BAB 2 LANDASAN TEORI. manusia. Bagaimana sebuah mesin dapat mempelajari hal-hal baru dan beradaptasi

BAB 2 LANDASAN TEORI

2.1

Intelegensia Semu Intelegensia Semu ( IS ) adalah salah satu bidang dalam ilmu komputer yang

meneliti bagaimana mesin dapat lebih pintar dan dapat berpikir seperti layaknya manusia. Bagaimana sebuah mesin dapat mempelajari hal-hal baru dan beradaptasi terhadap hal baru tersebut. Dalam tugas akhir ini penulis akan mengimplementasikan penggunaan IS dalam aplikasi TTS. Berikut ini beberapa teori yang berkaitan dengan metode yang penulis gunakan dalam pembuatan TTS ini.

2.1.1

Pengertian IS IS dikenal juga dalam bahasa Indonesia yang berarti Kecerdasan Buatan.

Kecerdasan buatan didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Menurut Stuart Russel (2003, p2), pengertian IS dapat dikelompokan menjadi 4 bagian : 1) Sistem yang berpikir seperti manusia •

IS adalah usaha baru yang menakjubkan untuk membuat komputer berpikir (mesin dengan pemikiran) (Haugeland).

8

9 •

IS adalah aktivitas yang kita lakukan dengan berpikir, seperti aktivitas pengambilan keputusan, pemecahan masalah, belajar, dll. (Bellman).

2) Sistem yang bertingkah laku seperti manusia •

IS adalah seni dari penciptaan mesin yang terdiri dari fungsi-fungsi yang memerlukan akal ketika berhadapan dengan orang (Kurzweil).

•

IS adalah pembelajaran dari bagaimana komputer melakukan sesuatu pada saat orang-orang melakukannya lebih baik (Rich & Knight).

3) Sistem yang berpikir secara regional •

IS adalah pembelajaran kecakapan mental melalui penggunaan model perhitungan atau perkiraan (Charniak).

•

IS adalah pembelajaran dari perkiraan yang mungkin dapat merasa, bertalar, dan bertingkah (Winston).

4) Sistem yang bertingkah secara rasional •

IS adalah pembelajaran dari mendesain agen kecerdasan (Poole).

•

IS adalah berhubungan dengan kecerdasan yang dihasilkan oleh manusia.

2.1.2

Dasar–Dasar IS Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan

bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan

10 mesin penghitung digital mekanis pertama pada 1642. Pada abad 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram. Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas" pada tahun 1943 yang meletakkan pondasi untuk jaringan syaraf. Tahun 1950-an adalah periode usaha aktif dalam IS. Program IS pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK), sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah kecerdasan buatan pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman LISP. Alan Turing memperkenalkan Turing Test sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian. Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin

Minsky

mendemonstrasikan

dan batas

Seymour jaringan

Papert syaraf

menerbitkan sederhana

dan

Perceptrons, Alain

yang

Colmerauer

mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec

11 mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri. Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang IS dan demonstrasi berbagai macam aplikasi. Lebih khusus lagi Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode IS untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian IS sejak tahun 1950 pada pemerintah AS. Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

2.1.3

Perkembangan IS IS pertama kali diciptakan oleh Warren McCulloch dan Walter Pitts (1943).

Mereka membuktikan bahwa beberapa fungsi yg kompatibel dapat dihitung oleh beberapa network dari koneksi neuron-neuron, dan semua hubungan logika (or, and, not) dapat diimplementasikan oleh struktur net sederhana. Mereka juga menyarankan bahwa pembuatan network yang cocok dapat melakukan pembelajaran. Donal Hebb (1949) mendemokan perubahan aturan sederhana untuk mengubah hubungan antar neuron-neuron, yang sekarang kita sebut dengan “Hebbian Learning”.

12 Dua mahasiswa, Marvin Minsky dan Dean Edmonds, menciptakan komputer neural network pertama tahun 1951. Mereka menggunakan 3000 tabung dan sebuah kelebihan mekanis pilot automatis dari B-24 bomber untuk menstimulasi sebuah network dari 40 neuron. Setelah lulus, McCarthy pindah ke Universitas Dartmouth, yang menjadi pengabdi ditempat kelahirannya. McCarthy meyakinkan Minsky, Claude Shannon, dan Nathaniel Rochester untuk membantu dia membawa negara U.S. sebagai peneliti dalam teori automata, net neural, dan pembelajaran intelegensi. Workshop Dartmouth tidak membawa terobosan baru, tetapi telah diperkenalkan ke semua pemuka dan yang lain. Dua puluh tahun berikutnya, disana didominasi oleh orang-orang dan murid-murid mereka serta Universitas MIT, CMU, Stanford, dan IBM. Yang akhirnya dikenal dengan nama intelegensia semu. Newel dan Simons berhasil dalam General Problem Solver yang disingkat GPS. Tidak seperti teori logika, program ini didesain dari awal untuk mengikuti problem solving protocol. Kemudian, GPS adalah program pertama yang mendekati ”thinking humanly”. Keberhasilan GPS untuk merumuskan hipotesis terkenal ”physical symbol sistem”. Program pertama yang berhasil diperjualbelikan ialah sistem pakar. Program membantu pengaturan order untuk sistem komputer baru (1986). Penghasilan yang didapat $ 40 juta per tahunnya. Tahun 1988, kelompok IS DEC memiliki 40 sistem pakar tersebar. Pada akhirnya, industri IS meledak dari beberapa juta dolar pada tahun 1980 menjadi triliun dolar pada saat 1988. Setelah beberapa lama berlangsung masa yang kemudian disebut ”Winter IS”, dimana beberapa perusahaan menderita karena gagal

13 dalam pengiriman yang disebabkan pemborosan. Jaringan Syaraf Tiruan (JST) diciptakan pada pertengahan tahun pada saat itu. David Rumelhart dan Geoff Hinton melanjutkan studi JST. Pada pertengahan tahun 1980, 4 kelompok mengolah ulang back-propagation (pembelajaran algoritma yang pertama ditemukan 1969 oleh Bryson dan Ho). Algoritma ini digunakan dalam banyak pemecahan masalah dalam ilmu komputer dan psikologi. Pada tahun 1970, setelah berbagai jenis arsitektur yang berbeda dan pendekatan yang sudah dicoba maka lahirlah ”Hidden Markov Models” (HMMs) yang telah mendominasi. Dua aspek yang berkaitan dengan HMMs yaitu : pertama berdasarkan teori matematika yang tepat; kedua mereka digeneral oleh proses training dari data dalam jumlah besar. JST juga ikut dalam tren. Kebanyakan hasil kerja JST pada tahun 1980 telah dilakukan dalam percobaan untuk merangkup apa yang dapat diselesaikan dan dipelari bagaimana JST berbeda dengan teknik tradisional. Hasil dari pengembangannya, disebut teknologi ”data mining” yang diikuti semangat industri baru.

2.1.4

Implementasi IS Salah satu contoh penggunaan aplikasi dengan IS adalah games (permainan

komputer) yaitu program komputer yang terdiri dari dunia maya yang terkontrol oleh sebuah komputer dimana pemainnya bisa berinteraksi untuk mencapai sejumlah tujuan (Ragnarok Online). Contoh lainnya adalah logika fuzzy yaitu peningkatan dari logika boolean yang berhadapan dengan konsep kebenaran sebagian.

14 Robotika merupakan beberapa contoh penerapan IS yang menggunakan asisten robot dalam operasi kecil. HipNav adalah sistem yang menggunakan teknik computer vision untuk menciptakan 3D dari tubuh bagian dalam pasien dan kemudian menggunakan kontrol robotik untuk membimbing ke bagian tujuan (Asimo).

2.2

Jaringan Syaraf Tiruan Menurut Simon Haykin (1999, p2), jaringan syaraf tiruan ( JST ) adalah sebuah

mesin yang memodelkan cara otak melakukan operasi tertentu; Jaringan ini biasanya diimplementasikan dengan menggunakan komponen - komponen elektronik atau dapat juga disimulasikan dengan menggunakan perangkat lunak pada sebuah komputer digital. Untuk mencapai performa yang optimal, jaringan ini bergantung penuh pada sel–sel komputasi yang seringkali kita sebut sebagai neurons atau unit–unit pemrosesan. Berikut adalah definisi jaringan syaraf tiruan sebagai mesin yang dapat menyesuaikan diri menurut Simon Haykin (1999,p2) :

Jaringan syaraf tiruan adalah kumpulan processor – processor yang terdistribusi secara paralel dimana unit–unit tersebut disusun oleh sebuah unit pemrosesan sederhana, jaringan ini memiliki kecondongan untuk menyimpan pengetahuan berdasarkan pengalaman sehingga dapat digunakan untuk keperluan mendatang.

