IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI
SKRIPSI
ALMAN JULINIUS TARIGAN 091402112
PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
Universitas Sumatera Utara
IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI
SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
ALMAN JULINIUS TARIGAN 091402112
PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
Universitas Sumatera Utara
ii
PERSETUJUAN Judul
: IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA MARKOV
DENGAN
METODE
MODEL
DAN
HIDDEN METODE
MULTISENSORI Kategori
: SKRIPSI
Nama
: ALMAN JULINIUS TARIGAN
Nomor Induk Mahasiswa
: 091402112
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Fakultas
: ILMU
KOMPUTER
INFORMASI
DAN
TEKNOLOGI
(FASILKOM-TI)
UNIVERSITAS
SUMATERA UTARA Diluluskan di Medan, Maret 2014 Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Baihaqi, S.Si, MT NIP. 19790108 201212 1 002
Drs. Sawaluddin, M.IT NIP. 19591231 199802 1 001
Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua,
M. Anggia Muchtar, ST, M.MI NIP. 19800 1 110200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI
SKRIPSI
Saya mengaku bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Maret 2014
ALMAN JULINIUS TARIGAN 091402112
Universitas Sumatera Utara
iv
UCAPAN TERIMAKASIH Segala puji syukur kepada Tuhan Yesus Kristus, karena berkat dan kasih karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini. Rasa syukur yang sangat dalam kepada Tuhan Yesus karena bimbingan dan penyertaanNya selalu kepada saya mulai dari awal hingga penyelesaian tugas akhir ini. Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari Pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada : 1. Pihak keluarga penulis, mulai dari kedua orang tua penulis, Ibu, Tionar Damanik, dan Ayah, Malem Jenda Tarigan, abang Hansen H Tarigan, adik, Darwin Diego Tarigan, Sandro Feysal Tarigan, Donna Widya Tarigan mendoakan dan mengingatkan, serta memberi bantuan berupa moril dan materi, sehingga penulis dapat menyelesaikan tugas akhir ini. Terlebih kepada kekasih tersayang Irester Irmarettha Sihombing yang selalu mendukung baik dalam doa, perhatian, dan semangat kepada penulis selama penyelesaian tugas akhir ini. 2. Bapak Drs. Sawaluddin M.IT, Bapak Baihaqi S.Si, MT, selaku dosen pembimbing penulis yang telah memberikan saran, masukan, serta bersedia meluangkan waktu, tenaga, dan pikiran membantu penulis menyelesaikan skripsi ini. 3. Dosen penasihat akademik. 4. Dosen Penguji. 5. Seluruh dosen. 6. Teman-teman, senior dan junior kristen jurusan Teknologi Informasi. 7. Semua teman-teman dari jurusan Teknologi Informasi.
Akhir kata, penulis memohon maaf bila dalam penulisan karya tulis ilmiah ini terdapat beberapa kesalahan, oleh karena itu penulis sangat mengharapkan adanya masukanmasukan yang membangun. Semoga karya tulis ini dapat memberikan kontribusi bagi pendidikan di Indonesia. Tuhan Yesus memberkati.
Universitas Sumatera Utara
v
Perancangan Simulasi Lampu Lalu Lintas Berdasarkan Volume Kendaraan dan Lebar Jalan dengan Menggunakan Logika Fuzzy
ABSTRAK
Saat ini, kita tidak lagi asing mendengar gangguan disleksia. Gangguan ini banyak diderita oleh anak-anak. Meskipun mereka memiliki IQ diatas rata-rata anak-anak normal, penderita disleksia memiliki kesulitan dalam mengenal huruf dan angka. Media pembelajaran yang dilakukan sekarang ini masih selalu dilakukan secara manual hanya dengan alat media tulis ataupun media cetak. Akanlah sangat membantu apabila media pembelajaran dilakukan dengan media teknologi informasi. Penelitian ini memanfaatkan speech recognition dengan menggunakan metode hidden markov model untuk speech recognition nya dan metode multisensori untuk media pembelajarannya. Dalam penelitian ini pembelajaran dibagi menjadi tiga level yaitu level satu belajar mengenal angka, level dua belajar mengenal huruf, dan level tiga belajar mengenal kata. Masing-masing level menggunakan kata-kata yang sulit dipahami anak-anak penderita gangguan disleksia pada umumnya. Bahasa pemrograman yang digunakan adalah Visual C# dengan XNA Game Studio. Dari proses pengujian, level satu dan level tiga keefisienannya sudah 80%, sedangkan untuk level dua masih 60%.
