SPEECH RECOGNITION BAHASA INDONESIA UNTUK ANDROID Tony Wijaya, Samuel Susanto, Afan Galih Salman BINUS University, Kebon Jeruk Raya no. 27, Kemanggisan, Jakarta Barat, 021-5345830
ABSTRAK Tujuan dari pembuatan skripsi ini adalah untuk membuat aplikasi yang dapat mengenali suara dan merubahnya menjadi tulisan, yaitu dengan teknik speech recognition dengan Bahasa Indonesia. Ada 2 metode yang digunakan dalam proses perancangan aplikasi ini. Dua metode tersebut antara lain metode analisis dan metode perancangan. Dalam metode analisis, studi pustaka dan survey dilakukan terhadap objek yang akan diteliti. Studi pustaka dan survey dilakukan secara terus menerus hingga mendapatkan hasil yang baik untuk memilih cara yang paling tepat dan efisien dalam membuat speech recognition pada Android. Setiap teknik speech recognition yang ada akan dilakukan percobaan secara langsung dan kemudian dipilih satu cara yang paling efisien dalam pembuatan aplikasi speech recognition untuk Android. Studi pustaka juga dilakukan untuk proses pengumpulan data dan pengumpulan variabelvariabel yang akan digunakan kelak pada metode perancangan sistem. Metode perancangan dilakukan berdasarkan hasil-hasil yang diperoleh pada metode analisis. Variabel-variabel yang telah dimiliki dari hasil metode analisis, akan diolah dan digunakan untuk merancang sebuah perangkat lunak yang dilakukan secara bertahap. Pengkodean atau code program menggunakan Eclipse berbasis Android. Aplikasi yang efisien dan useability akan membuat user merasa nyaman dalam penggunaannya. Dan harus dipastikan bahwa aplikasi yang akan diciptakan ini akan membawa manfaat dan dampak positif bagi para pengguna. Kata kunci : Speech Recognition, Android, Bahasa Indonesia
ABSTRACT The objective of this thesis is to create an application which can recognize and convert them into text, which is the technique of speech recognition with Indonesian. There are two methods used in the process of designing this application. Two methods include methods of analysis and design method. In this analysis method, the study of literature and the survey carried out on the object to be examined. Literature study and survey conducted continuously until getting good results to choose the most appropriate and efficient in making speech recognition in Android. Each speech recognition technique existing experiments will be done directly and then selected one of the most efficient in making speech recognition applications for Android. Literature study was also conducted for the data collection process and the collection of variables that will be used later in the method of system design. Design method is based on the results obtained in the assay. Variables that have been held from the results of analysis methods, will be processed and used to design a software in stages. Coding or program code using Eclipse-based Android. Applications are efficient and useability will make the user feel comfortable in its use. And it must be ensured that the application will be created and the benefits it will bring a positive impact to the users. Keywords : Speech Recognition, Android, Indonesian
PENDAHULUAN Saat ini, kemajuan teknologi sangatlah pesat dan berperan penting dalam kehidupan masyarakat. Dan kemajuan teknologi juga berpengaruh pada kemajuan teknologi mobile. Dan perangkat mobile pun telah menjadi kebutuhan yang sangat penting bagi kehidupan masyarakat sekarang dan banyak masyarakat yang menggunakan perangkat mobile phone. Perkembangan mobile sangat membantu masyarakat dalam melakukan komunikasi. Selain itu banyak aplikasi-aplikasi atau software yang diciptakan untuk menunjang kegunaan atau manfaat dari perangkat mobile tersebut. Sehingga kegunaan mobile akhir-akhir ini tidak hanya untuk komunikasi dan penyaji informasi saja, namun juga dapat memberikan hiburan bagi penggunanya. Salah satu mobile phone yang sangat banyak digunakan di Indonesia adalah platform Android. Kecenderungan penduduk di Indonesia untuk menggunakan smartphone Android dikarenakan fitur-fitur yang tersedia dalam smartphone ini dapat memuaskan kebutuhan para konsumen. Salah satunya yang dapat diunggulkan dari smartphone ini adalah bersifat open source. Aplikasi-aplikasi mobile saat ini banyak menggunakan kecerdasan buatan atau biasa disebut dengan Artificial Intelligence (AI). Sehingga dalam hal ini, akan diterapkan kecerdasan buatan speech recognition atau pengenalan pola suara untuk platform Android. Aplikasi speech recognition (speech to text) sebenarnya sudah sering digunakan dalam mobile phone oleh platform Android, Apple, dan Blackberry. Perusahaan ternama seperti Google sangat cepat dalam mengembangkan aplikasi speech recognition yang bersifat online atau membutuhkan jaringan internet. Speech recognition yang berkembang pada saat ini kebanyakan menggunakan Bahasa Inggris. Oleh karena itu, dalam pembuatan aplikasi ini akan diterapkan speech recognition versi offline (tidak memerlukan koneksi internet) dan berfokus pada satu bahasa saja yaitu Bahasa Indonesia dengan menggunakan metode Hidden Markov Model (HMM). Tujuan dari perancangan aplikasi speech recognition Bahasa Indonesia adalah : Menerapkan metode speech recognition tanpa menggunakan akses internet. Menerapkan dan mengimplementasikan Hidden Markov Model dalam pembuatan program speech recognition. Membuat sistem speech recognition dengan tingkat keakuratan yang baik.
