HYBRID JARINGAN SYARAF TIRUAN DAN MODEL MARKOV TERSEMBUNYI UNTUK PENGENALAN BILANGAN BERBAHASA INDONESIA MENGGUNAKAN CSLU TOOLKIT

HYBRID JARINGAN SYARAF TIRUAN DAN MODEL MARKOV TERSEMBUNYI UNTUK PENGENALAN BILANGAN BERBAHASA INDONESIA MENGGUNAKAN CSLU TOOLKIT

Oleh ELLYSA KURNIASARI G64101043

DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2005

HYBRID JARINGAN SYARAF TIRUAN DAN MODEL MARKOV TERSEMBUNYI UNTUK PENGENALAN BILANGAN BERBAHASA INDONESIA MENGGUNAKAN CSLU TOOLKIT

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer

Oleh ELLYSA KURNIASARI G64101043

DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2005

ABSTRAK ELLYSA KURNIASARI. Hybrid Jaringan Syaraf Tiruan dan Model Markov Tersembunyi untuk Pengenalan Bilangan Berbahasa Indonesia Menggunakan CSLU Toolkit. Dibimbing oleh AGUS BUONO dan YENI HERDIYENI. Sistem pengenal kata untuk bahasa Indonesia masih sangat minim dalam pengembangannya, khususnya dalam penerapannya sebagai pengenal bilangan (Continuous Digit Recognizer CDR). Penelitian ini membandingkan metode pengenalan kata menggunakan data hand-labeled, force alignment, dan Forward Backward Neural Networks (FBNN) pada pengenalan bilangan berbahasa Indonesia menggunakan CSLU toolkit. Penelitian dilakukan dengan bantuan CSLU toolkit, dengan berfokus pada akurasi pengenalan pada tingkat kata dan kalimat. Kata-kata yang dapat dikenali terbatas pada kata dasar bilangan sesuai dengan ejaan bahasa Indonesia yang disempurnakan. Melalui penelitian ini telah dibuat basisdata suara kata dasar bilangan bahasa Indonesia berikut dengan transkripsi tingkat kata dan fonemnya. Selain itu didefinisikan pula kamus kata dan grammar yang dapat digunakan untuk pengembangan selanjutnya. Hasil penelitian menunjukkan bahwa pengenalan terbaik diperoleh menggunakan data hand-labeled dengan variasi neuron lapis tersembunyi sebanyak 400 unit yaitu sebesar 98,33% untuk pengenalan tingkat kata dan 92,50% untuk pengenalan tingkat kalimat. Penggunaan force alignment dan FBNN untuk mengoptimalkan akurasi sistem memberikan hasil yang tidak berbeda nyata dengan proses data hand-labeled. Hasil pengenalan menggunakan force alignment mencapai 97,08% pada tingkat kata dan 87,50% pada tingkat kalimat, sedangkan pengenalan menggunakan FBNN memberikan akurasi tingkat kata sebesar 97,92% dan 90,00% untuk tingkat kalimat.

Kata Kunci: Jaringan Syaraf Tiruan, Model Markov Tersembunyi, CSLU toolkit, hand-labeled, force alignment, FBNN.

Judul Skripsi

Nama NRP

: Hybrid Jaringan Syaraf Tiruan dan Model Markov Tersembunyi untuk Pengenalan Bilangan Berbahasa Indonesia Menggunakan CSLU Toolkit : Ellysa Kurniasari : G64101043

Menyetujui Pembimbing I

Pembimbing II

Ir. Agus Buono, M.Si, M.Kom NIP. 132 045 532

Yeni Herdiyeni, S.Si, M.Kom NIP. 132 282 665

Mengetahui Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam

Dr. Ir. Yonny Koesmaryono, M.S. NIP. 131 473 999

Tanggal Lulus :

RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 8 Agustus 1983 dari ayah Agus Hery Soekamto dan ibu Titiek Wuryani. Penulis merupakan putri kedua dari empat bersaudara. Tahun 2001 penulis lulus dari SMU Negeri 70 Jakarta dan pada tahun yang sama lulus seleksi masuk IPB melalui Ujian Masuk Perguruan Tinggi Negeri (UMPTN). Penulis memilih Program Studi Ilmu Komputer, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam. Tahun 2004 penulis pernah menjadi relawan operator entri data pemilihan umum tahap pertama dan kedua. Setahun kemudian penulis menjalankan praktik lapangan di PT Pasifik Satelit Nusantara, divisi NOC selama kurang lebih tiga bulan.

PRAKATA Alhamdulillah wa syukrulillah penulis panjatkan ke hadirat Allah Subhanahu wa ta’ala atas segala rahmat, kasih sayang, hidayah dan cinta-Nya sehingga skripsi ini berhasil diselesaikan. Shalawat serta salam selalu buat Nabi Muhammad Shallalahu ‘alaihi wasallam beserta seluruh sahabat dan umatnya hingga akhir zaman. Tema yang dipilih pada penelitian ini adalah pengenalan suara, dengan judul Hybrid Jaringan Syaraf Tiruan dan Model Markov Tersembunyi untuk Pengenalan Bilangan Berbahasa Indonesia Menggunakan CSLU Toolkit. Penulis sampaikan terima kasih yang tiada berhingga kepada semua pihak yang telah membantu dan memberikan pengalaman yang menyenangkan selama melakukan penelitian ini. Khususnya kepada Bapak Ir. Agus Buono, M.Si, M.Kom dan Ibu Yeni Herdiyeni, S.Si, M.Kom serta Bapak Aziz Kustiyo, S.Si, M.Kom yang telah memberikan begitu banyak masukan, bimbingan dan pelajaran berharga selama menjadi pembimbing dan penguji. Selanjutnya penulis juga ingin mengucapkan terima kasih kepada: 1.

Keluargaku tercinta, khususnya kedua orangtuaku atas rasa cinta, kasih sayang, kesabaran dan dukungannya kepadaku. Kepada kakakku dan kedua adik kecilku yang sangat aku sayangi yang juga tiada hentinya memberikan semangat.

2.

Hendra Saputra, yang merelakan hati dan telinganya untuk mendengarkan keluh kesah penulis.

3.

Sahabat-sahabat Ilkom angkatan 38, terimakasih atas persahabatan kita selama ini.

4.

Sahabat-sahabat semangatnya.

5.

Departemen Ilmu Komputer, staf dan dosen yang telah begitu banyak membantu baik selama pelaksanaan skripsi ini maupun sebelumnya.

‘serumah’

di

Cirahayu6,

terimakasih

atas

keceriaan

dan

Dan semua pihak lainnya yang telah memberikan kontribusi yang besar selama pengerjaan penelitian ini yang tidak dapat disebutkan satu-persatu, terima kasih. Semoga penelitian ini dapat memberikan manfaat.

Bogor, 15 Oktober 2005

Ellysa Kurniasari

DAFTAR ISI Halaman DAFTAR TABEL ............................................................................................................

viii

DAFTAR GAMBAR ........................................................................................................

ix

DAFTAR LAMPIRAN ....................................................................................................

x

PENDAHULUAN ............................................................................................................

1

TINJAUAN PUSTAKA Gelombang Suara .......................................................................................................

1

Spektral, Spektrogram, dan Formant .........................................................................

2

Fonem Bahasa Indonesia dan Karakteristik Formant-nya .........................................

2

Jaringan Syaraf Tiruan (JST)......................................................................................

3

Ekstraksi Ciri..............................................................................................................

4

Algoritma Viterbi .......................................................................................................

5

Algoritma Forward Backward ...................................................................................

6

METODOLOGI Data...........................................................................................................................

6

Pendefinisian Kamus Kata dan Grammar.................................................................

8

Pelabelan Data ..........................................................................................................

8

Penentuan MFCC......................................................................................................

8

Klasifikasi Frame Berdasarkan Kategori..................................................................

9

Pencocokan Kategori dengan Target Kata................................................................

9

Rancangan Percobaan ...............................................................................................

9

Parameter Percobaan.................................................................................................

10

Lingkungan Pengembangan......................................................................................

10

HASIL DAN PEMBAHASAN Pengaruh Jumlah Neuron Hidden dan Iterasi Terhadap Akurasi Sistem ..................

10

Perbandingan Akurasi Menggunakan Hand Labeled, Force Alignment, dan FBNN........................................................................................................................

12

KESIMPULAN DAN SARAN Kesimpulan ..............................................................................................................

13

Saran ........................................................................................................................

13

DAFTAR PUSTAKA .......................................................................................................

14

DAFTAR GAMBAR

Halaman 1.

Gelombang suara sebagai input sistem pengenal suara........................................................... 1

2.

Spektrogram skala keabuan dan berwarna dari suatu gelombang suara tertentu .................... 2

3.

Arsitektur JST dengan sebuah lapisan tersembunyi................................................................ 3

4.

Blok diagram MFCC............................................................................................................... 5

5.

Tahapan pengembangan CDR bahasa Indonesia .................................................................... 7

6.

Skema pembagian data untuk pelatihan dan pengujian........................................................... 7

7.

Gelombang suara yang sudah di hand label............................................................................ 9

8.

Arsitektur jaringan syaraf tiruan yang digunakan dalam proses pengenalan kata .................. 9

9.

Perbandingan akurasi tingkat kata dan kalimat pada data tes 1 .............................................. 11

10. Perbandingan akurasi tingkat kata dan kalimat pada data tes 2 .............................................. 12 11. Perbandingan akurasi dari proses hand-labeled, force alignment, dan FBNN........................ 13

DAFTAR TABEL

Halaman 1.

Struktur jaringan syaraf tiruan ............................................................................................... 9

2.

Hasil pengenalan terbaik untuk masing-masing variasi neuron hidden pada data tes 1.......... 11

3.

Hasil pengenalan terbaik untuk masing-masing variasi neuron hidden pada data tes 2.......... 12

4.

Hasil pengenalan kata menggunakan proses hand label, force alignment, dan FBNN........... 13

DAFTAR LAMPIRAN

Halaman 1.

Daftar file setiap speaker ....................................................................................................... 16

2.

Definisi kamus kata dan grammar yang digunakan................................................................ 17

3.

Hasil pengenalan kata pada data tes 1..................................................................................... 18

4.

Hasil pengenalan kata pada data tes 2..................................................................................... 34

5.

Hasil pengenalan kata menggunakan force alignment dan FBNN ......................................... 46

PENDAHULUAN Latar Belakang Berbicara merupakan metode komunikasi yang paling alamiah. Begitu nyamannya orang menggunakan suara sebagai media komunikasi sampai menginginkan dapat berkomunikasi dengan komputer melalui media ini dibandingkan menggunakan antarmuka primitif seperti keyboard atau alat penunjuk lainnya. Teknologi Automatic Speech Recognizer (ASR) merupakan cabang ilmu kecerdasan buatan yang mencakup akuisisi pengetahuan, pemodelan bahasa, pencocokan pola, dan adaptasi. Seperti telah diketahui, Hidden Markov Model telah banyak diaplikasikan untuk masalah pengenalan suara beberapa tahun belakangan ini. Jaringan syaraf tiruan banyak digunakan untuk menyelesaikan masalah pengenalan-pengenalan pola, yang memetakan sejumlah input ke sejumlah output. Salah satunya adalah masalah pengenalan suara. Teknologi ASR, khususnya dalam penerapannya sebagai Continuous Digit Recognizer (CDR), berkembang seiring dengan kebutuhan akan interaksi manusia dengan komputer yang semakin meningkat. CDR banyak diaplikasikan dalam berbagai hal contohnya pemasukan data otomatis, voice dialing telephone, sistem perbankan otomatis, dan sistem telephone-based lainnya. Hingga saat ini ilmuwan dari berbagai negara telah dan masih mengembangkan CDR untuk bahasanya masing-masing. Penelitian mengenai CDR sudah banyak berkembang untuk bahasa Inggris. Salah satu contohnya adalah penelitian yang dilakukan oleh Cosi et al (1997). Penelitian ini menggunakan basisdata suara yang cukup besar berisi ribuan kalimat. Penelitian ini memberikan akurasi tingkat kata sebesar 96,36% dan 86,82% untuk akurasi tingkat kalimat. Duc et al (2001) juga telah mengembangkan CDR untuk bahasa Vietnam. CDR berbahasa Vietnam ini memiliki akurasi sebesar 90,48% pada tingkat kata dan 73,97% pada tingkat kalimat. CDR juga telah dibuat untuk bahasa Italia oleh Cosi (2000) dengan akurasi mencapai 98,24% untuk akurasi tingkat kata dan 87,89% untuk tingkat kalimat. Penelitian yang disebut di atas dilakukan menggunakan Centre for Speech and Language Understanding (CSLU) toolkit dari Oregon Graduate Institute of Science and Technology

(OGI), Amerika Serikat. CSLU toolkit ini dapat diperoleh di http://cslu.cse.ogi.edu/toolkit secara bebas untuk penggunaan non komersil. Penelitian mengenai ASR berbahasa Indonesia belum banyak dilakukan dan sejauh pengamatan penulis CDR berbahasa Indonesia belum tersedia sehingga perlu dilakukan penelitian lebih lanjut mengenai hal tersebut. Tujuan Penelitian ini bertujuan untuk membandingkan metode pengenalan kata menggunakan data hand-labeled, force alignment, dan Forward Backward Neural Networks (FBNN) pada pengenalan bilangan berbahasa Indonesia menggunakan CSLU toolkit. Ruang Lingkup 1

Kata yang dapat dikenali dibatasi pada kata dasar bilangan sesuai dengan ejaan bahasa Indonesia yang disempurnakan.

2

Pengenalan kata dilakukan berdasarkan fonem. Setiap fonem hanya dibagi ke dalam satu bagian saja (independent part).

3

Analisis kinerja sistem dilakukan berfokus pada akurasi pengenalan sistem yang meliputi insertion, deletion, dan substitution.

TINJAUAN PUSTAKA Gelombang Suara Input ke dalam suatu sistem pengenal suara adalah gelombang suara yang merupakan barisan perubahan udara yang cukup kompleks. Perubahan udara ini disebabkan oleh jalur spesifik yang dilewati udara mulai dari celah suara (glottis) sampai ke rongga mulut atau rongga hidung. Gelombang suara direpresentasikan dengan memetakan perubahan tekanan udara terhadap waktu. Contoh gelombang suara dapat dilihat pada Gambar 1.

Gambar 1 Gelombang suara sebagai input sistem pengenal suara.

Dua karakteristik penting dari sebuah gelombang suara adalah frekuensi dan amplitudo. Frekuensi adalah banyaknya gelombang tersebut berulang (cycles) dalam satu detik. Banyaknya cycles per detik disebut Hertz (Hz). Amplitudo suatu gelombang merupakan jumlah variasi tekanan udara pada suatu titik. Amplitudo yang besar menunjukkan tekanan udara yang lebih besar pada waktu tersebut, nilai nol menandakan tekanan udara normal (atmospheric), sedangkan amplitudo dengan nilai negatif menandakan tekanan udara di bawah normal. Dua sifat yang berhubungan dengan frekuensi dan amplitudo adalah pitch dan loudness. Pitch berkorelasi positif dengan frekuensi, sedangkan loudness berkorelasi positif dengan power, yang merupakan nilai kuadrat dari amplitudo (Jurafsky & Martin 2000).

puncak-puncak spektral disebut (Jurafsky & Martin 2000).

formant

Selain ditampilkan dalam bentuk skala keabuan, terdapat pula spektrogram yang digambarkan dengan warna untuk menunjukkan fitur penting dari sebuah spektrogram. Sumbu horizontal dari spektrogram menyatakan waktu sedangkan sumbu horizontal menyatakan frekuensi dalam satuan Hertz. Warna yang berbedabeda menandakan intensitas energi pada suatu titik tertentu. Warna merah menggambarkan peningkatan energi sepanjang sumbu vertikal, warna biru menggambarkan penurunan energi, warna kuning dan hijau menggambarkan energi maksimum, sedangkan warna putih berarti tidak terdapat energi yang cukup untuk menjadi perhatian.

