Bidang Ilmu : 462/ Teknologi Informasi
USULAN PENELITIAN HIBAH BERSAING
APLIKASI SINTESIS UJARAN BEREKSPRESIF (EXPRESSIVE TEXT TO SPEECH) BAHASA INDONESIA MENGGUNAKAN HIDDEN MARKOV MODEL UNTUK MENDUKUNG INDUSTRI KREATIF NASIONAL
TIM PENGUSUL Ketua : Muljono, S.Si, M.Kom NIDN : 0604017101 Anggota : Catur Supriyanto, S.Kom, MCS NIDN : 0621108402
UNIVERSITAS DIAN NUSWANTORO SEMARANG April 2015
ii
DAFTAR ISI
Halaman RINGKASAN .....................................................................................................
iv
BAB I. PENDAHULUAN ..................................................................................
1
1.1 Latar Belakang dan Permasalahan ................................................................
1
1.2 Tujuan Khusus ...............................................................................................
3
1.3 Urgensi Penelitian ..........................................................................................
3
1.4 Temuan/Inovasi dalam Pembangunan dan Pengembangan Ipteks-Sosbud ...
4
1.5 Kontribusi Penelitian.......................................................................................
4
BAB II. TINJAUAN PUSTAKA ........................................................................
5
2.1 State of the art.................................................................................................
5
2.2 Road Map Penelitian ......................................................................................
9
BAB III. METODE PENELITIAN ......................................................................
11
3.1 Bagan Alir Penelitian (Fishbone Diagram).....................................................
11
3.2 Tahapan Penelitian ..........................................................................................
12
3.3 Luaran Pertahun ..............................................................................................
16
BAB IV. BIAYA DAN JADWAL PELAKSANAAN.........................................
18
4.1 Anggaran Biaya ..............................................................................................
18
4.2 Jadwal Pelaksanaan.........................................................................................
18
DAFTAR PUSTAKA ...........................................................................................
19
LAMPIRAN Lampiran 1. Justifikasi Anggaran Penelitian.........................................................
21
Lampiran 2. Ketersediaan Sarana dan Prasarana Penelitian.................................
30
Lampiran 3. Susunan Organisasi Tim Peneliti dan Pembagian Tugas..................
31
Lampiran 4. Biodata Ketua dan Anggota Tim Peneliti .........................................
32
Lampiran 5. Surat Pernyataan Ketua Peneliti .......................................................
39
iii
RINGKASAN Salah satu tantangan yang dihadapi para peneliti adalah untuk membangun antarmuka percakapan yang alami. Ketika berbicara tentang antarmuka berbasis ujaran untuk sistem komputer, kita melihat dua teknologi dasar yang berperan yaitu: pengenalan ujaran (speech recognition) dan sintesis ujaran (text to speech). Tujuan dari sistem sintesis ujaran adalah untuk memberikan output ujaran kepada pengguna dengan membangkitkan ujaran dari teks. Sintesis ujaran banyak digunakan dalam kehidupan sehari-hari seperti sistem dialog multibahasa (speech to speech translation) , aplikasi pembaca layar komputer untuk orang-orang buta dan gangguan penglihatan (screen reader), aplikasi di bidang telekomunikasi, aplikasi yang digunakan dengan tidak memerlukan mata dan tangan untuk pengoperasiannya dan lain-lain. Interaksi manusia dengan komputer dalam berbagai saluran (dalam hal ini menggunakan saluran ujaran) menjadi lebih efektif dan efisien apabila dalam ujaran tersebut diberikan ekspresif yang berbeda dan sesuai dengan kondisi emosional pengguna. Penelitian ini bertujuan menciptakan suatu sistem yang mampu mensintesis ujaran netral dengan meningkatkan kualitas ujaran yang lebih alami untuk bahasa Indonesia. Selanjutnya mengembangkan sintesis ujaran netral menjadi sintesis ujaran berekspresif (beremosi) misalnya emosi sedih, senang, marah, jijik, dan takut, secara semi otomatis atau otomatis sehingga mengurangi intervensi dan campur tangan manusia dalam penciptaan sintesis ujaran berekspresif tersebut. Serta mencari parameter-parameter emosi yang digunakan untuk mensitesis ujaran berekspresif tersebut. Penelitian ini merupakan penelitian eksperimen murni, yaitu penelitian yang dilakukan dengan membuat sebuah prototipe yang diujicoba, pre dan post test selanjutnya dikembangkan dan disempurnakan menjadi aplikasi yang siap untuk digunakan. Metode penelitian dibagi 2 proses, proses pertama yaitu pengumpulan data dan analisis sinyal ujaran dan proses kedua yaitu rancang bangun dari aplikasi sintetis ujaran, dimulai dari analisis sistem, design sistem dan implementasi sistem. Setelah prototype sintesis ujaran sudah diujicoba dalam laboratorium, aplikasi dikembangkan dan disempurnakan untuk diimplementasikan ke masyarakat. Pengusul menggunakan metode statistik parametrik Hidden Markov Model (HMM) berbasis monofon untuk membangun model akustik dari ujaran untuk disintesis menjadi ujaran berekspresif. Dalam pendekatan berbasis model, ujaran diparameterisasi dan dimodelkan menggunakan menggunakan metode statistik HMM. Metode ini menawarkan lebih banyak fleksibilitas untuk menyesuaikan dengan karakteristik ujaran Hasil luaran dari penelitian ini adalah dua buah aplikasi yaitu sintesis ujaran (text to speech) bahasa Indonesia dengan gaya datar (reading style) dan sintesis ujaran bahasa Indonesia berekspresif. Aplikasi ini dapat dijalankan personal computer (PC) maupun laptop dan bisa dikembangkan ke versi komputer tablet (layar sentuh). Setelah aplikasi dievaluasi dan diujicoba, hasilnya akan digunakan untuk pembuatan laporan, pendaftaran HKI dan publikasi di seminar internasional dan jurnal internasional terindeks scopus.
