Peningkatan Kualitas Suara (Speech Intelligibity) Pada Cochlear Implant Dengan Menggunakan Time-Frequency Block Thresholding

Transkripsi

1 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Peningkatan Kualitas Suara (Speech Intelligibity) Pada Cochlear Implant Dengan Menggunakan Time-Frequency Block Thresholding Nurjannati Kallista Putri 1),Wiiratno Argo Asmoro 2), Dhany Arifianto 3) Department of Engineering Physics, Faculty of Industrial Technology ITS Surabaya Indonesia 60111, Putri.instrument@gmail.com 1), Wiratno@its.ac.id 2) dhany@ep.its.ac.id 3) Abstrak Salah satu masalah yang menjadi tema penelitian CI adalah mengatasi noise yang terjadi pada saat pemrosesan sinyal. Pada saat pengguna cochlear implant mendengar suara dari lawan bicara (target), terdapat bunyi lain yang ikut masuk (masker) dan diproses sehingga menyebabkan penumpukan suara. Dengan menggunakan signal enhancement, maka speech intelligibility (kejelasan percakapan) dapat diperbaiki. Perbaikan speech intelligibility dilakukan dengan cara mengujikan hasil stimuli suara yang sudah disimulasikan seperti pada cochlear implant. Kemudian hasil stimuli di bandingkan dengan pengujian kedua dengan cara yang sama, hanya saja suara stimuli telah diolah menggunakan signal enhancement yaitu alogaritma MMSE, SSBoll dan Time Frekuency Blocktresholding. Dan untuk membuktikan adanya kenaikan speech inteligibility antara suara sebelum dan setelah enhancement maka dilakukan perhitungan MSE, SNE dan PESQ. Dari ketiga metode signal enhancement alogaritma yang menghasilkan % correct word terbaik ialah Time frequency Blocktresholding. Dengan nilai SNR, MSE, dan PESQ paling baik, masing-masing sebesar 1,0431, 19 dan 3,4. Kata kunci Cochler Implant, Signal Enhancement, Speech Intelligibility, Stimuli, Time Frequency Blocktresholding I. PENDAHULUAN salah satu masalah yang menjadi tema penelitian CI adalah mengatasi noise yang terjadi pada saat pemrosesan sinyal. Pada saat pengguna cochlear implant mendengar suara dari lawan bicara (target), terdapat bunyi lain yang ikut masuk (masker) dan diproses sehingga menyebabkan penumpukan suara. Dengan menggunakan signal enhancement, maka speech intelligibility (kejelasan percakapan) dapat diperbaiki [6].Pada penelitian sebelumnya, terdapat 3 algoritma yang diaplikasikan dalam penentuan metode signal enhancement terbaik, yaitu Minimal Mean Squared Error Spectral Estimation (MMSE), MMSE Short Time Spectral Amplitude (STSA) dan Spectral Subtraction (SS) untuk percakapan laki-laki dalam bahasa Indonesia. Diantara ketiganya, Spectral Subtraction (SS) merupakan metode terbaik dengan nilai kriteria PESQ 3.68, SNR 10.4, SegSNR 9.8 dan nilai MSE 3.8x10-3. Dalam penelitian ini menggunakan percakapan suara laki-laki dan perempuan untuk mengetahui pengaruh perbedaan speech intelligibility antara suara laki-laki dan suara perempuan. Sehingga dapat meningkatkan speech intelligibility. Bagi pengguna cochlear implant hanya perlu memperbarui perangkat lunak pada DSP unit saja tanpa membeli cochlear implant yang baru. II. URAIAN PENELITIAN A. Vocoder Stimuli kepada responden merupakan suara yang sudah disimulaikan seperti suara yang keluar dari cochear implant. Karena responden adalah orang normal dengan pendengarannnya baik.suara diolah menggunakan matlab R2011a kemuadian di downsampling menjadi 16kHz. Sebagian suara di jadikan menjadi target (suara utama dan masker (suara pendamping/ noise). Proses