sinyal ucapan

8/9/2019 sinyal ucapan

1/8

Simposium Nasional I RAPI 2002

PENGENALAN VOKAL BAHASA INDONESIA DENGAN

JARINGAN SYARAF TIRUAN MELALUI TRANSFORMASI

FOURIER

Doni Sitanggang

Jurusan Teknik Elektro Undip

Jl. Prof. Sudharto, Tembalang

Semarang

Sumardi



Semarang

[email protected]

Achmad Hidayatno



Semarang

[email protected]

Abstrak

Pengenalan Vokal Bahasa Indonesia dengan jaringan Syaraf tiruan dapat dipahami dan

dimengerti melalui beberapa transformasi. Transformasi Fourier adalah salah satu alat (tool)

dalam pemrosesan atau analisa sinyal.Transformasi Fourier digunakan karena dapat memberikaninformasi-informasi yang disajikan dalam ranah frekuensi baik yang bersifat diskret maupun

kontinu.JST (Jaringan Syaraf Tiruan) banyak digunakan untuk aplikasi pengenalan pola (pattern

recognition). Kemampuan untuk pembelajaran dari data pelatihan dan generalisasi ke

situasi/kondisi yang baru adalah alasan mendasar mengapa JST banyak digunakan.Dalam aplikasi

pengenalan vokal bahasa Indonesia (a, i, u, e, o), rekaman suara manusia untuk satu macam vokal

(a saja, i saja dst) dalam bentuk file .wav yang kemudian dapat dibaca melalui program Matlab,

selanjutnya masuk ke transformasi Fourier sehingga didapatkan representasi frekuensi dari sinyal

tersebut dalam bentuk numeris. Data-data numeris tersebut dilatih dengan Jaringan Syaraf Tiruan

untuk dikenali. Metoda pembelajaran yang digunakan adalah LVQ (Learning Vector

Quantization). Dari hasil pembelajaran akan didapatkan bobot jaringan yang telah

berubah.Jaringan diuji dengan memberikan masukkan berupa data latihan dan data baru. Hasil

pengujian menunjukkan bahwa penegnalan jaringan terhadap data baru lebih rendah terhadapdata latihan. Untuk persentase pengenalan masing-masing vokal untuk masukkan data latihan,

tingkat pengenalan tertinggi didapatkan dari jaringan yang dihasilkan dari kombinasi 512 titik uji

dan 2000 epoch sebesar 95%. Sedangkan untuk data pengujian diperoleh 82,7% dengan titik uji

dan epoch yang sama dengan data latihan.

Kata Kunci : Transformasi Fourier, Jaringan Syaraf Tiruan, Algoritma LVQ, Epoch, titik uji

I. PENDAHULUAN

1.1 Latar Belakang

Suara manusia merupakan salah satu alat komunikasi yang sangat berguna. Dalamberkomunikasi hal yang terpenting adalah bagaimana seseorang dapat mengolah suara, agar dapat

didengar jelas oleh rekan bicaranya. Organ-organ tubuh yang mendukung proses besuara adalah

mulut, lidah, bibir, rahang dan tenggorokkan yang kesemuanya itu Saling berhubungan. Ada 2 jenis

bunyi suara yang kita kenal yaitu bunyi vokal maupun bunyi konsonan. Huruf-huruf yang termasuk

bunyi vokal ada 5 yaitu a, i, u, e, o, sedangkan untuk bunyi konsonan terdiri dari 21 huruf yaitu b,

c, d, f, g, h, j, k, l, m, n, p, q, r, s, t, v, w, x, y, z.

Pengenalan bunyi vokal dapat dianalisa lebih lanjut dan akhirnya dapat berupa aplikasi dari ciri

vokal tersebut Transformasi Fourier merupakan salah satu dari beberapa tranformasi yang dapat

digunakan dalam pengenalan bunyi vokal. Parameter-parameter yang dihasilkan tranformasi

Fourier kemudian dimasukkan kedalam JST (jaringan syaraf tiruan) dengan menggunakan metode

pembelajaran LVQ (Learning Vector Quatization). Metode pembelajaran ini dilakukan secara

berulang-ulang hingga dapat mengenali ciri-ciri vokal yang ada.