Spektral, Spektrogram, dan Formant Jika hanya melalui gelombang suara saja, klasifikasi fonem tidak dapat dilakukan secara rinci. Untuk menghasilkan klasifikasi fonem yang lebih terperinci dibutuhkan representasi gelombang suara dalam bentuk fitur-fitur spektral. Spektrum adalah representasi komponen-komponen gelombang suara dalam frekuensi yang berbeda-beda (Jurafsky & Martin 2000). Spektrum dihasilkan dari proses transformasi fourier yang dapat memisahkan komponen frekuensi sebuah gelombang. Pada gelombang suara, dengan representasi bentuk spektrum terlihat jelas karakteristik yang berbeda dari setiap fonem. Jika sebuah spektrum menunjukkan komponen frekuensi dari sebuah gelombang pada suatu waktu tertentu, maka spektrogram menggambarkan perubahan frekuensi ini terhadap waktu (Jurafsky & Martin 2000). Sumbu horizontal pada spektrogram menyatakan waktu, sama seperti pada gelombang suara, sedangkan sumbu vertikal menyatakan frekuensi. Contoh spektrogram dapat dilihat pada Gambar 2. Spektrogram biasanya dihitung dan disimpan di dalam memori komputer dalam bentuk array 2 dimensi. Untuk sebuah spektrogram S, kekuatan energi dari sebuah komponen frekuensi pada waktu t direpresentasikan dengan warna pada titik yang dimaksud S(t, f). Daerah dengan warna yang lebih gelap pada spektrogram menggambarkan amplitudo pada komponen frekuensi tersebut. Bagian berwarna gelap dalam spektrogram merepresentasikan

Gambar 2 Spektrogram skala keabuan dan berwarna dari suatu gelombang suara tertentu. Representasi spektral dapat memberikan petunjuk yang spesifik pada identifikasi fonem. Hal ini disebabkan karena setiap fonem memiliki formant yang unik. Fonem Bahasa Indonesia dan Karakteristik Formant-nya Para ahli bahasa mengelompokkan bunyi yang digunakan dalam sebuah bahasa ke dalam sejumlah kategori abstrak yang disebut fonem. Fonem juga dapat diartikan sebagai unit bunyi terkecil yang membedakan arti. Di dalam bahasa Indonesia dikenal 31 simbol fonem yaitu [PPPBDEPDIKBUD 1996]: Fonem vokal (6 buah): /a/, /i/, /u/, /e/, /ə/, dan /o/ Fonem konsonan (18 buah): /p/, /t/, /c/, /k/, /b/, /d/, /j/, /g/, /m/, /n/, /ñ/, /ŋ/, /s/, /h/, /r/, /l/, /w/, /y/

Fonem serapan (4 buah): /f/, /z/, /ſ/, /x/ Fonem diftong (3 buah): /aw/, /ay/, /oy/. Kata-kata yang akan dikenali pada penelitian kali ini hanya terbatas pada kata dasar bilangan saja, maka tidak semua fonem di atas digunakan dalam penelitian ini, beberapa yang digunakan adalah sebagai berikut: /a/, /i/, /u/, /e/, /o/, /p/, /t/, /k/, /b/, /d/, /j/, /g/, /m/, /n/, /ŋ/, /s/, /h/, dan /l/. Setiap fonem memiliki karakteristik formant yang unik yang dapat membedakan satu dengan lainnya. Untuk fonem vokal (/a/, /i/, /u/, /e/, /o/), formant yang dihasilkan relatif stabil, kuat, dan tidak berubah-ubah. Pada spektrogram fonem dari kategori ini mudah diidentifikasi. Hal ini berbeda pada kategori huruf nasal (/m/, /n/, /ŋ/). Kategori ini memiliki energi yang jauh lebih sedikit dibandingkan dengan kategori fonem vokal. Penyebabnya adalah terhalangnya hampir seluruh rongga sehingga suara keluar melalui rongga hidung. Kategori berikutnya adalah plosive yang terdiri dari fonem /p/, /t/, /k/, /b/, /d/, /g/. Formant kategori plosive ditandai dengan ledakan energi akustik yang diikuti oleh jeda yang singkat. Selain itu kategori ini juga ditandai oleh perubahan yang cepat dari energi akustik yang kecil atau sama sekali tidak ada sampai ledakan singkat berenergi tinggi pada pita frekuensi yang luas. Kategori fonem fricative juga merupakan kategori fonem yang mudah dikenali. Fonem /s/ termasuk dalam kategori ini. Keberadaan fonem ini pada spektrogram ditandai pada daerah dengan frekuensi tinggi dengan distribusi energi yang bersifat random. Fonem /l/ termasuk ke dalam kategori approximant. Penanda kategori ini adalah energi yang labih lemah dibandingkan dengan kategori fonem. Hal ini disebabkan adanya sedikit penghalang pada jalur vocal tract. Kategori fonem lainnya adalah affricate, contohnya adalah fonem /j/. Kategori ini merupakan gabungan dari plosive dan fricative (Carmell et al 1997). Jaringan Syaraf Tiruan (JST) Studi mengenai JST terinspirasi oleh bidang ilmu neurobiologi. Menurut Fausett (1994), JST adalah suatu pemrosesan

informasi yang memiliki karakteristik sebagai berikut 1

Arsitektur jaringan, yaitu pola hubungan antar neuron.

2

Algoritma pelatihan atau pembelajaran, merupakan metode penentuan bobot pada hubungan antar neuron.

3

Fungsi aktivasi yang dijalankan pada masing-masing neuron pada input untuk menentukan output.

JST mampu belajar membentuk asosiasi antara input dan output, menyimpan data pelatihan serta mempelajari polanya. Hal ini penting pada proses pengenalan suara mengingat pola akustik yang tidak pernah sama. JST juga mampu menghitung fungsifungsi non-linear dan non-parametrik dari input sehingga dapat mentransformasi data secara lebih kompleks. Arsitektur JST meliputi pengaturan neuron dalam suatu lapisan dan pola hubungan dalam lapisan dan di antara lapisan. Dalam JST, neuron diatur dalam sebuah lapisan (layer). Ada 3 tipe lapisan, yaitu lapisan input, lapisan tersembunyi, dan lapisan output. Berdasarkan lapisannya JST dikelompokkan sebagai jaringan lapis tunggal (single layer), jaringan lapis banyak (multi layer), dan jaringan lapis kompetitif (competitive layer). Jaringan lapis tunggal memiliki satu lapis hubungan bobot. Jaringan lapis banyak memiliki satu atau lebih lapisan tersembunyi antara lapisan input dan output. Sedangkan jaringan dengan lapis kompetitif membentuk suatu bagian dari sejumlah besar jaringan-jaringan syaraf. Gambar 3 merupakan contoh sederhana dari sebuah JST.

X1

w1

X2

w2

y1

Y

y2 X3

Z1

Z2

w3

Unit input

Unit tersembunyi

Unit output

Gambar 3 Arsitektur JST dengan sebuah lapisan tersembunyi. Berdasarkan skema interkoneksinya, jaringan dapat dibagi menjadi jaringan feed

forward dan recurrent. Koneksinya dapat dibagi ke dalam koneksi simetrik dan asimetrik. Pada jaringan feed forward semua koneksinya satu arah berasal dari lapisan input menuju lapisan output. Sedangkan pada jaringan recurrent terdapat loop atau koneksi feedback. Sebuah jaringan dikatakan memiliki koneksi yang simetrik apabila terdapat koneksi dari node i ke node j, begitu juga sebaliknya. Kedua koneksi itu memiliki bobot yang sama. Jika koneksi antar node tidak simetrik seperti disebutkan di atas, maka koneksinya disebut koneksi asimetrik (Fu 1994). Sebelum JST digunakan untuk mengklasifikasikan pola, terlebih dahulu dilakukan proses pembelajaran untuk menentukan struktur jaringan, terutama dalam penentuan nilai bobot. Ada dua tipe pembelajaran, yaitu pembelajaran dengan pengarahan (supervised learning) dan tanpa pengarahan (unsupervised learning). Beberapa metode pembelajaran yang digunakan antara lain metode Hebb, Perceptron, Adaline, Madaline, Backpropagation, Self Organizing Map (SOM), dan Learning Vector Quantization (LVQ). Arsitektur jaringan yang digunakan pada penelitian ini adalah multi layer perceptron (MLP) karena MLP dapat digunakan untuk menyelesaikan masalah klasifikasi nonlinear karena dapat membentuk daerah keputusan yang lebih kompleks (Fu 1994). MLP merupakan jaringan syaraf tiruan feed forward dengan paling tidak satu lapis tersembunyi layer. MLP biasa dilatih menggunakan algoritma pembelajaran backpropagation. Pelatihan menggunakan algoritma backpropagation terdiri dari tiga fase yaitu fase feed forward pola input pembelajaran, fase kalkulasi dan propagasi balik error yang didapat dan fase penyesuaian bobot. Fungsi aktivasi merupakan fungsi yang menentukan level aktivasi, yaitu keadaan internal sebuah neuron dalam JST. Keluaran aktivasi ini biasanya dikirim sebagai sinyal ke neuron lainnya. Fungsi aktivasi yang umum digunakan adalah (Fausett 1994): Fungsi identitas f ( x ) = x untuk setiap x

Fungsi tangga biner f (x ) =

⎧1 jika x ≥ θ ⎨0 jika x < θ ⎩

Fungsi sigmoid biner f ( x) =

1 1 + exp( − x )

Fungsi sigmoid bipolar f ( x) =

1 − exp( − x ) 1 + exp( − x )

Ekstraksi Ciri Ekstraksi ciri mempunyai input sinyal suara analog dan sebagai outputnya adalah feature vector untuk setiap frame (time slice). Untuk dapat menghasilkan feature vector terdapat beberapa langkah yang dilalui. Tahap pertama adalah melakukan digitasi terhadap sinyal suara analog. Proses ini terdiri dari sampling dan kuantisasi (Jurafsky & Martin 2000). Sampling artinya mengukur amplitudo sinyal pada suatu indeks waktu tertentu. Dalam hal ini dikenal istilah sampling rate, yaitu banyaknya sampling yang dilakukan setiap detik. Sampling rate yang umum digunakan adalah 8000 Hz dan 16000 Hz. Jumlah sample minimum untuk sebuah cycle adalah sebanyak dua sample, satu sample untuk mengukur bagian positif dan sisanya mengukur bagian negatif gelombang. Jumlah sample yang melebihi ketentuan di atas dapat meningkatkan akurasi penghitungan amplitudo, sedangkan sebaliknya, jika jumlah sample tidak memenuhi akan mengakibatkan hilangnya frekuensi gelombang suara. Sehingga frekuensi maksimum yang dapat diukur adalah setengah dari sampling rate. Berikutnya adalah kuantisasi, yaitu menyimpan nilai amplitudo ini ke dalam nilai integer, yang dalam hal ini memakai representasi 8 bit atau 16 bit. Setelah sinyal didigitisasi, berikutnya adalah menyekatnya dalam bagian-bagian kecil penyusun sinyal suara dengan ukuran waktu yang tetap, misalnya 10 ms. Bagianbagian kecil ini disebut frame. Langkah berikutnya adalah merepresentasikannya dalam domain spektral menjadi feature vector yang merupakan input bagi tahap berikutnya. Beberapa fitur yang sering digunakan adalah linear predictive coding (LPC), koefisien cepstral, atau perceptual linear prediction (PLP). Koefisien cepstral merupakan representasi fitur yang paling populer saat ini.

Penelitian ini menggunakan fitur yang berasal dari Mel Frequency Cepstral Coefficient (MFCC) beserta turunannya yaitu MFCC delta. MFCC ditambah fitur energinya menghasilkan 13 koefisien demikian pula MFCC delta dengan fitur energinya juga menghasilkan 13 koefisien. Secara keseluruhan dihasilkan 26 koefisien untuk sebuah frame. MFCC didasarkan pada variasi dari frekuensi kritis telinga manusia. Filter diletakkan secara linear pada frekuensi rendah dan logaritmik pada frekuensi tinggi untuk mendapatkan karakteristik suara yang penting dari fonem. Gambar 4 merupakan blok diagram yang menjelaskan secara umum proses untuk mendapatkan mel cepstrum.

antara lain adalah rectangle, gaussian, hamming, atau hanning window. Jika didefinisikan window sebagai w(n) dengan 0 ≤ n ≤ N − 1 , dimana N adalah banyaknya sampel dalam tiap frame, maka sinyal hasil proses windowing dapat dinyatakan sebagai berikut: y l ( n ) = x l ( n ) w( n ) 0 ≤ n ≤ N − 1 3

Gelombang suara Frame Blocking frame Windowing

4

Fast Fourier Transform (FFT) spectrum Mel frequency Wrapping Mel spectrum Cepstrum

Mel cepstrum

Gambar 4 Blok diagram MFCC. Berikut adalah penjelasan dari blok diagram di atas (Do 1994) 1 Frame Blocking. Pada tahap ini gelombang suara dipecah ke dalam frame yang terdiri dari N sampel. Penelitian ini membagi gelombang suara menjadi frame-frame berukuran 10 msec dengan 80 sampel. 2 Windowing. Proses windowing ini dilakukan untuk setiap frame, dengan tujuan untuk meminimalisasi diskontinuitas sinyal pada awal dan akhir frame. Konsepnya adalah memperhalus distorsi spektral hingga mendekati nol pada awal dan akhir setiap frame. Beberapa window yang biasa digunakan

5

Fast Fourier Transform (FFT). Tahap ini mengkonversi tiap frame dengan N sampel dari domain waktu ke domain frekuensi. FFT, algoritma implementasi Discrete Fourier Transform (DFT), didefinisikan pada himpunan N sampel sebagai berikut {xn} N−1 −2πjkn/ N n=0, 1, 2,…, N-1. X n = ∑ xk e k=0 Nilai j pada persamaan di atas merupakan unit imajiner yaitu j = − 1 . Secara umum Xn merupakan bilangan kompleks. Hasil dari langkah ini disebut spektrum sinyal atau periodogram. Mel frequency (MF) wrapping. Studi psikofisik menunjukkan bahwa persepsi manusia mengenai frekuensi sebuah sinyal suara tidak berupa skala linear sehingga untuk tiap suara dengan frekuensi f, pitch subjektifnya diukur dengan skala “mel”. Skala MF merupakan selang frekuensi linear untuk frekuensi dibawah 1000 Hz, dan selang frekuensi logaritmik untuk frekuensi di atas 1000 Hz. Persamaan berikut digunakan untuk menghitung MF jika diberikan suatu frekuensi f mel ( f ) = 2595 * log10 (1 + 700)

Cepstrum. Pada langkah terakhir ini dikonversikan kembali log mel spectrum ke domain waktu, hasilnya disebut MFCC. Representesi cepstral dari spektrum suara memberikan representasi yang baik tentang local spectral properties dari sinyal yang diberikan. Karena hasil dari mel spectrum coeffients dan logaritmanya (dari hasil 4) adalah bilangan real, maka dapat dikonversikan ke domain waktu menggunakan Discrete Cosine Transform (DCT).

Algoritma Viterbi

Algoritma ini ingin menemukan barisan state yang optimum, Q={ q1, q2, q3, …, qT}, jika diberikan barisan observasi O={O1, O2, O3, …, OT}. Pada algoritma ini didefinisikan

peubah baru, δt(i), sebagai skor terbaik (peluang tertinggi) yang dihitung pada path dari state periode pertama hingga state Si pada periode t. δt (i) =

max

q1,q2,...,qt−1

P(q1, q2 ,...,qt = i, O1, O2 ,...,Ot | λ)

Prosedur lengkap algoritma Viterbi adalah : 1. Inisialisasi, untuk 1≤i≤N :

δ1 (i ) = π i bi (O1 ) ψ 1 (i ) = 0 2. Proses rekursi :

[

]

δt ( j) = max δt−1(i)aij ⋅ b j (Ot ) 1≤i≤N untuk 2≤t≤T dan 1≤j≤N

ψt ( j) = argmax [δt−1(i)aij ] 1≤i≤N

untuk 2≤t≤T dan 1≤j≤N 3. Terminasi :

P* = max δT (i) dan 1≤i≤N

qT* = argmax δT (i) 1≤i≤N

4. Backtracking :

qt* =ψt+1(qt*+1) untuk t=T-1, T-2, …, 1.

α t (i ) = PT (O1 , O2 ,K , Ot , S t = i | π ) = ∑ α t −1 (i )aij b j (Ot ) i

Peluang backward adalah

β t (i ) = PT (Ot +1 , Ot + 2 , K, OT | S t = i, π ) = ∑ α ji bi (Ot +1 ) β t +1 (i ) i

Jadi peluang posterior dari suatu transisi dari state i ke state j, λij , diberikan peluang observasi dan model Markov tersembunyinya adalah sebagai berikut

λij (t ) = PT ( st = i, st +1 = j | O, π ) α t (i )aij b j (Ot +1 ) β t +1 ( j ) = PT (O | π ) α t (i )aij b j (Ot +1 ) β t +1 ( j ) = ∑k∈S α T (k )

Peluang posterior berada pada state i pada waktu t dapat dihitung dari persamaan berikut

λi (t ) = PT ( st = i | O, π ) α (i ) β t (i) = t ∑k∈S α T (k )

Dan transisi antara state pada sebuah model Markov tersembunyi dapat diestimasi menggunakan persamaan berikut (Yan et al 1997).

∑ λ (t ) (t ) = ∑ ∑ λ (t ) ∑ λ (t ) = ∑ λ (t ) T −1

a ij

t =1 T −1

Algoritma Forward Backward

Pada sebuah model Markov tersembunyi peluang observasi barisan O didefinisikan sebagai PT (O | S , π ) :

ij

t =1 T −1

k

ik

t =1 ij T −1 t =1 i

PT (O | S , π ) = bs1 (O1 )bs 2 (O2 ) K bsT (OT )

METODOLOGI

Peluang dari barisan state didefinisikan sebagai

Sistem CDR berbahasa Indonesia dalam penelitian ini dikembangkan dengan langkahlangkah pada Gambar 5.

Sedangkan peluang PT (O | π ) adalah

Data

PT ( S | π ) = a s1s 2 a s 2 s 3 K a sT −1sT

PT (O | π ) =

∑ PT (O | S , π ) PT (S | π )

semua S

=

T

∑ ∏a

semua S t =1

st −1st

bst (Ot )

Peluang forward didefinisikan sebagai berikut

Data suara yang digunakan pada percobaan ini dikumpulkan dari rekaman suara 8 orang speaker dengan lingkungan perekaman dan rentang umur yang sama. Umur speaker berkisar antara 22-25 tahun. Sampel suara yang digunakan berasal dari suara 4 orang pria dan 4 orang wanita. Proporsi data yang digunakan dibagi menjadi tiga bagian, data untuk pelatihan, data untuk

pengujian yang suaranya juga dilatihkan ke sistem (data tes 1), serta data pengujian lain yang berasal dari sampel suara yang tidak dilatihkan kesistem (data tes 2). Untuk lebih jelasnya pembagian data dapat dilihat pada Gambar 6. Data yang digunakan untuk pelatihan berasal dari sampel suara 4 orang, 2 orang pria dan 2 orang wanita. Sisa suara yang berasal dari 4 orang lain tidak diikutsertakan dalam pelatihan tetapi digunakan untuk pengujian.