selanjutnya ialah suara divocoder seperti pada cochlear implant, sehingga target dan masker memiliki keadaan elektroda 2,6,8,10,12,20 channel dan memiliki SNR 0dB dan 5 db. B. Pembuatan Stimuli Proses selanjutnya setelah divocoder ialah target dan masker dikombinasi seperti pada tabel 3.1. Suara target berupa suara laki-laki sedangkan masker suara berupa suara laki-laki dan suara perempuan. Stimuli dikelompokkan berdasarkan channel dan dikelompokkan per-sepuluh. Selanjutnya stimuli akan diujikan kepada responden dengan menggunakan headphone Sennheiser HD650, dimana stimuli diputar dengan laptop yang terhubung dengan E-MU C. Pengujian 1 Hasil kombinasi channel yang ada selanjutnya akan diujikan kepada responden. Dimana responden melakukan pengujian dua kali yaitu mendengarkan suara masker dan target sama-sama suara laki-laki dan pencampuran target suara laki-laki dan masker suara perempuan, dengan tujuan pengaruh peningkatan intelligibility antara target dan masker dengan perbedaan gender dan ber-gender sama. Lalu stimuli dengan menggunakan dua telinga (diotically headphones) dan hanya satu telinga (diotically headphones). Hal ini bertujuan untuk menentukan penggunaan headphone yang tepat antara monoaurally dan diotically. Masing-masing pengelompokkan stimuli memiliki SNR 0dB dan 5 db. Hal ini bertujuan untuk mengetahui perbedaan intelligibility energy level target lebih tinggi (SNR 5 db) dibanding energy level sama (0 db). Responden yang digunakan merupakan mahasiswa teknik fisika dengan usia antara tahun. Setiap rasio menggunkana 10 reponden berbeda, disetiap kombinasi channel. Sebanyak 80 orang berpendengaran baik diigunakan untuk pengujian ini. Ini sesuai dengan referensi (Hilkhuysen, Gaubitch,etc 2010) agar responden masih memiliki pendengaran yang baik. Sama halnya pada saat pembuatan

2 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) database, sesuai referensi (Hilkhuysen, Gaubitch,etc 2010) responden juga dibayar atas partisipasinya dalam hitungan waktu yang mereka butuhkan.dari hasil pengujian ini selanjutnya akan dihitung % correct word-nya. Dengan cara seperti dibawah ini: D. Penentuan Metode Signal Enhacement Menentukan metode signal enhancement dengan melakukan pemrosesan pada semua stimuli dengan berbagai kombinasi channel dengan menggunakan algoritma Minimal Mean Squared Error Spectral Estimation (MMSE), Ssboll dan Time Frequency Block tresholding. Kemudian hasilnya diujikan kepada responden untuk mengetahui metode yang tepat. E. Pengujian II Dari hasil pemrosesan signal enhacement maka kemudian diujikan seperti pada pengujian 1.Stimuli diperdengarkan kepada responden menggunakan metode yang berbeda-beda lalu dihitung % corect wordnya, yang bertujuan mendapatkan metode enhacement terbaik. Dari data ini dapat diketahui hasil secara subyektif, sedangkan untuk perhitungan error-nya dilakukan pada tahapan selanjutnya. Tabel 3.1 Perbandingan target dan masker Target Masker yang digunakan adalah sinyal suara yang sudah di-vocoder dengan sinyal suara hasil enhancement. III. METODE Untuk meningkatkan sinyal suara menggunakan metode time frekuensi Blocktresholding pada cochlear implant telah dilakukan langkah-langkah sebagai berikut: A. Penentuan Penggunaan Headphone Pada pengujian ini dilakukan perhitungan %correct word, dengan cara hearing test dimana responden mendengarkan stimuli berupa kalimat yang dikondisikan sama dengan suara yang dihasilkan cochlear