DAN METODE MULTISENSORI
SKRIPSI
ALMAN JULINIUS TARIGAN 091402112
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MULTISENSORI
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
ALMAN JULINIUS TARIGAN 091402112
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI
Kategori : SKRIPSI
Nama : ALMAN JULINIUS TARIGAN Nomor Induk Mahasiswa : 091402112
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA NIP. 19790108 201212 1 002 NIP. 19591231 199802 1 001
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
PERNYATAAN
IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE
MULTISENSORI
SKRIPSI
Saya mengaku bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Maret 2014
UCAPAN TERIMAKASIH
Segala puji syukur kepada Tuhan Yesus Kristus, karena berkat dan kasih karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini. Rasa syukur yang sangat dalam kepada Tuhan Yesus karena bimbingan dan penyertaanNya selalu kepada saya mulai dari awal hingga penyelesaian tugas akhir ini.
Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari Pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada :
1. Pihak keluarga penulis, mulai dari kedua orang tua penulis, Ibu, Tionar Damanik, dan Ayah, Malem Jenda Tarigan, abang Hansen H Tarigan, adik, Darwin Diego Tarigan, Sandro Feysal Tarigan, Donna Widya Tarigan mendoakan dan mengingatkan, serta memberi bantuan berupa moril dan materi, sehingga penulis dapat menyelesaikan tugas akhir ini. Terlebih kepada kekasih tersayang Irester Irmarettha Sihombing yang selalu mendukung baik dalam doa, perhatian, dan semangat kepada penulis selama penyelesaian tugas akhir ini.
2. Bapak Drs. Sawaluddin M.IT, Bapak Baihaqi S.Si, MT, selaku dosen pembimbing penulis yang telah memberikan saran, masukan, serta bersedia meluangkan waktu, tenaga, dan pikiran membantu penulis menyelesaikan skripsi ini.
3. Dosen penasihat akademik. 4. Dosen Penguji.
5. Seluruh dosen.
6. Teman-teman, senior dan junior kristen jurusan Teknologi Informasi. 7. Semua teman-teman dari jurusan Teknologi Informasi.
Akhir kata, penulis memohon maaf bila dalam penulisan karya tulis ilmiah ini terdapat beberapa kesalahan, oleh karena itu penulis sangat mengharapkan adanya masukan-masukan yang membangun.
Perancangan Simulasi Lampu Lalu Lintas Berdasarkan Volume Kendaraan dan Lebar Jalan dengan Menggunakan Logika Fuzzy
ABSTRAK
Saat ini, kita tidak lagi asing mendengar gangguan disleksia. Gangguan ini banyak diderita oleh anak-anak. Meskipun mereka memiliki IQ diatas rata-rata anak-anak normal, penderita disleksia memiliki kesulitan dalam mengenal huruf dan angka. Media pembelajaran yang dilakukan sekarang ini masih selalu dilakukan secara manual hanya dengan alat media tulis ataupun media cetak. Akanlah sangat membantu apabila media pembelajaran dilakukan dengan media teknologi informasi. Penelitian ini memanfaatkan speech recognition dengan menggunakan metode hidden markov model untuk speech recognition nya dan metode multisensori untuk media pembelajarannya. Dalam penelitian ini pembelajaran dibagi menjadi tiga level yaitu level satu belajar mengenal angka, level dua belajar mengenal huruf, dan level tiga belajar mengenal kata. Masing-masing level menggunakan kata-kata yang sulit dipahami anak-anak penderita gangguan disleksia pada umumnya. Bahasa pemrograman yang digunakan adalah Visual C# dengan XNA Game Studio. Dari proses pengujian, level satu dan level tiga keefisienannya sudah 80%, sedangkan untuk level dua masih 60%.