10 kalimat. Keseluruhan file yang diperoleh berjumlah 120 file, secara lebih rincinya dapat dilihat pada Lampiran 1. Jumlah file gelombang suara yang diperoleh untuk masing-masing bagian data adalah sebagai berikut; 40 buah data pengujian, 40 buah data tes 1, dan 40 buah data tes 2. Speaker 1, 10 file pelatihan 10 file pengujian Speaker 2, 10 file pelatihan 10 file pengujian

Pengumpulan data

Speaker 3, 10 file pelatihan 10 file pengujian

Pendefinisian kamus kata dan grammar

Pelabelan data manual (handlabeled)

Menentukan MFCC

Pelabelan data dengan pengenal kata yang sudah tersedia (force alignment)

Menentukan MFCC

Klasifikasi frame berdasarkan kategori fonem dengan JST

Reestimasi target menggunakan algoritma forward backward

Pencocokan kategori dengan target kata menggunakan algoritma Viterbi

CSLU toolkit

Gambar 5 Tahapan pengembangan aplikasi CDR bahasa Indonesia. Setiap speaker diminta untuk menyebutkan deretan 6 angka acak untuk setiap filenya. Deretan angka acak ini didapatkan dari basis data telepon. Speaker yang suaranya akan digunakan untuk pelatihan diminta untuk menyebutkan sebanyak 20 kalimat, setengahnya akan digunakan untuk pelatihan dan setengahnya lagi untuk pengujian. Empat speaker lainnya, yang datanya hanya digunakan pada tahap pengujian saja, diminta untuk menyebutkan

Data suara

Speaker 4, 10 file pelatihan 10 file pengujian Speaker 5, 10 file pengujian Speaker 6, 10 file pengujian Speaker 7, 10 file pengujian Speaker 8, 10 file pengujian

Gambar 6 Skema pembagian data untuk pelatihan dan pengujian. Ketiga jenis file tadi disimpan terpisah dan proses penamaannya mengikuti aturan yang sudah diberikan CSLU. Ketiga file ini diberi nama yang sama hanya ekstensinya saja yang berbeda. Agar lebih mudah, penamaan file dilakukan sesuai dengan format berikut Format : {TLP-([0-9]+)-([0-9]+)} Format di atas terdiri dari tiga bagian. Bagian pertama adalah TLP, yang menunjukkan bahwa kalimat yang disebutkan speaker berasal dari basis data nomor telepon. Bagian yang kedua, ([0-9]+), menunjukkan urutan file. Bagian ini juga sangat berhubungan dengan partisi file. Jika angka pada bagian ini menghasilkan bilangan 0, 1, 2, 3, atau 4 setelah dimodulokan dengan 10 maka file tersebut akan digunakan sebagai data pelatihan. Sisanya, jika hasilnya adalah 5, 6, 7, atau 8, merupakan data tes 1. File pada data tes 2 menghasilkan nilai 9 setelah dimodulokan dengan 10. Bagian angka yang

terakhir merupakan representasi dari kalimat yang diucapkan speaker. Pendefinisian kamus kata dan grammar

Pendefinisian kamus kata merupakan hal yang penting dalam membuat sistem pengenal kata. CDR berbahasa Indonesia ini dibatasi hanya mengenali 10 kata dasar bilangan. Bahasa Indonesia memiliki banyak sekali variasi penyebutan sebuah kata. Dari sekian banyak variasi yang ada, kamus kata CDR hanya mendefinisikan variasi penyebutan bilangan 0 menjadi dua yaitu nol dan kosong. Selain mendefinisikan kata-kata yang dapat dikenali sistem, dilakukan juga pendefinisian kategori yang menyusun sebuah kata beserta separator yang menjadi pemisah antar kata. Penentuan kategori yang dapat dikenali bergantung pada jumlah fonem pembentuk semua kata pada kamus kata. Separator didefinisikan menjadi dua, separator sil dan gar. Separator sil digunakan untuk menandai bagian dari gelombang suara yang tidak terdapat energi yang menjadi perhatian sehingga tidak mencerminkan kategori apapun, sedangkan separator gar digunakan untuk menandai bunyi-bunyi di luar bunyi kategori fonem yang telah ditetapkan. Contoh penggunaan separator gar antara lain untuk menandai bunyi yang disebabkan oleh pergerakan microphone. Bunyi ini tentunya tidak termasuk dalam kategori fonem tertentu. Selain dua separator tersebut terdapat separator lain yang hanya digunakan pada kata ”satu”, ”empat”, dan ”delapan”. Hal ini disebabkan adanya jeda waktu yang dihasilkan antar suku kata. Separator ini disebut separator pau. Kamus kata beserta grammar yang digunakan dapat dilihat pada Lampiran 2. Berdasarkan grammar yang didefinisikan, setiap kata dapat dikuti dengan kata lain dengan nilai peluang yang sama besarnya. Kategori dan separator yang dapat dikenali berjumlah 24 kategori yaitu sebagai berikut s

a

t

u

d

i

g

em

p

tcl

l

m

en

j

h

e

n

b

o

k

ng

sil

gar

pau

Meskipun setiap huruf memiliki variasi bunyi yang beragam bergantung pada huruf disekitarnya, akan tetapi penelitian ini tidak membagi kategori fonem ini menjadi beberapa bagian (dependent part). Setiap kategori hanya terdiri dari satu bagian saja (independent part).

Pelabelan data

Setelah mendapatkan data berupa gelombang suara dalam ekstensi .wav diperlukan juga data lain dalam bentuk file teks dan file kategori fonem. File kategori fonem hanya diperlukan untuk data pelatihan saja, sedangkan file teks dibuat untuk setiap file gelombang suara input. File teks berisi representasi bilangan yang disebutkan speaker bentuk kalimat. Misalnya barisan angka yang disebutkan speaker adalah ”05331”, maka file teks yang harus dibuat berisi ”kosong lima tiga tiga satu satu”. File kategori fonem didapatkan dengan cara melakukan pelabelan secara manual (hand-labeled). Proses ini dilakukan untuk mendapatkan fonem yang terdapat di dalam sebuah file gelombang suara. Contoh proses pelabelan dapat dilihat pada Gambar 7. File kategori fonem yang memiliki ekstensi .phn ini terdiri dari tiga buah kolom. Kolom yang pertama mendefinisikan waktu dimulainya sebuah kategori fonem, kolom kedua mendefinisikan waktu berakhirnya sebuah kategori fonem, dan kolom terakhir adalah kategori fonem yang terdapat dalam rentang waktu yang disebutkan. Dapat dilihat pada contoh file .phn di bawah ini bahwa waktu berakhirnya sebuah kategori fonem merupakan waktu dimulainya kategori fonem berikutnya. 0.000000 243.012375 390.264038 537.515747 725.583435 844.083557 898.216553 995.236450

243.012375 390.264038 537.515747 725.583435 844.083557 898.216553 995.236450 1153.056274

sil en a m sil d u a

Penentuan MFCC

Sampel suara didigitasi dengan sampling rate sebesar 8000 Hz dengan alasan bahwa informasi yang terkandung dalam suara manusia berada dibawah frekuensi 10000 Hz. Langkah berikutnya adalah membagi gelombang suara ini menjadi frame berukuran 10 msec. Melalui proses MFCC ini didapatkan 13 koefisien mel cepstrum. Selain itu untuk ciri lain juga dihitung menggunakan delta MFCC. Koefisien delta MFCC ini mengindikasikan tingkat perubahan spektral, dapat dihitung dengan persamaan berikut Δc[ n ] = c[ n + 1] − c[ n ]

Tabel 1 Struktur jaringan syaraf tiruan Karakteristik

Spesifikasi

Arsitektur

feed forward network, 1 layer hidden

Neuron input

130 (26 fitur x 5 frame)

Neuron lapis tersembunyi

50, 100, 200, 400, 700, 1000

Neuron output

24 (jumlah kategori)

Gambar 7 Gelombang suara yang sudah di hand-label. Klasifikasi frame berdasarkan kategori

JST digunakan untuk mengklasifikasikan fitur-fitur untuk setiap frame ke dalam kategori tertentu. Penentuan jumlah kategori yang dapat diklasifikasikan oleh JST sesuai dengan pendefinisian kategori sebelumnya yaitu sebanyak 24 kategori. JST yang digunakan dalam percobaan ini merupakan jaringan feed-forward lapis banyak yang terdiri dari satu lapisan lapis tersembunyi dengan propagasi balik sebagai algoritma pelatihannya. Input untuk jaringan ini adalah 5 buah frame dengan frame yang berada di tengah sebagai frame of interest yang akan dihitung peluangnya untuk setiap kategori. Ketika suatu frame dipetakan kedalam suatu kategori tertentu maka informasi yang diperlukan tidak hanya berasal dari frame yang bersangkutan, akan tetapi juga berasal dari frame-frame sesudah dan sebelumnya. Frame-frame tersebut adalah frame yang terletak -60, -30, 30, dan 60 msec jauhnya dari frame yang menjadi perhatian. Hal ini dilakukan dengan mempertimbangkan sifat alamiah suara dimana identitas sebuah fonem tidak hanya ditentukan oleh fitur-fitur spektral pada saat itu saja tetapi juga bergantung pada perubahannya terhadap waktu. Arsitektur jaringan yang digunakan dapat dilihat pada Gambar 8, sedangkan ringkasan mengenai struktur jaringan yang digunakan dapat dilihat pada Tabel 1. Setelah jaringan terbentuk, jaringan akan dilatih menggunakan data pelatihan yang telah disebutkan di atas. Jaringan juga akan diujikan menggunakan dua tipe data tes yaitu file data tes yang suaranya sudah digunakan dalam pelatihan (data tes 1) dan suara yang tidak pernah dilatihkan sebelumnya (data tes 2).

Gambar 8 Arsitektur Jaringan Syaraf Tiruan yang digunakan dalam proses pengenalan kata. Pencocokan kategori dengan target kata

Output jaringan syaraf tiruan adalah matriks peluang suatu frame f berada dalam suatu kategori c. Hasil pembelajaran semua data pelatihan berupa matriks berukuran CxF, dengan C adalah banyaknya kategori yang dikenali dan F adalah banyaknya frame. Matriks ini digunakan sebagai input untuk algoritma Viterbi bersama dengan grammar yang telah didefinisikan dalam kamus kata. Algoritma ini dilakukan untuk menentukan kata yang paling sesuai dari peluang-peluang fonem yang ada. Rancangan Percobaan

Penelitian ini dilakukan dengan memperhatikan faktor akurasi tingkat kata dan kalimat. Akurasi ini akan diamati pada beberapa variasi neuron lapis tersembunyi mulai dari 50, 100, 200, 400, 700, sampai 1000 unit. Pelatihan akan dilakukan menggunakan 50 iterasi (epoh). Percobaan berikutnya dilakukan untuk membandingkan hasil pengenalan

menggunakan data yang dilabel secara manual (hand-labeled) dengan hasil pengenalan menggunakan force alignment. Force alignment adalah proses pengenalan kata menggunakan pengenal kata yang tersedia. Pengenal kata ini didapat dari proses pengenalan sebelumnya yaitu proses pengenalan menggunakan data hand-labeled dengan bobot terbaik. Jaringan dengan bobot terbaik akan memberikan hasil pengenalan yang baik pula. Hasil dari proses force alignment ini adalah label fonem dengan rentang waktu tertentu untuk suatu gelombang suara tertentu. Pengenalan dengan force alignment tidak lagi membutuhkan file kategori fonem untuk data pelatihannya (Hosom et al 1999). Setelah dibandingkan dengan proses force alignment, dilakukan juga pelatihan jaringan menggunakan algoritma forward backward. Algoritma forward backward ini biasa digunakan untuk melatih sebuah Hidden Markov Model (HMM). Untuk memulai suatu pelatihan menggunakan Forward Backward Neural Networks (FBNN) dibutuhkan jaringan syaraf tiruan yang didapatkan dari proses pelatihan menggunakan data hand-labeled. Algoritma forward backward umumnya digunakan untuk melatih sebuah HMM yang menggunakan fungsi Gaussian sebagai penentu peluang observasi. Pada pengenal suara yang menggunakan JST untuk menghitung peluang observasi, algoritma forward backward digunakan untuk mengestimasi ulang nilai peluang observasi dan peluang transisi yang didapatkan sebelumnya. Target jaringan syaraf tiruan yang dihasilkan adalah nilai peluang posterior suatu frame merupakan kategori tertentu, tidak seperti pada jaringan syaraf sebelumnya yang targetnya berupa bilangan biner (Yan et al 1997). Parameter Percobaan

Analisis kinerja pada percobaan kali ini hanya berfokus pada akurasi pengenalan kata. Kesalahan-kesalahan dasar yang sering terjadi adalah deletion, insertion, dan substitution. Akurasi sistem dihitung pada dua tingkat pengamatan, tingkat kata (word accuracy) dan tingkat kalimat (sentence accuracy). Ketepatan sistem secara keseluruhan pada tingkat kata dapat dirumuskan sebagai berikut Word Accuracy=100% - (Sub+Ins+Del) dengan Sub, Ins, dan, Del masing-masing adalah persentase substitution, insertion, dan

deletion. Selain pada level kata, akurasi sistem juga dihitung untuk tingkat kalimat. Ketepatan pada level kalimat didapatkan dengan menghitung banyaknya gelombang suara yang dikenali dibagi dengan banyaknya gelombang suara yang terdapat pada tahap pengujian. Lingkungan Pengembangan

Semua percobaan yang disebutkan pada rancangan percobaan sebelumnya dilakukan dengan bantuan perangkat lunak pengenal kata CSLU toolkit. Perangkat lunak ini dipilih dengan mempertimbangkan kemudahan baik pada praproses data maupun proses pengolahan data selanjutnya. Proses pengenalan kata dilakukan dengan mengeksekusi barisan script CSLUsh dengan menggunakan file lainnya yang telah dideskripsikan sebelumnya seperti corpora, kondisi pelatihan, dan arsitektur jaringan. Script CSLUsh ini digunakan untuk prosesproses mulai dari pengumpulan data, pemetaan kategori, pemilihan data, pelatihan JST, sampai pengujian. Sistem operasi yang dilakukan adalah Windows XP Professional. Perangkat lunak lain yang digunakan adalah Audacity sebagai editor audio. Perangkat keras yang digunakan ialah komputer dengan processor Pentium IV 1,8 GHz, RAM sebesar 256 Mb, serta kapasitas harddisk sebesar 40 Gb.

HASIL DAN PEMBAHASAN Pengaruh Jumlah Neuron pada Lapisan Tersembunyi dan Iterasi Terhadap Akurasi Sistem

Percobaan pertama bertujuan untuk membandingkan kinerja sistem berdasarkan jumlah neuron yang digunakan pada lapisan tersembunyi. Percobaan ini juga akan melihat seberapa besar pengaruh banyaknya unit pada lapisan tersembunyi terhadap akurasi sistem. Arsitektur JST yang digunakan pada sistem pengenal kata ini adalah jaringan perceptron lapis banyak (multi layer perceptron). MLP dipilih karena dapat membentuk daerah keputusan yang nonlinear, tidak seperti jaringan lapis tunggal (single layer perceptron) yang hanya dapat menghasilkan daerah keputusan linear. Jumlah lapisan tersembunyi yang digunakan juga hanya dibatasi satu lapisan saja, karena menurut Cybenko seperti diacu dalam Tebelskies 1995 semua fungsi yang dapat

dihitung dengan MLP dengan lapisan tersembunyi lebih dari satu juga dapat diselesaikan oleh MLP dengan hanya satu lapisan tersembunyi jika jumlah unit pada lapisan tersembunyi telah mencukupi. Selain itu waktu pelatihan untuk MLP dengan jumlah lapisan tersembunyi yang banyak akan meningkat secara signifikan. Jumlah neuron lapis tersembunyi dalam MLP sangat menentukan kinerja MLP dalam proses pengenalan pola. Banyaknya neuron lapis tersembunyi yang digunakan juga sangat berpengaruh terhadap waktu pelatihan. Apabila suatu jaringan terlalu lama dilatihkan akan timbul keanehan yang akan mengurangi kinerja pada data pelatihan (Tebelskies 1995).

tingkat kalimat. Demikian pula untuk variasi neuron 200 unit, hasil terbaik terjadi pada iterasi ke-3. Variasi neuron sebanyak 400 unit memberikan hasil terbaik setelah melalui 9 kali iterasi. Pengenalan terbaik untuk data tes 1, yang didapatkan dari variasi neuron 700 unit, berasal dari iterasi ke-7 sama seperti yang terjadi pada variasi neuron lapis tersembunyi 1000 unit. Gambar 9 menunjukkan perbandingan akurasi pengenalan tingkat kata dan kalimat pada data tes 1. Tabel 2 Hasil pengenalan terbaik untuk masing-masing variasi neuron tersembunyi pada data tes 1

Tabel 2 menunjukkan bahwa akurasi pengenalan kata telah mencapai hasil yang maksimal yaitu 100% menggunakan neuron lapis tersembunyi sebanyak 700 unit. Meskipun jumlah iterasi yang digunakan adalah 50 iterasi akan tetapi hasil pengenalan terbaik pada masing-masing variasi neuron belum tentu berasal dari iterasi terakhir. Hasil terbaik ini biasanya terjadi lebih awal. Pada variasi jumlah neuron 50 unit hasil terbaik terjadi pada iterasi ke-5 yaitu 98,33% untuk tingkat kata dan 92,50% untuk tingkat kalimat. Iterasi ke-9 pada variasi neuron lapis tersembunyi sebanyak 100 unit memberikan hasil yang paling maksimum yaitu 99,17% untuk akurasi tingkat kata dan 95,00% untuk

sentence accuracy (%) 92,50

100

99,17

95,00

200

99,17

95,00

400

99,58

97,50

700

100,00

100,00

1000

100,00

100,00

100 akurasi (%)

JST yang dibuat adalah jaringan lapis banyak dengan variasi neuron lapis tersembunyi sebanyak 50, 100, 200, 400, 700, dan 1000 unit. Proses pelatihan dilakukan dengan iterasi sebanyak 50 kali. Setiap iterasi akan menghasilkan bobot jaringan yang berbeda-beda. Setelah pelatihan selesai, semua file pengujian yang ada pada data tes diujikan ke dalam 50 bobot jaringan yang berbeda-beda tadi. Bobot jaringan yang paling baik akan memberikan akurasi pengenalan yang baik pula. Persentase word accuracy dan sentence accuracy terbaik dari masingmasing variasi neuron dari hasil pengujian menggunakan data tes 1 dapat dilihat pada Tabel 2. Sedangkan untuk hasil akurasi dengan menggunakan data tes 2 tertera pada Tabel 3.