ISSN : 1412-9612 E - 27


2/8


1.2 Batasan Masalah

Dalam Tugas Akhir ini sistem pengenalan vokal yang dibuat memiliki batasan permasalahan

sebagai berikut:

1. Vokal diucapkan dalam bahasa Indonesia.

2. Transformasi yang dipakai adalah Transfor- masi Fourier.

3. Metode pelatihan JST adalah LVQ dengan iterasi sebanyak 500, 1000, 2000 kali dan 512,

1024, 2048 titik pengujian

II. TEORI DASAR

2.1 Vokal Bahasa Indonesia

Vokal adalah bunyi bahasa yang arus udaranya tidak mengalami rintangan dan kualitasnya

ditentukan oleh tiga faktor: tinggi-rendahnya posisi lidah, bagian lidah yang dinaikkan, dan bentuk

bibir pada pembentukan vokal tersebut. Saat vokal diucapkan, lidah dapat dinaikkan atau

diturunkan bersama rahang. Bagian lidah yang dinaikkan atau diturunkan itu dapat di bagian depan,

tengah, atau belakangnya. Dalam bahasa Indonesia terdapat lima vokal yaitu /a/ , /i/ , /u/ , /e/ , dan

/o/. Tabel 1 memperlihatkan kelima vokal bahasa Indonesia berdasarkan parameter tinggi-rendah

dan depan-belakang lidah.

Tabel 1 Vokal bahasa Indonesia

Depan Tengah Belakang

Tinggi i - uSedang e - oRendah - a -

Kualitas vokal juga dipengaruhi bentuk bibir. Untuk vokal tertentu, seperti /a/, bentuk bibir

adalah normal, sedangkan untuk vokal /u/ bibir dimajukan sedikit dan bentuknya agak bundar.

Untuk vokal /i/ bibir direntangkan ke kiri dan ke kanan sehingga bentuknya melebar. Dengan tiga

faktor itu bunyi vokal dapat berciri tinggi, depan, dan bibir terentang, misalnya bunyi /i/, atau

tinggi, belakang, dan bibir bundar, misalnya bunyi /u/.

2.2 Analisa frekuensi sinyal dengan transformasi Fourier

Bentuk gelombang sinyal pada dasarnya merupakan fungsi waktu dimana analisa yang

digunakan adalah analisa Fourier, yang dikembangkan menjadi deret Fourier. Bentuk-bentuk

sinyalnya pun bermacam-macam, ada yang berupa gelombang sinus atau kosinus maupun bentuk

gelombang yang lainnya. Setiap bentuk gelombang yang bukan berupa gelombang sinus atau

kosinus, yang berulang pada setiap selang waktu yang teratur (regular interval), dinamakan satu

gelombang periodik kompleks dengan periode T, dimana gelombang berulang setiap selang waktu

tersebut dinamakan waktu periodik untuk sinyal x(t) yang periodik dengan panjang periode T,

mempunyai beberapa sifat dibawah ini:

1. x(t) mempunyai penjumlahan gelombang sinusoida yang berulang.

2. Mempunyai frekuensi dasar fo = 1/ T3. = 2 / T = 2fo , adalah frekuensi harmonisa pertama disebut frekuensi dasar4. Penjumlahan sinyal sinusoda berulang dapat ditulis sebagai berikut :

=

+=12

)(k

aotx (akcos(nt) + bksin(nt))

5. Penjumlahan tersebut dinamakan deret Fourier dengan akdan bkadalah koefisien ferkuensi

yang merupakan amplitudo frekuensi

2.2.1 Transformasi Fourier Diskret

Hasil dari proses pengubahan ini adalah data yang berbentuk diskrit dan mungkin bukan

merupakan data yang periodik. Ada keterbatasan dalam menggunakan metode transformasi Fourier

karena pada prinsipnya metode transformasi Fourier hanya dapat digunakan pada data-data

ISSN : 1412-9612 E - 28


3/8


kontinu. Untuk mengatasi keterbatasan tertentu dapat digunakan analoginya pada data diskret yang

dikenal dengan nama Transformasi Fourier diskret (Discrete Fourier Transform).

Anggap gelombang telah dicuplik pada interval waktu yang tetap T, untuk menghasilkan

rangkaian {x(nT)} = x(0),x(T),..,x[(N-1)T] dari nilai sample N, dengan n adalah bilangan

sample dari n = 0 hingga n = N-1. Nilai data x(nT) hanya akan nyata jika merepresentasikan nilai

deret waktu seperti bentuk gelombang tegangan. Bentuk Transformasi Fourier diskret (Discrete

Fourier Transform) x(nT) kemudian didefinisikan sebagai rangkaian nilai kompleks {x(k)}x(0),x(),,x[(N-1) ] dalam domain ferkuensi, dengan adalah ferkuensi harmonik pertamayang diberikan oleh = 2 / NT, maka x(k) secara umum memiliki komponen nyata dankomponen imajiner, dan untuk harmonik ke k

X(k)= Re(t) + j im(k) (1)

Dan2/122 )}()({)( kimkrekx += (2)

dan x(k) memiliki sudut fasa yang bersesuaian

(k) = tg-1[im(k) / re(k)] (3)

2.2.2 Algoritma transformasi Fourier cepat (Fast Fourier Transform)

Untuk lebih memudahkan dalam perhitungan, transformasi Fourier diskret selanjutnya dapat

dikembangkan dengan cara mengefisienkan perulangan perhitungan juga sifat simetri dari faktor

fasa WN yang menjadi sifat transformasi Fourier diskret dengan tujuan mengurangi jumlah

perhitungan yang dibutuhkan dan selanjutnya akan mempercepat perhitungan.

