Thesis 1 Rewvisi1 (Autosaved)

download Thesis 1 Rewvisi1 (Autosaved)

of 48

  • date post

    14-Apr-2016
  • Category

    Documents

  • view

    19
  • download

    4

Embed Size (px)

description

Thesis

Transcript of Thesis 1 Rewvisi1 (Autosaved)

PERANCANGAN SISTEM KLASIFIKASI UNTUK MENGKLASIFIKASIKAN KEMAMPUAN BERBICARA ANAK TUNA RUNGUTesisuntuk memenuhi sebagian persyaratanmencapai derajat Sarjana S-2Program Studi S2 Teknik ElektroKonsentrasi Sistem Isyarat ElektronisJurusan Teknik Elektro dan Teknologi Informasi

JUDUL

diajukan olehHepiska Franatagola12/291342/PKT/34942

PROGRAM PASCASARJANAFAKULTAS TEKNIKUNIVERSITAS GADJAH MADAYOGYAKARTA2014DAFTAR ISIJUDULiDAFTAR ISIiiDAFTAR TABELiiiDAFTAR GAMBARiiiBAB I PENDAHULUAN11.1Latar Belakang11.2Rumusan Masalah21.3Keaslian Penelitian31.4Tujuan Penelitian41.5Manfaat Penelitian4BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI62.1 Tinjauan pustaka62.1.1 Ciri Pada Klasifikasi Tutur63.1.1Metode klasifikasi83.2Dasar Teori92.1.2 Pra pengolahanError! Bookmark not defined.2.1.3 Ekstraksi ciri102.1.4 Adactive neuro Fuzzy Inference System (ANFIS)15BAB III METODOLOGI PENELITIAN183.1 Alat dan bahan183.2 Jalannya penelitian.183.3 Pengolahan data193.4 Perancangan sistem klasifikasi203.4.1 Pra pengolahan213.4.2 Ekstaksi ciri233.4.3 Metode klasifikasi25

DAFTAR TABEL

Tabel 1.1 Perbandingan hasil penelitian terkait dengan penelitian yang akan dilakukan saat ini5

DAFTAR GAMBARGambar 2. 1 Diagram alir silence removingError! Bookmark not defined.Gambar 2.2 langkah-langkah MFCC11Gambar 2.3 Langkah langkah PLP-RASTA14Gambar 2.4 Arsitektur ANFIS dua aturan[18].16