METODE PENELITIAN Ada dua metode yang digunakan dalam perancangan dan pembuatan aplikasi speech recognition, yaitu : 1. Metode Analisis Pada metode analisis dilakukan studi pustaka, seperti membaca dari berbagai sumber di internet, buku-buku, dan jurnal-jurnal tentang definisi speech recognition untuk menunjang pembuatan aplikasi speech recognition ini. Ada beberapa hal yang dilakukan, yaitu : 2. Metode Perancangan Untuk perancangan sistem dari aplikasi Speech Recognition ini, penulis menggunakan metode Waterfall. Berikut ini adalah tahapan-tahapan dalam metode Waterfall, antara lain : menentukan spesifikasi sistem yang dibutuhkan dari keseluruhan sistem untuk mengaplikasikan program Speech Recognition ini. pengumpulan dan peningkatan data-data yang berhubungan pada sistem dan berfokus pada karakteristik sistem yang akan dibuat. pembuatan model atau desain dari sistem. Pembuatan model ini meliputi : aliran data pada sistem sehingga sistem dapat menghasilkan output yang sesuai dengan input yang diberikan, dan desain tampilan user interface. pengkodean program dilakukan dengan menggunakan perangkat lunak Eclipse dengan library Pocketsphinx. Setelah itu dilakukan pengujian untuk mengetahui letak error atau kesalahan yang ada. pengembangan, dan penyebaran sistem kepada para user agar setiap sistem dapat berjalan dengan baik dan mencapai hasil yang lebih maksimal bagi para user saat menggunakan aplikasi ini. Pengujian aplikasi dilakukan oleh penulis (2 orang) dan pengguna (50 orang). Hasil pengujian yang didapat adalah hasil keakuratan yang baik, dan dapat digunakan secara offline (tanpa menggunakan akses internet).