Algoritma FFT( Fast Fourier Transform) yang banyak digunakan secara luas adalah

algoritma dengan bilangan dasar 2, artinya masukkan yang dibutuhkan sebanyak N = 2V. hal yang

pertama dilakukan dalam pengembangan algoritma FFT ( Fast Fourier Transform) dengan

bilangan dasar 2 ialah dengan menyederhanakan penulisan persamaan DFT (Discreat Fourier

Transform) dan juga membuat beberapa hubungan matematis, menjadi :

X1(k) = , k = 0,1,,N-1 (4)

=

1

0

/2N

n

Nnkj

nx

l

Dan juga faktor e-j2/N akan ditulis sebagai WN, maka :

WN = e-j2/N

(5)

Sehingga persamaan (5) menjadi :

X1(k) = , k = 0,1,,N-1 (6)

=

1

0

N

n

kn

NnWx

2.3 Jaringan Syaraf Tiruan

JST didefinisikan sebagai sistem komputasi yang didasarkan pada pemodelan saraf biologis

(neuron) melalui pendekatan dari sifat-sifat komputasi biologis (biological computation). JST bisa

dibayangkan berupa jaringan dengan elemen pemroses sederhana yang saling terhubung. Elemen

pemroses berinteraksi melalui sambungan yang variabel, disebut bobot, dan bila diatur secara tepat

dapat menghasilkan sifat yang diinginkan.

Model neuron sederhana ditunjukkan gambar berikut:

f() y

x1

x2

xN

w1

w2

wN...

Gambar 1 Pemodelan neuron

ISSN : 1412-9612 E - 29


4/8


dan pernyataan matematisnya

=

=

N

i

iixwfy1

dengan xi = sinyal masukan, i = 1, 2, 3, ..., N

(N = banyaknya simpul masukan)wi = bobot hubungan atau sinapsis

= thresholdatau biasf() = fungsi aktivasi

y = sinyal keluaran dari neuron

Ide dasar JST adalah konsep belajar. Jaringan belajar melakukan generalisasi karakteristik

tingkah laku obyek. Jika dilihat dari sudut pandang manusia, hal ini sama seperti bagaimana

manusia belajar sesuatu. Manusia mengenal obyek dengan mengatur otak untuk menggolongkan

atau melakukan generalisasi terhadap obyek tersebut.

Manusia menyimpan ilmu pengetahuannya ke dalam otak yang berisikan synapsis, neuron, dan

komponen lainnya. JST menyimpan ilmu pengetahuannya dalam nilai bobot sambungan (seperti

synapsis dalam otak manusia) dan elemen-elemen (neuron) yang menghasilkan keluaran

Untuk menyelesaikan permasalahan, JST memerlukan algoritma untuk belajar, yaitu

bagaimana konfigurasi JST dapat dilatih untuk mempelajari data historis yang ada. Dengan

pelatihan ini, pengetahuan yang terdapat pada data bisa diketahui dan direpresentasikan dalam

bobot sambungannya.

Jenis algoritma belajar yang ada diantaranya:

a. Supervised Learning

Algoritma ini diberikan target yang akan dicapai. Contoh: Backprogation Algorithm dan

Learning Vector Quantization (LVQ)

b. Unsupervised Learning

Pada algoritma ini sama sekali tidak disediakan target. Contoh: Carpenter-GrossbergAdaptive Resonance Theory (ART), dan Competitive Learning Algorithm

c. Reinforcement Learning

Bentuk khusus supervised learning, Contoh: Genetic Algorithm (GA).

Jaringan LVQ merupakan versi superviseddari Algoritma Pembelajaran Kompetitif. Arsitektur

jaringan LVQ ditunjukkan gambar berikut:

Gambar 2 Arsitektur jaringan LVQ

Jaringan LVQ terdiri atas dua lapis, lapis kompetitif dan lapis linear. Neuron-neuron pada lapis

kompetitif berkompetisi dan menghasilkan neuron pemenang (winning neuron).