Jaringan ini meniru dua buah karakteristik otak 1. pengetahuan yang didapat oleh jaringan, didapat melalui proses pembelajaran

15 2. koneksi antara neuron yang dikenal sebagai berat sinapsis, digunakan untuk menyimpan pengetahuan

Keuntungan dari Jaringan syaraf tiruan : 1. Nonlinearity Sebuah neuron dapat menjadi linear atau nonlinear. Nonlinearity merupakan properti yang sangat penting terutama jika neuron tersebut bertanggung jawab untuk melakukan generasi dari sebuah input sinyal. 2. Input-output mapping Sebuah paradigma yang sangat populer dari pembelajaran, yang disebut sebagai pembelajaran dengan guru atau pembelajaran yang disupervisi, melakukan modifikasi dari bobot-bobot sinapsis dari sebuah jaringan syaraf tiruan dengan mengaplikasikan sinyal input dan respons yang berkenaan dengan input tersebut. 3. Adaptivity Jaringan syaraf tiruan memiliki kemampuan untuk mengadopsi perubahan bobot sinapsis. Di dalam kondisi tertentu, sebuah jaringan syaraf tiruan yang dilatih untuk beroperasi dalam lingkungan tertentu dapat juga beroperasi dalam lingkungan yang telah mengalami perubahan–perubahan kecil (minor). 4. Fault tolerance Sebuah neural network yang dimplementasikan di dalam bentuk perangkat keras, memiliki potensi untuk mewarisi sifat fault tolerant, atau

16 mampu untuk melakukan komputasi yang menyeluruh meskipun terjadinya penurunan performa akibat kondisi operasi yang tidak menguntungkan. 5. Very Large Scale Integrated ( VLSI ) implentability Sifat bawaan dari jaringan syaraf tiruan yang paralel meningkatkan kecepatan komputasi beberapa tugas tertentu. Fitur ini membuat jaringan syaraf tiruan ini cocok untuk implementasi teknologi VLSI. 6. Uniformity of analysis and design Jaringan syaraf menggunakan notasi yang sama yang digunakan pada semua domain yang melibatkan jaringan syaraf tiruan. Fitur ini mengakibatkan terjadinya manisfestasi dalam beragam bentuk: •

Neurons, dalam bentuk yang satu atau lainnya merepresentasikan sebuah rumusan yang sama untuk semua jaringan syaraf tiruan.

•

Persamaan ini memungkinkan jaringan tersebut untuk membagi teori dan algoritma pembelajaran di dalam aplikasi yang berbeda di dalam neural networks

2.2.1

Model–model Neuron Menurut Simon Haykin (1999, p10), neuron adalah sebuah unit pemrosesan

informasi yang paling pokok dalam melakukan operasi JST. Berikut adalah tiga elemen terpenting dalam JST: 1. Sebuah set dari sinapsis–sinapsis dimana setiap dari sinapsis tersebut dikarakterisasi oleh daya dari masing–masing sinapsis tersebut.

17 2. Sebuah alat penjumlah yang digunakan untuk menjumlahkan semua input sinyal, ditimbang berdasarkan sinapsis yang bersangkutan. 3. Sebuah fungsi aktivasi yang digunakan untuk membatasi jangkauan output dari sebuah neuron, neuron seringkali disebut sebagai squashing function.

X1

Bias (bk) Wk1

X2 Wk2

ϕ (.)

∑

Xn

Summing junction Wkm

Synaptic weights Gambar 2.1

Model Nonlinear dari Sebuah Neuron

gambar diatas memiliki penulisan matematika sebagai berikut

U

k

=

m

∑W x j =1

kj

j

Y

k

= ϕ (U k + bk )

Output

18 dimana x1,x2, … xn adalah sinyal input; wk1,wk2,…,wkn adalah bobot sinapsis dari neuron.; uk adalah jumlah gabungan berkenaan dengan sinyal input; bk adalah bias;

ϕ (.) adalah fungsi aktivasi; dan yk adalah sinyal output dari neuron.

2.2.2

Tipe–tipe Fungsi Aktivasi

Fungsi aktivasi yang di notasikan oleh ϕ (υ ) mendefinisikan output dari sebuah neuron induced local field v. Berikut adalah indentifikasi dari tiga fungsi aktivasi dasar:

a) Threshold Function

ϕ

(v )

=

1 If v ≥ 0 0 If v ≥ 1

di dalam literatur teknik, bentuk ini sering disebut sebagai heaviside function. Berkenaan dengan hal tersebut nilai output dari neuron k yang dioperasikan dengan fungsi threshold tersebut adalah:

y

k

1

If vk ≥ 0

0

If vk ≥ 1

=

Dimana vk adalah neuron yang berpotensial teraktivasi ( induced local field of the neuron ) yaitu:

19

υ

m

k

= ∑ wkj x j + bk j =1

b) Piecewise-linear Function

ϕ

(v)

=

1

v ≥ +1/2

v

+1/2 > v > -1/2

0

v ≤ -1/2

Untuk piecewise-linear function yang digambarkan oleh gambar (b) di bawah, memiliki faktor penguatan yang seragam / satu kesatuan. Bentuk dari fungsi aktivasi ini dapat juga dipandang sebagai perkiraan terhadap linear-amplifier. Dua situasi dibawah ini dapat terjadi untuk fungsi aktivasi ini: 1. sebuah penggabung linear dapat muncul jika area linear dari operasi yang dipertahankan mencapai titik jenuh. 2. piecewise-linear function berubah menjadi threshold-function jika penguat dari area linear dibuat terlalu besar.

3. Sigmoid function Merupakan fungsi aktivasi yang seringkali digunakan dalam jaringan syaraf tiruan. Sebuah contoh dari fungsi sigmoid adalah fungsi logistic, yang didefinisikan sebagai berikut:

ϕ

(v)

=

1 1 + exp(− av)

20 a : merupakan parameter yang menunjukan kemiringan

dengan threshold :

ϕ

(v)

=

1

If v > 0

0

If v = 0

-1

If v < 0

21 1.2 1 0.8 0.6

(a) Threshold

0.4 0.2 0

-2

-1.5

-1

-0.5

0

0.5

1

1.5

2

1.2 1 0.8 0.6 0.4

(b) Piecewise-linear

0.2 0

-2

-1.5

-1

-0.5

0

0.5

1

1.5

2

1.2 1 0.8 0.6

(c) sigmoid

0.4 0.2 0

-10

-8

-6

-4

-2

0

2

4

6

8

Gambar 2.2 Tipe-tipe Fungsi Aktivasi

10

22 2.2.3

Single-Layer Perceptrons

Beberapa orang yang berjasa dalam mengembangkan jaringan syaraf tiruan (1943-1958) •

McCulloch dan Pitts (1943) untuk pengenalan jaringan syaraf tiruan sebagai mesin komputasi

•

Hebb (1949) untuk dalil atas aturan awal dari self organized learning

•

Rosenblatt (1958) untuk proposal perceptron sebagai model pertama pembelajaran yang disupervisi. Menurut Rosenblatt, perceptrons adalah bentuk yang paling sederhana dari

sebuah JST yang digunakan untuk pengklasifikasian atas pola–pola yang dapat dipisahkan secara linear. Pada dasarnya, perceptron terdiri dari sebuah neuron tunggal dengan bias dan berat sinapsis yang dapat disesuaikan. Algoritma yang digunakan untuk menyesuaikan parameter–parameter yang terdapat pada JST ini diperkenalkan pertama kali oleh Rosenblatt (1958, 1962). Rosenbaltt membuktikan bahwa jika pola–pola yang digunakan untuk train diambil dari dua buah kelas linear yang dapat dipisahkan, algoritma perceptron akan menjadi konvergen dan posisi dari permukaan yang menunjukkan keputusan akan berada diantara dua kelas tersebut. Bukti dari algoritma yang konvergen ini disebut perceptron convergence theorem.