6

27

PENDAHULUAN

1.1 Latar Belakang

Anak tuna rungu adalah anak yang mengalami penurunan fungsi dan kemampuan pendengaran baik sebagian maupun seluruhnya yang mengakibatkan tidak mampu memakai alat pendengaran dalam kehidupan sehari-hari[1]. Penurunan pendengaran pada anak penderita tuna rungu umumnya diiringi dengan penurunan kemampuan berbicara hal ini dikarenakan berkurangnya kemampuan untuk menyerap dan menerima kata-kata yang diucapkan orang-orang oleh lingkungan sekitarnya, serta kurangnya feedback dari apa yang ia sendiri ucapkan. Pengklasifikasian jenis ketuna runguan serta kemampuan mengerti bicara dan bahasa adalah sebagai berikut[2].a. 10 20 dB (normal), tidak ada hubungan dengan gangguan bahasa.b. 20 35 dB (mild hearing impairment), tidak ada hubungan dengan gangguan bahasa, Tapi mungkin perkembangan bahasa terlambat.c. 35 55 dB (mild to moderate hearing impairment), ada beberapa kesulitan artikulasi, perkembangan kata mungkin tak sempurna.d. 55 -70 dB (moderate hearing impairment), artikulasi dan suara tidak baik dan perbendaharaan kata mungkin tak sempurna. e. 70 -90 dB (severe hearing loss), artikulasi dan kualitas suara tidak baik. Kalimat dan aspek-aspek bahasa tidak sempurna.f. 90 dB atau lebih (severe to profound hearing impairment), ritme bicara, suara dan artikulasi tidak baik. Bicara, bahasa harus dikembangkan secara intensif dan seksama.g. 100 dB lebih (profound hearing impairment), sangat perlu bantuan tentang keberadaan pendengarannya, tapi tidak perlu bantuan pengembangan bicara melalui pendengaran.Kemampuan berbicara adalah kemampuan mengucapkan kalimat-kalimat untuk mengekspresikan, menyatakan, menyampaikan pikiran, gagasan, dan perasaan[3]. Faktor-faktor kebahasaaan yang menunjang kemampuan berbicara adalah ketepatan ucapan, Penempatan tekanan, nada, sendi, dan durasi yang sesuai, pemilihan kata,dan ketepatan sasaran pembicara[1]. Terapi wicara dilakukan pada anak tuna rungu dengan tujuan agar dapat meningkatkan kemampuan berbicara pada anak tuna rungu. Dalam rentang waktu tertentu dilakukan evaluasi terhadap perkembangan kemampuan berbicara anak. Evaluasi dilakukan oleh tenaga ahli dan penilaian dilakukan berdasarkan pendapat ahli itu sendiri tanpa ada standarisasi baku.Saat ini perkembangan teknologi pemrosesan sinyal suara (speech processing) berkembang cukup baik. Salah satu bagian dari speech processing adalah pengklasifikasian sinyal suara (speech classification ). Klassifikasi pembicara antara anak dan orang dewasa[4], klasifikasi emosi berdasarkan sinyal suara[5][6], pengklasifikasian bagian bersuara dan tidak[7][8] adalah beberapa contoh pengunaan speech classification. Pada penelitian ini dicoba menerapkan konsep speech classification pada pengkategorian kemampuan berbicara anak tuna rungu. Salah satu bagian penting dalam sistem klasifikasi adalah ekstraksi ciri dengan mengunakan ekstraksi ciri yang tepat dapat meningkatkan akurasi, dan efisiensi komputasi dalam sistem klasifikasi yang digunakan. Saat ini metode ekstraksi ciri yang paling banyak digunakan dalam speech processing adalah Mel Frequency Cepstrum Coefficient (MFCC) dan Perceptual Linier Predictive Relative spectra PLP- RASTA [6][9][10][11] oleh karena itu pada penelitian ini akan mengunakan dan membandingkan dua metode ektraksi ciri tersebut untuk menentukan mana yang lebih sesuai untuk klasifikasi kemampuan berbicara anak tunarungu.1.2 Rumusan Masalah

Dari uraian pada latar belakang rumusan masalah pada penelitin ini adalah:1. Bagaimana merancang pengkategorian kemampuan berbicara anak tuna rungu kedalam sebuah sistem klasifikasi?2. Bagaimana perbedaan kemampuan sistem klasifikasi yang dibuat dengan mengunakan dua metode ektraksi ciri yang berbeda (MFCC dan PLP-RASTA)?1.3 Keaslian Penelitian

Dari studi pustaka yang telah dilakukan belum ada penelitian yang melakukan klasifikasi kemampuan bicara pada anak tunarungu, sebagian besar klasifikasi suara dilakukan untuk mengklasifikasikan umur penutur, jenis kelamain penutur, pengurangan noise, membedakan musik dan tutur, mengklasifikasi emosi dan membedakan bagian yang bericara dan tidak dari suatu sinyal suara.Beberapa penelitian sebelumnya tentang speech classification yang dapat dijadikan acuan untuk sistem klasifikasi bicara anak tunarungu baik dari segi ekstraksi ciri dan metode yang digunakan seperti, [12], Saambhavi.V(2012) yang meneliti tentang implementasi sofware dan hardware ekstraksi ciri pada pengenalan suara pada penelitian ini lebih menekankan pada ekstraksi ciri Mel scale Frequency ceptral coeficient (MFCC) karena dianggap sebagai ciri yang paling sering digunakan[13], juraj kacur(2011) meneliti tentang identifikasi penutur dengan menggunakan k-nearest neighbors(KNN) mengunakan ciri MFCC dan juga mengunakan PCA dan LDA untuk mengurangi dimensi yang dicari pada penelitian ini adalah titik optimal antara akurasi dan ketahanan[14], jitendra ajmera(2003) mengsegmentasikan tutur dan musik berasarkan ciri entropi dan kedinamisan dengan mengunakan hiden markov model(HMM) pada penelitiannya jitendra memandingkan kemampuan klasifikasi degan ciri entropi saja, kedinamisan saja dan dengan gabungan keduanya[15], C. Jelaksmi (2011) yang mentranskirpkan bicara atau speech agar bisa dimengerti oleh orang tunarungu dengan mengunakan metode HMM dan ciri MFCC [16], won-ho shin(2000) membedakan antara bagian yang berisi tutur dan yang tidak untuk menentukan titik akhir dari suatu pembicaraan, Amane Taleb 2012 memcoba melakukan speech recognition dengan mengunakan metode ANFIS dan GA[17], A.M ELWAKDY mengunakan wavelet sebagai ekstraksi ciri dan ANFIS sebagai metode klasifiksi dan mengunakan subtractive clustering diantara ekstraksi ciri dan ANFIS[18], Dave, Namrata menjelaskan secara singkat tentang ekstraksi-ekstraksi ciri yang paling banyak digunakan termasuk PLP-RASTA[19], Marsal, Pp mencoba membandingkan metode ekstraksi ciri PLP-RASTA,filtering frekuensi dan MFCC[20].Pada penelitian ini akan membandingkan pengunaan ekstraksi ciri MFCC dan RASTA PLP untuk mengklasifikasi kemampuan berbicara anak tunarungu untuk mencari metode ekstraksi ciri yang lebih seusuai. Selain itu juga memilih kata-kata yang tepat untuk mengklasifikasi metode klasifikasi pada penelitian ini akan mengunakan metode anfis,Tabel 1.1 adalah mengenai penelitian-penelitian yang terkait.