ISSN : 1412-9612 E - 30


5/8


III. PERANCANGAN DAN IMPLEMENTASI SISTEM

Program pengenalan vokal dibuat dengan alur program berikut.

Selesai

Pengujian jaringan dengan

data latihan dan data baru

Pelatihan jaringan syaraf

dengan algoritma LVQ

Transformasi Fourier

Membaca data suara

berupa file .wav

Perekaman suara vokal /a/, /i/, /u/,

/e/, dan /o/ dari 20 responden

Mulai

Gambar 3 Bagan alir pembuatan program

Perekaman suara vokal mengambil 20 responden dan mengucapkan kelima vokal dalam bahasaIndonesia. Tiap vokal diambil 5 suara jadi satu responden memiliki 25 data suara rekaman. Data

dari 20 responden dibagi dua macam, data 10 responden digunakan untuk pelatihan jaringan dan

sisanya untuk pengujian jaringan. Spesifikasi file perekaman adalah format mono, frekuensi

cuplikan 8 KHz, dan dikodekan dalam 8 bit.

Hasil transformasi dimasukkan ke jaringan LVQ. Sistem pengenalan menggunakan skema

Pembagian Pasangan Biner (Binary Pair Partitioned scheme) yaitu satu jaringan digunakan untuk

mengklasifikasikan dua vokal yang berbeda. Jika ada 5 buah vokal a, i, u, e, dan o maka diperlukan

10 jaringan dengan kombinasi masukan ai, au, ae, ao, iu, ie, io, ue, uo, dan eo. Pelatihan jaringan

memerlukan iterasi (epoch) yang bisa dipilih yaitu 500, 1000, dan 2000. Sedangkan untuk titik uji

dapat dipilih yaitu 512, 1024 dan 2048 titik.

Hasil pelatihan jaringan diujikan dengan masukan sistem berupa data latihan dan data baru

(data selain data latihan). Hasil pengenalan dinyatakan dalam bentuk persentase keseluruhan dari10 jaringan.

IV. HASIL SIMULASI

Program dibuat dengan bahasa MATLAB versi 5.3. Tampilan latihan berguna untuk mencari

net yang terbaik dapat ditunjukkan pada gambar berikut:

ISSN : 1412-9612 E - 31


6/8


Gambar 4 Tampilan latihan untuk mencari net terbaik

Data latihan jika ditekan maka akan muncul tabel seperti yang diperlihatkan pada gambar berikut :

Gambar 5 Tampilan latihan untuk mencari net terbaik

Gambar 5 merupakan tampilan data latihan untuk 512 titik uji dan 500 epoch.

Setelah diperoleh net yang terbaik maka proses pengujian dapat berlangsung dengan

memasukkan data baru. Untuk data pengujian saat ditekan maka akan tabel seperti yang

diperlihatkan pada gambar berikut:

Gambar 6 Tampilan hasil data pengujian

Dari ke-3 gambar diatas (gambar 4, 5 dan 6 ) dihasilkan persentase pengenalan vokal untuk 20

responden, dimana untuk 10 responden digunakan sebagai data latihan dan 10 responden lagi

digunakan sebagai data baru (data pengujian).Dari gambar 5 diatas dapat dihitung rata-rata pengenalan vokal sebagai berikut :

ISSN : 1412-9612 E - 32


7/8


94,945

9389965,972,99=

++++= pengenalanrataRata

dengan cara yang sama dengan contoh perhitungan diatas maka dapat ditabelkan sebagai berikut:

Tabel 2 Rata-rata pengenalan data pelatihan untuk masing-masing titik dan epoch

500 1000 2000

512 94,94 91,5 95

1024 84 81,3 73.3

2048 79,4 87,1 80,2

Dari tabel diatas terlihat bahwa net atau jaringan yang terbaik berada pada titik uji 512 dan 2000

epoch, hal ini disebabkan karena semakin sedikit titik uji yang diproses maka semakin cepat

jaringan memahami data tersebut. Diimbangi juga dengan batas maksimum jumlah iterasi yang

dimiliki jaringan ini sebesar 2000 epoch, berarti proses yang dijalankan membutuhkan 2000 iterasi.