2.2.4

Perceptron Perceptron didirikan pada neuron nonlinear yang disebut sebagai model

McCulloch-Pitts. Tujuan dari perceptron adalah untuk melakukan pengklasifikasian set

23 dari x1,x2,…,xn kedalam dua bentuk kelas yaitu b1 atau b2; b1 jika output dari preceptron adalah +1 dan b2 jika -1. Berikut adalah ringkasan algoritma konvergensi perceptron

Ringkasan dari algoritma konvergensi perceptron variables and parameters

x(n) = (m + 1) -by-1 input vector = [ +1, x1 ( n ), x2 ( n ),..., xm ( n )]T w(n) = (m + 1) = [b ( n ), w1 ( n ), w2 ( n ),..., wm ( n )]T b(n) = bias y (n) = actual response(quantized) d (n) = response yang diinginkan η = parameter yang menunjukan tingkat pembelajaran, sebuah nilai positif konstan yang kurang dari 1 1. inisialisasi lakukan pengesetan w(0) = 0 kemudian lakukan perhitungan berikut untuk n = 1,2, . . . 2. aktivasi pada setiap n, lakukan pengaktivan terhadap perceptron dengan mengaplikasikan input vector yang kontinyu x(n) and response yang diinginkan d(n) 3. lakukan perhitungan terhadap response yang sebenarnya

y (n) = sgn[ wT (n) x(n)] dimana sgn(.) adalah fungsi signum 4. lakukan adaptasi terhadap vektor berat. Lakukan perubahan terhadap vektor berat dari perceptron

w(n + 1) = w(n) + η[d (n) − y (n)]x(n)

dimana

⎧+ 1 d (n) = ⎨ ⎩− 1

Jika x(n) termasuk kelas b1 Jika x(n) termasuk kelas b2

5. lakukan perulangan. Jumlahkan nilai n dengan 1 dan kembali ke langkah 2

24 2.2.5

Multilayer Perceptron

Menurut Simon Haykin (1999, p156), multilayer Perceptron adalah sebuah JST yang terdiri dari beberapa set unit sensori; seperti input layer, satu atau lebih hidden layers, dan sebuah output layer dari node–node yang melakukan komputasi. Multilayer Perceptron

telah

diaplikasikan

dengan

sukses

untuk

memecahkan

beberapa

permasalahan sulit yang tersupervisi, algoritma ini disebut sebagai algoritma error backpropagation. Algoritma ini didasarkan pada algoritma error-correction learning rule. Pada dasarnya error back-propagation algorithm terdiri dari dua bagian yaitu forward dan backward. Pada bagian forward, pola input diaplikasikan ke seluruh node sensori yang kemudian disebarkan ke seluruh layer yang ada.Pada bagian backward berat sinapsis yang ada disesuaikan berkenaan dengan error-correction rule. Multilayer perceptron memiliki tiga karakteristik utama •

model dari setiap neuron di dalam jaringan memiliki sebuah fungsi aktivasi nonlinear. Contoh: fungsi logistik: yj =

•

1 1 + exp(−v j )

jaringan memiliki satu atau lebih layer hidden neurons yang bukan merupakan bagian dari input ataupun output. Hidden neurons memungkinkan jaringan untuk mempelajari tugas rumit dengan melakukan ekstrasi secara progresif pada fitur– fitur penting dari pola input

25 •

jaringan memiliki derajat konektivitas yang tinggi, ditunjukkan oleh sinapsis dari jaringan. Perubahan pada konektivitas dari jaringan akan mengakibatkan perubahan dari populasi koneksi sinapsis atau berat.

Sinyal output Layer input

hidden layer

Layer output

Gambar 2.3 Arsitektur Graph Multilayer Perceptron

Arsitektur Graph Multilayer Perceptron memiliki 3 layer yaitu input layer, hidden layer, dan output layer. Setiap layer memiliki node yang saling berhubungan pada setiap node yang lainnya. Arsitektur tersebut dapat dilihat pada gambar 2.3.

2.2.6

Back-propagation

Menurut Simon Haykin (1999, p161), aplikasi dari algoritma back-propagation memiliki dua komputasi yang berbeda, yaitu komputasi forward dan backward.

26

•

Pada komputasi forward berat dari setiap sinapsis tidak mengalami perubahan dan sinyal dari setiap fungsi dikalkulasikan berdasarkan neuron–neuron.Berikut adalah persamaan matematisnya:

y j ( n) = ϕ (v j (n)) dimana v j (n) diinduksi dari setiap local field neuron j, yang didefinisikan

sebagai berikut:

m

v j (n) = ∑ w ji (n) yi (n) i =0

m adalah total jumlah dari input – input (terkecuali nilai bias) diaplikasikan pada neuron j dan w ji (n) adalah berat sinapsis yang menghubungkan neuron i kepada neuron j, dan y j (n) merepresentasikan nilai sinyal input dari neuron j. Jikalau neuron j adalah layer tersembunyi pertama dari sebuah jaringan, m=mo dan indeks dari i merepresentasikan input ke-i dari terminal input dari jaringan, maka kita dapat menuliskan persamaan berikut sebagai

yi = xi (n) dimana xi (n) adalah elemen ke-i dari sebuah vector input. Namun jikalau neuron ke-j merepresentasikan layer output dari sebuah network, m = ml dan indeks ke-j

27 mereferensikan nilai terminal output ke-j dari sebuah jaringan, kita dapat menulis persamaan tersebut

y j ( n) = o j ( n) oj(n)adalah element ke j dari sebuah vector output. Nilai output ini dibandingkan dengan target dj(n) untuk mendapatkan sinyal error yang dinotasikan sebagai ej(n).

•

Pada komputasi backward, komputasi dimulai pada output layer dengan cara membagikan / menyebarkan nilai error yang didapat dari perhitungan sinyal error kepada setiap layer dan secara recursive mengkakulasikan nilai δ (contoh gradient local) untuk setiap neuron. Berkenaan dengan aturan delta, proses penyebaran error ini memberikan kemampuan bagi jaringan untuk melakukan perubahan pada setiap berat sinapsis yang dimilikinya. Berikut adalah gambaran aturan delta tersebut

28

Weight correction Δw ji (n)

Learning – rate parameter

.

η

δ 1 ( n)

Local gradient δ j (n)

.

ϕ1′ (v1 (n)) e1 (n)

w1 j (n) w2 j ( n ) wml j (n)

Input signal of neuron j yj(n)

δ k (n)

ϕ k′ (v k (n)) ek (n)

δ m (n) ϕ m′ (v m (n)) l

l

l

eml (n)

Gambar 2.4 Aliran Sinyal Error dari Komputasi Backward

2.2.7

Fungsi aktivasi

Untuk melakukan komputasi dari nilai δ untuk setiap neuron dari perceptron multilayer, diperlukan informasi mengenai turunan dari fungsi aktivasi ϕ (.) yang diasosiasikan dengan neuron. Agar turunan ini muncul, maka diperlukan adanya fungsi aktivasi yang kontinyu secara nonlinear dan dapat diturunkan; berikut adalah dua contoh dari bentuk tersebut: a) Fungsi logistic. Bentuk umum dari ketidaklinieran sigmoidal didefinisikan sebagai berikut

ϕ j (v j (n)) =

1 a > 0 dan -∞ < vj(n) < ∞ 1 + exp(−av j (n))

29

dimana v j (n) adalah local field yang dinduksi dari neuron j. Berkenaan dengan ketidaklinearan dari output yang terletak pada jangkauan 0 ≤ yj ≤ 1 persamaan diatas akan menghasilkan persamaan sebagai berikut jika dilakukan diturunkan

ϕ ′j (v j (n)) =

a exp( − av j (n))

[1 + exp(−av

j

(n))

]

2

dengan y j (n) = ϕ j (v j (n)) , kita dapat melakukan eliminasi terhadap bilangan eksponen dan merepresentasikannya sebagai berikut

ϕ ′(v j (n)) = ay j (n)[1 − y j (n)]

untuk setiap neuron j terletak pada layer output, y j (n) = o j (n) kita dapat melakukan perhitungan local gradient sebagai berikut

δ j (n) = e j (n)ϕ ′(v j (n)) = a[d j (n) − o j (n)]o j (n)[1 − o j (n)]

neuron j adalah node output

dimana oj adalah sinyal fungsi dari output neuron j dan dj(n) adalah fungsi response. Sebaliknya, untuk neuron tersembunyi yang arbiter, maka nilai local gradient adalah

