Penerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows

Penerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows 1 Muhammad Anggia Muchtar, 2 Raisha Ariani Sirait, 3 Romi Fadillah Rahmat 1,2,3 Program Studi S1 Teknologi Informasi Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara E-mail : anggia.muchtar@usu.ac.id raishasirait3@gmail.com romi.fadillah@usu.ac.id Abstrak-Speech recognition merupakan teknik mengenali ucapan dari suara seseorang untuk dikenali di sebuah perangkat. Penelitian di bidang speech recognition bukanlah hal baru mengingat banyaknya aplikasi yang sudah menggunakan suara sebagai pengganti input. Namun diantara aplikasi aplikasi tersebut belum banyak yang menjadikan bahasa Indonesia sebagai sarana input. Diantara penelitian tersebut Microsoft Corporation menciptakan Speech Application Programming Interface (SAPI) untuk membantu pengembangan aplikasi pengenalan ucapan. Penelitian ini menerapkan perintah suara berbahasa Indonesia dan metode Fast Fourier Transform (FFT) untuk mentransformasi sinyal frekuensi dengan membagi dua tiap titik sinyal terus menerus sehingga sinyal menjadi satu titik. Hasil akhir pada penelitian ini menunjukkan bahwa sistem berhasil mengenali jenis perintah berbahasa Indonesia hingga mencapai 81,15% untuk lingkungan dengan noise frekuensi sebesar Hz. Sedangkan untuk lingkungan dengan noise frekuensi sebesar 501 1000 Hz hanya sebesar 30,8%. Keakuratan sistem dipengaruhi noise dan kualitas input suara, semakin sedikit noise dan bagus kualitas input suara maka akan semakin akurat sistem mengenali input. Kata kunci : speech recognition, Speech Application Programming Interface (SAPI), Fast Fourier Transform (FFT), bahasa Indonesia. I. PENDAHULUAN Perkembangan cara berkomunikasi antara manusia dan komputer telah mengalami perubahan dari waktu ke waktu. Perubahan tersebut bertujuan agar komunikasi antara manusia dan komputer menjadi lebih efisien. Salah satu metode komunikasi yang banyak dikembangkan saat ini adalah pengenalan ucapan atau yang lebih kita kenal dengan istilah speech recognition. Speech recognition merupakan metode komunikasi yang berfokus pada pengenalan ucapan, sehingga diharapkan penyaluran informasi dapat dilaksanakan dengan lebih efisien. Selain itu, teknologi pengenalan ucapan masih memiliki banyak potensi untuk dikembangkan. Banyak penelitian yang telah dan sedang dilakukan untuk mendapatkan pengenalan ucapan yang cepat dan akurat. Salah satu yang terkenal adalah penelitian yang dilakukan oleh Microsoft Corporation yang dikembangkan untuk sistem operasi Windows. Selain mengembangkan mesin pengenalan ucapan, Microsoft juga mengembangkan standar untuk pengenalan ucapan yaitu Speech Application Programming Interface (SAPI). Pada penelitian ini, penulis mencoba menerapkan metode Fast Fourier Transform pada tahap ekstraksi ciri untuk mengetahui frekuensi noise sehingga dapat dibandingkan ketika mengoperasikan perintah perintah dasar di OS Windows. Proses yang akan dilalui oleh sistem ini mengadaptasi dasar dari sistem pengenalan ucapan pada umumnya. Proses tersebut diawali dengan menginput suara menggunakan microphone. Kemudian dilanjutkan dengan proses ekstraksi ciri, yakni proses mendapatkan besaran pada bagian sinyal masukan untuk menetapkan pola pembelajaran atau pola uji. Untuk tahap pembelajaran atau pola uji penulis menggunakan Speech Application Programming Interface (SAPI) dengan grammar yang telah ditentukan sendiri oleh penulis. SAPI memungkinkan pengenalan ucapan tanpa mempengaruhi aplikasi yang ingin dibuat, sehingga SAPI dapat digunakan sebagai fungsi tersendiri untuk mendukung aplikasi yang akan dibuat. Keinginan untuk membuat cara berinteraksi