SKRIPSI ALMAN JULINIUS TARIGAN

Transkripsi

1 IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI SKRIPSI ALMAN JULINIUS TARIGAN PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

2 IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi ALMAN JULINIUS TARIGAN PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

3 ii PERSETUJUAN Judul Kategori Nama : IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI : SKRIPSI Nomor Induk Mahasiswa : Program Studi : ALMAN JULINIUS TARIGAN : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI Komisi Pembimbing : INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Maret 2014 Pembimbing 2 Pembimbing 1 Baihaqi, S.Si, MT Drs. Sawaluddin, M.IT NIP NIP Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, M. Anggia Muchtar, ST, M.MI NIP

4 iii 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 ALMAN JULINIUS TARIGAN

5 iv 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 masukanmasukan yang membangun. Semoga karya tulis ini dapat memberikan kontribusi bagi pendidikan di Indonesia. Tuhan Yesus memberkati.

6 v 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 recognition, Hidden Markov Model, Metode Multisensori.

7 vi 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 %. Keyword : disorder dyslexia, learning media information technology, speech recognition, Hidden Markov Models, Methods multisensory.

8 vii DAFTAR ISI Halaman Persetujuan Pernyataan Ucapan Terima Kasih Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar ii iii iv v vi vii x xi Bab 1 PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Penelitian Manfaat Penelitian Batasan Masalah Metodologi Penelitian Sistematika Penulisan 4 Bab 2 LANDASAN TEORI 2.1 Disleksia Bentuk kesulitan membaca anak-anak disleksia Ciri-ciri anak-anak penderita disleksia Metode Multisensori 8

9 viii 2.3 Speech Recognition Teknik-teknik dalam speech recognition Jenis-jenis dari speech recognition Tipe-tipe speech recogniton Hidden Markov Model Microsoft SAPI 15 Bab 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Data Data psikologi anak disleksia Analisis Sistem Proses analisis suara pada speech recognition Proses feature extraction pada suara Proses matcing technique Perancangan Sistem Diagram use case Penjelasan use case General architecture Perancangan Tampilan Antarmuka Rancangan tampilan halaman utama aplikasi Rancangan tampilan halaman menu mulai aplikasi Rancangan tampilan halaman utama pembelajaran 30 angka-angka Rancangan tampilan halaman pembelajaran angka dasar Rancangan tampilan halaman pembelajaran angka srupa Rancangan tampilan halaman utama pembelajaran huruf Rancangan tampilan halaman pembelajaran huruf dasar Rancangan tampilan halaman pembelajaran huruf serupa Rancangan tampilan halaman pembelajaran kata 35

10 ix Bab 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Sistem Spesifikasi perangkat keras dan perangkat 37 lunak yang digunakan Tampilan halaman utama aplikasi Tampilam halaman level tingkat kesulitan Tampilam halaman level satu Tampilam halaman level satu kategori angka dasar Tampilam halaman level satu kategori angka serupa Tampilam halaman level dua Tampilam halaman level dua kategori huruf dasar Tampilam halaman level dua kategori huruf serupa Tampilam halaman level tiga menebak kata Pengujian Sistem Tahap pengujian tebak angka Tahap pengujian tebak huruf Tahap pengujian tebak kata 45 Bab 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran 48 DATAR PUSTAKA 49 LAMPIRAN 52

11 x 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 Tabel 4.1 Tabel pengujian angka pada anak 46 Tabel 4.2 Tabel pengujian huruf pada anak 47 Tabel 4.3 Tabel pengujian Kata pada anak 47

12 xi 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 Gambar 3.6 Gambar general architecture 28 Gambar 3.7 Rancangan halaman utama 29 Gambar 3.8 Rancangan halaman mulai aplikasi 30 Gambar 3.9 Rancangan halaman utama tebak 31 Gambar 3.10 Rancangan halaman tebak angka dasar 31 Gambar 3.11 Rancangan halaman tebak angka serupa 32 Gambar 3.12 Rancangan halaman utama tebak huruf 33 Gambar 3.13 Rancangan halaman tebak huruf dasar 33 Gambar 3.14 Rancangan halaman tebak huruf serupa p 34 Gambar 3.15 Rancangan halaman tebak huruf serupa q 35 Gambar 3.16 Rancangan halaman tebak kata dadu 35 Gambar 3.17 Rancangan halaman tebak kata babu 36 Gambar 4.1 Tampilan halaman utama aplikasi 38 Gambar 4.2 Tampilan halaman berisi level 38 Gambar 4.3 Tampilan halaman berisi kategori angka dasar dan serupa 39 Gambar 4.4 Tampilan halaman berisi kategori angka dasar 39 Gambar 4.5 Tampilan halaman berisi kategori angka serupa 40 Gambar 4.6 Tampilan halaman level dua 40

13 xii Gambar 4.7 Tampilan halaman level dua huruf dasar 41 Gambar 4.8 Tampilan halaman level dua huruf serupa 41 Gambar 4.9 Tampilan halaman level tiga tebak kata wawa 42 Gambar 4.10 Tampilan halaman level tiga tebak kata mama 42 Gambar 4.11 Tampilan halaman output level satu jika berhasil 43 Gambar 4.12 Tampilan halaman output level satu jika gagal 44 Gambar 4.13 Tampilan halaman output level dua 45 Gambar 4.14 Tampilan kata rara sebelum nana 45 Gambar 4.15 Tampilan kata nana setelah rara 46 Gambar 4.16 Tampilan ouput level tiga kategori kata 46 Gambar 4.17 Tampilan persentase keberhasilan aplikasi 47