50

word accuracy (%) 98,33

Jumlah neuron

Fungsi aktivasi yang digunakan pada penelitian ini adalah fungsi linear dan fungsi sigmoid biner. Fungsi sigmoid biner dipilih karena daerah hasil yang diinginkan terletak pada interval 0 dan 1.

95 90 85 80 50

100

200

400

700

1000

jumlah neuron (unit) word accuracy (%)

sentence accuracy (%)

Gambar 9 Perbandingan akurasi tingkat kata dan kalimat pada data tes 1. Akan tetapi jika dibandingkan dengan hasil pengenalan kata pada data data yang belum pernah dilatihkan sebelumnya (data tes 2), ketepatan pengenalan sistem menurun untuk semua variasi neuron lapis tersembunyi. Besar kemungkinan penyebabnya adalah pola suara yang berbeda dengan data sebelumnya yang digunakan dalam pelatihan. Seperti dijelaskan sebelumnya, semua data yang terdapat pada data tes 2 belum pernah dilatihkan ke sistem. Hasil pengenalan terbaik pada masingmasing variasi neuron lapisan tersembunyi

dapat dilihat pada Tabel 3. Seperti halnya data tes 1, akurasi terbaik yang dihasilkan pada data tes 2 juga belum tentu berasal dari iterasi terakhir (iterasi ke-50). Variasi neuron lapis tersembunyi 50 unit memberikan hasil terbaik pada iterasi ke-3, demikian pula yang terjadi pada variasi neuron lapis tersembunyi 100 dan 200 unit. Iterasi ke-29 pada penggunaan neuron lapis tersembunyi sebanyak 400 unit memberikan hasil yang paling baik untuk data tes ini, yaitu 98,33% untuk tingkat kata dan 92,50% untuk tingkat kalimat. Hasil pengenalan menggunakan JST dengan variasi neuron tersembunyi sebanyak 700 dan 1000 unit menghasilkan akurasi terbaik pada iterasi ke-11 dan 25. Gambar 10 menunjukkan perbandingan akurasi tingkat kata dan kalimat pada data tes 2. Tabel 3 Hasil pengenalan terbaik untuk masing-masing variasi neuron tersembunyi pada data tes 2

50



100

97,50

87,50

200

97,50

90,00

400

98,33

92,50

700

97,08

85,00

1000

97,00

90,00

Jumlah neuron

akurasi (%)

100 95 90 85 80 75 50

100

200

400

700

1000

jumlah neuron (unit) word accuracy (%)

sentence accuracy (%)

Gambar 10 Perbandingan akurasi tingkat kata dan kalimat pada data tes 2. Penggunaan neuron lapis tersembunyi yang lebih banyak tidak menjamin akurasi yang baik. Pada data tes 2, akurasi pengenalan kata sudah mencapai puncaknya dengan neuron lapis tersembunyi sebesar 400 unit.

Hal lain yang berhubungan erat dengan banyaknya neuron yang digunakan adalah waktu pelatihan yang dibutuhkan. Penggandaan jumlah neuron lapis tersembunyi juga akan menggandakan waktu pelatihan yang digunakan. Keseluruhan hasil yang ada menunjukkan bahwa neuron lapis tersembunyi sebanyak 400 unit memberikan hasil terbaik. Pemakaian neuron lapis tersembunyi di atas 400 buah memberikan hasil yang relatif konstan, sedangkan jumlah neuron lapis tersembunyi dibawah 400 kurang memberikan hasil yang optimal. Hal ini mengindikasikan banyaknya variasi dalam suara. Meskipun suara berasal dari speaker yang sama dan mengucapkan angka yang sama pula tetap saja terdapat perbedaan. Keragaman ini mengakibatkan jaringan tidak dapat ”mengingat” data pelatihan yang diberikan. Perbandingan Akurasi Menggunakan Hand Labeled, Force Alignment, dan FBNN

Percobaan kedua akan membandingkan hasil pengenalan kata menggunakan data yang dilabel secara manual (hand-labeled data) dengan pengenalan kata menggunakan force alignment. Pengenal kata yang digunakan pada proses force alignment berasal dari bobot jaringan ke-29 dengan jumlah neuron lapis tersembunyi sebanyak 400 unit. Bobot jaringan ini memberikan hasil pengenalan terbaik berdasarkan percobaan sebelumnya. Pada dasarnya pelatihan jaringan dengan proses force alignment memiliki tahapan yang sama dengan pelatihan menggunakan data hand-labeled. Arsitektur JST yang digunakan pun sama dengan yang digunakan pada tahap sebelumnya. Pengenalan menggunakan metode ini tidak lagi memerlukan file transkripsi fonetik yang pada percobaan sebelumnya dihasilkan secara manual. Transkripsi fonetik akan dihasilkan secara otomatis oleh pengenal kata yang telah tersedia. Dalam hal ini pengenal kata yang tersedia berasal dari bobot JST ke-29 dengan neuron lapis tersembunyi sebanyak 400 unit. Selain terhadap force alignment, perbandingan akurasi juga dilakukan terhadap FBNN. Arsitektur jaringan yang digunakan adalah jaringan lapis banyak dengan 3 layer ,fully connected, dengan arsitektur yang sama seperti dua proses sebelumnya. Proses pengenalan menggunakan FBNN juga membutuhkan JST yang telah dilatih terlebih

Tabel 4 Hasil pengenalan kata menggunakan proses hand-labeled, force alignment dan FBNN Proses

word accuracy (%)

Sentence accuracy (%)

hand-labeled force alignment FBNN

98,33 97,08 97,92

92,50 87,50 90,00

Pengenalan menggunakan data yang dilabel secara manual menghasilkan akurasi yang lebih tinggi dibandingkan dua metode lain. Akurasi tingkat kata menggunakan force alignment lebih rendah 1,25% dibandingkan dengan data hand-labeled yaitu sebesar 97,08%. Sedangkan untuk tingkat kalimat, pengenalan menurun sebesar 5,00% menjadi sebesar 87,50%. Pengenalan menggunakan FBNN menghasilkan akurasi tingkat kata dan kalimat yang tidak jauh berbeda dari sebelumnya yaitu 97,92% dan 90,00%. Gambar 11 menunjukkan perbandingan akurasi ketiga proses tersebut. Melalui percobaan di atas dapat disimpulkan bahwa untuk kasus kali ini proses pengenalan menggunakan data suara yang dilabel secara manual memberikan hasil terbaik dibandingkan dua metode lainnya. Secara lengkap hasil pengenalan kata menggunakan force alignment dan FBNN dapat dilihat pada Lampiran 5.

100 80 akurasi (%)

dahulu sebagai permulaannya. Peluang observasi yang dihasilkan oleh JST ini akan dihitung kembali menggunakan persamaan yang diturunkan dari koefisien forward dan backward. Nilai peluang transisi juga turut dihitung kembali dengan nilai awal yang ditetapkan sebesar 0,4 sebagai peluang untuk berpindah dari suatu state ke state berikutnya dan 0,6 sebagai peluang untuk tetap berada pada state yang sama. Ketepatan pengenalan kata untuk masing-masing proses dapat dilihat pada Tabel 4.

60 40 20 0 hand-labeled

force alignment

word accuracy (%)

FBNN


Gambar 11 Perbandingan akurasi dari proses hand-labeled, force alignment, dan FBNN.

KESIMPULAN DAN SARAN Kesimpulan

Beberapa kesimpulan yang dihasilkan melalui penelitian ini adalah: 1

Untuk sistem CDR berbahasa Indonesia ini telah didefinisikan kamus kata dasar bilangan dan grammar yang dapat digunakan untuk pengembangan selanjutnya.

2

Hasil pengenalan kata terbaik dicapai dengan variasi neuron pada lapisan tersembunyi sebanyak 400 unit dengan iterasi sebanyak 29 kali yaitu sebesar 98,33% untuk word accuracy dan 92,50% untuk sentence accuracy.

3

Pada kasus ini pengenalan menggunakan data hand-label memberikan hasil yang lebih baik dibandingkan dengan force alignment dan pelatihan menggunakan algoritma forward backward. Akurasi tingkat kata berturut-turut untuk ketiga proses tersebut adalah 98,33%, 97,08%, dan 97,92%. Akurasi tingkat kalimat untuk proses hand-label, force alignment, dan FBNN masing-masing adalah sebesar 92,50%, 87,50%, dan 90,00%.

4 Optimasi pengenalan kata menggunakan force alignment dan FBNN memberikan asil yang tidak berbeda nyata dengan proses pelabelan manual berdasarkan uji statistik yang dilakukan. Saran

Untuk selanjutnya berikut: 1

pengembangan penelitian disarankan hal-hal sebagai

Penelitian ini hanya dapat mengenali kata dasar bilangan. Oleh sebab itu pengkajian

lebih lanjut mengenai kata bilangan berimbuhan perlu dilakukan. 2

Pengembangan lain yang dapat dilakukan adalah optimasi ekstraksi ciri untuk dapat meningkatkan akurasi sistem.

3

Penelitian ini hanya membagi fonem menjadi satu bagian saja (independent part). Perlu dikembangkan juga penelitian yang membagi fonem menjadi dua atau tiga bagian bergantung pada fonem disekitarnya (dependent part) dan mengelompokkan fonem-fonem tersebut ke dalam sebuah kelas berdasarkan posisi artikulasinya. Dengan pengklasifikasian ini diharapkan akurasi sistem akan meningkat.

DAFTAR PUSTAKA Carmell T et al. 1997. Spectrogram reading. http://cslu.cse.ogi.edu/tutordemos/Sp ectrogramReading/spectrogram.html. [27 Juli 2005]. Cosi

P. 2000. Hybrid HMM-ANN architectures for connected digit recognition. IEEE-INS-ENNS 5: 5085.

Cosi P, Hosom JP, Shalkwyk J, Sutton S, Cole RA. 1998. Connected digit recognition experiments with the OGI toolkit’s neural network and HMM-based recognizers. IEEE Workshop on Interactive Voice Technology for Telecommunication Applications (IVTTAETWR98);Turin, September 1998. hlm 135-140. Do

MN. 1994. An automatic speaker recognition system. http:// lcavwww.epfl.ch/~minhdo/asr_proje ct/asr_project.pdf. [18 September 2005].

Duc DN, Hosom JP, Mai LC. 2001. HMM/ANN system for Vietnamese continous digit recognition. http://www.speech.bme.ogi.edu/publi cations/ps/duc03.pdf. [4 Juli 2005]. Fausett L. 1994. Fundamentals of Neural Networks. New Jersey: Prentice Hall. Fu L. 1994. Neural Networks in Computer Intelligence. Singapura: McGrawHill.

Hosom JP et al. 1999. Training neural networks for speech recognition. http://cslu.cse.ogi.edu/training neural networks for speech recognition.html. [5 Desember 2004] Jurafsky D, Martin JH. 2000. Speech and Language Processing An Introduction to Natural Language Processing, Computational Linguistic, and Speech Recognition. New Jersey: Prentice Hall. Markowitz JA. 1996. Using Speech Recognition. New Jersey: Prentice Hall. [PPPBDEPDIKBUD] Pusat Pembinaan dan Pengembangan Bahasa Departemen Pendidikan dan Kebudayaan Repulik Indonesia. 1996. Pedoman Umum Ejaan Bahasa Indonesia yang Disempurnakan dan Pedoman Umum Pembentukan Istilah. Bandung: CV Pustaka Setia. Rabiner J. 1989. A tutorial on hidden markov model and selected applications in speech recognition. Proc IEEE Vol 22 No.2. Februari 1989. Tebelskis J. 1995. Speech recognition using neural networks. [disertasi]. Pennsylvania: Carnegie Mellon University. Yan Y, Fanty M, Cole R. 1997. Speech recognition using neural networks with forward-backward probability generated targets. International Conference on Acoustic, Speech, and Signal Processing: 3241-3244.

LAMPIRAN

Lampiran 1 Daftar file setiap speaker

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Speaker 1 05331.wav 059607.wav 062150.wav 100500.wav 109611.wav 129725.wav 157397.wav 356737.wav 375710.wav 444161.wav 482703.wav 489753.wav 573086.wav 601281.wav 610159.wav 874818.wav 912372.wav 914498.wav 916728.wav 946508.wav




No Speaker 5 Speaker 6 Speaker 7 1 118000.wav 081689.wav 374713.wav 2 163534.wav 314568.wav 316763.wav 3 253527.wav 898093.wav 425209.wav 4 309884.wav 806574.wav 168440.wav 5 492512.wav 317595.wav 087082.wav 6 617919.wav 800464.wav 401132.wav 7 834625.wav 641999.wav 145039.wav 8 880911.wav 987625.wav 290617.wav 9 943614.wav 951655.wav 232828.wav 10 957530.wav 669549.wav 688052.wav Ket: file yang dicetak tebal adalah file pelatihan.

Speaker 8 561664.wav 566900.wav 119964.wav 956663.wav 126662.wav 231370.wav 202809.wav 990049.wav 215214.wav 447667.wav

Lampiran 2 Definisi kamus kata dan grammar yang digunakan

nol kosong satu dua tiga empat lima enam tujuh delapan sembilan

{n o l} {k o s o ng} {s a pau t u} {d u a} {t i g a} {em pau p a tcl} {l i m a} {en a m} {t u j u h} {d e l a pau p a n} {s em b i l a n}

separator {[gar] sil [gar]} $foo = nol | satu | dua | tiga | empat | lima | enam | tujuh | delapan | sembilan | kosong; $grammar = ([separator] < $foo [separator] > [separator]);

Lampiran 3 Hasil pengenalan kata pada data tes 1

Hasil pengenalan kata bilangan menggunakan 50 neuron lapis tersembunyi dengan 50 iterasi. (Kalimat dicetak tebal adalah hasil sebenarnya, sedangkan yang tidak dicetak tebal adalah hasil keluaran sistem) nol tujuh delapan empat dua satu nol tujuh delapan empat dua satu

lima lima sembilan satu empat empat lima lima sembilan satu empat empat

kosong lima sembilan kosong enam lima kosong lima sembilan kosong enam lima

enam kosong satu dua delapan satu enam kosong satu dua delapan satu

satu satu sembilan satu delapan nol satu satu sembilan satu delapan nol

enam satu kosong satu lima sembilan enam satu kosong satu lima sembilan

satu dua tiga lima dua nol satu dua tiga lima dua nol

enam tiga kosong kosong delapan lima enam tiga kosong kosong delapan lima

satu dua tujuh sembilan tujuh lima satu dua tujuh sembilan tujuh lima

enam tiga satu delapan tiga tiga enam tiga satu delapan tiga tiga

satu delapan sembilan nol lima empat satu delapan sembilan nol lima empat

enam kosong delapan satu sembilan tujuh enam kosong delapan satu sembilan tujuh

satu lima tujuh tujuh lima delapan satu lima tujuh tujuh lima delapan

tujuh kosong lima sembilan enam dua tujuh kosong lima sembilan enam dua

satu sembilan sembilan tiga satu satu satu sembilan sembilan tiga satu satu

tujuh dua sembilan sembilan empat delapan tujuh dua sembilan sembilan empat delapan

tiga kosong enam delapan satu delapan tiga kosong enam delapan satu delapan

delapan tujuh empat delapan satu delapan delapan tujuh empat delapan satu delapan

tiga dua satu kosong tiga dua tiga dua satu kosong tiga dua

delapan empat enam delapan delapan empat delapan empat enam delapan delapan empat

empat delapan dua tujuh nol tiga empat delapan dua tujuh nol tiga

delapan lima empat delapan empat dua delapan lima empat delapan empat dua

empat delapan sembilan tujuh lima tiga empat delapan sembilan tujuh lima tiga

delapan satu sembilan tujuh tujuh empat delapan satu sembilan tujuh tujuh empat

empat nol nol lima delapan lima empat nol nol lima delapan lima

sembilan satu dua tiga tujuh dua sembilan satu dua tiga tujuh dua

empat lima sembilan tiga empat sembilan empat lima sembilan tiga empat sembilan

sembilan satu empat empat sembilan delapan sembilan satu empat empat sembilan delapan

lima tujuh tiga kosong delapan enam lima tujuh tiga kosong delapan enam

sembilan satu enam tujuh dua delapan sembilan satu enam tujuh dua delapan

lima kosong kosong enam empat satu lima kosong kosong enam empat satu

sembilan empat ENAM lima kosong delapan sembilan empat TIGA lima kosong delapan

lima satu delapan tiga satu sembilan lima satu delapan tiga satu sembilan

sembilan tiga dua dua dua kosong sembilan tiga dua dua dua kosong

Lanjutan lima sembilan enam dua lima lima lima sembilan enam dua lima lima

SEMBILAN empat lima empat tujuh dua TIGA empat lima empat tujuh dua

lima tiga tiga lima sembilan lima lima tiga tiga lima sembilan lima

sembilan lima tujuh lima lima enam sembilan lima tujuh lima lima enam

lima tiga empat lima delapan enam lima tiga empat lima delapan enam

SEMBILAN dua nol nol tiga LIMA TIGA dua nol nol tiga DUA

Hasil pengenalan kata bilangan menggunakan 50 neuron lapis tersembunyi dengan 100 iterasi. nol tujuh delapan empat dua satu nol tujuh delapan empat dua satu






