30

δ j (n) = ϕ ′j (v j (n))∑ δ k (n) wkj (n) k

= ay j (n)[1 − y j (n)]∑ δ k (n) wkj (n) k

neuron j adalah node tersembunyi

perlu untuk dicatat bahwa fungsi turunan tersebut mencapai nilai maksimum ketika yj(n) = 0.5 dan nilai minimum ketika yj(n) = 0 atau yj(n) = 1 b) Fungsi hyperbolic tangent. Bentuk umum dari fungsi ini adalah

ϕ j (v j (n)) = a tanh(bv j (n)), (a, b) > 0

a dan b adalah konstan. Dalam kehidupan nyata, fungsi hyperbolic tangent hanya merupakan fungsi logistic yang diskalakan kembali dan diberikan bias. Dengan mengingat vj(n) diberikan dalam bentuk

ϕ ′j (v j (n)) = ab sec h 2 (bv j (n)) = ab(1 − tanh 2 (bv j (n))))

=

b [a − y j (n)][a + y j (n)] a

untuk setiap neuron j terletak pada layer output, gradient local-nya adalah

31

δ j (n) = e j (n)ϕ ′(v j (n)) =

b [d j (n) − o j (n)][a − o j (n)][a + o j (n)] a

untuk setiap neuron j yang terletak pada layer tersembunyi

δ j (n) = ϕ ′(v j (n))∑ δ k (n) wkj (n) k

=

b [a − y j (n)][a + y j (n)]∑ δ k (n) wkj (n), a k neuron j tersembunyi

2.2.8

Model Pelatihan Jaringan Syaraf Tiruan

Terdapat dua buah tipe pembelajaran algoritma back-propagation, yaitu: •

Model sequential Pada model ini, operasi pengubahan berat setiap sinapsis terjadi setiap presentasi sebuah sampel telah dilakukan. Pembelajaran ini disebut juga sebagai model pembelajaran pola secara on-line.

•

Model batch Model ini melakukan operasi pengubahan berat dari setiap sinapsis setelah presentasi dari seluruh sampel telah dilakukan.

32 2.2.9

Kriteria Pemberhentian

Menurut

Simon

Haykin

(1999,

p173),

berikut

ini

beberapa

kriteria

pemberhentian pada algoritma back-propagation •

Algoritma back-propagation mengalami konvergensi hanya ketika norma Euclidean dari vector gradient mencapai batasan gradient.

•

Algoritma back-propagation mencapai konvergensi ketika tingkat perubahan dari kuadrat rata–rata error untuk setiap epoch cukup kecil.

•

Algoritma back-propagation konvergen ketika performa generalisasi dari jaringan mencapai titik puncaknya.

2.3

Penggenerasian Suara Manusia

Bunyi atau suara dapat dihasilkan dari getaran udara yang dihasilkan dari dua benda atau lebih yang saling bergesekan atau berbenturan (Tata Bahasa Baku Bahasa Indonesia, 2003, p47). Begitu pula proses bunyi suara pada manusia merupakan hasil yang dibuat oleh getaran pada alat ucap manusia seperti pita suara, lidah, atau bibir. Dalam proses pengucapan suara pada manusia membutuhkan beberapa alat ucap yang dimiliki secara alami oleh manusia. Alat-alat ucap yang digunakan oleh manusia dinamakan vocal tract yang ditandai pada garis putus-putus pada gambar 2.1 di bawah ini dimulai dari vocal cords atau glottis.

33

Gambar 2.5 Alat Ucap Manusia

Ketika kita mengeluarkan napas, arus udara akan membuka pita suara yang merapat sehingga udara di sekitar pita suara itu bergetar. Perubahan bentuk saluran suara yang terdiri atas rongga faring, rongga mulut, dan rongga hidung akan menghasilkan bunyi yang berbeda-beda. Bunyi yang arus udaranya keluar dari mulut disebut bunyi oral, bunyi yang keluar dari hidung akan disebut bunyi sengau atau bunyi nasal, dan bunyi bahasa yang arus udaranya keluar dari mulut dan sebagian keluar dari hidung akan disebut bunyi yang disengaukan atau dinasalisasi. 2.4

Bunyi Bahasa dan Tata Bahasa Baku dalam Bahasa Indonesia

Pada Bahasa Indonesia dikenal berbagai istilah dan aturan-aturan dalam penggunaan Bahasa Indonesia yang baik dan benar. Berikut ini merupakan beberapa tata bahasa baku dalam Bahasa Indonesia.

34

2.4.1

Vokal dan Konsonan

Dalam bunyi Bahasa Indonesia ada pula pengelompokkan berdasarkan ada tidaknya rintangan pada arus udara dalam saluran suara yaitu vokal dan konsonan. Vokal adalah bunyi bahasa yang arus udaranya tidak mengalami rintangan (Tata Bahasa Baku Bahasa Indonesia, 2003, p50). Kualitas dari bunyi bahasa vokal ditentukan oleh 3 faktor yaitu tinggi rendahnya posisi lidah, bagian lidah yang dinaikkan, dan bentuk bibir pada permukaan vokal. Konsonan dibuat dengan cara yang berbeda. Tiga faktor yang terlibat dalam bunyi bahasa konsonan ialah keadaan pita suara, penyentuhan atau pendekatan alat ucap, dan cara alat ucap tersebut bersentuhan. Pita suara dapat merenggang atau merapat sesuai dengan yang sudah dijelaskan sebelumnya, sehingga konsonan dapat dikategorikan sebagai konsonan yang bersuara, misalnya [b] dan [d], dan konsonan yang tidak bersuara misalnya [p] dan [t]. Pada Bahasa Indonesia terdapat 6 fonem vokal yaitu /i/, /e/, /ə/, /a/, /u/, dan /o/. Ketika bunyi vokal diucapkan, lidah dapat dinaikkan atau diturunkan bersama rahang, dan bagian yang dinaikkan atau diturunkan dapat dibagi menjadi depan, tengah, belakang. Fonem konsonan pada bahasa Indonesia berjumlah 22 yaitu sisa alfabet selain vokal.

2.4.2

Diftong

Diftong adalah vokal yang berubah kualitasnya pada saat pengucapannya (Tata Bahasa Baku Bahasa Indonesia, 2003, p52). Penulisan diftong menggunakan dua huruf

35 vokal yang tidak dapat dipisahkan. Contoh diftong misalkan bunyi [aw] pada kata “harimau”. Grafem pada suku kata mau tidak dapat dipisahkan menjadi ma-u. Demikian pula halnya dengan deretan huruf vokal ai pada “sungai”. Deretan vokal tersebut merupakan bunyi diftong [ay] yang merupakan inti dari suku kata –ngai. Pada deretan vokal biasa, kedua vokal mendapat hembusan napas yang sama atau hampir sama, dan kedua vokal tersebut terletak pada dua suku kata yang berbeda. Misalnya bunyi deretan au dan ai pada daun dan main, bukanlah diftong karena baik a maupun u dan a maupun i memiliki tekanan yang sama dan membentuk suku kata tersendiri yaitu da-un dan ma-in.

2.4.3

Gugus Konsonan

Gugus konsonan adalah deretan dua konsonan atau lebih yang tergolong dalam suku kata yang sama (Tata Bahasa Baku Bahasa Indonesia, 2003, p52). Contoh gugus konsonan adalah bunyi [pr] pada kata praktik, pl pada kata plastik, tr pada sastra, dan str pada struktur. Tidak semua deretan konsonan adalah gugus konsonan, contoh deret konsonan yang bukan gugus konsonan antara lain pt pada cipta dan ks pada aksi.

2.4.4

Fonem

Fonem merupakan satuan bahasa terkecil berupa bunyi atau aspek bunyi bahasa yang membedakan bentuk dan makna kata (Tata Bahasa Baku Bahasa Indonesia, 2003, p53). Contoh fonem terlihat pada perbedaan kata pagi dengan bagi. Bunyi [p] dan [b] pada contoh tersebut merupakan dua fonem karena perubahan bunyinya akan mengubah

36 makna dari kata tersebut. Pada Bahasa Indonesia, apabila dua bunyi bahasa mirip, tetapi tidak membedakan kata, maka bunyi tersebut disebut alofon, contohnya adalah [p] pada kata siap apabila diucapkan dengan merenggangkan katupan kedua bibir atau tetap mengatupkannya, tidak akan ada perubahan pada bentuk maupun makna kata.