yang lebih alami menyebabkan perlunya dicari alternatif lain sebagai pengganti atau pelengkap piranti yang sudah ada. Interaksi antara manusia dengan komputer yang paling berkembang saat ini adalah menggunakan suara sebagai input untuk menjalankan aplikasi dimana kebanyakan aplikasi aplikasi tersebut banyak digunakan pada perangkat mobile dan memiliki fungsi tersendiri seperti aplikasi pencari lirik lagu ataupun pencarian kata yang menggunakan bahasa inggris sebagai input perintahnya. Oleh karena itu, disini penulis ingin menerapkan suara sebagai input untuk aplikasi yang dapat mengoperasikan windows menggunakan perintah bahasa Indonesia. II. PENELITIAN TERDAHULU Terdapat beberapa penelitian-penelitian terdahulu yang berkaitan dengan penelitian pada artikel ilmiah ini. Speech Application Programming Interface (SAPI) pernah digunakan pada penelitian untuk aplikasi berbasis windows dimana dari penelitian tersebut didapatkan tingkat keberhasilan input dikenali tanpa sistem pelatihan sebesar 93,75%. Speech Application Programming Interface (SAPI) memiliki jenis mesin shared recognition yang memungkinkan pengembangan aplikasi tanpa mengganggu komponen pengenalannya sendiri. Kemudian pada penelitian Pembuatan Speech Recognition dan Database Wicara untuk Kontrol Peralatan Rumah Tangga Jarak Jauh, SAPI berfungsi sebagai pengubah sinyal suara menjadi kata (speech to text). Pada penelitian

tersebut, ditambahkan proses speech to signal code yakni proses mengubah teks menjadi biner kemudian dikirim ke parallel port pada microcontroller. Untuk penelitian terdahulu yang berkaitan dengan algoritma Fast Fourier Transform diantaranya adalah penelitian algoritma untuk speech recognition yang disimulasikan pada pemrograman MATLAB. Pada penelitian tersebut algoritma Fast Fourier Transform digunakan untuk diuji keefektifannya mengenali kata kata dengan jenis mudah dikenali, sulit dikenali dan kata yang mirip seperti on dan off. D. Transformasi Fourier Transformasi Fourier merupakan suatu persamaan integral untuk menghitung frekuensi, amplitudo dan fase dari suatu gelombang sinyal[6].sementara untuk menghitung spektrum frekuensi sinyal pada komputer digital, kita membutuhkan algoritma Discrete Fourier Transform (DFT). DFT mengubah sinyal domain waktu, menjadi sinyal domain frekuensi. DFT dapat diterjemahkan dalam rumus berikut : F(k f) N 1 n 0 f(n t)e i(2πk f)(n t) III. METODOLOGI PENELITIAN for k = 0, 1, 2,.., N 1 A. Suara Suara adalah sebuah sinyal yang merambat melalui media perantara. suara dapat didefinisikan sebagai gelombang yang merambat dengan frekuensi dan amplitudo tertentu. Suara yang dapat didengar manusia berkisar antara 20 Hz sampai dengan 20 KHz, dimana Hz adalah satuan frekuensi yang artinya banyaknya getaran per-detik (cps / cycle per second) [1]. B. Speech Recognition Speech Recognition (pengenalan lafal/ucapan) juga diketahui sebagai suatu proses untuk mengenali seseorang dengan mengenali ucapan dari orang tersebut [2]. Speech recognition merupakan teknik dimana perangkat akan mengenali masukan berupa suara, setelah itu perangkat melakukan respon yang sesuai dengan masukan suara tersebut [3]. C. Speech Application Programming Interface (SAPI) Speech Application Programming Interface (SAPI) merupakan standar interface pengembangan sistem speech recognition yang diciptakan Microsoft Corporation. SAPI memungkinkan pembuat aplikasi menerapkan sistem speech recognition menggunakan engine yang berbeda tanpa merubah aplikasi yang dibuat. SAPI 5.1 terdiri dari 2 antar muka yaitu application programming interface (API) dan device driver interface (DDI)[4]. Windows Application Programming Interface (API) adalah sekumpulan fungsi