Kata kunci:
Sintesis Ujaran, Sintesis Ujaran Bereksrpesif Bahasa Indonesia, Hidden Markov Model (HMM), Parameter Ekspresif, Model Akustik.
iv
BAB I : PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Ujaran adalah cara komunikasi yang paling alami antara manusia ke manusia lain. Menurut (Heggtveit, 2003) sintesis ujaran adalah metode meniru bagian pembangkitan dari komunikasi ucapan yang alami. Sedangkan menurut (Govind and Prasanna, 2013) sintesis ujaran adalah proses mengkonversi pesan dalam bentuk teks menjadi pesan dalam bentuk lisan yang setara. Sintesis ujaran berkspresif merupakan kegiatan mensintesis ujaran dan menambahkan berbagai ekspresi yang berkaitan dengan emosi dan gaya berbicara yang berbeda untuk ujaran yang disintesis Kamus besar bahasa Indonesia mengartikan ekspresif adalah mengungkapkan sebuah perasaan atau sebuah emosi. Ekspresif didefinisikan sebagai indikator vokal pada berbagai keadaan emosional yang dicerminkan dalam bentuk gelombang ujaran (Scherer, 1986). Emosi yang berbeda dan gaya berbicara juga dianggap sebagai bentuk ekspresif (Govind and Prasanna, 2013)(Pitrelli et al., 2006). Sintesis ujaran berekspresif dapat membantu manusia dan mesin untuk berkomunikasi dengan cara yang lebih alami. Berbagai aplikasi yang memanfaatkan sintesis ujaran sangat luas digunakan, dari jam sederhana yang dapat berbicara, sistem pesan telepon dengan kosakata kecil dan terbatas, 3D talking head dengan sintesis teks terbatas dan sinkronisasi kepala dan gerakan mulut, aplikasi pembaca cerita (storytelling) untuk anak-anak agar lebih efektif dan menarik perhatian dengan menciptakan ekspresi yang berbeda dalam konteks yang berbeda pada sebuah cerita (Theune et al., 2006), aplikasi sistem informasi untuk membuat pengumuman dalam gaya berbicara yang berbeda kepada pengguna (Pitrelli et al., 2006), aplikasi militer untuk mensimulasikan perintah dengan ujaran berteriak (shouted command) , percakapan dengan ujaran berteriak (shouted conversation), perintah ujaran normal dan percakapan ujaran normal untuk karakter animasi dan animasi kartun. Sintesis ujaran digunakan untuk aplikasi TTS (text to speech), telah banyak digunakan untuk orang dengan cacat jasmani seperti tuna netra dan tuna wicara. Raymond Kurzweil pada tahun 1976 memperkenalkan Kurzweil Reading Machine (Kurzweil, 1990) dengan scanner optik, pengenalan karakter dan TTS, untuk membaca teks dari kertas yang sangat berguna untuk tuna netra, Dengan menggunakan scanner, software OCR dan TTS juga bisa dibuat mesin pembaca text pada personal computer (PC) sehingga bisa digunakan untuk membaca e-mail, berita dan konten web lainnya. TTS juga digunakan dalam dunia pendidikan. Sebuah komputer dengan sinteses ujaran 1
adalah guru yang selalu tersedia dan sabar. Hal ini dapat digunakan dalam mengajar bahasa asli atau bahasa asing. Sistem TTS bisa mengeja dan mengucapkan suku kata, kata, frasa dan kalimat membantu siswa sesuai kebutuhan. Hal ini juga dapat digunakan dengan aplikasi pendidikan interaktif. Terutama bagi orang yang memiliki gangguan dalam membaca (dyslexics), sintesis ujaran mungkin akan sangat membantu. Dalam multimedia dan telekomunikasi, TTS telah digunakan untuk pembaca pengumuman di gedung bioskop, pembaca email, pembaca SMS, aplikasi multi-modal yang populer dan terkenal yaitu Ananova Video Reports Service (seorang reporter berita buatan) berbasis web. Sebuah animasi perempuan sintetis pembaca berita seperti layaknya seorang reporter berita yang nyata. Perbedaannya adalah bahwa Ananova melakukan pembacaan kapan saja. Penggunaan lain TTS adalah dalam sistem speech-to-speech language translation, yaitu sistem yang bisa mengenali masukan ujaran yang diucapkan, menganalisa dan menerjemahkannya, dan akhirnya mengucapkan kembali terjemahan ke bentuk ujaran dalam bahasa sudah diterjemahkan. Dalam proyek VERBMOBIL yang berorientasi bisnis, diimplementasikan dalam tiga bahasa yaitu bahasa Jerman, Inggris, dan Jepang (Wahlster, 2000). Terdapat empat tantangan dalam penelitan di bidang sintesis ujaran yaitu kejelasan (intelligibility), kealamian (naturalness), efektifitas biaya (cost-effectiveness) dan ekspresifitas (expressivity). Di bidang industri tidak hanya mengharapkan kejelasan, kealamian, tetapi juga efektifitas biaya. Diharapkan sintesis ujaran hanya membutuhkan beberapa megabyte untuk penyimpanan (small footprint), kapasitas kecil CPU (small CPU), mudah dikembangkan ke bahasa lain dan kemungkinan menciptakan suara baru secepat mungkin. Sedangkan tantangan