HASIL DAN BAHASAN Berdasarkan hasil analisis kebutuhan user, terdapat beberapa kesimpulan yang dapat diambil: (1) sebagian besar responden menggunakan handphone selama lebih dari 6 jam dalam sehari. (2) Sebagian besar responden menggunakan handphone dengan platform Samsung (Android). (3) Didapat hasil fitur speech recognition paling sedikit digemari. (4) Sebagian besar responden belum merasa puas dengan fitur yang disediakan oleh handphone yang dimiliki. (5) Mayoritas responden sudah mengetahui yang dimaksud dengan sistem speech recognition. (6) Sebagian besar responden belum pernah menggunakan aplikasi speech recognition. (7) Sebagian besar responden menjawab bahwa fitur aplikasi speech recognition itu bermanfaat. (8) Sebagian besar responden menjawab ingin handphone mereka dilengkapi dengan fitur aplikasi speech recognition. Ada beberapa hal yang perlu dilakukan untuk melakukan pelatihan atau training kata dengan metode HMM (Hidden Markov Model), yaitu sebagai berikut : Pengumpulan Data Pengumpulan data awal dimana daftar kata dibuat dan setiap kata dipecah menjadi sub-sub kata. Sub-sub kata lalu dimasukkan kedalam daftar fonetik. Membuat daftar kalimat yang berisi katakata yang akan di training. Satu kalimat terdiri dari 8-10 kata yang dapat diulang. Dari daftar kalimat yang dibuat, dapat dibuat file language model yang berisi 1-gram, 2-gram, 3-gram, nilai likelihood dan faktor back-off. Selanjutnya dibuat file suara menggunakan format wav 16 bit 44.100 Hz mono sesuai dengan jumlah kalimat yang telah dibuat di daftar kalimat. Pelatihan Parameter (training) Proses training dimulai dari pengecekan tiap kata dan sub kata yang berada di daftar kata dan daftar fonetik. Proses tidak dapat dilanjutkan apabila ditemukan ketidakcocokkan diantara kedua file tersebut. Proses selanjutnya adalah dimulainya proses HMM dimana proses ini melatih CI (context independent) model untuk sub kata yang ada di daftar fonetik. Dilanjutkan dengan melatih CD (context dependent) model sub kata dengan keadaan untied. Hasilnya adalah CD untied model yang dipakai untuk membuat decision tree. Proses dilanjutkan dengan membuat decision tree untuk setiap state dari sub kata. Setelah decision tree dibuat, makan akan dilanjutkan dengan tree pruning ( membuang hal-hal yang tidak diperlukan) dari decision tree. Proses terakhir yang dilakukan adalah melatih final model yang disebut CD tied model. Final model ini dilatih dengan berberapa tahapan yaitu 1 Gaussian per state HMM dilanjutkan dengan 2 Gaussian per state HMM dan diakhiri dengan 3 Gaussian per state HMM. Proses ini diakhiri dengan penghapusan interpolasi. Penyimpanan Parameter Setelah proses training selesai dijalankan akan dihasilkan 8 file yaitu mdef, feat.params, mixture_weights, means, noisedict, transition_matrices, variances, dan senddump. Kedelapan file tersebut beserta daftar kata dan language model nantinya akan di push kedalam sistem yang digunakan untuk proses pengenalan suara dan dirubah menjadi text. Berikut ini adalah gambar-gambar saat aplikasi speech recognition dijalankan : 1. Tampilan splash screen Tampilan awal layar saat baru masuk ke dalam aplikasi speech recognition.
Gambar splash screen 2.
Tampilan layar input Setelah tampilan splash screen, maka aplikasi masuk ke tampilan layar input.
Gambar layar input 3.
Tampilan program sedang mengenali suara Ketika user menekan tombol “Tekan dan Bicara” dan mengucapkan kata, maka sistem menerima input dan berusaha mengenali kata yang diucapkan.
Gambar program sedang mengenali suara 4.
Tampilan layar setelah suara dikenali Setelah mengenali kata yang diucapkan oleh user, maka sistem menampilkan hasil output berupa teks dari kata yang telah diucapkan oleh user.
Gambar layar setelah suara dikenali Dan berdasarkan hasil evaluasi user, ada beberapa kesimpulan yang dapat diambil, yaitu: (1) Sebagian besar responden menjawab sudah puas dengan fitur yang disediakan. (2) Sebagian besar responden menjawab bahwa tampilan atau user interface dari aplikasi speech recognition ini sudah memiliki GUI yang baik. (3) Seluruh responden menjawab bahwa aplikasi speech recognition ini mudah untuk digunakan. (4) Sebagian besar responden menjawab bahwa aplikasi speech recognition ini sudah akurat. (5) Sebagian besar responden menjawab sudah puas dengan keakuratan yang dimiliki oleh aplikasi
speech recognition ini. (6) Sebagian besar responden menjawab bahwa aplikasi speech recognition ini dapat diimplementasikan dan membantu user untuk di masa yang akan datang.