implant. Hearing test (objective test) didengarkan menggunakan satu telinga (monoaurally ) dan dua telinga (diotically headphones), sehingga didapatkan perbandingan nilai % correct wordnya. Perbandingan rasio channel yang digunakan untuk stimuli mulai dari 6-2 sampai 20-20, dengan suara target berupa suara laki-laki sedangkan suara masker berupa suara laki-laki dan perempuan. Dari grafik-grafik yang dihasilkan juga dapat bandingkan nilai % Correct Word pada saat masker berbeda gender ( suara lakilaki atau perempuan), berbeda SNR (0 db dan 5 db) dan pengaruh perbedaan pemakaian headphone. Gambar 4.1 dan gambar 4.2 menunjukkan perbandingan % correct word antara monoaurally (satu telinga) yang ditunjukkan pada diagram warna kuning dengan diotically headphones (dua telinga) berwarna hijau. Dimana suara utama menggunakan suara perempuan dan maskernya suara laki-laki sedangkan gambar 4.2 menggunakan masker suara laki-laki dengan SNR 0dB. Hasil % correct word pada dioticalli lebih tinggi dari pada monoaurally. Dan nilai % corret word tertinggi didapat oleh rasio channel 12-6 dengan nilai 97% dan yang terendah 6-2 ialah 67,56% (monoaurally). Untuk gambar 4.2 hasil tertinggi pada rasio channel 12-8 dengan nilai 98,26% dan yang terendah 6-2 dengan nilai 44,69% (monoaurally). Terlihat bahwa rasio nilai antara masker suara laki-laki lebih rendah dari pada masker suara perempuan. F. Perhitungan Langkah terakhir yang dilakukan adalah membandingkan sinyal asli dengan hasil olahan menggunakan algoritma PESQ, SNR, SegSNR dan MSE. Hasil perhitungan ini juga digunakan untuk menentukan kualitas hasil pemrosesan stimuli selain dengan pengujian langsung kepada responden. Dari hasil perhitungan dan pengujian tersebut akan diketahui metode terbaik dalam meningkatkan kualitas sinyal suara pada cochlear implant. Pada ketiga perhitungan tersebut, Gambar 4.1 Hasil hearing test dengan target suara laki-laki dan masker suara perempuan serta SNR 0dB

3 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Dari keempat tabel diatas menunjukkan bahwa penggunaan masker suara perempuan akan lebih jelas terdengar pada proses stimuli dari pada menggunakan masker suara lakilaki.hal itu disebabkan pitch suara laki-laki cenderung menggema dari pada pitch suara perempuan yang melengking, sehingga pada hasil stimuli suara masker perempuan akan terdengar lenih jelas.dan penggunaan SNR 0 db dan 5 db pada stimuli menunjukkan bahwa, nilai % correct word saat SNR 5 db lebih tinggi dari pada SNR 0 db. Gambar 4.2 Hasil hearing test dengan target suara laki-laki dan masker suara laki-laki serta SNR 0dB Pada gambar 4.3 dan gambar 4.4 menunjukkan perbandingan % correct word antara hasil hearing test yang menggunakan perbedaan suara masker suara laki-laki dan perempuan dengan SNR 5 db. Terlihat bahwa % correct word lebih tinggi nilainya dari pada yang menggunakan SNR 0 db. Pada gambar 4.3 nilai tertinggi pada saat diotically adalah rasio channel 20-2 dengan nilai 98,94% dan rasio channel terendah adalah 6-2 dengan nilai 72,51%. Pada gambar 4.4 nilai tertinggi pada saat diotically adalah rasio channel dengan nilai 98,92% dan rasio channel terendah adalah 6-2 dengan nilai 42,81 %(monoaurally). Gambar 4.3 Hasil hearing test dengan target suara laki-laki dan masker suara perempuan serta SNR 5dB B. Penentuan Metode Signal Enhacement Dari pengujian pertama berupa stimuli suara yang sudah disimulasikan seperti suara yang