKOMPOSISI HINGGA
LEVEL-K
RAK SINYAL SUARA 1,1 / FBW 1 ..
RAK SINYAL SUARA m,1/ FBW 1
RAK SINYAL SUARA 1,1/ FBW N ..
RAK SINYAL SUARA m,1/ FBW N ...
RSW = HITUNG RATA-RATA RAK SINYAL SUARA / FBW
N
PILIH NILAI RSW TERBESAR
FUNGSI BASIS WAVELET TERBAIK
SELESAI
Gambar 1. Flowchart pemilihan fungsi basis wavelet
Selanjutnya adalah dilakukan normalisasi untuk memperoleh nilai amplitudo maksimal yang seragam. Berikutnya adalah masing-masing sinyal suara disegmentasi sebesar 2048 data. Setiap segmen sinyal suara akan dihitung nilai korelasi silangnya terhadap seluruh fungsi basis family
wavelet daubechies (dbN). Dimana orde (N) koefisien tertinggi untuk family daubechis adalah 45. Sebelumnya, segmen sinyal suara didekomposisi sampai level ke-4. Tujuannya adalah untuk mengurangi efek redundansi yang biasanya terjadi pada transformasi wavelet kontinyu. Hasil dekomposisi kemudian dihitung koefisiennya menggunakan transformasi wavelet kontinyu pada skala 4. Nilai koefisien wavelet inilah yang kemudian dikorelasikan dengan fungsi basis wavelet. Proses berlanjut hingga seluruh segmen sinyal telah dihitung nilai korelasinya dengan seluruh fungsi
244
basis family daubechies. Setelah semua sinyal suara dihitung nilai korelasinya, kemudian dilanjutkan dengan proses penentuan fungsi basis wavelet terbaik. Yaitu, dengan menghitung nilai maksimal dari rata-rata nilai korelasi untuk seluruh sinyal suara.
3. HASIL DAN PEMBAHASAN 3.1 Hasil Pre-Processing
Hasil dari tahapan pre-processing berupa reduksi derau, deteksi sinyal suara dan normalisasi ditunjukkan pada Gambar 2. Dimana pada Gambar 2 (a) ditunjukkan sinyal asli hasil perekaman untuk suara vokal a sedangkan hasil pre-processing ditunjukkan pada Gambar 2 (b). Dapat dilihat bahwa sinyal asli masih mengandung derau latar. Namun setelah pemrosesan awal derau telah tereduksi dan nilai amplitudo maksimalnya adalah ± 1.
(a) (b)
Gambar 2. Sinyal suara (a) sebelum dan (b) sesudah pre-processing 3.2 Hasil Pemilihan Wavelet
Dari hasil perhitungan korelasi silang seluruh sinyal suara vokal bahasa Indonesia terhadap fungsi basis wavelet daubechies, diketahui bahwa untuk panjang segmen 2048, yang terbaik adalah db45. Adapun jika dikelompokkan berdasarkan jenis kelamin, maka fungsi basis wavelet daubechies terbaik untuk seluruh suara vokal pria bahasa Indonesia adalah db44. Sedangkan untuk seluruh seluruh vokal wanita bahasa indonesia adalah db45. Lebih ringkasnya disajikan pada Tabel 2 di bawah ini.
Tabel 2. Fungsi basis wavelet terbaik untuk seluruh vokal No Jenis Vokal Rata-rata
Nilai Maksimum Family Wavelet db 1 Seluruh Suara Vokal
(a, i, u, e, è, o, dan ò) 10.77 45
2 Suara Vokal Pria 10.87 44
3 Suara Vokal Wanita 10.68 45
Dari hasil di atas, maka dapat dimungkinkan akan adanya peningkatan hasil pengenalan pada sistem pengenalan suara jika db45 diaplikasikan sebagai alat ekstraksi ciri.
4. KESIMPULAN DAN SARAN
Pada penelitian ini telah dilakukan penentuan fungsi basis wavelet terbaik untuk sinyal suara suku kata bahasa Indonesia dengan metode korelasi silang. Suku kata difokuskan pada vokal a, i, u,
e, è, o, dan ò. Fungsi wavelet yang digunakan adalah family daubechies (dbN) dengan jumlah orde koefisien tertinggi N = 45. Segmentai sinyal yang digunakan berukuran 2048 data. Dari hasil analisis diperoleh bahwa untuk kondisi panjang segmen data tersebut diperoleh fungsi wavelet daubechies terbaik untuk sinyal suara vokal bahasa Indonesia adalah db45. Adapun berdasarkan jenis kelamin maka fungsi basis wavelet db44 dan fungsi basis wavelet db45 secara berturut-turut merupakan fungsi terbaik untuk suara vokal pria dan wanita.