dan konstanta yang terdapat dalam file-file Dynamic Link Library (DLL) yang menyusun Sistem Operasi Windows. Dalam API terdapat fungsi-fungsi/ perintah-perintah untuk menggantikan bahasa yang digunakan dalam system calls dengan bahasa yang lebih terstruktur dan mudah dimengerti oleh programmer. Fungsi yang dibuat dengan menggunakan API tersebut kemudian akan memanggil system calls sesuai dengan sistem operasinya[5].ddi menyediakan fungsi untuk menerima data suara dari SAPI dan mengembalikan pengenalan frasa pada level SAPI paling dasar. Terdapat dua antar muka yang digunakan oleh DDI yaitu ISpSREngine, yang diimplementasikan oleh engine dan ISpSREngineSite yang diimplementasikan oleh SAPI[4]. N = jumlah sampel yang diambil T = total waktu sampling t = pertambahan waktu antar sampel t = T N f s = frekuensi sampel f s = 1 t = N T Algoritma Discrete Fourier Transform (DFT) memerlukan waktu O(n2) untuk mengolah sampel data sebanyak n buah yang memakan waktu lama apabila jumlah data yang akan diproses banyak. Maka dari itu, diperlukan algoritma yang dapat mengoptimalkan perhitungan tersebut. Algoritma tersebut adalah Fast Fourier Transform (FFT) yang pada prinsipnya algoritma ini adalah memecah N-titik menjadi dua (N/2) titik, kemudian memecah tiap (N/2) titik menjadi dua (N/4) titik, begitu seterusnya sampai hanya terdapat 1 titik[7]. Berikut adalah proses pengurangan perkalian dari nilai N menjadi N/2. Lanjutkan pemisahan x 1 (m) dan x 2 (m) menjadi bagian ganjil dan genap dengan cara yang sama, perhitungan untuk N/2 akan dikurangi menjadi N/4. Kemudian perhitungan DFT akan berkurang secara terus menerus. Jadi jika sinyal untuk nilai N DFT terpisah terus menerus sampai sinyal akhir menjadi satu titik. Misalkan ada N=2 v DFT yang perlu dihitung. Maka jumlah pemisahan yang dapat dilakukan adalah v = log 2 (N). maka jumlah total perkalian akan dikurangi hingga (N/2)log 2 (N). untuk tambahan perhitungan, angka yang akan dikurangi mencapai Nlog 2 (N). Karena perkalian dan penambahan dikurangi, maka kecepatan perhitungan komputasi DFT dapat ditingkatkan [8]. E. Analisis Data Data yang digunakan pada penelitian ini adalah kata kata berbahasa Indonesia yang diucapkan oleh empat orang user yang berbeda. Pada tabel 1 akan dijelaskan daftar kata kata yang digunakan sebagai input perintah suara. Tabel 1. Daftar Kata Perintah NO JENIS SUARA KATA 1 2 Perempuan A Perempuan B Explorer Buka Atas Bawah Kanan

3 laki A 4 laki B Kiri Kembali Browser Word Point Excel Publisher Mulai Masukkan sinyal suara F. General Architecture Berikut adalah arsitektur umum jalannya aplikasi perintah suara berbahasa Indonesia untuk menjalankan perintah dasar di windows. User mengucapkan kata atau melakukan input melalui microphone pada laptop untuk menjalankan windows. Sinyal suara diubah ke dalam bentuk digital Proses ekstraksi (FFT) Pengenalan pola spektrum suara Grammar tidak Dikenali ya Jalankan komando pada perangkat end G. Flowchart Sistem Gambar 1. General Architecture Berikut ini adalah flowchart sistem perintah suara berbahasa Indonesia untuk menjalankan perintah dasar di windows yang dapat dilihat pada gambar 2. Langkah langkah flowchart sistem gambar 2 menggambarkan alur kerja sistem perintah suara berbahasa Indonesia untuk mengoperasikan perintah dasar di windows, yaitu : 1. User berbicara menggunakan mikrofon agar kata yang diucapkan dapat dijadikan input untuk menjalankan aplikasi 2. Suara tersebut akan diubah menjadi sinyal digital menggunakan SoundCard yang terdapat di dalam komputer 3. Setelah input telah berbentuk sinyal digital di dalam komputer, tahapan selanjutnya adalah proses ekstraksi dimana sinyal tersebut akan diubah menjadi spektrum