dihasilkan Cochlear Implant. Selanjutnya stimuli suara di enhancen menggunakan tiga alogaritma berbeda yaitu Minimal Mean Squared Error Spectral Estimation (MMSE),Spectral Subtraction (SS) dan Time Frequency Blocktresholding. Kemudian dilakukan pengujian kembali seperti pengujian pertama. Pengujian stimuli tiap metode enhancemen sebanyak 10 responden pada masing-masing metode dengan orang yang berbeda dari pengujian pertama dan berbeda disetiap metode. Pada gambar 4.5 menunjukkan perbandingan nilai % correct word pada setiap alogaritma signal enhancement yang menggunakan suara target laki-laki dan masker perempuan pada SNR 0 db. Dari gambar tersebut warna biru menunjukkan alogaritma MMSE. Untuk warna merah menunjukkan alogaritma SSBoll dan warna hijau menunjukkan alogaritma Time Frequency blocktreshlding. Rasio Channel 8-2 menghasilkan nilai % correct word paling rendah pada alogaritma MMSE dan SSBoll, sedangkan untuk alogaritma Time Frequency Blocktresholding nilai terendah pada channel 6-2. Untuk nilai tertinggi yang menggunakan alogaritma SSBoll dan Time Frequency Blocktresholding terdapat pada rasio channel yang sama yaitu sedangkan alogaritma MMSE pada rasio channel Pada gambar 4.6 menggunakan suara target laki-laki dan masker perempuan pada SNR 5 db. Pada alogaritma MMSE dan Time Frequency Blocktresholding rasio cahnnel 6-2 menghasilkan nilai % correct word paling rendah. Untuk nilai paling rendah alogaritma SSBoll pada rasio channel 8-2. Untuk % correct word paling tinggi pada alogaritma MMSE, SSBoll dan Time Frequency Blocktresholding masing-masing pada rasio channel 12-12, 20-2 dan Gambar 4.4 Hasil hearing test dengan target suara laki-laki dan masker suara laki-laki serta SNR 5 db

4 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Dari keempat grafik tersebut nilai % correct word pada 3 alogaritma MMSE, SSBoll dan Time Frequency Blocktresholding tidak berbeda jauh, perbedaan terlihat jelas pada saat masker dan target menggunakan suara laki-laki dengan SNR 0 db. Sedangkan untuk ketiga grafik lainnya nilai % correct wordnya tidak memeiliki selisih yang besar. Sedangkan pada alogaritma Time Frequency Blocktresholding dari masing percampuran masker dan target serta dari setiap alogaritma memiliki % correct word paling tinggi diatar alogaritma SSBoll dan MMSE. Pada gambar 4.8 menunjukkan nilai % correct word yang menggunakan suara target laki-laki dan masker laki-laki pada SNR 0 db. Rasio channel pada paling rendah pada alogaritma MMSE, SSBoll dan Time Frequency Blocktresholding adalah 8-6,6-6 dan 6-2. Sedangkan rasio channel tertinggi masing-masing alogaritma adalah 20-6, dan Pada gambar 4.9 dengan suara target dan masker sama serta SNR 5 db, untuk alogaritma MMSE dan Time Frequency Blocktresholding rasio channel terendahnya adalah 6-2. Dan untuk alogaritma SSBoll rasio channel terendah adalah 8-2. Lalu rasio channel tertinggi pada alogaritma MMSE, SSBoll dan Time Frequency Blocktresholding masing-masing adalah 12-6, 12-8 dan