Penelitian dapat dilanjutkan untuk menentukan konsistensi hasil fungsi basis yaitu terbaik dengan mengubah-ubah panjang sinyal segmentasi yang digunakan. Misalkan mulai dari 1024, 512, dan 256 data. Selain itu, dilakukan juga analisis terhadap tingkat hasil pengenalan suara suku kata menggunakan fungsi basis wavelet terbaik yang diperoleh dari penelitian ini.
245 5. UCAPAN TERIMA KASIH
Peneliti mengucapkan terima kasih kepada DRPM RISTEKDIKTI yang telah membiayai penelitian ini dan semua pihak yang mendukung penelitian ini, terutama kampus STMIK Bumigora Mataram.
DAFTAR PUSTAKA
Ahuja, N., Lertrattanapanich, S. & Bose, N.K., 2005. Properties determining choice of mother wavelet. In IEE Proc.-Vis. Image Signal Process.
Anusuya, M.A. & Katti, S.K., 2011. Front end analysis of speech recognition: a review. International Journal of Speech Technology, 14(2), pp.99–145. Available at: http://link.springer.com/10.1007/s10772-010-9088-7 [Accessed May 11, 2015].
Coifman, R.R. & Wickerhauser, M.V., 1992. Entropy-Based Algorithms for Best Basis Selection.
IEEE Transaction on Information Theory, 38(2), pp.713–718.
Farooq, O. & Datta, S., 2003. Phoneme recognition using wavelet based features. In Information Sciences. pp. 5–15.
Galka, J. & Ziolko, M., 2009. Mean Best Basis Algorithm for Wavelet Speech Parameterization. In
Fifth International Conference on Intelligent Information Hiding and Multimedia Signal Processing. pp. 1110–1113.
Hidayat, R., Priyatmadi & Ikawijaya, W., 2015. Wavelet based feature extraction for the vowel sound. In 2015 International Conference on Information Technology Systems and Innovation, ICITSI 2015 - Proceedings. pp. 1–4.
Hidayat, S., Hasanah, U. & Rizal, A.A., 2016. Algoritma Penghapus Derau / Silence Dan Penentuan Endpoint Dengan Nilai Ambang Terbobot Untuk Sinyal Suara. In Seminar Nasional APTIKOM (SEMNASTIKOM). pp. 320–323.
Hidayat, S., Hidayat, R. & Adji, T.B., 2015. SPEECH RECOGNITION OF KV-PATTERNED INDONESIAN SYLLABLE USING MFCC, WAVELET AND HMM. Jurnal Ilmiah Kursor, 8(2), pp.67–78.
Huang, X., Acero, A. & Hon, H.-W., 2001. Spoken Language Processing: A Guide to Theory, Algorithm and System Development, Prentice Hall. Available at:
http://www.amazon.ca/exec/obidos/redirect?tag=citeulike09-20&path=ASIN/0130226165.
Ingle, V.K. & Proakis, J.G., 2012. Digital Signal Processing using MATLAB, 3rd ed., USA: CENGAGE Learning.
International Phonetic Association, IPA Learning Tool. ,
p.http://www.internationalphoneticalphabet.org/ipa-l. Available at: http://www.internationalphoneticalphabet.org/ipa-learning-tool/IPA-Interface/ipa-chart-with-sounds2.html [Accessed January 1, 2015].
Poornima, S., 2016. Basic Characteristics of Speech Signal Analysis. International Journal of Innovative Research and Development (IJIRD), 5(4), pp.1–5.
PYWAVELET, WAVELET BROWSER. Available at: http://wavelets.pybytes.com/wavelet/db3/ [Accessed May 21, 2015].
Rafiee, J. et al., 2009. A novel technique for selecting mother wavelet function using an intelligent fault diagnosis system. Expert Systems With Applications, 36(3), pp.4862–4875. Available at: http://dx.doi.org/10.1016/j.eswa.2008.05.052.
Rafiee, J. et al., 2011. Wavelet basis functions in biomedical signal processing. Expert Systems With
Applications, 38(5), pp.6190–6201. Available at:
http://dx.doi.org/10.1016/j.eswa.2010.11.050.
Rafiee, J. & Tse, P.W., 2009. Use of autocorrelation of wavelet coefficients for fault diagnosis.
Mechanical Systems and Signal Processing, 23, pp.1554–1572.
Rashmi, C.R., 2014. Review of Algorithms and Applications in Speech Recognition System.
International Journal of Computer Science and Information Technologies (IJCSIT), 5(4), pp.5258–5262.