Lanjutan lima kosong kosong enam empat satu lima kosong kosong enam empat satu




lima sembilan enam dua lima lima lima sembilan enam dua lima lima

sembilan empat lima empat tujuh dua sembilan empat lima empat tujuh dua




sembilan dua nol nol tiga lima sembilan dua nol nol tiga lima



























Lanjutan empat lima sembilan tiga empat sembilan empat lima sembilan tiga empat sembilan





sembilan empat enam lima kosong delapan sembilan empat enam lima kosong delapan




SEMBILAN empat lima empat tujuh dua TIGA empat lima empat tujuh dua




sembilan dua nol nol tiga LIMA sembilan dua nol nol tiga DUA





















EMPAT delapan dua tujuh nol tiga TIGA delapan dua tujuh nol tiga


Lanjutan empat delapan sembilan tujuh lima tiga empat delapan sembilan tujuh lima tiga




































Lanjutan tiga dua satu kosong tiga dua tiga dua satu kosong tiga dua




































Lanjutan satu sembilan sembilan tiga satu satu satu sembilan sembilan tiga satu satu




































Lanjutan satu delapan sembilan nol lima empat satu delapan sembilan nol lima empat




































Lanjutan satu dua tiga lima dua nol satu dua tiga lima dua nol




































Lanjutan kosong lima sembilan kosong enam lima kosong lima sembilan kosong enam lima






































Lanjutan





































Lanjutan lima tiga tiga lima sembilan lima lima tiga tiga lima sembilan lima




































Lanjutan lima satu delapan tiga satu sembilan lima satu delapan tiga satu sembilan




































Lanjutan lima tujuh tiga kosong delapan enam lima tujuh tiga kosong delapan enam












Lampiran 4 Hasil pengenalan kata pada data tes 2

Hasil pengenalan kata bilangan menggunakan 50 neuron lapis tersembunyi dengan 50 iterasi. (Kalimat dicetak tebal adalah hasil sebenarnya, sedangkan yang tidak dicetak tebal adalah hasil keluaran sistem) kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat TIGA satu satu tiga dua KOSONG delapan tujuh KOSONG delapan dua

ENAM delapan tujuh DUA delapan dua

empat dua lima dua kosong SEMBILAN empat dua lima dua kosong TIGA

satu enam tiga lima tiga empat satu enam tiga lima tiga empat

empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh

satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong

lima enam satu enam enam empat lima enam satu enam enam empat

satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat

lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ######

satu dua enam enam enam dua satu dua enam enam enam dua

enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan

satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan

enam enam sembilan lima empat sembilan enam enam sembilan lima empat sembilan

satu enam delapan empat empat nol satu enam delapan empat empat nol

enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan

dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh

enam delapan delapan nol lima dua enam delapan delapan nol lima dua

dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan

delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat

dua satu lima dua satu empat dua satu lima dua satu empat

delapan nol enam lima tujuh empat delapan nol enam lima tujuh empat

dua tiga satu tiga tujuh kosong dua tiga satu tiga tujuh kosong

delapan sembilan delapan nol sembilan tiga delapan sembilan delapan nol sembilan tiga

dua tiga dua delapan dua delapan dua tiga dua delapan dua delapan

delapan delapan kosong sembilan satu satu delapan delapan kosong sembilan satu satu

dua sembilan nol enam satu tujuh dua sembilan nol enam satu tujuh

delapan tiga empat enam dua lima delapan tiga empat enam dua lima

tiga satu empat lima enam delapan tiga satu empat lima enam delapan

sembilan lima satu enam lima lima sembilan lima satu enam lima lima

tiga satu tujuh lima sembilan lima tiga satu tujuh lima sembilan lima

sembilan delapan tujuh enam dua lima sembilan delapan tujuh enam dua lima

tiga kosong sembilan delapan delapan empat sembilan lima tujuh lima tiga kosong tiga kosong sembilan delapan delapan empat sembilan lima tujuh lima tiga kosong

Lanjutan tiga satu enam tujuh enam tiga tiga satu enam tujuh enam tiga

sembilan empat tiga enam satu empat sembilan empat tiga enam satu empat

tiga tujuh empat tujuh satu tiga tiga tujuh empat tujuh satu tiga

SEMBILAN lima enam enam enam tiga TIGA lima enam enam enam tiga

empat sembilan dua lima satu dua empat sembilan dua lima satu dua

sembilan sembilan nol nol empat sembilan sembilan sembilan nol nol empat sembilan

Hasil pengenalan kata bilangan menggunakan 50 neuron lapis tersembunyi dengan 100 iterasi. kosong delapan satu enam delapan sembilan empat empat tujuh enam enam tujuh kosong delapan satu enam delapan sembilan empat empat tujuh enam enam tujuh KOSONG delapan tujuh KOSONG delapan lima enam satu enam enam empat lima enam satu enam enam empat dua ENAM delapan tujuh DELAPAN delapan dua lima enam enam SEMBILAN kosong satu enam tiga lima tiga empat KOSONG satu enam tiga lima tiga empat lima enam enam TIGA kosong ###### satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat satu dua enam enam enam dua satu dua enam enam enam dua satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh dua NOL dua delapan nol sembilan dua ENAM dua delapan nol sembilan dua satu lima dua satu empat dua satu lima dua satu empat dua tiga satu tiga tujuh kosong dua tiga satu tiga tujuh kosong dua tiga dua delapan dua delapan dua tiga dua delapan dua delapan dua sembilan nol enam satu tujuh dua sembilan nol enam satu tujuh tiga satu empat lima enam delapan tiga satu empat lima enam delapan

enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan enam enam sembilan lima empat sembilan enam enam sembilan lima empat sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan enam delapan delapan nol lima dua enam delapan delapan nol lima dua delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat delapan nol enam lima tujuh empat delapan nol enam lima tujuh empat delapan sembilan delapan nol sembilan tiga delapan sembilan delapan nol sembilan tiga delapan delapan kosong sembilan satu satu delapan delapan kosong sembilan satu satu delapan tiga empat enam dua lima delapan tiga empat enam dua lima sembilan lima satu enam lima lima sembilan lima satu enam lima lima sembilan delapan tujuh enam dua lima sembilan delapan tujuh enam dua lima

Lanjutan tiga satu tujuh lima sembilan lima tiga satu tujuh lima sembilan lima

sembilan lima tujuh lima tiga kosong sembilan lima tujuh lima tiga kosong

tiga kosong sembilan delapan delapan empat sembilan empat tiga enam satu empat tiga kosong sembilan delapan delapan empat sembilan empat tiga enam satu empat tiga satu enam tujuh enam tiga tiga satu enam tujuh enam tiga

##### SEMBILAN lima enam enam enam tiga TUJUH TIGA lima enam enam enam tiga


sembilan sembilan nol NOL empat sembilan sembilan sembilan nol ENAM empat sembilan


empat dua lima dua kosong SEMBILAN empat dua lima dua kosong TIGA

empat KOSONG satu satu tiga dua empat DUA satu satu tiga dua

Hasil pengenalan kata bilangan menggunakan 100 neuron lapis tersembunyi dengan 50 iterasi. kosong delapan satu enam delapan sembilan kosong delapan satu enam delapan sembilan

empat KOSONG satu satu tiga dua empat TIGA satu satu tiga dua

KOSONG delapan tujuh KOSONG delapan dua ENAM delapan tujuh EMPAT delapan dua

empat dua lima dua kosong sembilan empat dua lima dua kosong sembilan

satu enam tiga lima tiga empat satu enam tiga lima tiga empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat satu dua enam enam enam dua satu dua enam enam enam dua satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan dua satu lima dua satu empat dua satu lima dua satu empat

empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh lima enam satu enam enam empat lima enam satu enam enam empat lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan enam enam sembilan lima empat sembilan enam enam sembilan lima empat sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan enam delapan delapan nol lima dua enam delapan delapan nol lima dua delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat delapan nol enam lima tujuh empat delapan nol enam lima tujuh empat delapan sembilan delapan nol sembilan tiga

dua tiga satu tiga tujuh kosong

Lanjutan

dua tiga satu tiga tujuh kosong

delapan sembilan delapan nol sembilan tiga









tiga kosong sembilan delapan delapan empat tiga kosong sembilan delapan delapan empat


tiga satu enam tujuh enam tiga tiga satu enam tujuh enam tiga



SEMBILAN lima enam enam enam tiga TIGA lima enam enam enam tiga


sembilan sembilan nol nol EMPAT sembilan sembilan sembilan nol nol DUA sembilan

Hasil pengenalan kata bilangan menggunakan 100 neuron lapis tersembunyi dengan 100 iterasi. kosong delapan satu enam delapan sembilan kosong delapan satu enam delapan sembilan KOSONG delapan tujuh kosong delapan dua ENAM delapan tujuh kosong delapan dua satu enam tiga lima tiga empat satu enam tiga lima tiga empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat satu dua enam enam enam dua satu dua enam enam enam dua satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh

empat KOSONG satu satu tiga dua empat DUA satu satu tiga dua empat dua lima dua kosong SEMBILAN empat dua lima dua kosong TIGA empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh lima enam satu enam enam empat lima enam satu enam enam empat lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan enam enam sembilan lima empat sembilan enam enam sembilan lima empat sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan enam delapan delapan nol lima dua enam delapan delapan nol lima dua

Lanjutan dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan



delapan NOL enam lima tujuh empat delapan TIGA enam lima tujuh empat


delapan sembilan delapan NOL sembilan tiga delapan sembilan delapan ENAM sembilan tiga









tiga kosong sembilan delapan delapan empat sembilan lima tujuh lima tiga kosong tiga kosong sembilan delapan delapan empat sembilan lima tujuh lima tiga kosong tiga satu enam tujuh enam tiga tiga satu enam tujuh enam tiga



sembilan lima enam enam enam tiga sembilan lima enam enam enam tiga



Hasil pengenalan kata bilangan menggunakan 200 neuron lapis tersembunyi dengan 50 iterasi. kosong delapan satu enam delapan sembilan empat ### KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat DUA TIGA satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong sembilan empat dua lima dua kosong sembilan dua ENAM delapan tujuh DELAPAN delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat lima enam satu enam enam empat lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan satu dua enam enam enam dua satu dua enam enam enam dua

Lanjutan satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan









delapan NOL enam lima tujuh empat delapan TIGA enam lima tujuh empat

















Hasil pengenalan kata bilangan menggunakan 200 neuron lapis tersembunyi dengan 100 iterasi. kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat EMPAT satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong SEMBILAN empat dua lima dua kosong TIGA dua TIGA delapan tujuh EMPAT delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat lima enam satu enam enam empat lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong

Lanjutan satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat










dua nol dua delapan nol SEMBILAN dua nol dua delapan nol TIGA

















#### sembilan lima enam enam enam tiga TIGA sembilan lima enam enam enam tiga



Hasil pengenalan kata bilangan menggunakan 400 neuron lapis tersembunyi dengan 50 iterasi. kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat EMPAT satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong sembilan empat dua lima dua kosong sembilan dua ENAM delapan tujuh EMPAT delapan dua

Lanjutan satu enam tiga lima tiga empat satu enam tiga lima tiga empat

empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh

satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong

lima enam satu enam enam empat lima enam satu enam enam empat

satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat






























Lanjutan

Hasil pengenalan kata bilangan menggunakan 400 neuron lapis tersembunyi dengan 100 iterasi. kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat EMPAT satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong sembilan empat dua lima dua kosong sembilan dua ENAM delapan tujuh EMPAT delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat lima enam satu enam enam empat lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan satu dua enam enam enam dua satu dua enam enam enam dua enam enam sembilan lima empat sembilan enam enam sembilan lima empat sembilan satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol ENAM delapan delapan nol lima dua TIGA delapan delapan nol lima dua dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan delapan nol enam lima tujuh empat delapan nol enam lima tujuh empat dua satu lima dua satu empat dua satu lima dua satu empat delapan sembilan delapan nol sembilan tiga delapan sembilan delapan nol sembilan tiga dua tiga satu tiga tujuh kosong dua tiga satu tiga tujuh kosong delapan delapan kosong sembilan satu satu delapan delapan kosong sembilan satu satu dua tiga dua delapan dua delapan dua tiga dua delapan dua delapan delapan tiga empat enam dua lima delapan tiga empat enam dua lima dua sembilan nol enam satu tujuh dua sembilan nol enam satu tujuh sembilan lima satu enam lima lima sembilan lima satu enam lima lima tiga satu empat lima enam delapan tiga satu empat lima enam delapan sembilan delapan tujuh enam dua lima sembilan delapan tujuh enam dua lima tiga satu tujuh lima sembilan lima tiga satu tujuh lima sembilan lima sembilan lima tujuh lima tiga kosong tiga kosong sembilan delapan delapan empat sembilan lima tujuh lima tiga kosong tiga kosong sembilan delapan delapan empat sembilan empat tiga enam satu empat sembilan empat tiga enam satu empat tiga satu enam tujuh enam tiga tiga satu enam tujuh enam tiga

Lanjutan tiga tujuh empat tujuh satu tiga tiga tujuh empat tujuh satu tiga




Hasil pengenalan kata bilangan menggunakan 700 neuron lapis tersembunyi dengan 50 iterasi. kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat DUA satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong SEMBILAN empat dua lima dua kosong TIGA dua ENAM delapan tujuh DUA delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat ### lima enam satu enam enam empat DUA lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan satu dua enam enam enam dua satu dua enam enam enam dua enam enam sembilan lima empat sembilan enam enam sembilan lima empat sembilan satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol enam delapan delapan nol lima dua enam delapan delapan nol lima dua dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan delapan ### nol enam lima tujuh empat delapan DUA nol enam lima tujuh empat dua satu lima dua satu empat dua satu lima dua satu empat delapan sembilan delapan nol sembilan tiga delapan sembilan delapan nol sembilan tiga dua tiga satu tiga tujuh kosong dua tiga satu tiga tujuh kosong delapan delapan kosong sembilan satu satu delapan delapan kosong sembilan satu satu dua tiga dua delapan dua delapan dua tiga dua delapan dua delapan delapan tiga empat enam dua lima delapan tiga empat enam dua lima dua sembilan nol enam satu tujuh dua sembilan nol enam satu tujuh sembilan lima satu enam lima lima sembilan lima satu enam lima lima tiga satu empat lima enam delapan tiga satu empat lima enam delapan sembilan delapan tujuh enam dua lima sembilan delapan tujuh enam dua lima tiga satu tujuh lima sembilan lima tiga satu tujuh lima sembilan lima

Lanjutan tiga kosong sembilan delapan delapan empat tiga kosong sembilan delapan delapan empat


tiga satu enam tujuh enam tiga tiga satu enam tujuh enam tiga






Hasil pengenalan kata bilangan menggunakan 700 neuron lapis tersembunyi dengan 100 iterasi. kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat DUA satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong SEMBILAN empat dua lima dua kosong TIGA dua ENAM delapan tujuh DUA delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat ### lima enam satu enam enam empat DUA lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan satu dua enam enam enam dua satu dua enam enam enam dua enam enam sembilan lima empat sembilan enam enam sembilan lima empat sembilan satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol enam delapan delapan nol lima dua enam delapan delapan nol lima dua dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan delapan ### nol enam lima tujuh empat delapan DUA nol enam lima tujuh empat dua satu lima dua satu empat dua satu lima dua satu empat delapan sembilan delapan nol sembilan tiga delapan sembilan delapan nol sembilan tiga dua tiga satu tiga tujuh kosong dua tiga satu tiga tujuh kosong delapan delapan kosong sembilan satu satu delapan delapan kosong sembilan satu satu dua tiga dua delapan dua delapan dua tiga dua delapan dua delapan delapan tiga empat enam dua lima delapan tiga empat enam dua lima dua sembilan nol enam satu tujuh dua sembilan nol enam satu tujuh