5 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) C. Perhitungan Setelah dilakukan pengujian 1 dan 2 yaitu mendengarkan stimuli sebelum enhancement dan setelah enhancement, selanjutnya dilakukan perhitungan untuk mengetahui kualitas suara dari masing-masing alogaritma signal enhancement yaitu MMSE, SSBoll dan Time Frequency BlockTresholding. Dalam proses perhitungan ini kemudian akan didapatkan nilai SNR, MSE dan PESQ. Perhitungan tersebut dilakukan dengan melakukan perbandingan signal suara asli yaitu hasil vocode dengan sinyal suara hasil enhancement. Hasil perhitungan ditunjukkan dalam tabel 4.1 Hasil perhitungan SNR yang paling tinggi nilainya pada alogaritma Time Frequency blocktresholding sedangkan untuk hasil perhitungan MSE paling rendah adalah pada alogaritma Time Frequency.Jadi pada alogarima Time Frequency Blocktresholding nilai errornya paling kecil terjadi antara signal suara sebelum dan setelah enhancement. Dan untuk nilai PESQ 4,2. D. Pembahasan Pada gambar 4.1 sampai 4.4 menunjukkan perbandingan nilai % correct word pada hasil stimuli sebelum enhancement (pengujian 1), dimana nilai terendah sebesar 29,08% pada rasio channel 6-6 yang menggunakan suara laki-laki sebagai target dan masker dangan SNR 0 db (monoaurally). Kemudian untuk nilai nilai % correct word tertinggi sebesar 98,23%. Dari grafik tersebut menunjukkan pula pemakaian headphone dua telinga (Diotically) menghasilkan rata-rata nilai lebih tinggi dari pada penggunaan headphone satu telinga atau monoaurally. Maka speech intelligibility pada dua telinga akan lebih baik dari pada satu telinga. Untuk proses selanjutnya pada gambar 4.5 sampai 4.8 menunjukkan perbandingan nilai % correct word pada hasil stimuli setelah enhancement (pengujian 2). Yaitu stimuli dari hasil vocoder yang diolah kembali menggunakan tiga alogaritma MMSE, SSBoll dan Time Frequency BlockTresholding. Dari grafik tersebut nilai % correct Word pada alogaritma Time Frequency BlockTresholding menghasilkan nilai % Correct word paling tinggi diantara alogarima lainya, sebesar 93,28% yang menggunakan suara laki-laki sebagai target dan perempuan sebagai masker dengan SNR 5 db. Jadi nilai tersebut menunjukkan bahwa tingkat kejelasan suara yang didengar responden menggunakan alogaritma Time Frequency BlockTresholding lebih besar dari pada alogaritma MMSE dan SSBoll. Tetapi pada saat dibandingkan antara nilai % correct worde sebelum enhancement lebih tinggi dari pada sesudah enhancement. Jika saat sebelum enhancement nilainya mencapai 98,23% sedangkan pada saat setelah enhancement nilai % correct word yang dihasilkan dari alogaritma Time Frequency BlockTresholding hanya sebesar 93,28%. Tabel 4.1 Hasil Perhitungan MSE Target - masker MMSE SSBo ll Blocktrsholdin g an 0dB an 5dB 0dB 5dB 0,0081 0,0073 0,0144 0,0142 Tabel 4.2 Hasil perhitunga SNR Target - masker an 0dB an 5dB 0dB 5dB MM SE Tabel 4.1 Hasil Perhitungan PESQ Target - masker an 0dB an 5dB Lakilaki_Lakilaki 0dB Lakilaki_Lakilaki 5dB SSBo ll Blocktrsholdin g 9,07 11,23 13,74 8,84 11,37 14,31 8,91 12,01 12,72 8,55 11,95 13,46 MMS E SSBoll Blocktrsh olding 2, ,1256 3,2815 2, , , ,4647 3,5722 3,6674 4,2833 3,7562 4,2416

6 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Untuk membuktikan adanya kenaikan speech intelligibility pada hasil stimuli,maka dilakukan proses perhitungan SNR,MSE dan PESQ. Pada tabel 4.1 samai 4.3 menunjukkan nilai SNR paling bear ialah 14,31 pada alogaritma Time Frequency Blocktresholding sedangkan alogaritma MMSE dan SSBoll pada saat menggunakan target dan masker sama hanya menghasilkan nilai SNR sebesar 8,84 dan11,27. Semakin besar nilai SNR (Signal Noise rasio) menunjukkan bahwa signal hasil enhancement semakin mendekati signal sebelum enhancemant. Jadi suara yang stimuli semakin jelas terdengar. Sedangkan pada perhitungan MSE yang ditunjukkan pada tabel 4.2 Alogaritma yang memiliki