ekspresifitas, menjadi tren riset sintesis ujaran saat ini. Hal ini disebabkan saat ini sebagian besar sintesis ujaran dalam gaya netral (mirip penyiar berita) dan kebutuhan interaksi manusia dengan komputer yang lebih alami dan berafeksi sangat dibutuhkan Kini, sintesis ujaran dengan kualitas baik telah tersedia untuk sejumlah bahasa, misalnya Bahasa Inggris, Perancis, Belanda, Jerman dan beberapa bahasa lainnya. Namun demikian, sintesis ujaran untuk bahasa Indonesia sampai saat ini masih sedikit yang mengembangkannya. Aplikasi text to speech IndoTTS yang dibuat dan dipublikasikan di Indonesia oleh (Arman, 2004), menggunakan sintesis ujaran perangkaian (concatenation) berbasis difon. Perangkaian berbasis difon merupakan teknik yang saat ini digunakan untuk sintesis ujaran pada aplikasi TTS bahasa Indonesia. Sedangkan pengusul akan menggunakan metode Hidden Markov Model 2
(Statistik Parametrik) berbasis monofon untuk membuat aplikasi text to speech berekspresif bahasa Indonesia untuk meningkatkan kealamian (naturalness) dan kejelasan (intelligibility) diharapkan menjadi lebih baik serta memiliki ekspresif (emosi) Dengan memperhatikan latar belakang yang telah dijelaskan sebelumnya, maka dapat dirumuskan permasalahan sebagai berikut : 1.
Penelitian di bidang ujaran bahasa Indonesia yang berekpresif belum dilakukan sehingga sulit menemukan referensi jurnal atau proceeding dalam hal penentuan parameter ekspresif dari ujaran beremosi bahasa Indonesia.
2.
Ujaran adalah salah satu saluran komunikasi yang paling banyak dipakai manusia dalam berkomunikasi. Dari penelitian yang ada, sintesis ujaran terutama untuk bahasa Indonesia, belum memiliki kualitas baik dalam hal kejelasan, kealamian dan ekspresifitas.
1.2 Tujuan Khusus Adapun tujuan khusus dari penelitian ini adalah : 1.
Menciptakan sistem sintesis ujaran netral bahasa Indonesia dengan meningkatkan kualitas ujaran yang lebih jelas dan alami.
2.
Meningkatkan kualitas ujaran tersintesis, tidak hanya jelas dan alami, tetapi juga berekspresif (sedih, senang, marah, jijik, takut dan netral), secara semi otomatis atau otomatis sehingga mengurangi intervensi dan campur tangan manusia dalam penciptaan sintesis ujaran berekspresif tersebut.
1.3 Urgensi Penelitian Penelitian yang dilakukan mempunyai manfaat untuk masyarakat, baik masyarakat akademik maupun non akademik. Adapun beberapa manfaat dari penelitian ini, diharapkan hasil penelitian sintesis ujaran bahasa Indonesia dapat digunakan untuk aplikasi pada bidang-bidang lain yang terkait, antara lain untuk beberapa aplikasi seperti : screen reader, speech to speech language translation system, pembaca email, pembaca sms, storytelling, talking head system, penyampai informasi pada kawasan terbatas, call center dan lain-lain. Aplikasi tersebut akan sangat bermanfaat bagi para penyandang tuna netra dan tuna wicara karena bisa dimanfaatkan untuk sarana pembelajaran mandiri dengan memberi inputan text maka ujaran akan terbangkitkan oleh aplikasi tersebut.
3
1.4 Temuan/Inovasi dalam Pembangunan dan Pengembangan Ipteks-Sosbud Temuan
atau inovasi yang ditargetkan adalah perangkat lunak aplikasi
ekspressive text to speech (sintesis ujaran berekspresif ) dengan suara yang dihasilkan akan berartikulasikan atau berlafalkan fonem bahasa Indonesia sehingga dapat dimanfaatkan untuk berbagai bidang terutama sebagai media pembelajaran dengan konsep individual learning untuk siswa tuna netra. Siswa dengan keterbatasan penglihatan dapat mempelajari materi-materi pelajaran dari sekolahnya yang berupa ebook (soft-copy) yang dijadikan inputan untuk program aplikasi text to speech ini, yang akan ditransformasikan menjadi bentuk suara sesuai dengan text dari e-book tersebut. Hasil ini diharapkan mampu mendukung industri kreatif nasional dan ikut mencerdaskan bangsa. 1.5 Kontribusi Penelitian Penelitian ini berkontribusi terhadap perkembangan teknologi sintesis ujaran, khususnya dalam bahasa Indonesia, dan penelitan ini memegang peranan penting dalam aplikasi yang berhubungan dengan interaksi manusia dan komputer yang lebih alami dan berafeksi. Kebaruan dari penelitian ini : 1. Ditemukannya parameter-parameter ekspresif (emosi) dari ujaran bahasa Indonesia yang beremosi sehingga bisa dijadikan acuan dalam pembuatan model ekspresif untuk digunakan dalam sintesis ujaran berekspresif. 2. Ditemukannya teknik mengubah parameter-parameter ujaran netral bahasa Indonesia menjadi ujaran beremosi sehingga menimbulkan ekspresif tertentu seperti sedih, senang dan marah. 3. Terbentuknya model akustik dari ujaran bahasa Indonesia berekspresif (sedih, senang, marah, jijik, takut dan netral) yang dibangkitkan oleh HMM. 4. Penggunaaan metode HMM dalam penelitian sintesis ujaran berbasis monofon bahasa Indonesia