Lanjutan tiga satu empat lima enam delapan tiga satu empat lima enam delapan










Hasil pengenalan kata bilangan menggunakan 1000 neuron lapis tersembunyi dengan 50 iterasi. kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat EMPAT satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong sembilan empat dua lima dua kosong sembilan dua ENAM delapan tujuh EMPAT delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat lima enam satu enam enam empat lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan satu dua enam enam enam dua satu dua enam enam enam dua enam enam sembilan lima empat sembilan satu empat lima ### KOSONG tiga sembilan enam enam sembilan lima empat sembilan satu empat lima DUA SATU tiga sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol enam delapan delapan nol lima dua enam delapan delapan nol lima dua dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan delapan nol enam lima tujuh empat delapan nol enam lima tujuh empat dua satu lima dua satu empat dua satu lima dua satu empat delapan sembilan delapan nol sembilan tiga delapan sembilan delapan nol sembilan tiga dua tiga satu tiga tujuh kosong dua tiga satu tiga tujuh kosong

Lanjutan dua tiga dua delapan dua delapan dua tiga dua delapan dua delapan














Hasil pengenalan kata bilangan menggunakan 1000 neuron lapis tersembunyi dengan 100 iterasi. kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat EMPAT satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong sembilan empat dua lima dua kosong sembilan dua ENAM delapan tujuh EMPAT delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat lima enam satu enam enam empat lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan satu dua enam enam enam dua satu dua enam enam enam dua enam enam sembilan lima empat sembilan satu empat lima ### KOSONG tiga sembilan enam enam sembilan lima empat sembilan satu empat lima DUA SATU tiga sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol enam delapan delapan nol lima dua enam delapan delapan nol lima dua dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan

Lanjutan dua satu lima dua satu empat dua satu lima dua satu empat


















Lampiran 4 Hasil pengenalan kata menggunakan force alignment dan FBNN

Hasil pengenalan kata bilangan menggunakan force alignment kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat EMPAT satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong sembilan empat dua lima dua kosong sembilan dua SATU delapan tujuh EMPAT NOL delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat lima enam satu enam enam empat lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat ### enam empat satu sembilan sembilan sembilan DUA enam empat satu sembilan sembilan satu dua enam enam enam dua satu dua enam enam enam dua sembilan satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan




















tiga kosong sembilan delapan delapan empat sembilan lima tujuh lima tiga kosong tiga kosong sembilan delapan delapan empat sembilan lima tujuh lima tiga kosong tiga satu enam tujuh enam tiga

sembilan empat tiga enam satu empat

Lanjutan

tiga satu enam tujuh enam tiga

sembilan empat tiga enam satu empat





Hasil pengenalan kata bilangan menggunakan FBNN kosong delapan satu enam delapan sembilan empat KOSONG satu satu tiga dua kosong delapan satu enam delapan sembilan empat EMPAT satu satu tiga dua KOSONG delapan tujuh KOSONG delapan empat dua lima dua kosong sembilan empat dua lima dua kosong sembilan dua ENAM delapan tujuh EMPAT delapan dua empat empat tujuh enam enam tujuh empat empat tujuh enam enam tujuh satu enam tiga lima tiga empat satu enam tiga lima tiga empat lima enam satu enam enam empat lima enam satu enam enam empat satu satu delapan kosong kosong kosong satu satu delapan kosong kosong kosong lima enam enam sembilan kosong KOSONG lima enam enam sembilan kosong ###### satu satu sembilan sembilan enam empat satu satu sembilan sembilan enam empat enam empat satu sembilan sembilan sembilan enam empat satu sembilan sembilan sembilan satu dua enam enam enam dua satu dua enam enam enam dua enam enam sembilan lima empat sembilan enam enam sembilan lima empat sembilan satu empat lima kosong tiga sembilan satu empat lima kosong tiga sembilan enam satu tujuh sembilan satu sembilan enam satu tujuh sembilan satu sembilan satu enam delapan empat empat nol satu enam delapan empat empat nol enam delapan delapan nol lima dua enam delapan delapan nol lima dua dua lima tiga lima dua tujuh dua lima tiga lima dua tujuh delapan kosong kosong empat enam empat delapan kosong kosong empat enam empat dua nol dua delapan nol sembilan dua nol dua delapan nol sembilan delapan nol enam lima tujuh empat delapan nol enam lima tujuh empat dua satu lima dua satu empat dua satu lima dua satu empat delapan sembilan delapan nol sembilan tiga delapan sembilan delapan nol sembilan tiga dua tiga satu tiga tujuh kosong dua tiga satu tiga tujuh kosong delapan delapan kosong sembilan satu satu delapan delapan kosong sembilan satu satu dua tiga dua delapan dua delapan dua tiga dua delapan dua delapan delapan tiga empat enam dua lima delapan tiga empat enam dua lima dua sembilan nol enam satu tujuh dua sembilan nol enam satu tujuh sembilan lima satu enam lima lima sembilan lima satu enam lima lima tiga satu empat lima enam delapan tiga satu empat lima enam delapan

Lanjutan tiga satu tujuh lima sembilan lima tiga satu tujuh lima sembilan lima








HYBRID JARINGAN SYARAF TIRUAN DAN MODEL MARKOV TERSEMBUNYI UNTUK PENGENALAN BILANGAN BERBAHASA INDONESIA MENGGUNAKAN CSLU TOOLKIT Ellysa Kurniasari1, Agus Buono 1, Yeni Herdiyeni 1 1 Departemen Ilmu Komputer, Fakultas Matematika dan IPA, Institut Pertanian Bogor ABSTRAK Sistem pengenal kata untuk bahasa Indonesia masih sangat minim dalam pengembangannya, khususnya dalam penerapannya sebagai pengenal bilangan (Continuous Digit Recognizer CDR). Penelitian ini membandingkan metode pengenalan kata menggunakan data hand-labeled, force alignment, dan Forward Backward Neural Networks (FBNN) pada pengenalan bilangan berbahasa Indonesia menggunakan CSLU toolkit. Penelitian dilakukan dengan bantuan CSLU toolkit, dengan berfokus pada akurasi pengenalan pada tingkat kata dan kalimat. Kata-kata yang dapat dikenali terbatas pada kata dasar bilangan sesuai dengan ejaan bahasa Indonesia yang disempurnakan. Melalui penelitian ini telah dibuat basisdata suara kata dasar bilangan bahasa Indonesia berikut dengan transkripsi tingkat kata dan fonemnya. Selain itu didefinisikan pula kamus kata dan grammar yang dapat digunakan untuk pengembangan selanjutnya. Hasil penelitian menunjukkan bahwa pengenalan terbaik diperoleh menggunakan data hand-labeled dengan variasi neuron lapis tersembunyi sebanyak 400 unit yaitu sebesar 98,33% untuk pengenalan tingkat kata dan 92,50% untuk pengenalan tingkat kalimat. Penggunaan force alignment dan FBNN untuk mengoptimalkan akurasi sistem memberikan hasil yang tidak berbeda nyata dengan proses data hand-labeled. Hasil pengenalan menggunakan force alignment mencapai 97,08% pada tingkat kata dan 87,50% pada tingkat kalimat, sedangkan pengenalan menggunakan FBNN memberikan akurasi tingkat kata sebesar 97,92% dan 90,00% untuk tingkat kalimat. Kata Kunci: Jaringan Syaraf Tiruan, Model Markov Tersembunyi, CSLU toolkit, hand-labeled, force alignment, FBNN. belum tersedia sehingga perlu dilakukan PENDAHULUAN penelitian lebih lanjut mengenai hal tersebut. Latar Belakang Teknologi Automatic Speech Recognizer (ASR) merupakan cabang ilmu kecerdasan buatan yang mencakup akuisisi pengetahuan, pemodelan bahasa, pencocokan pola, dan adaptasi. Seperti telah diketahui, Hidden Markov Model telah banyak diaplikasikan untuk masalah pengenalan suara beberapa tahun belakangan ini. Jaringan syaraf tiruan banyak digunakan untuk menyelesaikan masalah pengenalan-pengenalan pola, yang memetakan sejumlah input ke sejumlah output. Salah satunya adalah masalah pengenalan suara. Teknologi ASR, khususnya dalam penerapannya sebagai Continuous Digit Recognizer (CDR), berkembang seiring dengan kebutuhan akan interaksi manusia dengan komputer yang semakin meningkat. CDR banyak diaplikasikan dalam berbagai hal contohnya pemasukan data otomatis, voice dialing telephone, sistem perbankan otomatis, dan sistem telephone-based lainnya. Penelitian mengenai ASR berbahasa Indonesia belum banyak dilakukan dan sejauh pengamatan penulis CDR berbahasa Indonesia

Tujuan Penelitian ini bertujuan untuk membandingkan metode pengenalan kata menggunakan data hand-labeled, force alignment, dan Forward Backward Neural Networks (FBNN) pada pengenalan bilangan berbahasa Indonesia menggunakan CSLU toolkit. Ruang Lingkup 1

Kata yang dapat dikenali dibatasi pada kata dasar bilangan sesuai dengan ejaan bahasa Indonesia yang disempurnakan.

2

Pengenalan kata dilakukan berdasarkan fonem. Setiap fonem hanya dibagi ke dalam satu bagian saja (independent part).

3

Analisis kinerja sistem dilakukan berfokus pada akurasi pengenalan sistem yang meliputi insertion, deletion, dan substitution.

2

TINJAUAN PUSTAKA Gelombang Suara Input ke dalam suatu sistem pengenal suara adalah gelombang suara yang merupakan barisan perubahan udara yang cukup kompleks. Perubahan udara ini disebabkan oleh jalur spesifik yang dilewati udara mulai dari celah suara (glottis) sampai ke rongga mulut atau rongga hidung. Gelombang suara direpresentasikan dengan memetakan perubahan tekanan udara terhadap waktu. Contoh gelombang suara dapat dilihat pada Gambar 1(Jurafsky & Martin 2000).

Gambar 1 Gelombang suara sebagai input sistem pengenal suara. Spektral, Spektrogram, dan Formant Untuk menghasilkan klasifikasi fonem yang lebih terperinci dibutuhkan representasi gelombang suara dalam bentuk fitur-fitur spektral. Spektrum adalah representasi komponen-komponen gelombang suara dalam frekuensi yang berbeda-beda (Jurafsky & Martin 2000). Spektrum dihasilkan dari proses transformasi fourier yang dapat memisahkan komponen frekuensi sebuah gelombang. Pada gelombang suara, dengan representasi bentuk spektrum terlihat jelas karakteristik yang berbeda dari setiap fonem. Jika sebuah spektrum menunjukkan komponen frekuensi dari sebuah gelombang pada suatu waktu tertentu, maka spektrogram menggambarkan perubahan frekuensi ini terhadap waktu (Jurafsky & Martin 2000). Sumbu horizontal pada spektrogram menyatakan waktu, sama seperti pada gelombang suara, sedangkan sumbu vertikal menyatakan frekuensi. Contoh spektrogram dapat dilihat pada Gambar 2. Spektrogram biasanya dihitung dan disimpan di dalam memori komputer dalam bentuk array 2 dimensi. Untuk sebuah spektrogram S, kekuatan energi dari sebuah komponen frekuensi pada waktu t direpresentasikan dengan warna pada titik yang dimaksud S(t, f). Daerah dengan warna yang lebih gelap pada spektrogram menggambarkan amplitudo pada komponen frekuensi tersebut. Bagian berwarna gelap

dalam spektrogram merepresentasikan puncak-puncak spektral disebut formant (Jurafsky & Martin 2000). Selain ditampilkan dalam bentuk skala keabuan, terdapat pula spektrogram yang digambarkan dengan warna untuk menunjukkan fitur penting dari sebuah spektrogram. Sumbu horizontal dari spektrogram menyatakan waktu sedangkan sumbu horizontal menyatakan frekuensi dalam satuan Hertz.

Gambar 2 Spektrogram skala keabuan dan berwarna dari suatu gelombang suara tertentu. Representasi spektral dapat memberikan petunjuk yang spesifik pada identifikasi fonem. Hal ini disebabkan karena setiap fonem memiliki formant yang unik.

Fonem Bahasa Indonesia dan Karakteristik Formantnya Para ahli bahasa mengelompokkan bunyi yang digunakan dalam sebuah bahasa ke dalam sejumlah kategori abstrak yang disebut fonem. Fonem juga dapat diartikan sebagai unit bunyi terkecil yang membedakan arti. Di dalam bahasa Indonesia dikenal 31 simbol fonem yaitu [PPPBDEPDIKBUD 1996]: Fonem vokal (6 buah): /a/, /i/, /u/, /e/, /ə/, dan /o/ Fonem konsonan (18 buah): /p/, /t/, /c/, /k/, /b/, /d/, /j/, /g/, /m/, /n/, /ñ/, /ŋ/, /s/, /h/, /r/, /l/, /w/, /y/ Fonem serapan (4 buah): /f/, /z/, /ſ/, /x/ Fonem diftong (3 buah): /aw/, /ay/, /oy/. Kata-kata yang akan dikenali pada penelitian kali ini hanya terbatas pada kata dasar bilangan saja, maka tidak semua fonem di atas digunakan dalam penelitian ini,

3

beberapa yang digunakan adalah sebagai berikut: /a/, /i/, /u/, /e/, /o/, /p/, /t/, /k/, /b/, /d/, /j/, /g/, /m/, /n/, /ŋ/, /s/, /h/, dan /l/. Setiap fonem memiliki karakteristik formant yang unik yang dapat membedakan satu dengan lainnya. Untuk fonem vokal (/a/, /i/, /u/, /e/, /o/), formant yang dihasilkan relatif stabil, kuat, dan tidak berubah-ubah. Pada spektrogram fonem dari kategori ini mudah diidentifikasi. Hal ini berbeda pada kategori huruf nasal (/m/, /n/, /ŋ/). Kategori ini memiliki energi yang jauh lebih sedikit dibandingkan dengan kategori fonem vokal. Penyebabnya adalah terhalangnya hampir seluruh rongga sehingga suara keluar melalui rongga hidung. Kategori berikutnya adalah plosive yang terdiri dari fonem /p/, /t/, /k/, /b/, /d/, /g/. Formant kategori plosive ditandai dengan ledakan energi akustik yang diikuti oleh jeda yang singkat. Selain itu kategori ini juga ditandai oleh perubahan yang cepat dari energi akustik yang kecil atau sama sekali tidak ada sampai ledakan singkat berenergi tinggi pada pita frekuensi yang luas. Kategori fonem fricative juga merupakan kategori fonem yang mudah dikenali. Fonem /s/ termasuk dalam kategori ini. Keberadaan fonem ini pada spektrogram ditandai pada daerah dengan frekuensi tinggi dengan distribusi energi yang bersifat random. Fonem /l/ termasuk ke dalam kategori approximant. Penanda kategori ini adalah energi yang labih lemah dibandingkan dengan kategori fonem. Hal ini disebabkan adanya sedikit penghalang pada jalur vocal tract. Kategori fonem lainnya adalah affricate, contohnya adalah fonem /j/. Kategori ini merupakan gabungan dari plosive dan fricative (Carmell et al 1997). Jaringan Syaraf Tiruan (JST) Arsitektur JST meliputi pengaturan neuron dalam suatu lapisan dan pola hubungan dalam lapisan dan di antara lapisan. Dalam JST, neuron diatur dalam sebuah lapisan (layer). Ada 3 tipe lapisan, yaitu lapisan input, lapisan tersembunyi, dan lapisan output. Berdasarkan lapisannya JST dikelompokkan sebagai jaringan lapis tunggal (single layer), jaringan lapis banyak (multi layer), dan jaringan lapis kompetitif (competitive layer). Jaringan lapis tunggal

memiliki satu lapis hubungan bobot. Jaringan lapis jamak memiliki satu atau lebih lapisan tersembunyi antara lapisan input dan output. Sedangkan jaringan dengan lapis kompetitif membentuk suatu bagian dari sejumlah besar jaringan-jaringan syaraf. Gambar 3 merupakan contoh sederhana dari sebuah JST.