2.4.5

Grafem

Grafem adalah huruf atau gabungan huruf sebagai satuan pelambang fonem dalam sistem ejaan (Tata Bahasa Baku Bahasa Indonesia, 2003, p53). Pada penulisannya, fonem dan grafem tidak terlalu nampak perbedaannya. Fonem lebih merujuk kepada bunyi bahasa. Sebagai contoh misalkan pada kata pagi maka akan memiliki 4 grafem pada setiap hurufnya yaitu

, , , dan 4 grafem tersebut akan memiliki 4 fonem yang berbeda yaitu /p/, /a/, /g/, dan /i/. Pada kata pagi, huruf yang digunakan dalam fonem dan grafem memiliki kesamaan, namun tidak semua kata memiliki kesamaan seperti itu, contoh pada kata hangus memiliki grafem , , , , <s> dan memiliki fonem /h/, /a/, /ŋ/, /u/, /s/. Grafem tidak selalu melambangkan 1 fonem saja, pada beberapa kasus, grafem <e> misalnya, dapat melambangkan fonem /e/ seperti pada rela dan fonem /ə/ pada belah.

2.4.6

Intonasi dan Ritme

Intonasi mengacu ke naik turunnya nada dalam pelafalan kalimat, sedangkan ritme mengacu ke pola pemberian tekanan pada kata dalam kalimat. Intonasi

37 dilambangkan dengan angka (1, 2, 3, 4) yang melambangkan tinggi rendahnya nada. Angka (1) melambangkan titinada yang paling rendah dan angka (4) melambangkan titinada yang paling tinggi. Contoh: D i m a n a? 2 3 3# Suatu klausa yang terdiri dari kata yang sama dapat memiliki arti yang berbeda tergantung pada tanda baca yang diberikan. Contoh: Dia dapat pergi. Dia dapat pergi? Pada contoh tersebut, kalimat yang diucapkan dengan intonasi menurun memberikan arti pernyataan sedangkan pada intonasi yang menaik, akan memberikan maksud pertanyaan. Ritme adalah pola pemberian aksen pada kata dalam untaian tuturan kalimat (Tata Bahasa Baku Bahasa Indonesia, 2003). Pemberian aksen itu dilakukan dalam selang waktu yang sama pada beberapa bahasa dan selang waktu yang berbeda untuk beberapa bahasa yang lain. Pemberian aksen pada selang waktu yang sama terlihat pada bahasa Inggris contohnya: He They

/reads /are reading

/the book /together

Setiap bagian diucapkan dengan jangka waktu yang sama. Sedangkan pada bahasa Indonesia mengikuti ritme yang berdasarkan jumlah suku kata, makin banyak suku kata, makin lama pula waktu untuk melafalkannya. Contohnya: Saya Profesor itu

/makan /mempublikasikan

/nasi /penelitiannya

Kalimat kedua dilafalkan lebih lama karena memiliki jumlah suku kata yang lebih banyak daripada kalimat pertama.

38 Intonasi merupakan urutan perubahan nada dalam untaian tuturan yang ada dalam suatu bahasa (Tata Bahasa Baku Bahasa Indonesia, 2003). Pola pengubahan nada itu membagi suatu kalimat dalam satuan yang secara gramatikal bermakna. Bagian kalimat tempat berlakunya suatu pola perubahan nada tertentu disebut kelomopk tona. Pada setiap kelompok tona terdapat satu suku kata yang terdengar menonjol yang menyebabkan terjadinya perubahan nada. Contoh pola intonasi umum dalam bahasa Indonesia: Dia / menerima uang / dari ayahnya. 2 3 / 2 -3 1 / 2 -- 3 1↓# Kamar itu, / jendelanya / rusak. 2 -- 3 3 / 2 -- 3 3 / 2 31↓# Titinada 4 biasanya digunakan untuk menyatakan emosi yang tinggi pada orang yang sedang marah, kesakitan, atau kegirangan.

2.4.7

Afiks / Imbuhan

Afiks / imbuhan digunakan untuk melakukan proses penurunan verba yang memperlihatkan peralihan suatu kata dari kategori semantik yang satu ke kategori semantik yang lain. Ada 4 afiks atau imbuhan yang dipakai untuk menurunkan verba yaitu prefiks, sufiks, konfiks, dan infiks (Tata Bahasa Baku Bahasa Indonesia, 2003, p102). Prefiks disebut juga awalan, sufiks merupakan akhiran, konfiks adalah gabungan awalan dan akhiran, dan infiks dinamakan juga sisipan.

39 Prefiks dalam bahasa Indonesia antara lain meng-, per-, ber-, ter-, di-, ke-. Jumlah sufiks untuk verba ada tiga, yakni –kan, -i, dan –an. Konfiks verba adalah ke— an dan ber—an. Prefiks dan sufiks dapat membentuk konfiks apabila prefiks dan sufiks digunakan secara bersamaan dilekatkan pada dasar kata, contohnya pada kata berdatangan, prefiks ber- dan sufiks –an secara serentak ditempelkan pada dasar datang. Selain itu, pemisahan dari salah satu afiks itu tidak boleh meninggalkan bentuk yang masih berwujud kata dan yang hubungan maknanya masih dapat ditelusuri. Misakan pada kata kecurian, secara sepintas dapat dipisahkan menjadi ke-curian karena kata curian memang ada. Namun makna verba kecurian tidak dapat ditelusuri dari gabungan ke dan curian. Oleh karena itu, ke—an, adalah konfiks. Berikut ini kemungkinan penggabungan antara prefiks dan sufiks pada gambar 2.3. Prefiks

Sufiks

meng-

-kan

perber-

-i

terdike-

Gambar 2.6 Kumpulan Prefiks dan Sufiks

-an

40 2.4.8

Urutan Afiks

Pada penggunaaan prefiks, terdapat pula urutan yang harus dipatuhi jika dua prefiks terdapat pada satu dasar yang sama (Tata Bahasa Baku Bahasa Indonesia, 2003, p108). Urutan yang pertama adalah prefiks meng- yang selalu menduduki posisi paling kiri. Kemudian menyusul prefiks per- atau ber- sehingga terjadi bentuk memper- dan member-

seperti

pada

kata

memperjuangkan,

memperkecil,

memperbaiki,

memberhentikan, memberlakukan, dan memberangkatkan. Selain prefiks meng-, prefiks ter- dan di- dapat pula diletakkan di awal apabila meng- merupakan prefiks verba yang transitif. Contoh: membeli membawa memberangkatkan

dibeli dibawa diberangkatkan

terbeli terbawa terberangkatkan

Prefiks ke- tidak dapat bergabung dengan prefiks lain. Demikian pula sufiks – kan, -i, dan –an tidak dapat saling bergabung. Perlu diperhatikan bahwa prefiks keseperti dalam kemukakan dan ketengahkan bukan merupakan prefiks verbal. Dalam kaitannya dengan sufiks, ke- hanya dapat bergabung dengan –an seperti pada verba kejatuhan, kehujanan, dan kecurian dengan satu perkecualian yaitu ketahui. Urutan afiks dalam bahasa Indonesia adalah sebagai berikut.

Tabel 2.1 Rangkaian Afiks

41

1.

mengditermeng-

2.

-kan + -i +

dimeng3.

4.

per-kan

+ perdimengditer-

-i + ber-

-kan -an

5.

ke-

+ -i

2.5

Text-to-speech

2.5.1

Pengertian Text-to-speech

Text-to-speech (TTS) merupakan sebuah aplikasi yang bertujuan untuk mengeluarkan output audio berupa ucapan manusia yang sesuai dengan input kata yang dimasukkan oleh pengguna. Menurut Thierry Dutoit (An Intoduction to Text-to-speech Snthesis), terdapat perbedaan antara TTS dengan talking machine. Perbedaan dasar dari sistem TTS dengan talking machine yang biasa ialah bahwa aplikasi TTS dapat mengucapkan kata-kata baru sehingga dapat menerima semua input yang berupa teks. Sedangkan talking machine memiliki batasan-batasan kamus sehingga hanya dapat digunakan pada aplikasi yang bersangkutan. Pada aplikasi TTS, tentu saja mustahil untuk merekam seluruh kata-kata yang bisa disebutkan oleh manusia. Lebih tepatnya, aplikasi TTS bertujuan untuk memproduksi suara melalui proses grafem ke fonem daripada kalimat.

42 It is thus more suitable to define Text-To-Speech as the automatic production of speech, through a grapheme-to-phoneme transcription of the sentences to utter (Thierry Dutoit).