4
BAB II : TINJAUAN PUSTAKA 2.1 State of The Art Sintesis ujaran berekpresif merupakan bidang riset yang banyak diteliti dan dikembangkan saat ini. Sub-bab ini menyajikan pemetaan penelitian tentang parameter ekspresif dan sintesis ujaran yang dilakukan diantara penelitian-penelitian yang ada. Rincian dari keterkaitan penelitian ini diilustrasikan pada tabel 1 dan tabel 2. Table 1. Riset terkait tentang parameter-parameter ekspresif Pengarang
Emosi
(Whiteside, 1998)
cold anger, hot anger, happy, sad, interest, elation
(Ishi and Campbell, 2002)
neutral, worried, bored, polite, depressed, angry angry, happy,sad
(Hashizawa et al., 2004)
(Razak et al., 2005)
happy, sad, fear, anger, surprise dan disgust
(Bulut and Narayanan, 2008)
angry, happy, sad, neutral
(Muljono et al., 2013)
angry, happy, sad, neutral
Tipe data ekspresif yang digunakan 5 kalimat pendek disimulasi oleh dua Speakers perekaman percakapan telepon alami kata terisolasi yang disimulasikan oleh penyiar radio profesional
Parameter Ekspresif yang diselidiki Mean dari seluruh jitter, Mean dari seluruh shimmer F0 parameters, F3 mean, F4 mean Speech rate, F0 max dan Pitch Accent
Temuan
6 emosi dasar happy, sad, fear, anger, surprise dan disgust dalam bahasa Malaysia dan Inggris. disimulasi oleh profesional dan non-prof aktor disimulasi oleh non-profesional aktor
Energy, LPC Coefficients, Durasi, Pitch dan Jitter
Parameter tersebut digunakan dalam mendeteksi emosi dari ujaran untuk klasifikasi emosi.
F0 mean, F0 range, F0 stylization characteristics F0 dan Cepstral
Perubahan dalam F0 range mengubah secara signifikan emosi yang dirasakan
Signifikansi jitter dan shimmer dalam mendiskriminasi (membedaaan ) emosi F4 mempengaruhi kualitas suara yang berbeda 1. F0 max lebih tinggi untuk marah 2. Untuk emosi happy, baik aksen dan F0 akan ditingkatkan 3. F0 dan aksen ditekan untuk emosi sad
Tingkat pengenalan yang lebih baik diperoleh untuk angry dan sad
5
Table 2. Riset terkait tentang sintesis ujaran (text to speech) Pengarang dan diterbitkan (Clark et al., 2007)
Judul
Diskripsi Singkat
Multisyn: opendomain unit selection for the Festival speech synthesis system.
Menyajikan implementasi dan evaluasi dari sintesis ujaran menggunakan pemilihan unit, mesin didesain untuk domain terbuka. Menggunakan unit difons untuk perangkaian sistem tersebut, dipilih dari database besar berlabel difon dari 4 sampai dengan 5 jam rekaman ujaran kontinyu (continuous speech)
(Zen et al., n.d.)
Statistical parametric speech synthesis.
(King, 2011)
An introduction to statistical parametric speech synthesis.
(Taoufik En-Najjary, 2004)
A voice conversion method based on joint pitch and spectral envelope transformation
(Türk and Schröder, 2008)
A comparison of voice conversion methods for transforming voice quality in emotional speech synthesis
(Tesser et al., 2005)
Emotional festival-Mbrola TTS synthesis
Memberikan gambaran umum teknik yang digunakan dalam sintesis ujaran menggunakan statistik parametrik. Salah satu contoh dari teknik ini adalah Sintesis ujaran berbasis hidden Markov Model (HMM) yang baru-baru ini terbukti sangat efektif digunakan dalam sintesis ujaran. Teknik sebelumnya yang banyak mendominasi dalam sintesis ujaran adalah perangkaian menggunaan unit seleksi. Memperkenalkan sintesis ujaran menggunakan pendekatan statistik parametrik berbasis hidden markov model (HMM). Teknik ini telah menjadi kompetitor dari teknik perangkaian (concatenative) yang digunakan lebih dulu beberapa tahun terakhir. Sebagian besar penelitian dalam konversi ujaran (voice convertion) dikhususkan untuk transformasi spektral, sementara konversi fitur prosodi pada dasarnya diperoleh melalui transformasi linear sederhana dari pitch. Masing-masing transformasi menyebabkan pidato kualitas konversi tidak memuaskan, terutama ketika gaya berbicara (speaking style) dari sumber dan target speaker yang berbeda. Metode yang diusulkan mampu bersama-sama mengubah pitch dan informasi envelope spektral. Parameter untuk diubah diperoleh dengan menggabungkan nilai-nilai skala pitch dengan parameter envelope spektral untuk frame voice dan hanya parameter envelope spektral untuk unvoice. Parameter ini dikelompokkan menggunakan Gaussian Mixture Model (GMM). Kemudian fungsi transformasi ditentukan