suara 4. Pada proses ekstraksi tersebut, algoritma Fast Fourier Transform akan mengubah sinyal digital ke dalam bentuk spektrogram 5. Setelah proses spektogram, aplikasi akan menggunakan Speech API sebagai library yang berperan sebagai tempat menetapkan grammar dan pengenal pola sinyal yang dimasukkan 6. Sebelum sinyal dikenali, grammar ditetapkan terlebih dahulu sebagai pembanding di tahap pengenalan nantinya 7. Pada tahap pengenalan, engine pada Speech API yang berfungsi sebagai recognition akan mengenali jenis sinyal dan membandingkannya dengan yang ada pada grammar 8. Setelah input dikenali, aplikasi akan dibaca sebagai perintah yang akan digunakan untuk menjalankan perangkat Windows Gambar 2. Flowchart Sistem IV. HASIL DAN PEMBAHASAN A. Tampilan Sistem 1. Tampilan Halaman Awal Pada halaman awal sistem langsung berjalan secara real time yang berarti langsung mendengarkan suara untuk dikenali sebagai input. Pada halaman ini juga terdapat menu utama input kata sendiri untuk dijadikan perintah. Tampilan halaman awal dapat dilihat pada gambar 3. Gambar 3. Halaman Awal 2. Tampilan Halaman Bantuan Halaman bantuan menunjukkan pada user yang baru pertama kali bagaimana menggunakan sistem dan menjelaskan fungsi fungsi perintah yang tertera pada

halaman awal. Tampilan halaman bantuan dapat dilihat pada gambar 4. B. Pengujian Sistem Gambar 4. Halaman Bantuan 1. Pengujian suara dengan frekuensi noise Hz Pada pengujian ini empat orang user diuji menggunakan microphone yang terdapat pada laptop. Empat orang user terdiri dari dua orang perempuan dan dua orang laki laki dengan jumlah kata yang diuji sebanyak 12 kata dan diucapkan sebanyak lima kali per kata. Pengujian ini dilakukan dengan memasang suara latar belakang musik sebagai noise dengan tingkat kebisingan Hz seperti yang dapat dilihat pada tabel 2. Subjek Pr A Pr B Laki A Tabel 2. Pengujian Suara dengan noise Hz Kata yang diuji Pengujian B G J Noise (Hz) Hasil Explorer 5 0 5 100 % Atas 5 0 5 100 % Bawah 5 0 5 100 % Kiri 5 0 5 100 % Browser 5 0 5 100 % Word 5 0 5 100 % Point 3 2 5 60 % Publisher 5 0 5 100 % Explorer 5 0 5 100 % Atas 5 0 5 100 % Bawah 5 0 5 100 % Kiri 0 5 5 0 % Browser 2 3 5 40 % Word 0 5 5 0 % Point 0 5 5 0 % Excel 4 1 5 80 % Publisher 3 2 5 60 % Explorer 4 1 5 80 % Atas 3 2 5 60 % Bawah 5 0 5 100 % Laki B Kiri 5 0 5 100 % Browser 4 1 5 80 % Word 5 0 5 100 % Point 4 1 5 80 % Publisher 4 1 5 80 % Explorer 4 1 5 80 % Atas 5 0 5 100 % Bawah 2 3 5 40 % Kiri 5 0 5 100 % Browser 5 0 5 100 % Word 5 0 5 100 % Point 1 4 5 20 % Publisher 5 0 5 100 % Dari tabel 2 dapat dilihat bahwa rata rata tingkat keberhasilan sistem mengenali perintah suara dapat mencapai 100% per perintah. Sistem dapat mengenali input walau berada dalam kondisi noise sampai 500 Hz. Selain kondisi noise, tingkat keberhasilan sistem mengenali input juga dipengaruhi bentuk pengucapan user. Pada tabel 2 dapat dilihat pada user perempuan A dan perempuan B terdapat perbedaan signifikan dimana perempuan B memiliki tingkat keberhasilan 0% untuk beberapa kata. Hal ini disebabkan user perempuan B memiliki aksen ketika berbicara sehingga memengaruhi kualitas input suara. Untuk keterangan tingkat keberhasilan dapat dilihat lebih jelas pada gambar 5. 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Perintah Explorer Buka Kembali Atas Bawah Kanan Kiri Browser Word Point Excel Publisher Gambar 5. Persentase Keberhasilan Perintah Suara dengan noise Hz 2. Pengujian suara dengan frekuensi noise 500 1000 Hz Pada pengujian suara dengan frekuensi noise 501 1000 Hz berlaku hal yang sama dengan pengujian suara dengan frekuensi noise Hz. User dan latar belakang noise yang digunakan sama seperti pengujian yang sebelumnya.