Kata Kunci : gangguan disleksia, media pembelajaran teknologi informasi, speech
IMPLEMENTATION OF SPEECH RECOGNITION IN LEARNING APPLICATION AIMED AT HELPING DYSLEXIA CHILDREN USING
HIDDEN MARKOV MODELS AND METHODS OF MULTISENSORY
ABSTRACT
Nowdays, we are so familiar to hearing dyslexia disorders. This disorder affects many children. Although they have an IQ above average of normal children, people with dyslexia have difficulty in recognizing letters and numbers. Instructional media in general still always done manually only by means of writing or print media. It would be very helpful if done with the instructional media information technology. This study utilized speech recognition using Hidden Markov Models for its speech recognition and multisensory method for learning media. In this research study is divided into three levels, level one learn about numbers, level two learn to recognize letters, and level three is learning words. Each level uses words that are difficult to understand for children with dyslexia disorders in general. This research study uses Visual C# programming language with XNA Game Studio. From the testing process , the level one and level three are able to classified into 80%, while for the levels two is still 60 %.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Ucapan Terima Kasih iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel x
Daftar Gambar xi
Bab 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 2
1.3 Tujuan Penelitian 2
1.4 Manfaat Penelitian 2
1.5 Batasan Masalah 2
1.6 Metodologi Penelitian 3
1.7 Sistematika Penulisan 4
2.3 Speech Recognition 9 2.3.1 Teknik-teknik dalam speech recognition 9 2.3.2 Jenis-jenis dari speech recognition 11 2.3.3 Tipe-tipe speech recogniton 12
2.4 Hidden Markov Model 13
2.5 Microsoft SAPI 15
Bab 3 ANALISIS DAN PERANCANGAN
3.1 Analisis Data 17
3.1.1 Data psikologi anak disleksia 17
3.2 Analisis Sistem 20
3.2.1 Proses analisis suara pada speech recognition 23 3.2.2 Proses feature extraction pada suara 24 3.2.3 Proses matcing technique 25
3.3 Perancangan Sistem 26
3.3.1 Diagram use case 26
3.3.2 Penjelasan use case 27 3.3.3 General architecture 28 3.4 Perancangan Tampilan Antarmuka 29 3.4.1 Rancangan tampilan halaman utama aplikasi 29 3.4.2 Rancangan tampilan halaman menu mulai aplikasi 30 3.4.3 Rancangan tampilan halaman utama pembelajaran 30
angka-angka
Bab 4 IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi Sistem 37
4.1.1 Spesifikasi perangkat keras dan perangkat 37 lunak yang digunakan
4.1.2 Tampilan halaman utama aplikasi 38 4.1.3 Tampilam halaman level tingkat kesulitan 38 4.1.4 Tampilam halaman level satu 39 4.1.5 Tampilam halaman level satu kategori angka dasar 39 4.1.6 Tampilam halaman level satu kategori angka serupa 40 4.1.7 Tampilam halaman level dua 40 4.1.8 Tampilam halaman level dua kategori huruf dasar 41 4.1.9 Tampilam halaman level dua kategori huruf serupa 41 4.1.10 Tampilam halaman level tiga menebak kata 42
4.2 Pengujian Sistem 43
4.2.1 Tahap pengujian tebak angka 43 4.2.2 Tahap pengujian tebak huruf 44 4.2.3 Tahap pengujian tebak kata 45 Bab 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan 48
5.2 Saran 48
DATAR PUSTAKA 49
DAFTAR TABEL
Halaman
Tabel 3.1 Data angka dasar berupa teks 17 Tabel 3.2 Data angka serupa berupa teks 18 Tabel 3.3 Data huruf dasar dalam teks 19 Tabel 3.4 Data huruf serupa dalam teks 19
Tabel 3.5 Data kata serupa 20
Tabel 3.6 Penjelasan use case 27
DAFTAR GAMBAR
Halaman
Gambar 2.1 Arsitektur dari hidden markov model 15 Gambar 3.1 Flowchart proses sistem 22 Gambar 3.2 Flowchart proses analisis suara 23 Gambar 3.3 Flowchart proses ekstraksi suara 24 Gambar 3.4 Flowchart proses matcing technique 25
Gambar 3.5 Diagram use case 26