Aplikasi TTS memiliki banyak kegunaan yang akan bermanfaat bagi kehidupan manusia antara lain sebagai fitur-fitur telekomunikasi pada telepon, untuk membaca pesan yang terkirim, menyebutkan nama penelepon, dll. Selain itu aplikasi TTS juga dapat digunakan sebagai alat bantu belajar suatu bahasa sehingga pengguna dapat mempelajari pengucapan suatu kata dalam suatu bahasa. Kegunaan lain dapat dilihat pada alat bantu bagi orang yang cacat, misalkan pada tuna wicara, aplikasi TTS dapat membantu mereka berkomunikasi secara normal menggunakan suara, atau pada tuna netra dimana penderita dapat menggunakan komputer lebih efisien dengan bantuan audio yang dikeluarkan sesuai dengan interaksi user. Contoh lain TTS dapat digunakan pada mainan anak-anak atau buku yang dapat berbicara atau alat-alat lain yang dapat mempermudah pengguna apabila memiliki kemampuan untuk berbicara.

2.5.2

Sejarah Text-to-speech

Usaha awal untuk menciptakan pensintesa suara telah dilakukan sejak dua ratus tahun yang lalu (Flanagan 1972, Flanagan et al. 1973, Schroeder 1993). Contoh-contoh alat berbicara yang telah dibuat antara lain oleh Gerbert of Aurillac (th. 1003), Albertus Magnus (th. 1198 – th. 1280), dan Roger Bacon (th. 1214 – th. 1294). Pada tahun 1779, Seorang peneliti dari di Russian Academy of Science bernama Christian Kratzenstein berhasil menciptakan model dari vocal tract manusia yang dapat

43 menciptakan 5 bunyi huruf hidup (berdasarkan notasi pada International Phonetic Alphabet) yaitu [a], [e], [i], [o], [u].

Gambar 2.7 Model Vocal Tract Manusia

Penelitian berikutnya dilanjutkan oleh Wolfgang von Kempelen di Vienna yang menciptakan “accoustic-mechanical speech machine” pada tahun 1791. Mesin ini membuat model lidah dan bibir yang memungkinkan munculnya suara konsonan seperti layaknya huruf hidup pada penelitian sebelumnya. Sebenarnya Kempelen sudah memulai penelitiannya sebelum Kratzenstein, pada tahun 1769 dan selama 20 tahun penelitian, ia telah menciptakan buku yang berisi penelitiannya terhadap produksi suara manusia dan eksperimennya selama meciptakan alat tersebut. Pada tahun 1837, Charles Wheatstone menciptakan “speaking machine” berdasarkan desain von Kempelen, alat ini lebih rumit dan mampu memproduksi lebih banyak konsonan dari alat sebelumnya. Bahkan kombinasi suara dan beberapa kata pun dapat diproduksi. Pada tahun 1857, M. Faber menciptakan “Euphonia”. Desain Wheatstone dibuat kembali pada tahun 1923 oleh Paget.

44

Gambar 2.8 Rekonstruksi Wheatstone dari mesin berbicara Von Kempelen

Pada tahun 1930, Bell Labs mengembangkan VOCODER, sebuah speech analyzer elektronik yang mengubah suara menjadi parameter akustik. Alat pertama yang dikenali sebagai speech synthesizer bernama VODER (Voice Operating Demonstrator) yang diperkenalkan oleh Homer Dudley di New York World’s Fair 1939. Pada tahun 1951, Franklin Cooper mengembangkan Pattern Playback Synthesizer di Haskins Laboratories. Alat ini mampu mengubah rekaman spektogtam menjadi suara. Formant Synthesizer yang pertama, PAT (Parametric Artificial Talker), diperkenalkan oleh Walter Lawrence pada tahun 1953. Pada saat yang sama, Gunnar Fant menciptakan formant synthesizer OVE I (Orator Verbis Electris), 10 tahun kemudian pada tahun 1962, Fant dan Martony menciptakan OVE II yang telah dikembangkan. Dilanjutkan dengan OVE III dan GLOVE di Universitas Kungliga Tekniska Högskolan (KTH), Swedia.

45 Pada tahun 1972 John Holmes memperkenalkan formant synthesizer miliknya setelah mempelajari synthesizer selama beberapa tahun. Ia menciptakan sendiri kalimat sintesis “I enjoy the simple life” dengan sangat baik sehingga pendengar tidak dapat membedakannya dengan yang alami. Setahun setelahnya, ia memperkenalkan formant synthesizer parallel yang dikembangkan bersama JSRU (Joint Speech Research Unit). Articulatory synthesizer yang pertama diciptakan pada tahun 1958 oleh George Rosen dari Massachusetts Institute of Technology, M. I. T. DAVO (Dynamic Analog of The Vocal Tract) dikendalikan oleh tape recording signal yang diciptakan sendiri. Pada pertengahan tahun 1960, eksperimen pertama menggunakan Linear Predictive Coding (LPC) diciptakan. LPC pada awalnya digunakan pada system yang membutuhkan biaya murah namun memiliki kualitas suara yang kurang baik. Dengan berbagai modifikasi, metode ini banyak digunakan pada system yang sekarang ini tengah berjalan. Aplikasi TTS yang pertama dalam Bahasa Inggris dikembangkan oleh Electrotechnical Laboratory, Jepang, pada tahun 1968 oleh Noriko Umeda dan temantemannya. Suara yang dihasilkan cukup baik namun masih terkesan monoton dan kualitasnya jauh dibandingkan system zaman sekarang. Pada tahun 1979 Allen, Hunnicutt, dan Klatt memperkenalkan MITalk Laboratory TTS system yang dikembangkan di M. I. T. Sistem ini digunakan oleh Telesensory System Inc. berupada TTS komersial yang telah dimodifikasi. Dua tahun kemudian, Dennis Klatt memperkenalkan Klattalk system hingga saat ini teknologinya masih digunakan oleh DECtalk, dan Prose-2000. Aplikasi pertama optical scanner untuk membantu para tuna netra diciptakan oleh Kurzweil pada tahun 1976. Pada saat itu aplikasi ini masih terlalu mahal untuk

46 masyarakat ($ 30.000) namun telah digunakan di perpustakaan dan service center untuk para tuna netra. Pada pertengahan 1970 dan 1980, aplikasi TTS komersial banyak bermunculan. Pada tahun 1978 Richard Gagnon memperkenalkan Votrax-based Type-n-Talk system. Dua tahun kemudian, pada tahun 1980, Texas Instruments memperkenalkan Speak-nSpell

synthesizer

menggunakan

LPC.

Pada

tahun

1982,

Street

Electronics

memperkenalkan diphone synthesizer yang menggunakan chip yang sama pada Speak-nSpell. Pada saat yang sama, Speech Plus Inc. memperkenalkan Prose-2000 TTS. Setahun kemudian, DECtalk dan Infovox SA-101 synthesizer diciptakan.

Gambar 2.9 Jalur Perkembangan TTS

Speech synthesizer pada tahun-tahun awal masih memiliki kesan robot pada suaranya dan belum memiliki kepintaran yang sempurna. Hingga saat ini kualitas speech synthesizer terus berkembang dan terkadang sukar dibedakan dengan ucapan manusia yang sebenarnya. Sistem TTS modern sekarang ini telah menggunakan metode dan

47 algoritma yang cukup rumit seperti HMM (Hidden Markov Model) dan juga Neural Networks. Neural networks telah diimplementasikan dalam speech synthesis selama 10 tahun belakangan ini dan hasilnya cukup menjanjikan. Namun potensi neural networks masih belum diteliti lebih dalam.

2.5.3

Tahapan-tahapan Text-to-speech

Untuk mendapatkan ucapan yang lebih alami, ucapan yang dihasilkan harus memiliki intonasi (prosodi). Menurut Arry Akhmad Arman (Konversi dari Teks ke Ucapan, p2), secara kuantisasi, prosodi adalah perubahan pitch (frekuensi dasar) selama pengucapan kalimat dilakukan atau pitch sebagai fungsi waktu. Pada prakteknya, informasi pembentuk prosodi berupa data-data pitch serta durasi pengucapannya untuk setiap fonem yang dibangkitkan. Konverter fonem ke ucapan berfungsi untuk membangkitkan sinyal ucapan berdasarkan kode-kode fonem yang dihasilkan dari proses sebelumnya. Sub-sistem ini harus memiliki pustaka setiap unit ucapan dari suatu bahasa. Pada sistem yang menggunakan teknik diphone concatenation, sistem harus didukung oleh suatu diphone database yang berisi rekaman segmen-segmen ucapan yang berupa diphone. Ucapan dalam suatu bahasa dibentuk dari satu set bunyi yang mungkin berbeda untuk setiap bahasa, oleh karena itu setiap bahasa harus dilengkapi dengan diphone database yang berbeda.