Tabel 3. Pengujian Suara dengan noise 501 1000 Hz Subjek Pr A Pr B Laki A Laki B Kata yang diuji Pengujian B G J Noise (Hz) Hasil Explorer 0 5 5 0 % Buka 2 3 5 40 % Atas 4 1 5 80 % Bawah 3 2 5 60 % Kanan 3 2 5 60 % Kiri 1 4 5 501 20 % Kembali 1 4 5 1000 20 % Browser 2 3 5 40 % Word 2 3 5 40 % Point 2 3 5 40 % Publisher 2 3 5 40 % Explorer 1 4 5 20 % Buka 2 3 5 40 % Atas 3 2 5 60 % Bawah 1 4 5 20 % Kanan 1 4 5 20 % Kiri 0 5 5 501 0 % Kembali 2 3 5 1000 40 % Browser 0 5 5 0 % Word 0 5 5 0 % Point 0 5 5 0 % Excel 1 4 5 20 % Publisher 0 5 5 0 % Explorer 3 2 5 60 % Buka 3 2 5 60 % Atas 4 1 5 80 % Bawah 3 2 5 60 % Kiri 3 2 5 501 60 % Kembali 1 4 5 1000 20 % Browser 2 3 5 40 % Word 1 4 5 20 % Point 2 3 5 40 % Excel 2 3 5 40 % Publisher 2 3 5 40 % Explorer 1 4 5 20 % Buka 0 5 5 0 % Atas 0 5 5 0 % Bawah 0 5 5 0 % Kanan 2 3 5 40 % Kiri 1 4 5 501 20 % Kembali 1 4 5 1000 20 % Browser 0 5 5 0 % Word 0 5 5 0 % Point 0 5 5 0 % Excel 0 5 5 0 % Publisher 0 5 5 0 % Dari tabel 3 dapat dilihat bahwa rata rata tingkat keberhasilan sistem mengenali perintah suara menurun pada angka rata rata 60% per perintah. Dari tabel 3 dapat dilihat jelas bahwa tingkat kebisingan (noise) memiliki pengaruh besar pada sistem untuk melakukan pengenalasan suara. Untuk keterangan tingkat keberhasilan dapat dilihat lebih jelas pada gambar 6. 60% 50% 40% 30% 20% 10% 0% Gambar 6. Persentase Keberhasilan Perintah Suara dengan noise 501 1000 Hz V. KESIMPULAN DAN SARAN A. Kesimpulan Perintah Explorer Buka Kembali Atas Bawah Kanan Kiri Browser Word Point Excel Publisher Berdasarkan pengujian aplikasi penerapan perintah suara bahasa Indonesia untuk mengoperasikan perintah dasar windows didapat beberapa kesimpulan, yaitu : 1. Hasil pengujian aplikasi menunjukkan bahwa tingkat keberhasilan perintah suara bahasa Indonesia dikenali dengan tingkat frekuensi lingkungan Hz adalah 81,15 %. Sedangkan tingkat keberhasilan perintah suara bahasa Indonesia dengan tingkat frekuensi lingkungan 501 1000 Hz adalah 30,8 %. 2. Hasil pengujian aplikasi juga menunjukkan bahwa tingkat keberhasilan cenderung rendah apabila pengguna (user) memiliki pengucapan kata yang kurang jelas. Hal tersebut menunjukkan tingkat akurasi aplikasi dipengaruhi oleh kualitas input yang diberikan pengguna (user). 3. Untuk pengujian dengan tingkat frekuensi lingkungan 501 1000 Hz, perintah yang masih dapat dikenali adalah kanan dan atas. Sementara untuk perintah pemanggilan aplikasi yang cenderung berbahasa inggris tidak dapat dikenali seperti explorer, word dan point. 4. Jarak waktu perintah diberikan dan eksekusi perintah tidak lebih dari satu detik sehingga dapat dikatakan cukup nyaman untuk digunakan. Berdasarkan kesimpulan di atas perintah suara berbahasa Indonesia berhasil diterapkan untuk mengoperasikan perintah dasar di windows. Penerapan Speech Application Programming Interface (SAPI) dan algoritma Fast Fourier Transform sesuai dengan kebutuhan aplikasi yang berhasil berjalan dengan tingkat keberhasilan 81,15 %.