dengan menggunakan estimator ekspektasi bersyarat. Pengujian dilakukan menunjukkan bahwa, proses ini mengarah pada transformasi pitch memuaskan. Selain itu, membuat transformasi envelope spektral lebih robust. Menyajikan perbandingan metode untuk mengubah kualitas suara dalam sintetis ujaran netral untuk mencocokkan gaya ekspresif ceria, agresif, dan depresi. Ujaran netral dihasilkan dengan menggunakan sistem pemilihan unit di platform MARY TTS dan database netral yang besar bahasa Jerman. Outputnya dimodifikasi menggunakan teknik konversi suara untuk mencocokkan target gaya ekspresif, fokus berada di konversi envelope spektral untuk mengubah kualitas suara secara keseluruhan. Berbagai perbaikan menghasilkan tiga algoritma. Pengembangan prosedur umum data-driven untuk menciptakan modul prosodi netral "narasi-style" untuk FESTIVAL Text-To-Speech (TTS) sintesis Italia, dan fokus untuk menyelidiki dan menerapkan strategi
6
(Hirose et al., 2002)
(Silvia and Sandri, 2004)
Improvement in corpusbased generation of f0 contours using generation process model for emotional speech synthesis Towards emotional speech synthesis: A rule based approach
(Jiang et al., 2005)
Prosody analysis and modeling for emotional speech synthesis
(Bulut et al., 2005)
Investigating the role of phoneme-level modifications in emotional speech resynthesis
baru untuk membangun FESTIVAL TTS emosional baru. Modul prosodi emosional yang baru, sama dengan kasus netral, masih didasarkan pada teori “Classification And Regression Tree” (CART). Tambahan untuk sintesis pidato emosional diperoleh dengan menggunakan pendekatan diferensial: modul prosodi emosional mempelajari perbedaan antara netral (tanpa emosi) dan data prosodi emosional. Selain itu, karena fakta bahwa kualitas suara (voice quality/VQ) dikenal untuk memainkan peran penting dalam ujaran emotif, sebuah modul FESTIVAL-MBROLA VQ-modifikasi berbasis aturan, untuk mengendalikan karakteristik temporal dan spektral pada sintesis telah diimplementasikan . Teknologi sintesis ujaran berbasis HMM digunakan untuk memprediksi dan mendapatkan ekspresif dari kontur f0. Corpus ujaran mencakup empat jenis ujaran emosional (anger, joy, sadness dan calm ) diucapkan oleh narator perempuan.
Menggambarkan kerangka yang digunakan untuk mensimulasikan tiga dasar gaya emosional dengan cara teknik transplantasi prosodi diterapkan pada output dari sistem sintesis ujaran berbasis corpus. Profil target pitch bersama-sama dengan durasi dan energi terbatas telah diperoleh dengan menerapkan aturan sederhana disimpulkan dari analisis dari corpus kecil dan dicatat dalam tiga gaya emosional. Hasil tes persepsi menunjukkan bahwa gaya emosional dikenali dengan baik bahkan, jika kualitas akustiknya rendah. Sistem Text-to-Speech concatenative dapat mensintesis emosi bervariasi, tetapi kehalusan dan beberapa hasil terbatas karena diperlukan data ujaran emosional yang besar. Dipelajari pendekatan yang lebih fleksibel berdasarkan pada analisis dan pemodelan fitur prosodi emosional. Tes perseptual pertama dilakukan untuk menyelidiki apakah hanya dengan memanipulasi fitur prosodi dapat mencapai tujuan komunikasi emosi. Algoritma adaptasi diusulkan untuk memprediksi fitur prosodi emosional. Model variasi prosodi dengan isyarat linguistik dan isyarat emosi secara terpisah hanya membutuhkan data dengan jumlah kecil. Hasil percobaan pada bahasa Mandarin menunjukkan bahwa algoritma adaptasi dapat memperoleh fitur prosodi emosional yang tepat, dan beberapa emosi dapat disintesis tanpa menggunakan corpus emosional khusus. Ditunjukkan bahwa emosi dalam ujaran dimanifestasikan sebagai tren supra-segmental, parameter variasi yang berbeda dalam prosodi tingkat fonem dan parameter spektral. Diselidiki lebih lanjut pentingnya parameter ini untuk sintesis ujaran emosional. Secara khusus, dipelajari manipulasi properti sinyal level fonem dalam mentransformasikan informasi emosional dalam ujaran. Dianalisis pengaruh modifikasi tunggal atau gabungan dari F0, durasi, energi dan spektrum menggunakan data yang direkam oleh seorang aktris profesional dengan ekspresif happy, angry, sad and neutral. Digunakan pencocokan pasangan sumber-target dan menerapkan TDPSOLA untuk prosodi dan LPC untuk modifikasi spektrum
7