48

Gambar 2.10 Tahapan-tahapan Text-to-speech (Pelton, 1992)

Berikut ini tahapan-tahapan dari TTS: a) Normalisasi Teks

Tahap normalisasi teks berfungsi untuk mengubah semua teks kalimat input yang ingin diucapkan menjadi teks yang secara lengkap memperilhatkan cara pengucapannya. Hal-hal yang dilakukan dalam teks normalisasi ini antara

49 lain mengubah angka menjadi angka tertulis, mengubah singkatan umum, dan waktu Angka yang tertulis menggunakan symbol harus direpresentasikan secara tertulis agar dapat dibaca sebagaimana mestinya. Sebagai contoh, “Dia akan kembali 3 hari lagi” akan diubah menjadi, “Dia akan kembali tiga hari lagi”. Singkatan umum yang dikenal sehari-hari akan diubah menjadi bentuk kepanjangannya agar dapat dibaca dengan lengkap. Misalnya, “Sdr. Adrian diminta maju ke depan” akan diubah menjadi “Saudara Adrian diminta maju ke depan”. Penulisan waktu dalam bentuk jam akan ditulis ulang berdasarkan pengucapannya. Sebagai contoh, “Pada pukul 14.45 kegiatan sekolah akan selesai” akan diubah menjadi, “Pada pukul dua lewat empat puluh menit kegiatan sekolah akan selesai”.

b) Pengkonversian Fonem

Tahap ini melakukan konversi dari teks yang sudah secara lengkap merepresentasikan kalimat yang ingin diucapkan menjadi kode-kode fonem. Konversi teks menjadi fonem biasanya dilakukan dengan dua cara. Sebagian proses konversi dapat dilakukan dengan aturan konversi yang sederhana dan berlaku umum untuk berbagai kondisi. Sebagian proses lainnya bersifat kondisional, tergantung dari huruf-huruf atau fonem-fonem tetangganya, bahkan terdapat bentuk-bentuk translasi yang tidak dapat ditemukan keteraturannya. Konversi yang teratur dapat diimplementasikan dengan table konversi yang berisi pasangan antara urutan huruf dan urutan fonem, bahkan mungkin hanya

50 berisi satu huruf dan satu fonem. Bahasa Indonesia merupakan bahasa yang jelas aturan konverisnya. Sebagian besar kata dalam bahasa Indonesia dapat dikonversikan menjadi fonem dengan aturan yang jelas dan sederhana, walaupun tetap ada kondisi-kondisi yang tidak dapat ditemukan keteraturannya. Sebagai Contoh, symbol huruf e dapat diucapkan sebagai e pada apel atau e pada apel, artinya harus dikonversikan menjadi fonem yang berbeda untuk kondisi yang berbeda. Dalam blok diagram di atas, kondisi yang masih dapat ditangani oleh aturan diimplementasikan dengan blok Letter to Phoneme Conversion.

c) Pembuatan Prosodi

Hasil dari tahap tersebut adalah rangkaian fonem yang merepresentasikan bunyi kalimat yang ingin diucapkan. Bagian ini akan melengkapi setiap unit fonem yang dihasilkan dengan data durasi pengucapannya serta pitch-nya. Dalam penggenerasian suara selain membutuhkan fonem yang akan disebutkan, diperlukan juga beberapa parameter-parameter yang akan menentukan durasi dan tinggi rendahnya suara. Semakin baik hasil dari penentuan parameter ini maka pengucapan suara dalam Bahasa Indonesia akan terdengar lebih alami. Data durasi serta pitch diperoleh berdasarkan model prosodi yang sudah disiapkan. Secara simbolik, hasil dari bagian ini sudah menghasilkan informasi yang cukup untuk menghasilkan ucapan yang diinginkan.

d) Phonetic Analysis

Tahap ini dapat dikatakan sebagai tahap penyempurnaan, yaitu melakukan perbaikan di tingkat bunyi. Sebagai contoh, dalam bahasa Indonesia,

51 fonem /k/ dalam kata bapak tidak pernah diucapkan secara tegas, atau adanya sisipan fonem /y/ dalam pengucapan kata alamiah antara fonem /i/ dan /a/. Akan tetapi pada penelitian penulis, penentuan prosodi menggunakan neural networks sehingga tahap ini tidak digunakan oleh penulis.

e) Penggenerasian Parameter Suara

Setelah ditentukan representasi fonem dari input yang diberikan dan ditentukan parameter-parameter prosodi yang akan digunakan, maka semua fonem dan parameter akan ditulis ke dalam sebuah file dengan format tertentu untuk menjadi input untuk synthesizer yang akan digunakan. Tahap ini merupakan tahap akhir untuk mengolah input yang diterima menjadi ucapan suara. Setelah tahap ini, proses pengerjaan merupakan bagian synthesizer suara.

f) Penggenerasian Suara

Hasil dari speech parameter generation akan dimasukkan ke dalam sebuah synthesizer yang akan memproses parameter tersebut menjadi suara. Pada penelitian penulis, penulis menggunakan synthesizer bernama MBROLA. MBROLA merupakan synthesizer yang dibuat oleh Thierry Dutoit di Belgia dan hingga saat ini masih terus bergerak dalam penelitian terhadap speech synthesis. Misi dari MBROLA ialah menciptakan sebuah synthesizer dengan database bahasa yang lengkap di dunia. Hingga saat ini database suara Bahasa Indonesia telah diciptakan dengan kontribusi dari Arry Akhmad Arman, seorang dosen dan peneliti dari Institut Teknologi Bandung, Indonesia, yang meneliti tentang TTS

52 dan berangkat ke Belgia pada tahun 2000 untuk merekam suaranya di ruang laboratorium MBROLA.

2.6

Pengenalan kontekstual

Pada TTS, proses pengenalan kontekstual menjadi sangat penting, hadirnya kata– kata tertentu yang memiliki bentuk huruf yang sama namun dengan arti dan cara artikulasi yang berbeda (homograf) merupakan salah satu penyebab mengapa pengenalan kontekstual menjadi sangat penting. Proses pengenalan relevansi suatu kata dengan mengingat hubungannya terhadap keseluruhan kalimat merupakan proses yang kita sebut sebagai proses pengenalan kontekstual. Pengenalan kontekstual juga dapat dilakukan dengan melihat kumpulan kata yang jauh lebih besar seperti: paragraf, makalah, dsb.Terdapat dua macam cara pengenalan kontekstual yang dapat dilakukan, cara yang pertama adalah dengan mengamati makna kata dari kalimat yang mengandung kata tersebut, cara yang kedua adalah dengan melakukan pengamatan urutan kata yang menyertai kata tersebut.

“Anytime a linguist leaves the group the recognition rates goes up” Fred Jelinek (IBM speech Group)(1998)

Perhitungan kontekstual dengan mengingat makna dari suatu kalimat sangat sulit untuk dilakukan karena bahasa natural itu tidak sistematis dan statis; bahasa natural adalah kreatif dan dinamis, suatu cara yang jauh lebih mungkin dikerjakan adalah dengan melakukan perhitungan terhadap kata–kata yang menyertai kata yang menjadi

53 objek pengamatan kita. Hal ini, secara matematis dapat dilakukan dengan melakukan perhitungan distribusi kata atas kumpulan kalimat yang disertai dengan perhitungan probabilitas maksimum atas kata yang menjadi objek pengamatan kita. Perhitungan ini juga harus dapat merepresentasikan hubungan antara satu kata dengan kata lainnya, operasi ini dapat dilakukan dengan mengaplikasikan aturan rantai markov. Proses perhitungan dengan mengaplikasikan aturan rantai markov menjadi masalah tersendiri, hal ini dikarenakan objek yang digunakan adalah dinamis dan memiliki variasi penggunaan yang sangat beragam namun perhitungan ini dapat disederhanakan dengan menggunakan pemodelan markov yaitu N-Gram.