Dengan menggunakan net yang diperoleh dari jaringan diatas, maka pengujian data baru

dapat dilakukan dengan mangambil salah satu responden. Tampilan yang digunakan dalam menguji

data baru dapat diperlihatkan pada gambar berikut:

Gambar 7 Tampilan pengujian untuk data baru

Proses pengujian data baru dapat dilakukan dengan memasukkan 10 responden, dimana data

dimasukkan satu persatu kedalam jaringan diatas. Sehingga perbandingan persentase penegenalan

untuk masing-masing vokal baik menggunakan data lama dan data baru dapat diperlihatkan padatabel berikut:

Tabel 3 Perbandingan persentase pengenalan vokal

Persentase Pengenalan (%)Data lama (10 org) Data baru (10 org)

Vokal /a/ 98 92

Vokal /i/ 74 74

Vokal /u/ 80 38

Vokal /e/ 66 52

Vokal /o/ 20 20

Persentase pengenalan tiap vokal diatas terlihat tidak ada yang mencapai 100 %, bahkan jika dirata-

ratakan untuk data lama dapat mengenal tiap vokal sebesar 67,6 % sedangkan untuk data baru

ISSN : 1412-9612 E - 33


8/8


adalah 55,2 %. Beberapa faktor yang dapat mempengaruhi pengenalan vokal adalah sebagai

berikut:

a. Derau lingkungan sekitar

karena system yang dibuat berhubungan dengan sinyal suara, maka faktor sinyal derau yang

masuk akan sangat mempengaruhi keberhasilan pencocokkan.

b. Karakteristik sinyal

Akibat karakteristik sinyal suara manusia yang berbeda-beda. Hal ini akan mempengaruhi gaya

bicara dan durasi pengucapan. Sehingga disini dibutuhkan pola bicara yang teratur dan tidak

dibuat-buat.

c. Kehandalan perangkat lunak itu sendiri

Kehandalan perangkat lunak maksud penulis adalah jika ditinjau dari segi pemilihan titik uji,

jumlah iterasi bahkan data yang dipilih sebagai data latihan dalam mencari net yang terbaik

haruslah yang presisi karena dapat mempengaruhi dalam pengenalan vokal.

V. KESIMPULAN

Dari tahapan proses perancangan hingga pengujian system pengenalan dan analisa sinyal

ucapan manusia, maka dapat diambil beberapa kesimpulan sebagai berikut.1. Sinyal ucapan manusia dapat diwujudkan berupa parameter-parameter sinyal ucapan yang

dapat mewakili informasi spektral sinyal.

2. Transformasi Fourier merupakan salah satu jenis transformasi yang dapat digunakan dalam

proses pengenalan vokal, serta hasilnya sedikit lebih baik dibanding transformasi wavelet.

3. Rata-rata pengenalan vokal untuk masing titik dan epoch, terbaik pada titik 512 dan epoch

2000 dengan nilai pengenalan sebesar 95 % untuk data latihan dan 82,7 % untuk data

pengujian.

4. Persentase pengenalan masing-masing vokal adalah vokal /a/ dikenal sebagai /a/ yaitu 98 %

untuk data lama (data pelatihan) dan 92 % untuk data baru, vokal /i/ dikenal sebagai /i/ yaitu

74 % untuk data lama (data pelatihan) dan 74 % untuk data baru, vokal /u/ dikenal sebagai /u/

yaitu 80 % untuk data lama (data pelatihan) dan 38 % untuk data baru, vokal /e/ dikenal

sebagai /e/ yaitu 66 % untuk data lama (data pelatihan) dan 52 % untuk data baru, vokal /o/dikenal sebagai /o/ yaitu 20 % untuk data lama (data pelatihan) dan 20 % untuk data baru.

D A F T A R P U S T A K A

Bullinaria, John A. ,Introduction to Neural Network

http://www.cs.bham.ac.uk/~jxb/inn.htm

Duance, Hanselman,Mastering Matlab 5, Prentice Hall inc.Upper Saddle River, new jersey

Deller, Jhon D,Proakis,John G,dan Hansen,Jhon II.L.,1993, Discreate-Time Processing if Speech

Signals. New york,Macmillan publishing Company,

Kohonen, T, Self-Organization and Associative Memory, 2nd

Edition, Berlin Springer-Verlag,1987

Little N.J dan Shure L, Signals processing Toolbox, for use with MATLAB, the MATH WORKS

inc.Openheim, A.V and Schafer, R.W, 1999,Discreate signal processing second edition, Prentice Hall

inc.Upper Saddle River, New Jersey,

Roman, Kuc, 1989,Introduction to digital signal Processing , Mc Graw Hill, New York

Rabiner L dan Juang Hwang B, 1996, Fundamentals of speech recognation, PTR Prentice Hall,

Englewood Cliffs, New jersey

_________,1992, Tata Bahasa Baku.Bahasa Indonesia, Departemen Pendidikan dan Kebudayaan

Perum Balai Pustaka, Jakarta

ISSN : 1412-9612 E - 34
http://www.cs.bham.ac.uk/~jxb/inn.htmhttp://www.cs.bham.ac.uk/~jxb/inn.htm

sinyal ucapan

Documents