dengan langsung mengekstraksi parameter yang diperlukan dari target ujaran. Tes mendengarkan dilakukan dengan 10 penilai naif menunjukkan bahwa modifikasi parameter prosodi dan envelope spektral secara terpisah tidaklah cukup. Namun, bila diterapkan bersama-sama, memodifikasi spektrum dan prosodi di tingkat fonem memberikan hasil yang sukses untuk sebagian besar pasangan emosi, kecuali konversi ke target happy. Juga diamati bahwa pada tingkat fonem, modifikasi envelope spektral lebih efektif daripada modifikasi prosodi lokal, dan modifikasi durasi lebih efektif daripada modifikasi pitch. Hasil modifikasi tingkat fonem dapat digunakan untuk memperbaiki tuning modifikasi berbasis parameter suprasegmental untuk meningkatkan kualitas keseluruhan emosi yang disintesis. (Bulut et al., 2007)
A statistical approach for modeling prosody features using POS tags for emotional speech synthesis
(Turk and Schroder, 2010)
Evaluation of Expressive Speech Synthesis With Voice Conversion and Copy Resynthesis Techniques
Mendapatkan model statistik untuk pengolahan ujaran emosional adalah masalah yang menantang karena sifat yang sangat beragam dari ekspresi emosi. Sintesis ujaran emosional dilakukan dengan memodelkan perbedaan parameter prosodi pada tingkat bagian dari ujaran (Part Of Speech/POS) untuk ujaran emosional. Sintesis di tingkat POS menarik karena tag POS membawa informasi penting dalam menyampaikan ujaran yang menonjol. Analisis perbedaan energi, durasi dan FO antara pencocokan pasangan ujaran emosional neutral-angry, neutral-sad dan neutral-happy menunjukkan bahwa distribusi Gaussian dapat digunakan untuk memodelkan perbedaan parameter. Perbandingan pasangan dari fitur POS mengungkapkan bahwa hal itu lebih mungkin bahwa mean dan median energi tag POS sad yang dinormalisasi lebih besar dari tag POS neutral, angry atau happy. Juga ditunjukkan bahwa untuk tag tertentu untuk emosi angry memiliki median FO lebih tinggi dari emosi happy, dan emosi sad memiliki median FO lebih tinggi daripada emosi neutral. Percobaan konversi ujaran netral kedalam ujaran emosional menggunakan fungsi peluang Gaussian memberikan wawasan dan membantu dalam aplikasi pada model statistik dalam sintesis ujaran. Dikaji konversi suara dan teknik modifikasi untuk mengurangi koleksi database dan upaya tetap menjaga kualitas ujaran yang dapat diterima dan kealamiannya. Dalam desain faktorial, dipelajari kontribusi relatif dari kualitas suara dan prosodi serta diperkenalkan sejumlah distorsi dengan langkah-langkah manipulasi sinyal masing-masing. Engine pemilihan unit yang open source dan modular text-to-speech (TTS) framework MARY dikembangkan dengan transformasi kualitas suara yang baik menggunakan prediksi berbasis GMM atau saluran vokal copy resynthesis. Algoritma ini kemudian dikombinasi silang dengan berbagai metode copy resynthesis prosodi. Keseluruhan fungsi proses pembangkitan ekspresif sebagai langkah postprocessing di output TTS untuk mengubah ujaran sintetis neutral menjadi ujaran aggressive, cheerful, or depressed. Kombinasi silang dari kualitas suara dan algoritma transformasi prosodi dibandingkan dalam tes mendengarkan untuk merasakan gaya ekspresif dan kualitas. Hasil menunjukkan bahwa ada tradeoff antara identifikasi dan kealamian. Gabungan pemodelan baik kualitas suara dan prosodi mengarah ke skor identifikasi terbaik dengan mengorbankan peringkat kealamian terendah.
8
2.2 Roadmap Penelitian Gambar 1. menunjukkan posisi penelitian dalam peta jalan yang akan dilakukan oleh pengusul dan yang dilakukan sebelumnya oleh pengusul.
Kerangka Roadmap penelitian ini dapat digambarkan sebagai berikut :
Gambar 1. Kerangka Roadmap Penelitian 9
Beberapa publikasi dari hasil penelitian pendahuluan yang sudah dilakukan pengusul untuk mendukung penelitian sintesis ujaran (text to speech) berekspresif yang diusulkan ini adalah : Tabel 3. Publikasi dari hasil penelitian pendahuluan yang pengusul telah lakukan. Judul Artikel "Emotion Feature
Nama dan Tempat Seminar Indonesian-France ICT
Temuan Fitur-fitur emosi dari
Extraction For
Conference 2013, 16-17 Oktober
ujaran Indonesia
Indonesian Speech
2013, Gedung Robotika, Kampus
beremosi seperti netral,
Emotion"
ITS Sukolilo, Surabaya
senang, sedih, dan marah
"Indonesian Speech
Proceeding IEEE International
Perbandingan kinerja
Emotion Classifications Conference on Computer Science
metode mesin
of Data Set"
and Automation Engineering
pembelajaran untuk
(CSAE 2013), ISBN : 978-1-
klasifikasi emosi dari
4673-6278-8, Guangzhou China,
ujaran bahasa indonesia
1-3 November 2013
yang beremosi.
“Towards Building
IEEE
Indonesian Viseme: A
2013 Proceedings (IEEE Xplore fonem (viseme) untuk
Clustering-Based
indexed), 03 – 05 December ujaran bahasa Indonesia
Approach”
2013, Yogyakarta Indonesia.