nilai paling kecil adalah Time Frequency Blocktresholding sebesar 1. Untuk alogaritma MMSE dan SSBoll pada target masker yang sama menghasilkan nilai MSE sebesar 0,014 dan 8. Secara teori semakin mendekati nilai 0 maka error pada signal suara asli terhadap signal suara hasil enhancement semakin kecil. Untuk hasil PESQ 4,2. pada Cochlear Implant menggunakan time frequency blocktresholsing ini. Selama menyelesaikan tugas akhir ini penulis telah banyak mendapatkan bantuan dari berbagai pihak. Oleh karena itu pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Keluarga tercinta, Bapak, Ibu, terima kasih atas dorongan semangatnya, bantuan dan dukungannya selama ini sehingga laporan ini dapat segera selesai. 2. Bapak Dr. Dhany Arifianto, ST, M.Eng yang telah sabar dalam memberikan bimbingan dan tuntutan dalam menyelesaikan Tugas Akhir ini. 3. Bapak Dr. Ir. Totok Soehartanto. ST. MT selaku Ketua Jurusan Teknik Fisika FTI-ITS. 4. Bapak Ridho Hantoro selaku Kasie Tugas Akhir Jurusan Teknik Fisika FTI-ITS. 5. Bapak Bambang Lelono W.ST.MT selaku dosen wali. 6. Terima kasih untuk teman teman TF angkatan 2008 serta semua teman teman di ITS yang selalu memberi semangat, bantuan dan dukungan. Perbandingan hasil pengujian dengan hasil perhitungan menunjukkan hasil yang sama yaitu dari 3 metode signal enhancement yaitu MMSE,SSBoll dan Time Frequency Blocktresholding, yang menghasilkan nilai paling tinggi untuk meningkatkan Speech intelligibility adalah alogaritma Time Frequency Blocktresholding. IV. KESIMPULAN Berdasarkan penelitian yang telah dilakukan, didapatkan beberapa kesimpulan sebagai berikut: 1. Metode Release of masking (Time frequency Blocktresholding) dapat digunakan untuk meningkatkan kualitas suara (speech intelligibility) sehingga bagi pengguna cochlear implant implant hanya perlu memperbarui perangkat lunak pada DSP (Digital signal prosessor) unit saja tanpa membeli cochlear implant yang baru. 2. Alogaritma Time Frekuency Blocktresholding mempunyai nilai SNR, MSE, dan PESQ paling baik, masing-masing sebesar 1,0431, 19 dan 3,4. Sehingga merupakan alogaritma yang paling baik dibandingkan MMSE dan SSBoll. 3. Tanpa enhancement speech inteligibility bisa ditingkatkan dengan cara mengubah elektroda yang aktif pada target dan masker sehingga dapat menghemat baterai. DAFTAR PUSTAKA [1] Bagaimanasuaramanusiadihasilkan, http// [2] : diaksespadatanggal 1 Februari 2 Februari 2013 [3] PMC /: diaksespadatanggal 1 Februari 2013 [4] [5] diakses tanggal 8 Februari 2013 [6] Nuryani, Peningkatan Kualitas Sinyal Suara (Speech Intelligibility) Berbahasa Indonesia Pada Cochlear Implant, Tugas Akhir, ITS,2012. [7] ch5.3 (Vocoders) [8] Heng Lu, Zhi., Zong Shao, Huai., Liang Ju, Tai. Speech Enhancement Algorithm Based On MMSE Short Time Spectral Amplitude In Whispered Speech, Journal Of Electronic Science And Technology Of China, June 2009, Vol. 7, No. 2. [9] Boll, S.F, A Spectral Subtraction Algorithm for Suppression of Acoustic Noise in Speech, IEEE, Science Department University of Utah.Salt Lake City. [10] Kamath, Sunil D., Loizou, Philipos C. A Multi-Band Spectral Substarction Method For Enhancing Speech Corrupted By Colored Noise, IEEE:University of Texas at Dallas. KATA PENGANTAR Puji syukur kehadirat Allah SWT atas berkat, rahmat dan kebesaran-nya sehingga saya selaku penulis dapat menyelesaikan laporan tugas akhir yang berjudul Peningkatan Kualitas Sinyal Suara (Speech Intelligibility)