B. Saran Berdasarkan pengujian aplikasi penerapan perintah suara bahasa Indonesia untuk mengoperasikan perintah dasar windows terdapat beberapa kelemahan seperti perintah yang tidak dikenali di lingkungan yang ribut, aplikasi juga membatasi kualitas input sehingga aplikasi dapat dikatakan kaku karena membatasi tipe input. Maka dari itu, penulis memiliki beberapa saran agar dapat dilakukan penelitian penelitian lain yang dapat mengembangkan aplikasi aplikasi speech recognition berbahasa Indonesia, seperti : [8] Yang, T. 2012. The Algorithms of Speech Recognition, Programming and Simulating in MATLAB. Tesis. University of Gavle 1. Diharapkan penelitian mengenali pengenalan ucapan berbahasa Indonesia dapat dikembangkan sehingga dapat diterapkan di berbagai aplikasi. 2. Dapat menerapkan metode metode lain yang dapat meningkatkan tingkat keberhasilan walau dengan tingkat frekuensi lingkungan (noise) yang cenderung besar atau ditemukannya metode untuk mereduksi noise (frekuensi lingkungan) sehingga aplikasi dapat berjalan dengan lebih optimal. 3. Diharapkan juga ada penelitian yang bersifat memprediksi pola ucapan sehingga pengguna (user) yang memiliki kebiasaan berbicara tidak menggunakan Ejaan Yang Disempurnakan (EYD) atau memiliki kekurangan dalam melafalkan huruf dapat menggunakan aplikasi pengenalan ucapan dengan nyaman. DAFTAR PUSTAKA [1] Darmawan, Y., 2011. Speech Recognition menggunakan metode Mel Frequency Cepstrum Coefficient dan Algoritma Dynamic Time Wrapping. Skripsi. Universitas Sumatera Utara [2] Rabiner, L., Juang, B.H.1993. Fundamental of Speech Recognition. New Jersey : Prantice - Hall Inc [3] Syarif, A., Daryanto, T. & Arifin, M.J. 2011. Aplikasi Speech Application Programming Interface (SAPI) 5.1 sebagai perintah untuk Pengoperasian Aplikasi berbasis Windows. Speech Application Programming Interface (SAPI) 1907-5022 : 1-7 [4] Nurcahyono, D., Kristalina, P. & Huda, M. 2011. Pembuatan Speech Recognition dan Database Wicara untuk Kontrol Peralatan Rumah Tangga Jarak Jauh. Speech Recognition 1-7 [5] Sianturi, A.H. 2014. Implementasi Speech Recognition pada Aplikasi Pembelajaran dalam bentuk Permainan Menebak Kata Baku Bahasa Indonesia. Skripsi. Universitas Sumatera Utara. [6] Stefanus, Hamz, M., Angzas, Y. 2005. Perancangan Aplikasi Pengenalan Ucapan Bahasa Mandarin menggunakan Jaringan Syaraf Tiruan Fuzzy Artmap. Indonesia : Bina Nusantara [7] Gunawan, D. & Juwono, F.H., 2012. Pengolahan Sinyal Digital dengan Pemrograman MATLAB. 978-979- 756-814-6. Graha Ilmu : Yogyakarta