2.7

N-Gram

N-Gram adalah salah satu alat pemodelan markov yang dapat melakukan prediksi objek selanjutnya ketika diberikan urutan objek yang saling bertautan (Anonymous. N-gram, 2005, http://en.wikipedia.org/wiki/Special:Whatlinkshere/Ngram) Model ini didasari atas pekerjaan Claude Shannon dalam penelitiannya terhadap information theory. Ide utama dari pemodelan ini didapat ketika Shannon dalam penelitiannya melakukan perhitungan terhadap tingkat likelihood terhadap kata selanjutnya ketika diberikan serangkaian urutan kata–kata. Secara ringkas pemodelan ini memprediksi nilai xi berdasarkan rangkaian xi-1, xi-2, xi-3, xi-n. Pemodelan ini dapat diibaratkan sebagai jendela yang bergerak terhadap kumpulan objek.

54 Tabel 2.2 Contoh Pemodelan Bigram

Tabel B

Tabel A NO Representasi bigram Gram) 1 (Ujang, pergi) 2 (pergi, membeli) 3 (membeli, apel) 4 (apel, untuk) 5 (untuk, apel) 6 (apel, ke) 7 (ke, rumah) 8 (rumah, pacarnya)

(2-

Ujang Ujang 1 Pergi 0 Membeli 5 Apel 0 Tabel C Corpus N Tabel D

Pergi 0 2 1 0

Membeli 0 1 0 0

Apel 2 0 1 0

Ujang Pergi Membeli Apel 20 10 15 6

Ujang Ujang 1/20 Pergi 0 Membeli 5/15 Apel 0

Pergi 0 2/10 1/10 0

Membeli 0 1/15 0 0

Apel 2/6 0 1/15 0

Tabel diatas merupakan contoh pemodelan bigram, berikut adalah keterangan dari tabel contoh diatas: •

Tabel A Merupakan tabel contoh representasi kalimat ke dalam bigram atau disebut juga 2-Gram. Tabel ini disusun berdasarkan kata “ujang pergi membeli apel untuk apel ke rumah pacarnya”, kata–kata tersebut dipecah menjadi pasangan kata untuk memperkecil jangkauan pengamatan sehingga pengamatan relevansi kata dapat dilakukan dengan jangkauan yang terbatas. Perhitungan relevansi kata cukup dilakukan terhadap satu kata sebelum kata yang menjadi objek pengamatan kita, contoh: ketika diberikan potongan kalimat “ujang pergi membeli …” maka kata yang berkemungkinan tinggi

55 untuk melengkapi kalimat di atas adalah apel, hal ini didasarkan atas pengamatan kita terhadap kata yang (sesuai dengan representasi bigram) menyertai kata apel, secara matematis pengamatan kontekstual tersebut dapat dituliskan sebagai berikut: P( kata(x) | kata(x-1) ) •

Tabel B Merupakan contoh perhitungan distribusi bigram untuk kata “ujang pergi membeli apel”, perhitungan ini dilakukan dengan menghitung distribusi setiap kata mengingat runutan kata ini dengan satu kata sebelumnya

•

Tabel C Merupakan contoh perhitungan distribusi unigram untuk setiap kata yang menjadi pengamatan tabel B, perhitungan ini dilakukan dengan menghitung distribusi setiap kata tanpa mengingat adanya hubungannya dengan kata lain yang menyertainya.

•

Tabel D Merupakan contoh perhitungan probabilitas bigram untuk setiap kata, perhitungan ini dilakukan dengan membagi distribusi bigram setiap kata dengan distribusi unigram atas kata yang berkesuaian atau secara matematis ditulis: B(ujang,ujang) / C(ujang).

Menurut Daniel Jurafsky dan James H. Martin (2006, p1), seperti dalam kebanyakan model statistika, N-Gram sangat bergantung pada data–data yang digunakan sebagai model pengamatan oleh karena itu kinerja N-Gram akan semakin membaik ketika nilai dari N ditingkatkan, berikut adalah contoh yang diambil dari salah satu

56 artikel yang melakukan percobaan pembentukan kalimat acak dengan meminjam teknik yang digunakan oleh Shannon (1951), dan Miller Selfridge (1950): •

Unigram: every enter now severally, so let

•

Bigram: what I means, sir I confess she? the all sorts he is trim

•

Trigram: indeed the duke; and have a very good friend

•

Quardgram: indeed the short and long marry is noble lepidus

Karakteristik N-Gram yang semakin membaik ketika jumlah N ditambahkan menunjukkan bahwa pemodelan ini mengalami kemunduran ketika proses pengenalan kontekstual ini dilakukan terhadap kata yang memiliki dependensi yang sangat tinggi terhadap runutan kata yang berada sangat jauh dibelakangnya, karakteristik ini diderita oleh semua jenis pemodelan Markov.

57 2.8

Model Perancangan Aplikasi

Analisis Sistem/informasi engineering Desain

Koding

Testing

Gambar 2.11 Model Sekuensial Linear

Model sekuensial linear kadang disebut classic life cycle atau model waterfall. Model sekuensial linear bersifat sistematik, pendekatan sekuensial ke perkembangan software yang dimulai pada level sistem dan proses melalui analisis, desain, koding, dan testing. Model sekuensial linear terdiri dari beberapa kegiatan: a) Sistem atau informasi engineering dan modeling Karena software bagian terbesar sistem, pekerjaan dimulai dari membangun keperluan untuk semua elemen sistem dan kemudian dialokasi beberapa subbab dari keperluan untuk software. Tampilan sistem harus sederhana (essential) ketika software berhubungan dengan elemen lain seperti hardware, pengguna, dan database. Sistem engineering dan analisis

58 terkumpul pada level sistem dengan jumlah kecil dari level desain dan analisis paling atas. Informasi engineering meliputi kumpulan persyaratan pada level strategi bisnis dan level bisnis lingkungan. b) Keperluan analisis software Proses pengumpulan persyaratan adalah menguatkan dan memfokuskan hal yang spesifik. Untuk memahami program dasar yang ingin dibangun, software engineer harus mengerti informasi utama untuk software terhadap fungsi persyaratan, sifat, dan tampilan. Persyaratan untuk kedua sistem dan software dicatat dan diperlihatkan pada pelanggan. c) Desain Desain software adalah proses yang terfokus pada empat atribut program, yaitu : struktur data, arsitektur software, representasi tampilan, dan algoritma. Proses desain menterjemahkan persyaratan menjadi representasi dari software yang dapat memperkirakan kualitas sebelum mulai koding. Keperluan desain didokumentasi dan menjadi bagian dalam software. d) Penggenerasian code Desain harus dituangkan menjadi bahasa mesin. Tahap pengenerasian code melakukan tugas ini. Jika desain dilakukan dengan secara detail, pengenerasian code dapat diselesaikan secara mekanik. e) Testing Proses testing terfokus pada logika dari software, menjamin semua perintah telah dites, dan berjalan sesuai fungsinya; mengadakan tes untuk menangani error dan menjamin input akan menghasilkan hasil yang diinginkan.

59 2.9

State Transition Diagram

State transition diagram (STD) menampilkan cara kerja sistem dengan penggambaran state dan kegiatan yang menyebabkan sistem berubah. Tambahan, STD mengandung aksi–aksi yang diambil secara konsekuen dari kegiatan. State Transition diagram merupakan sebuah modelling tool yang digunakan untuk mendeskripsikan sistem yang memiliki ketergantungan terhadap waktu. STD merupakan suatu kumpulan keadaan atau atribut yang mencirikan suatu keadaan pada waktu tertentu.Komponen-komponen utama STD adalah : 1. State, disimbolkan dengan

Gambar 2.12 Notasi State State merepresentasikan reaksi yang ditampilkan ketika suatu tindakan dilakukan. Ada dua jenis state yaitu : state awal dan state akhir. State akhir dapat berupa beberapa state, sedangkan state awal tidak boleh lebih dari satu. 2. Arrow, disimbolkan dengan

Gambar 2.13 Notasi Arrow

Arrow sering disebut juga dengan transisi state yang diberi label dengan ekspresi aturan, label tersebut menunjukkan kejadian yang menyebabkan transisi terjadi.

60 3. Condition dan Action, disimbolkan dengan

Gambar 2.14 Notasi Condition dan Action

Untuk melengkapi STD diperlukan 2 hal lagi yaitu condition dan action. Condition adalah suatu event pada lingkungan eksternal yang dapat dideteksi oleh sistem, sedangkan Action adalah yang dilakukan oleh sistem bila terjadi perubahan state atau merupakan reaksi terhadap kondisi. Aksi akan menghasilkan keluaran atau tampilan.