Kata Kunci : gangguan disleksia, media pembelajaran teknologi informasi, speech recognition, Hidden Markov Model, Metode Multisensori.
Universitas Sumatera Utara
vi
IMPLEMENTATION OF SPEECH RECOGNITION IN LEARNING APPLICATION AIMED AT HELPING DYSLEXIA CHILDREN USING HIDDEN MARKOV MODELS AND METHODS OF MULTISENSORY
ABSTRACT
Nowdays, we are so familiar to hearing dyslexia disorders. This disorder affects many children. Although they have an IQ above average of normal children, people with dyslexia have difficulty in recognizing letters and numbers. Instructional media in general still always done manually only by means of writing or print media. It would be very helpful if done with the instructional media information technology. This study utilized speech recognition using Hidden Markov Models for its speech recognition and multisensory method for learning media. In this research study is divided into three levels, level one learn about numbers, level two learn to recognize letters, and level three is learning words. Each level uses words that are difficult to understand for children with dyslexia disorders in general. This research study uses Visual C# programming language with XNA Game Studio. From the testing process , the level one and level three are able to classified into 80%, while for the levels two is still 60 %.
Keyword : disorder dyslexia , learning media information technology , speech recognition , Hidden Markov Models , Methods multisensory .
Universitas Sumatera Utara
vii
DAFTAR ISI
Halaman
Persetujuan
ii
Pernyataan
iii
Ucapan Terima Kasih
iv
Abstrak
v
Abstract
vi
Daftar Isi
vii
Daftar Tabel
x
Daftar Gambar
xi
Bab 1 PENDAHULUAN
1
1.1
Latar Belakang
1
1.2
Rumusan Masalah
2
1.3
Tujuan Penelitian
2
1.4
Manfaat Penelitian
2
1.5
Batasan Masalah
2
1.6
Metodologi Penelitian
3
1.7
Sistematika Penulisan
4
Bab 2 LANDASAN TEORI 2.1
2.2
Disleksia
6
2.1.1
Bentuk kesulitan membaca anak-anak disleksia
7
2.1.2
Ciri-ciri anak-anak penderita disleksia
7
Metode Multisensori
8
Universitas Sumatera Utara
viii
2.3
Speech Recognition
9
2.3.1
Teknik-teknik dalam speech recognition
9
2.3.2
Jenis-jenis dari speech recognition
11
2.3.3
Tipe-tipe speech recogniton
12
2.4
Hidden Markov Model
13
2.5
Microsoft SAPI
15
Bab 3 ANALISIS DAN PERANCANGAN 3.1
3.2
3.3
3.4
Analisis Data
17
3.1.1
17
Data psikologi anak disleksia
Analisis Sistem
20
3.2.1
Proses analisis suara pada speech recognition
23
3.2.2
Proses feature extraction pada suara
24
3.2.3
Proses matcing technique
25
Perancangan Sistem
26
3.3.1
Diagram use case
26
3.3.2
Penjelasan use case
27
3.3.3
General architecture
28
Perancangan Tampilan Antarmuka
29
3.4.1
Rancangan tampilan halaman utama aplikasi
29
3.4.2
Rancangan tampilan halaman menu mulai aplikasi
30
3.4.3
Rancangan tampilan halaman utama pembelajaran
30
angka-angka 3.4.4
Rancangan tampilan halaman pembelajaran angka dasar
31
3.4.5
Rancangan tampilan halaman pembelajaran angka srupa
32
3.4.6
Rancangan tampilan halaman utama pembelajaran huruf
32
3.4.7
Rancangan tampilan halaman pembelajaran huruf dasar
33
3.4.8
Rancangan tampilan halaman pembelajaran huruf serupa
34
3.4.9