SIMPULAN DAN SARAN Kesimpulan yang dapat diambil dari pembuatan aplikasi ini berdasarkan pembahasan tujuan dan manfaat, perancangan sistem, implementasi sistem, dan hasil evaluasi kuesioner adalah : Aplikasi sistem speech recognition ini memiliki keakuratan yang baik. Aplikasi ini menerapkan metode Hidden Markov Model dengan library Pocketsphinx. Aplikasi speech recognition ini bisa digunakan tanpa menggunakan akses internet. Aplikasi sistem speech recognition ini memiliki tampilan user interface yang lebih menarik dan tidak kaku. Untuk pengembangan dan penelitian yang lebih lanjut, penulis memberikan saran- saran kepada pembacanya agar dalam pembuatan aplikasi speech recognition dengan Bahasa Indonesia dapat dilakukan semakin baik lagi untuk ke depannya. Berikut adalah saran-saran yang dapat diberikan, antara lain : Menambahkan atau memperbanyak suku kata yang belum ada dan membuat kata semakin beragam. Membuat tingkat keakuratan yang lebih baik lagi untuk masing-masing kata. Sehingga dapat menghasilkan output yang benar-benar akurat dalam sekali pengucapan. Tampilan user interface yang semakin menarik dan menambahkan fitur-fitur lain dalam aplikasi speech recognition.
REFERENSI Android
Developer. (n.d.). Diperoleh 20 September http://developer.android.com/index.html.
2012
dari
Android
Carnegie
Mellon University. Diperoleh 28 Agustus http://cmusphinx.sourceforge.net/2011/05/building-pocketsphinx-on-android/.
Handel,
R., V. (2008). Hidden Markov Models. Diperoleh http://www.princeton.edu/~rvan/orf557/hmm080728.pdf.
21
Developers
2012
Maret
2013
:
dari
dari
Irawan. (2011). Java untuk Orang Awam. Palembang : Maxicom. Jurafsky, D., & Martin, J. H. (2009). Speech and Language Processing : An Introduction To Natural Language Processing, Computational Linguistics, Speech Recognition. 2nd Edition. Upper Saddle River, N. J. : Pearson Prentice Hall. Kusumadewi, S. (2003). Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta : Graha Ilmu. Mains, R. (2001). White Paper On Speech Recognition In The SESA Call Center. University of Maryland. Diperoleh 2 Oktober 2012 dari http://www.angelfire.com/poetry/shweta_ip/SRWhitepaper.pdf. Marietha, S., Purwarianti, A., & Lestari, D., P. (2012). SMSsuara Application with Automatic Speech Recognition and Text to Speech on Mobile Phone. Diperoleh 3 Oktober 2012 dari http://stei.itb.ac.id/jurnal/index.php/stei-S1/article/download/73/67. Patel, I., & Rao, Y., S. (2010). Speech Recognition Using HMM With MFCC – An Analysis Using Frequency Spectral Decomposition Technique. Diperoleh 3 Oktober 2012 dari http://airccse.org/journal/sipij/papers/1210sipij09.pdf. Pressman, R., S. (2010). Software Engineering A Practitioner’s Approach. 7th Edition. New York : The McGraw-Hill Companies, Inc. Ronando, E., & Irawan, M., I. (2012). Pengenalan Ucapan Kata sebagai Pengendali Gerakan Robot Lengan Secara Real-Time dengan Metode Linear Predictive Coding-Neuro Fuzzy. Diperoleh 3 Oktober 2012 dari http://ejurnal.its.ac.id/index.php/sains_seni/article/download/1011/278.
Russel, S., J., & Norvig, P. (2010). Artificial Intelligence A Modern Approach. 3rd Edition. Upper Saddle River : Prentice Hall. Safaat H., N. (2011). Pemrograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis Android. Bandung : Informatika. Satori, H., Hiyassat, H., Harti, M., & Chenfour, N. (2009). Investigation Arabic Speech Recognition Using CMU Sphinx System. Diperoleh 3 Oktober 2012 dari http://www.ccis2k.org/iajit/PDF/vol.6,no.2/11IASRUCSS186.pdf. Supardi, Y. (2011). Semua Bisa Menjadi Programmer Android Basic. Jakarta : Elex Media Komputindo.
RIWAYAT PENULIS Tony Wijaya lahir di kota Singkawang pada 27 Juni 1990. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik Informatika pada tahun 2013. Samuel Susanto lahir di kota Jakarta pada 3 Juli 1991. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik Informatika pada tahun 2013.