X1

w1

X2

w2

y1

Y

y2 X3

Z1

Z2

w3

Unit input

Unit tersembunyi

Unit output

Gambar 3 Arsitektur JST dengan sebuah lapisan tersembunyi. Sebelum suatu JST digunakan untuk mengklasifikasikan pola, terlebih dahulu dilakukan proses pembelajaran untuk menentukan struktur jaringan, terutama dalam penentuan nilai bobot. Ada dua tipe pembelajaran, yaitu pembelajaran dengan pengarahan (supervised learning) dan tanpa pengarahan (unsupervised learning). Arsitektur jaringan yang digunakan pada penelitian ini adalah multi layer perceptron (MLP) karena MLP dapat digunakan untuk menyelesaikan masalah klasifikasi nonlinear karena dapat membentuk daerah keputusan yang lebih kompleks (Fu 1994). MLP merupakan jaringan syaraf tiruan feed forward dengan paling tidak satu lapis tersembunyi layer. MLP biasa dilatih menggunakan algoritma pembelajaran backpropagation. Pelatihan menggunakan algoritma backpropagation terdiri dari tiga fase yaitu fase feed forward pola input pembelajaran, fase kalkulasi dan propagasi balik error yang didapat dan fase penyesuaian bobot. Fungsi aktivasi merupakan fungsi yang menentukan level aktivasi, yaitu keadaan internal sebuah neuron dalam JST. Keluaran aktivasi ini biasanya dikirim sebagai sinyal ke neuron lainnya. Fungsi aktivasi yang umum digunakan adalah (Fausett 1994): Fungsi identitas f ( x ) = x untuk setiap x

Fungsi tangga biner

4

f (x ) =

⎧1 jika x ≥ θ ⎨0 jika x < θ ⎩

Fungsi sigmoid biner f ( x) =

1 1 + exp( − x )

Fungsi sigmoid bipolar f ( x) =

1 − exp( − x ) 1 + exp( − x )

Ekstraksi Ciri

menghasilkan 13 koefisien. Secara keseluruhan dihasilkan 26 koefisien untuk sebuah frame. MFCC didasarkan pada variasi dari frekuensi kritis telinga manusia. Filter diletakkan secara linear pada frekuensi rendah dan logaritmik pada frekuensi tinggi untuk mendapatkan karakteristik suara yang penting dari fonem. Gambar 4 merupakan blok diagram yang menjelaskan secara umum proses untuk mendapatkan mel cepstrum. Gelombang suara Frame Blocking

Ekstraksi ciri mempunyai input sinyal suara analog dan sebagai outputnya adalah feature vector untuk setiap frame (time slice). Untuk dapat menghasilkan feature vector terdapat beberapa langkah yang dilalui. Tahap pertama adalah melakukan digitasi terhadap sinyal suara analog (disebut sebagai analogto-digital conversion). Proses ini terdiri dari sampling dan kuantisasi (Jurafsky & Martin 2000).

frame Windowing

Fast Fourier Transform (FFT) spectrum Mel frequency Wrapping

Sampling artinya mengukur amplitudo sinyal pada suatu indeks waktu tertentu. Dalam hal ini dikenal istilah sampling rate, yaitu banyaknya sampling yang dilakukan setiap detik. Sampling rate yang umum digunakan adalah 8000 Hz dan 16000 Hz. Jumlah sample minimum untuk sebuah cycle a Berikutnya adalah kuantisasi, yaitu menyimpan nilai amplitudo ini ke dalam nilai integer, yang dalam hal ini memakai representasi 8 bit atau 16 bit.

Mel spectrum Cepstrum

Mel cepstrum

Gambar 4 Blok diagram MFCC. Algoritma Viterbi

Setelah sinyal didigitisasi, berikutnya adalah menyekatnya dalam bagian-bagian kecil penyusun sinyal suara dengan ukuran waktu yang tetap, misalnya 10 ms. Bagianbagian kecil ini disebut frame. Langkah berikutnya adalah merepresentasikannya dalam domain spektral menjadi feature vector yang merupakan input bagi tahap berikutnya. Beberapa fitur yang sering digunakan adalah linear predictive coding (LPC), koefisien cepstral, atau perceptual linear prediction (PLP).

Algoritma ini ingin menemukan barisan state yang optimum, Q={ q1, q2, q3, …, qT}, jika diberikan barisan observasi O={O1, O2, O3, …, OT}. Pada algoritma ini didefinisikan peubah baru, δt(i), sebagai skor terbaik (peluang tertinggi) yang dihitung pada path dari state periode pertama hingga state Si pada periode t.

Koefisien cepstral merupakan representasi fitur yang paling populer saat ini. Penelitian ini menggunakan fitur yang berasal dari Mel Frequency Cepstral Coefficient (MFCC) beserta turunannya yaitu MFCC delta. MFCC ditambah fitur energinya menghasilkan 13 koefisien demikian pula MFCC delta dengan fitur energinya juga

Pada sebuah sistem hidden markov model, peluang observasi barisan O didefinisikan sebagai PT (O | S , π ) :

δt (i) =

max

q1,q2,...,qt−1

P(q1, q2 ,...,qt = i, O1, O2 ,...,Ot | λ)

Algoritma Forward Backward

PT (O | S , π ) = bs1 (O1 )bs 2 (O2 ) K bsT (OT )

5

Peluang dari barisan state didefinisikan sebagai

PT ( S | π ) = a s1s 2 a s 2 s 3 K a sT −1sT

Sedangkan peluang PT (O | π ) adalah

PT (O | π ) =

∑ P (O | S , π ) P (S | π ) T

T

semua S

=

T

∑ ∏a

semua S t =1

st −1st

bst (Ot )

Peluang forward didefinisikan sebagai berikut

α t (i ) = PT (O1 , O2 ,K , Ot , S t = i | π ) = ∑ α t −1 (i )aij b j (Ot ) i

Peluang backward adalah

β t (i ) = PT (Ot +1 , Ot + 2 , K, OT | S t = i, π ) = ∑ α ji bi (Ot +1 ) β t +1 (i ) i

Jadi peluang posterior dari suatu transisi dari state i ke state j, λij , diberikan peluang observasi dan model HMMnya adalah sebagai berikut

λij (t ) = PT ( st = i, st +1 = j | O, π ) α t (i)aij b j (Ot +1 ) β t +1 ( j ) = PT (O | π ) α t (i )aij b j (Ot +1 ) β t +1 ( j ) = ∑k∈S α T (k )

Sistem CDR berbahasa Indonesia dalam penelitian ini dikembangkan dengan langkahlangkah pada Gambar 5. Data Data suara yang digunakan pada percobaan ini dikumpulkan dari rekaman suara 8 orang speaker dengan lingkungan perekaman dan rentang umur yang sama. Umur speaker berkisar antara 22-25 tahun. Sampel suara yang digunakan berasal dari suara 4 orang pria dan 4 orang wanita. Proporsi data yang digunakan dibagi menjadi tiga bagian, data untuk pelatihan, data untuk pengujian yang suaranya juga dilatihkan ke sistem (data tes 1), serta data pengujian lain yang berasal dari sampel suara yang tidak dilatihkan kesistem (data tes 2). Untuk lebih jelasnya pembagian data dapat dilihat pada Gambar 6. Data yang digunakan untuk pelatihan berasal dari sampel suara 4 orang, 2 orang pria dan 2 orang wanita. Sisa suara yang berasal dari 4 orang lain tidak diikutsertakan dalam pelatihan tetapi digunakan untuk pengujian. Pengumpulan data

Pendefinisian kamus kata dan grammar

Pelabelan data manual (handlabeled)

Pelabelan data dengan pengenal kata yang sudah tersedia (force alignment)

Menentukan MFCC

Menentukan MFCC

Peluang posterior berada pada state i pada waktu t dapat dihitung dari persamaan berikut

λi (t ) = PT ( st = i | O, π ) α (i ) β t (i ) = t ∑k∈S α T (k )

Dan transisi antara state pada sebuah model HMM dapat diestimasi menggunakan persamaan berikut

∑ λ (t ) (t ) = ∑ ∑ λ (t ) ∑ λ (t ) (Yan et al 1997). = ∑ λ (t )

Klasifikasi frame berdasarkan kategori fonem dengan JST

T −1

a ij

ij

t =1 T −1

t =1 T −1

k

ik

Reestimasi target menggunakan algoritma forward backward

t =1 ij T −1 t =1

i

METODOLOGI

Pencocokan kategori dengan target kata menggunakan algoritma Viterbi

CSLU toolkit

Gambar 5 Tahapan pengembangan aplikasi CDR bahasa Indonesia.

6

Setiap speaker diminta untuk menyebutkan deretan 6 angka acak untuk setiap filenya. Deretan angka acak ini didapatkan dari basis data telepon. Speaker yang suaranya akan digunakan untuk pelatihan diminta untuk menyebutkan sebanyak 20 kalimat, setengahnya akan digunakan untuk pelatihan dan setengahnya lagi untuk pengujian. Empat speaker lainnya, yang datanya hanya digunakan pada tahap pengujian saja, diminta untuk menyebutkan 10 kalimat. Keseluruhan file yang diperoleh berjumlah 120 file. Jumlah file gelombang suara yang diperoleh untuk masing-masing bagian data adalah sebagai berikut; 40 buah data pengujian, 40 buah data tes 1, dan 40 buah data tes 2. Ketiga jenis file tadi disimpan terpisah dan proses penamaannya mengikuti aturan yang sudah diberikan CSLU. Pendefinisian kamus kata dan grammar Pendefinisian kamus kata merupakan hal yang penting dalam membuat sistem pengenal kata. CDR berbahasa Indonesia ini dibatasi hanya mengenali 10 kata dasar bilangan. Bahasa Indonesia memiliki banyak sekali variasi penyebutan sebuah kata. Dari sekian banyak variasi yang ada, kamus kata CDR hanya mendefinisikan variasi penyebutan bilangan 0 menjadi dua yaitu nol dan kosong. Selain mendefinisikan kata-kata yang dapat dikenali sistem, dilakukan juga pendefinisian kategori yang menyusun sebuah kata beserta separator yang menjadi pemisah antar kata. Penentuan kategori yang dapat dikenali bergantung pada jumlah fonem pembentuk semua kata pada kamus kata. Separator didefinisikan menjadi dua, separator sil dan gar. Separator sil digunakan untuk menandai bagian dari gelombang suara yang tidak terdapat energi yang menjadi perhatian sehingga tidak mencerminkan kategori apapun, sedangkan separator gar digunakan untuk menandai bunyi-bunyi di luar bunyi kategori fonem yang telah ditepatkan. Contoh penggunaan separator gar antara lain untuk menandai bunyi yang disebabkan oleh pergerakan microphone. Bunyi ini tentunya tidak termasuk dalam kategori fonem tertentu. Selain dua separator tersebut terdapat separator lain yang hanya digunakan pada kata ”satu”, ”empat”, dan ”delapan”. Hal ini disebabkan adanya jeda waktu yang dihasilkan antar suku kata.

Berdasarkan grammar yang didefinisikan, setiap kata dapat dikuti dengan kata lain dengan nilai peluang yang sama besarnya. Kategori dan separator yang dapat dikenali berjumlah 24 kategori yaitu sebagai berikut s

a

t

u

d

i

g

em

p

tcl

l

m

en

j

h

e

n

b

o

k

ng

sil

gar

pau

Meskipun setiap huruf memiliki variasi bunyi yang beragam bergantung pada huruf disekitarnya, akan tetapi penelitian ini tidak membagi kategori fonem ini menjadi beberapa bagian (dependent part). Setiap kategori hanya terdiri dari satu bagian (independent part). Pelabelan data Setelah mendapatkan data berupa gelombang suara dalam ekstensi .wav diperlukan juga data lain dalam bentuk file teks dan file kategori fonem. File kategori fonem hanya diperlukan untuk data pelatihan saja, sedangkan file teks dibuat untuk setiap file gelombang suara input. File teks berisi representasi bilangan yang disebutkan speaker bentuk kalimat. Misalnya barisan angka yang disebutkan speaker adalah ”05331”, maka file teks yang harus dibuat berisi ”kosong lima tiga tiga satu satu”. File kategori fonem didapatkan dengan cara melakukan pelabelan secara manual (hand-labeled). Proses ini dilakukan untuk mendapatkan fonem yang terdapat di dalam sebuah file gelombang suara. Contoh proses pelabelan dapat dilihat pada Gambar 7. File kategori fonem yang memiliki ekstensi .phn ini terdiri dari tiga buah kolom. Kolom yang pertama mendefinisikan waktu dimulainya sebuah kategori fonem, kolom kedua mendefinisikan waktu berakhirnya sebuah kategori fonem, dan kolom terakhir adalah kategori fonem yang terdapat dalam rentang waktu yang disebutkan. Dapat dilihat pada contoh file .phn di bawah ini bahwa waktu berakhirnya sebuah kategori fonem merupakan waktu dimulainya kategori fonem berikutnya. 0.000000 243.012375 390.264038 537.515747 725.583435 844.083557

243.012375 390.264038 537.515747 725.583435 844.083557 898.216553

sil en a m sil d

7

898.216553 995.236450

995.236450 u 1153.056274 a

Menentukan MFCC Sampel suara didigitasi dengan sampling rate sebesar 8000 Hz dengan alasan bahwa informasi yang terkandung dalam suara manusia berada dibawah frekuensi 10000 Hz. Langkah berikutnya adalah membagi gelombang suara ini menjadi frame berukuran 10 msec. Melalu proses MFCC ini didapatkan 13 koefisien mel cepstrum. Selain itu untuk ciri lain juga dihitung menggunakan delta MFCC. Koefisien delta MFCC ini mengindikasikan tingkat perubahan spektral, dapat dihitung dengan persamaan berikut Δc[ n ] = c[ n + 1] − c[ n ]

bergantung pada perubahannya terhadap waktu. Arsitektur jaringan yang digunakan dapat dilihat pada Gambar 8, sedangkan ringkasan mengenai struktur jaringan yang digunakan dapat dilihat pada Tabel 1. Setelah jaringan terbentuk, jaringan akan dilatih menggunakan data pelatihan yang telah disebutkan di atas. Jaringan juga akan diujikan menggunakan dua tipe data tes yaitu file data tes yang suaranya sudah digunakan dalam pelatihan (data tes 1) dan suara yang tidak pernah dilatihkan sebelumnya (data tes 2). Tabel 1 Struktur jaringan syaraf tiruan Karakteristik

Spesifikasi

Arsitektur

feed forward network, 1 layer hidden

Neuron input

130 (26 fitur x 5 frame)

Neuron lapis tersembunyi

50, 100, 200, 400, 700, 1000

Neuron output

24 (jumlah kategori)

Gambar 6 Gelombang suara yang sudah di hand-label. Klasifikasi frame berdasarkan kategori JST digunakan untuk mengklasifikasikan fitur-fitur untuk setiap frame ke dalam kategori tertentu. Penentuan jumlah kategori yang dapat diklasifikasikan oleh JST sesuai dengan pendefinisian kategori sebelumnya yaitu sebanyak 24 kategori. JST yang digunakan dalam percobaan ini merupakan jaringan feed-forward lapis banyak yang terdiri dari satu lapisan lapis tersembunyi dengan propagasi balik sebagai algoritma pelatihannya. Input untuk jaringan ini adalah 5 buah frame dengan frame yang berada di tengah sebagai frame of interest yang akan dihitung peluangnya untuk setiap kategori. Ketika suatu frame dipetakan kedalam suatu kategori tertentu maka informasi yang diperlukan tidak hanya berasal dari frame yang bersangkutan, akan tetapi juga berasal dari frame-frame sesudah dan sebelumnya. Frame-frame tersebut adalah frame yang terletak -60, -30, 30, dan 60 msec jauhnya dari frame yang menjadi perhatian. Hal ini dilakukan dengan mempertimbangkan sifat alamiah suara dimana identitas sebuah fonem tidak hanya ditentukan oleh fitur-fitur spektral pada saat itu saja tetapi juga

Gambar 7 Arsitektur Jaringan Syaraf Tiruan yang digunakan dalam proses pengenalan kata. Pencocokan kategori dengan target kata Output jaringan syaraf tiruan adalah matriks peluang suatu frame f berada dalam suatu kategori c. Hasil pembelajaran semua data pelatihan berupa matriks berukuran CxF, dengan C adalah banyaknya kategori yang dikenali dan F adalah banyaknya frame. Matriks ini digunakan sebagai input untuk algoritma Viterbi bersama dengan grammar yang telah didefinisikan dalam kamus kata. Algoritma ini dilakukan untuk menentukan

8

kata yang paling sesuai dari peluang-peluang fonem yang ada. Rancangan Percobaan Penelitian ini dilakukan dengan memperhatikan faktor akurasi tingkat kata dan kalimat. Akurasi ini akan diamati pada beberapa variasi neuron lapis tersembunyi mulai dari 50, 100, 200, 400, 700, sampai 1000 unit. Pelatihan akan dilakukan menggunakan 50 iterasi (epoh). Percobaan berikutnya dilakukan untuk membandingkan hasil pengenalan menggunakan data yang dilabel secara manual (hand-labeled) dengan hasil pengenalan menggunakan force alignment. Force alignment adalah proses pengenalan kata menggunakan pengenal kata yang tersedia. Pengenal kata ini didapat dari proses pengenalan sebelumnya yaitu proses pengenalan menggunakan data hand-labeled dengan bobot terbaik. Jaringan dengan bobot terbaik akan memberikan hasil pengenalan yang baik pula. Hasil dari proses force alignment ini adalah label fonem dengan rentang waktu tertentu untuk suatu gelombang suara tertentu. Pengenalan dengan force alignment tidak lagi membutuhkan file kategori fonem untuk data pelatihannya (Hosom et al 1999). Setelah dibandingkan dengan proses force alignment, dilakukan juga pelatihan jaringan menggunakan algoritma forward backward. Algoritma forward backward ini biasa digunakan untuk melatih sebuah Hidden Markov Model (HMM). Untuk memulai suatu pelatihan menggunakan Forward Backward Neural Networks (FBNN) dibutuhkan jaringan syaraf tiruan yang didapatkan dari proses pelatihan menggunakan data hand-labeled. Algoritma forward backward umumnya digunakan untuk melatih sebuah HMM yang menggunakan fungsi Gaussian sebagai penentu peluang observasi. Pada pengenal suara yang menggunakan JST untuk menghitung peluang observasi, algoritma forward backward digunakan untuk mengestimasi ulang nilai peluang observasi dan peluang transisi yang didapatkan sebelumnya. Target jaringan syaraf tiruan yang dihasilkan adalah nilai peluang posterior suatu frame merupakan kategori tertentu, tidak seperti pada jaringan syaraf sebelumnya yang targetnya berupa bilangan biner (Yan et al 1997). Parameter Percobaan

Analisis kinerja pada percobaan kali ini hanya berfokus pada akurasi pengenalan kata. Kesalahan-kesalahan dasar yang sering terjadi adalah deletion, insertion, dan substitution. Akurasi sistem dihitung pada dua tingkat pengamatan, tingkat kata (word accuracy) dan tingkat kalimat (sentence accuracy). Ketepatan sistem secara keseluruhan pada tingkat kata dapat dirumuskan sebagai berikut Word Accuracy=100% - (Sub+Ins+Del) dengan Sub, Ins, dan, Del masing-masing adalah persentase substitution, insertion, dan deletion. Selain pada level kata, akurasi sistem juga dihitung untuk tingkat kalimat. Ketepatan pada level kalimat didapatkan dengan menghitung banyaknya gelombang suara yang dikenali dibagi dengan banyaknya gelombang suara yang terdapat pada tahap pengujian. Lingkungan Pengembangan Semua percobaan yang disebutkan pada rancangan percobaan sebelumnya dilakukan dengan bantuan perangkat lunak pengenal kata CSLU toolkit. Perangkat lunak ini dipilih dengan mempertimbangkan kemudahan baik pada praproses data maupun proses pengolahan data selanjutnya. Sistem operasi yang dilakukan adalah Windows XP Professional. Perangkat lunak lain yang digunakan adalah Audacity sebagai editor audio. Perangkat keras yang digunakan ialah komputer dengan processor Pentium IV 1,8 GHz, RAM sebesar 256 Mb, serta kapasitas harddisk sebesar 40 Gb.