CYBERNETICSCOM Ektraksi fitur visual
dan pengklasteran viseme bahasa Indonesia
10
BAB III : METODE PENELITIAN Metode pengembangan aplikasi komputer
bicara
pada penelitian
ini
menggunakan model deskriptif kualitatif, yaitu cara atau prosedur pemecahan masalah dengan menggunakan urutan langkah yang telah ditentukan untuk menghasilkan suatu produk yang diharapkan. Kegiatan perancangan deskriptif ini melakukan upaya mendeskripsikan, mencatat, dan analisis, serta memaparkan keadaan objek yang diselidiki sebagaimana adanya berdasarkan fakta yang aktual ada dilapangan pada saat sekarang. 3.1. Bagan Alir Penelitian (Fishbone Diagram)
Gambar 2. Fishbone Chart Bagan Alir Penelitian 11
3.2. Tahapan Penelitian Tahap 1. Inisialisasi Penelitian Pada tahap ini, mendefinisikan dan mengkaji gambaran sistem secara umum, kebutuhan dan manfaat akan desain aplikasi sistem yang akan dibangun. Metode Analisis untuk eksplorasi dan evaluasi yang digunakan pada penelitian ini adalah metode Synectics, pada intinya sama dengan metode brainstorming, tetapi melibatkan pihak-pihak dalam kompetensi yang lebih luas, termasuk individu diluar disiplin desain aplikasi sistem yaitu siswa dan guru dari Sekolah Luar Biasa Tuna Netra, Aktor, Aktris dan ahli bahasa Indonesia (ahli fonetik). Jadwal pelaksanaan . Tahap 2. Pemilihan Teks Kalimat Bahasa Indonesia Sebagai langkah awal adalah pembuatan database ujaran. Sebelum membuat database ujaran bahasa Indonesia adalah menentukan database (korpus) teks kalimat bahasa Indonesia terlebuh dahulu. Untuk membuat korpus kalimat tersebut bisa menggunakan dokumen koleksi artikel dari surat kabar misalnya koleksi Kompas online atau yang lainnya. Dari ribuan bahkan jutaan kalimat yang ada, dapat dilakukan seleksi terhadap kalimat-kalimat tersebut, sehingga tidak semua kalimat dipakai untuk korpus tersebut. Dari seleksi tersebut akan didapatkan minimum korpus kalimat bahasa Indonesia yang memenuhi keseimbangan fonetik (minimum phonetically balanced sentence corpus) yaitu kumpulan minimal kalimat-kalimat yang mengkover semua fonem yang ada didalam bahasa Indonesia (bahasa Indoneisa memiliki 26 huruf dan 33 fonem). Teks kalimat yang terpilih menjadi database (korpus) kalimat, yang selanjutnya akan dilakukan perekaman (recording) berdasarkan kalimat-kalimat tersebut. Tahap 3. Perekaman Data Ujaran Dalam melakukan perekaman ujaran yang mengacu pada korpus kalimat yang sudah ditentukan, diperlukan beberapa peralatan dan keterlibatan orang dalam pembuatan database ujaran bahasa Indonesia. Peralatan yang digunakan untuk perekaman tersebut meliputi : 1. Ruang dengan spesifikasi kedap suara (studio rekaman kedap suara) 2. Software untuk melakukan perekaman seperti Adobe Audition, Protools 9, Cubase 5, PRAAT, Wavesurfer. Soundcard external seperti M-Audio, Audio Fasttrack. Microphone seperti Shure sm 57, AKG D112, AKG C1000s AKG D40, AKG C430, RODE NTK, TOA dan lain-lain.
12
Kerterlibatan orang dalam perekaman, digunakan 2 orang pengujar, 1 orang wanita dan 1 orang pria yang asli orang Indonesia. Pengujar tersebut seorang profesional sehingga dapat mengujarkan ujaran dengan baik. Pengujar mengujarkan ujaran dari database ujaran tersebut dengan suara yang datar. Untuk database suara ekspresif atau beremosi, digunakan 2 orang pengujar profesional yang bisa berakting emosi (aktor/aktris) sehingga bisa mengujarkan ujaran beremosi marah, sedih, senang, jijik, takut dan netral. Dalam perekaman akan dicatat segala sesuatu yang berhubungan dengan teknis perekaman, misalnya jarak antara mikrofon dengan pengujar, frekuensi sampling dan yang berhubungan sinyal suara, ruangan yang digunakan, alat-alat yang digunakan (hardware maupun software), serta transkrip kalimat yang diujarkan. Hal ini dilakukan agar nanti kalau kita menginginkan perekaman ulang bisa didapatkan hasil yang sama. Dalam riset ini, kami merencanakan perekaman suara menggunakan sekitar 3000 kalimat dengan frekuensi sampling 48 KHz (yang selanjutnya bisa dilakukan upsampling maupun down-sampling sesuai kebutuhan), resolusi 16 bit precision, mono channel, durasi rekaman menyesuaikan kalimat yang diujarkan dan format file penyimpanan dalam bentuk .raw dan .wav. Lokasi perekaman audio :
Laboratorium Audio Visual Program Studi Desain Komunikasi Visual dan Broadcasting Fakultas Ilmu Komputer Universitas Dian Nuswantoro.
Studio Lokananta Surakarta yang memiliki peralatan yang memenuhi standar dan ruang kedap suara
Tahap 4. Segmentasi dan pelabelan data ujaran Segmentasi dan pelabelan dilakukan pada korpus ujaran sesuai dengan text kalimat bahasa Indonesia yang membentuknya. Data ujaran dilakukan segmentasi dan dilabeli per monophone (fonem) berdasarkan fonem bahasa Indonesia. Kegiatan ini dilakukan secara manual menggunakan perangkat lunak Wavesurfer atau bisa dilakukan secara otomatis (automatic speech segmentation) menggunakan HMM toolkit (HTK) yang biasa digunakan dalam pengenalan suara otomatis (automatic speech recognition)(Park and Kim, 2006)(Park and Kim, 2007). Namun segmentasi secara otomatis hasilnya kurang akurat dibandingkan dengan cara manual terhadap hasil segmentasi. Sedangkan segmentasi secara manual membutuhkan waktu yang lama (time consume) dan membosankan (tedious).