Rancangan tampilan halaman pembelajaran kata
35
Universitas Sumatera Utara
ix
Bab 4 IMPLEMENTASI DAN PENGUJIAN 4.1
Implementasi Sistem
37
4.1.1
37
Spesifikasi perangkat keras dan perangkat lunak yang digunakan
4.2
4.1.2
Tampilan halaman utama aplikasi
38
4.1.3
Tampilam halaman level tingkat kesulitan
38
4.1.4
Tampilam halaman level satu
39
4.1.5
Tampilam halaman level satu kategori angka dasar
39
4.1.6
Tampilam halaman level satu kategori angka serupa
40
4.1.7
Tampilam halaman level dua
40
4.1.8
Tampilam halaman level dua kategori huruf dasar
41
4.1.9
Tampilam halaman level dua kategori huruf serupa
41
4.1.10 Tampilam halaman level tiga menebak kata
42
Pengujian Sistem
43
4.2.1
Tahap pengujian tebak angka
43
4.2.2
Tahap pengujian tebak huruf
44
4.2.3
Tahap pengujian tebak kata
45
Bab 5 KESIMPULAN DAN SARAN 5.1
Kesimpulan
48
5.2
Saran
48
DATAR PUSTAKA
49
LAMPIRAN
52
Universitas Sumatera Utara
x
DAFTAR TABEL
Halaman Tabel 3.1
Data angka dasar berupa teks
17
Tabel 3.2
Data angka serupa berupa teks
18
Tabel 3.3
Data huruf dasar dalam teks
19
Tabel 3.4
Data huruf serupa dalam teks
19
Tabel 3.5
Data kata serupa
20
Tabel 3.6
Penjelasan use case
27
Tabel 4.1
Tabel pengujian angka pada anak
46
Tabel 4.2
Tabel pengujian huruf pada anak
47
Tabel 4.3
Tabel pengujian Kata pada anak
47
Universitas Sumatera Utara
xi
DAFTAR GAMBAR
Halaman Gambar 2.1
Arsitektur dari hidden markov model
15
Gambar 3.1
Flowchart proses sistem
22
Gambar 3.2
Flowchart proses analisis suara
23
Gambar 3.3
Flowchart proses ekstraksi suara
24
Gambar 3.4
Flowchart proses matcing technique
25
Gambar 3.5
Diagram use case
26
Gambar 3.6
Gambar general architecture
28
Gambar 3.7
Rancangan halaman utama
29
Gambar 3.8
Rancangan halaman mulai aplikasi
30
Gambar 3.9
Rancangan halaman utama tebak
31
Gambar 3.10 Rancangan halaman tebak angka dasar
31
Gambar 3.11 Rancangan halaman tebak angka serupa
32
Gambar 3.12 Rancangan halaman utama tebak huruf
33
Gambar 3.13 Rancangan halaman tebak huruf dasar
33
Gambar 3.14 Rancangan halaman tebak huruf serupa p
34
Gambar 3.15 Rancangan halaman tebak huruf serupa q
35
Gambar 3.16 Rancangan halaman tebak kata dadu
35
Gambar 3.17 Rancangan halaman tebak kata babu
36
Gambar 4.1
Tampilan halaman utama aplikasi
38
Gambar 4.2
Tampilan halaman berisi level
38
Gambar 4.3
Tampilan halaman berisi kategori angka dasar dan serupa
39
Gambar 4.4
Tampilan halaman berisi kategori angka dasar
39
Gambar 4.5
Tampilan halaman berisi kategori angka serupa
40
Gambar 4.6
Tampilan halaman level dua
40
Universitas Sumatera Utara
xii
Gambar 4.7
Tampilan halaman level dua huruf dasar
41
Gambar 4.8
Tampilan halaman level dua huruf serupa
41
Gambar 4.9
Tampilan halaman level tiga tebak kata wawa
42
Gambar 4.10 Tampilan halaman level tiga tebak kata mama
42
Gambar 4.11 Tampilan halaman output level satu jika berhasil
43
Gambar 4.12 Tampilan halaman output level satu jika gagal
44
Gambar 4.13 Tampilan halaman output level dua
45
Gambar 4.14 Tampilan kata rara sebelum nana
45
Gambar 4.15 Tampilan kata nana setelah rara
46
Gambar 4.16 Tampilan ouput level tiga kategori kata
46
Gambar 4.17 Tampilan persentase keberhasilan aplikasi
47
Universitas Sumatera Utara