HASIL DAN PEMBAHASAN Pengaruh Jumlah Neuron pada Lapisan Tersembunyi dan Iterasi Terhadap Akurasi Sistem Percobaan pertama bertujuan untuk membandingkan kinerja sistem berdasarkan jumlah neuron yang digunakan pada lapisan tersembunyi. Percobaan ini juga akan melihat seberapa besar pengaruh banyaknya unit pada lapisan tersembunyi terhadap akurasi sistem. Arsitektur JST yang digunakan pada sistem pengenal kata ini adalah jaringan perceptron lapis banyak (multi layer perceptron). MLP dipilih karena dapat membentuk daerah keputusan yang nonlinear, tidak seperti jaringan lapis tunggal (single layer perceptron) yang hanya dapat menghasilkan daerah keputusan linear. MLP

9

diasumsikan sangat baik untuk kasus pengenalan kata karena sifat suara yang berada pada domain yang nonlinear. Jumlah lapisan tersembunyi yang digunakan juga hanya dibatasi satu lapisan saja, karena menurut Cybenko seperti diacu dalam Tebelskies 1995 semua fungsi yang dapat dihitung dengan MLP dengan lapisan tersembunyi lebih dari satu juga dapat diselesaikan oleh MLP dengan hanya satu lapisan tersembunyi jika jumlah unit pada lapisan tersembunyi telah mencukupi. Selain itu waktu pelatihan untuk MLP dengan tersembunyi layer yang banyak akan meningkat secara signifikan. Jumlah neuron lapis tersembunyi dalam MLP sangat menentukan kinerja MLP dalam proses pengenalan pola. Banyaknya neuron lapis tersembunyi yang digunakan juga sangat berpengaruh terhadap waktu pelatihan. Apabila suatu jaringan terlalu lama dilatihkan akan timbul keanehan yang akan mengurangi kinerja pada data pelatihan. (Tebelskies 1995). Fungsi aktivasi yang digunakan pada penelitian ini adalah fungsi linear dan fungsi sigmoid biner. Fungsi sigmoid biner dipilih karena daerah hasil yang diinginkan terletak pada interval 0 dan 1. JST yang dibuat adalah jaringan lapis banyak dengan variasi neuron lapis tersembunyi sebanyak 50, 100, 200, 400, 700, dan 1000 unit. Proses pelatihan dilakukan dengan iterasi sebanyak 50 kali. Setiap iterasi akan menghasilkan bobot jaringan yang berbeda-beda. Setelah pelatihan selesai, semua file pengujian yang ada pada data tes diujikan ke dalam 50 bobot jaringan yang berbeda-beda tadi. Bobot jaringan yang paling baik akan memberikan akurasi pengenalan yang baik pula. Persentase word accuracy dan sentence accuracy terbaik dari masingmasing variasi neuron dari hasil pengujian menggunakan data tes 1 dapat dilihat pada Tabel 2. Sedangkan untuk hasil akurasi dengan menggunakan data tes 2 tertera pada Tabel 3. Tabel 2 menunjukkan bahwa akurasi pengenalan kata telah mencapai hasil yang maksimal yaitu 100% menggunakan neuron lapis tersembunyi sebanyak 700 unit. Meskipun jumlah iterasi yang digunakan adalah 50 iterasi akan tetapi hasil pengenalan terbaik pada masing-masing variasi neuron belum tentu berasal dari iterasi terakhir. Hasil terbaik ini biasanya terjadi lebih awal. Pada

variasi jumlah neuron 50 unit hasil terbaik terjadi pada iterasi ke-5 yaitu 98,33% untuk tingkat kata dan 92,50% untuk tingkat kalimat. Iterasi ke-9 pada variasi neuron lapis tersembunyi sebanyak 100 unit memberikan hasil yang paling maksimum yaitu 99,17% untuk akurasi tingkat kata dan 95,00% untuk tingkat kalimat. Demikian pula untuk variasi neuron 200 unit, hasil terbaik terjadi pada iterasi ke-3. Variasi neuron sebanyak 400 unit memberikan hasil terbaik setelah melalui 9 kali iterasi. Pengenalan terbaik untuk data tes 1, yang didapatkan dari variasi neuron 700 unit, berasal dari iterasi ke-7 sama seperti yang terjadi pada variasi neuron lapis tersembunyi 1000 unit. Tabel 2 Hasil pengenalan terbaik untuk masing-masing variasi neuron tersembunyi pada data tes 1

50



100

99,17

95,00

200

99,17

95,00

400

99,58

97,50

700

100,00

100,00

1000

100,00

100,00

Jumlah neuron

Akan tetapi jika dibandingkan dengan hasil pengenalan kata pada data data yang belum pernah dilatihkan sebelumnya (data tes 2), ketepatan pengenalan sistem menurun untuk semua variasi neuron lapis tersembunyi. Besar kemungkinan penyebabnya adalah pola suara yang berbeda dengan data sebelumnya yang digunakan dalam pelatihan. Seperti dijelaskan sebelumnya, semua data yang terdapat pada data tes 2 belum pernah dilatihkan ke sistem. Hasil pengenalan terbaik pada masingmasing variasi neuron lapisan tersembunyi dapat dilihat pada Tabel 3. Seperti halnya data tes 1, akurasi terbaik yang dihasilkan pada data tes 2 juga belum tentu berasal dari iterasi terakhir. Variasi neuron lapis tersembunyi 50 unit memberikan hasil terbaik pada iterasi ke3, demikian pula yang terjadi pada variasi neuron lapis tersembunyi 100 dan 200 unit. Iterasi ke-29 pada penggunaan neuron lapis tersembunyi sebanyak 400 unit memberikan hasil yang paling baik untuk data tes ini, yaitu 98,33% untuk tingkat kata dan 92,50% untuk

10

tingkat kalimat. Hasil pengenalan menggunakan JST dengan variasi neuron tersembunyi sebanyak 700 dan 1000 unit menghasilkan akurasi terbaik pada iterasi ke11 dan 25. Tabel 3 Hasil pengenalan terbaik untuk masing-masing variasi neuron tersembunyi pada data tes 2

50



100

97,50

87,50

200

97,50

90,00

400

98,33

92,50

700

97,08

85,00

1000

97,00

90,00

Jumlah neuron

Penggunaan neuron lapis tersembunyi yang lebih banyak tidak menjamin akurasi yang baik. Pada data tes 2, akurasi pengenalan kata sudah mencapai puncaknya dengan neuron lapis tersembunyi sebesar 400 unit. Hal lain yang berhubungan erat dengan banyaknya neuron yang digunakan adalah waktu pelatihan yang dibutuhkan. Penggandaan jumlah neuron lapis tersembunyi juga akan menggandakan waktu pelatihan yang digunakan. Keseluruhan hasil yang ada menunjukkan bahwa neuron lapis tersembunyi sebanyak 400 unit memberikan hasil terbaik. Pemakaian neuron lapis tersembunyi di atas 400 buah memberikan hasil yang relatif konstan, sedangkan jumlah neuron lapis tersembunyi dibawah 400 kurang memberikan hasil yang optimal. Hal ini mengindikasikan banyaknya variasi dalam suara. Meskipun suara berasal dari speaker yang sama dan mengucapkan angka yang sama pula tetap saja terdapat perbedaan. Keragaman ini mengakibatkan jaringan tidak dapat ”mengingat” data pelatihan yang diberikan. Perbandingan Akurasi Menggunakan Hand Labeled, Force Alignment, dan FBNN Percobaan kedua akan membandingkan hasil pengenalan kata menggunakan data yang dilabel secara manual (hand-labeled data) dengan pengenalan kata menggunakan force alignment.

Pengenal kata yang digunakan pada proses force alignment berasal dari bobot jaringan ke-29 dengan jumlah neuron lapis tersembunyi sebanyak 400 unit. Bobot jaringan ini memberikan hasil pengenalan terbaik berdasarkan percobaan sebelumnya. Pada dasarnya pelatihan jaringan dengan proses force alignment memiliki tahapan yang sama dengan pelatihan menggunakan data hand-labeled. Arsitektur JST yang digunakan pun sama dengan yang digunakan pada tahap sebelumnya. Pengenalan menggunakan metode ini tidak lagi memerlukan file transkripsi fonetik yang pada percobaan sebelumnya dihasilkan secara manual. Transkripsi fonetik akan dihasilkan secara otomatis oleh pengenal kata yang telah tersedia. Dalam hal ini pengenal kata yang tersedia berasal dari bobot JST ke-29 dengan neuron lapis tersembunyi sebanyak 400 unit. Selain terhadap force alignment, perbandingan akurasi juga dilakukan terhadap FBNN. Arsitektur jaringan yang digunakan adalah jaringan lapis banyak dengan 3 layer ,fully connected, dengan arsitektur yang sama seperti dua proses sebelumnya. Proses pengenalan menggunakan FBNN juga membutuhkan JST yang telah dilatih terlebih dahulu sebagai permulaannya. Peluang observasi yang dihasilkan oleh JST ini akan dihitung kembali menggunakan persamaan yang diturunkan dari koefisien forward dan backward. Nilai peluang transisi juga turut dihitung kembali dengan nilai awal yang ditetapkan sebesar 0,4 sebagai peluang untuk berpindah dari suatu state ke state berikutnya dan 0,6 sebagai peluang untuk tetap berada pada state yang sama. Ketepatan pengenalan kata untuk masing-masing proses dapat dilihat pada Tabel 4. Tabel 4 Hasil pengenalan kata menggunakan proses hand-labeled, force alignment dan FBNN Proses

word accuracy (%)


hand-labeled force alignment FBNN

98,33 97,08 97,92

92,50 87,50 90,00

Pengenalan menggunakan data yang dilabel secara manual menghasilkan akurasi yang lebih tinggi dibandingkan dua metode lain. Akurasi tingkat kata menggunakan force

11

alignment lebih rendah 1,25% dibandingkan dengan data hand-labeled yaitu sebesar 97,08%. Sedangkan untuk tingkat kalimat, pengenalan menurun sebesar 5,00% menjadi sebesar 87,50%. Pengenalan menggunakan FBNN menghasilkan akurasi tingkat kata dan kalimat yang tidak jauh berbeda dari sebelumnya yaitu 97,92% dan 90,00%. Gambar 11 menunjukkan perbandingan akurasi ketiga proses tersebut. Melalui percobaan di atas dapat disimpulkan bahwa untuk kasus kali ini proses pengenalan menggunakan data suara yang dilabel secara manual memberikan hasil terbaik dibandingkan dua metode lainnya.

dan 97,92%. Akurasi tingkat kalimat untuk proses hand-label, force alignment, dan FBNN masing-masing adalah sebesar 92,50%, 87,50%, dan 90,00%. 4 Optimasi pengenalan kata menggunakan force alignment dan FBNN memberikan asil yang tidak berbeda nyata dengan proses pelabelan manual berdasarkan uji statistik yang dilakukan. Saran Untuk selanjutnya berikut: 1

Penelitian ini hanya dapat mengenali kata dasar bilangan. Oleh sebab itu pengkajian lebih lanjut mengenai kata bilangan berimbuhan perlu dilakukan.

2

Pengembangan lain yang dapat dilakukan adalah optimasi ekstraksi ciri untuk dapat meningkatkan akurasi sistem.

3

Penelitian ini hanya membagi fonem menjadi satu bagian saja (independent part). Perlu dikembangkan juga penelitian yang membagi fonem menjadi dua atau tiga bagian bergantung pada fonem disekitarnya (dependent part) dan mengelompokkan fonem-fonem tersebut ke dalam sebuah kelas berdasarkan posisi artikulasinya. Dengan pengklasifikasian ini diharapkan akurasi sistem akan meningkat.

100

akurasi (%)

80 60 40 20 0 hand-labeled

force alignment

word accuracy (%)

FBNN


Gambar 8 Perbandingan akurasi dari proses hand-labeled, force alignment, dan FBNN.

KESIMPULAN DAN SARAN Kesimpulan Melalui penelitian ini dapat beberapa kesimpulan sebagai berikut:

ditarik

1

Untuk sistem CDR berbahasa Indonesia ini telah didefinisikan kamus kata dasar bilangan dan grammar yang dapat digunakan untuk pengembangan selanjutnya.

2

Hasil pengenalan kata terbaik dicapai dengan variasi neuron pada lapisan tersembunyi sebanyak 400 unit dengan iterasi sebanyak 50 kali yaitu sebesar 98,33% untuk word accuracy dan 92,50% untuk sentence accuracy. Hasil terbaik ini dicapai pada iterasi ke 29.

3

pengembangan penelitian disarankan hal-hal sebagai

Pada kasus ini pengenalan menggunakan data hand-label memberikan hasil yang lebih baik dibandingkan dengan force alignment dan pelatihan menggunakan algoritma forward backward. Akurasi tingkat kata berturut-turut untuk ketiga proses tersebut adalah 98,33%, 97,08%,

DAFTAR PUSTAKA Carmell T et al. 1997. Spectrogram reading. http://cslu.cse.ogi.edu/tutordemos/Sp ectrogramReading/spectrogram.html. [27 Juli 2005]. Cosi

P. 2000. Hybrid HMM-ANN architectures for connected digit recognition. IEEE-INS-ENNS 5: 5085.

Cosi P, Hosom JP, Shalkwyk J, Sutton S, Cole RA. 1998. Connected digit recognition experiments with the OGI toolkit’s neural network and HMM-based recognizers. IEEE Workshop on Interactive Voice Technology for Telecommunication Applications (IVTTAETWR98);Turin, September 1998. hlm 135-140.

12

Do

MN. 1994. An automatic speaker recognition system. http:// lcavwww.epfl.ch/~minhdo/asr_proje ct/asr_project.pdf. [18 September 2005].

Duc DN, Hosom JP, Mai LC. 2001. HMM/ANN system for Vietnamese continous digit recognition. http://www.speech.bme.ogi.edu/publi cations/ps/duc03.pdf. [4 Juli 2005]. Fausett L. 1994. Fundamentals of Neural Networks. New Jersey: Prentice Hall. Fu L. 1994. Neural Networks in Computer Intelligence. Singapura: McGrawHill. Hosom JP et al. 1999. Training neural networks for speech recognition. http://cslu.cse.ogi.edu/training neural networks for speech recognition.html. [5 Desember 2004] Jurafsky D, Martin JH. 2000. Speech and Language Processing An Introduction to Natural Language Processing, Computational Linguistic, and Speech Recognition. New Jersey: Prentice Hall.

Markowitz JA. 1996. Using Speech Recognition. New Jersey: Prentice Hall. [PPPBDEPDIKBUD] Pusat Pembinaan dan Pengembangan Bahasa Departemen Pendidikan dan Kebudayaan Repulik Indonesia. 1996. Pedoman Umum Ejaan Bahasa Indonesia yang Disempurnakan dan Pedoman Umum Pembentukan Istilah. Bandung: CV Pustaka Setia. Rabiner J. 1989. A tutorial on hidden markov model and selected applications in speech recognition. Proc IEEE Vol 22 No.2. Februari 1989. Tebelskis J. 1995. Speech recognition using neural networks. [disertasi]. Pennsylvania: Carnegie Mellon University. Yan Y, Fanty M, Cole R. 1997. Speech recognition using neural networks with forward-backward probability generated targets. International Conference on Acoustic, Speech, and Signal Processing: 3241-3244.

HYBRID JARINGAN SYARAF TIRUAN DAN MODEL MARKOV TERSEMBUNYI UNTUK PENGENALAN BILANGAN BERBAHASA INDONESIA MENGGUNAKAN CSLU TOOLKIT

Recommend Documents