1.4 Tujuan PenelitianTujuan penelitian ini adalah sebagi berikut.1. Melakukan klasifikasi kemampuan bicara anak tunarungu.2. Memilih kata yang tepat untuk digunakan sebagai input klasifikasi.3. Membandingkan metode ektraksi ciri MFCC dan PLP-RASTA pada sistem klasifikasi untuk menentukan metode ektraksi ciri mana yang lebih sesuai.1.5 Manfaat PenelitianHasil penelitian ini diharapkan bermanfaat dalam bidang keilmuan mengenai klasifikasi dan pengenalan pola terutama untuk klasifikasi suara, dengan mencoba menerapkan ekstraksi ciri MFCC dan PLP-RASTA serta metode klasifikasi anfis untuk mengelompokan kemampuan berbicara anak tunarungu.

Tabel 1.1 Perbandingan hasil penelitian terkait dengan penelitian yang akan dilakukan saat ini

TahunNamaMetode, ciriAplikasiHasil

2000W.ShinCARTMendeteksi titik akhirPerbandingan kecepatan deteksi titik akhir

2003J.AjmeraHMMMembedakan musik dan tutur.Membandingkan hasil klasifikasi dari berbagai macam metode dan berbagai macam ciri.

2011J.KacurKNN, MFCCIdentifikasi penuturMenemukan keseimbangan antara akurasi dan ketahanan

2011C. JelaksmiHMM/MFCCMentranskripkan tutur agar dapat dimengerti oleh tunarunguAlat bantu dengar

2012V. sambhavi-Desain sirkuit ekstraksi ciriPerangkat keras

1991Hermansky, H.PLP-RASTAMenganalisis pengunaan PLP-RASTA pada speech processingPerbandingan PLP-RASTA dengan metode spectral konfesional.

2008F.ElwakdyANFISMencoba wavelet dan ANFIS untuk membedakan kata satu,tiga,dan enam dalam bahasa ingrisMenunjukan kelebihan ANFIS dalam speech processing.

2012T.AmaneMFCC, ANFISMengunakan MFCC dan ANFIS dan GA pada data TIMITRecognition rate dari sistem yang dibuat

2013-2014F.HepiskaMFCC, PLP-RASTA, ANFISKlasifikasi tingkatan berbicara anak tunarunguRancangan software klasifikasi.

TINJAUAN PUSTAKA DAN LANDASAN TEORITinjauan pustaka

Pada bagian ini akan dibahas hasil tinjauan pustaka dari penelitian-penelitan sebelumnya yang berkaitan dengan klasifikasi tutur baik dari ciri yang digunakan untuk klasifikasi maupun metode klasifikasi yang digunakan.Ciri pada Klasifikasi Tu