Dalam penelitian ini, akan dilakukan 13
segmentasi dan pelabelan menggunakan segementasi otomatis menggunakan HTK, andaikata ada ketidaktepatan dalam hasilnya akan diperbaiki dengan segmentasi dan pelabelan secara manual. Tahap 5. Desain Sistem Dalam tahap desain gambaran keseluruhan dari aplikasi sistem secara umum sudah diperoleh. Secara umum, aplikasi sintesis ujaran (text-to-speech) merupakan aplikasi yang dapat mentransformasikan text ke bentuk gelombang suara (ujaran). Input dari aplikasi sintesis ujaran bisa berupa text yang diinputkan secara langsung atau dokumen dalam bentuk soft-copy dengan format (.doc, .pdf, dan lain-lain). Gambaran umum dari sistem ini ditunjukkan pada Gambar 3. Input text atau dokumen
Tabel Pengecualian Input data text dan ujaran Proses Training
Pengubahan Huruf ke Fonem
Pembangkitan Intonasi
Pengubahan Teks ke Fonem
Konversi ke bentuk Teks dan Normalisasi Teks
Model Akustik HMM Hasil Training
Pembangkitan Parameter dari Model HMM Produksi Sinyal Ujaran
Pengubahan Fonem ke Ujaran
Analisis Fonetik
Ujaran Gambar 3. Alur sistem pengubahan teks ke ujaran Sebuah sistem text-ujar dibentuk dari dua bagian, yaitu front end dan back end. Front end mempunyai dua fungsi utama. Pertama adalah mengambil barisan teks dan mengubah beberapa hal seperti nomor dan tanda ke dalam tulisan sesuai dengan bunyi yang seharusnya, sering disebut normalisasi teks (text normalization), pra-proses (pre14
processing), atau penandaan (tokenization). Kemudian menentukan tulisan fonetik (phonetic transcriptions) untuk tiap kata dan membagi serta memberikan tanda bagi teks untuk berbagai variasi satuan intonasi, seperti frasa, klausa, dan kalimat. Proses penetapan tulisan fonetik untuk kata disebut dengan pengubahan teks ke fonem (text-tophoneme atau grapheme-to-phoneme). Gabungan dari tulisan fonetik dan informasi intonasi menyusun keluaran penggambaran bahasa dengan simbol pada bagian front end. Bagian lainnya yaitu back end, mengambil penggambaran bahasa dengan simbol dan mengubahnya menjadi bunyi keluaran sebenarnya. Kealamian dari pembangkit suara sering mengacu pada seberapa besar kemiripannya dengan suara asli. Kualitas dari pembangkit suara dilihat dari seberapa besar keluarannya dapat dipahami. Tahap 6. Implementasi Sistem Mengimplementasikan desain sesuai dengan konsep teknologi yang digunakan. Setelah tahap 1 sampai dengan tahap 5 telah dilakukan, selanjutnya pada tahap ke 6 yaitu implementasi sistem yaitu melakukan pembuatan program aplikasi sesuai desain yang terbentuk. Program aplikasi yang dibuat terdiri dari 2 bagian, bagian pertama yang di sebut front end dan bagian yang kedua disebut back end. Front end mengambil masukan berupa teks dan keluaran berupa penggambaran bahasa dengan simbol sedangkan back end mengambil penggambaran bahasa dengan simbol sebagai masukan dan bentuk gelombang suara yang telah diproses sebagai keluarannya. Pada bagian back end yang dilakukan adalah mengubah data ujaran menjadi fitur vektor yang digunakan sebagai data training, selajutnya dilakukan training untuk membentuk model akustik dari masing fonem dan selanjutnya dilakukan pembangkitan suara dari model akustik yang tersebut sesuai dengan text yang diinputkan. Tahap 7. Pengujian Sistem Menguji apakah desain aplikasi komputer bicara yang telah diimplementasikan sesuai dengan yang direncanakan atau belum. Pengujian rancangan menggunakan metode review atau pengkajian ulang adalah pengkajian yang ditekankan pada kualitas kemudahan penerimaan dan penggunaan bagi pengguna (fitness for user). Sedangkan pengujian implementasi dilakukan dengan pengukuran subyektif yaitu menggunakan metode pengujian rata-rata skor pendapat (mean opinion score) dari responden. Responden bisa diambil dari masyarakat dengan kisaran usia antara 17 sampai dengan 40 tahun serta siswa tuna netra atau guru sekolah luar biasa.
15
3.2 Luaran Per Tahun Luaran per tahun dapat dilihat pada prosedur penelitian berikut ini : Tabel 4. Luaran Tahun Ke - 1 No. 1.
Pemilihan text Bahasa Indonesia
2.
Lokasi Penelitian
Indikator Capaian
1. Metode untuk menyeleksi text dari kumpulan text yang besar sehingga dapat mendapatkan minimal jumlah text yang yang memenuhi keseimbangan fonetik (minimum phonetically balanced sentence corpus). 2. Publikasi : International Conference dengan judul paper "Toward Building Indonesian Text Corpus using Greedy Algorithm" Database speech bahasa Indonesia dengan spesifikasi frekuensi sampling 48 KHz, monochannel, 16 bit, tersimpan dalam format wav dan raw.
Universitas Dian Nuswantoro
Terciptanya corpus text (database kalimat) Bahasa Indonesia yang memenuhi keseimbangan fonetik (minimum phonetically balanced sentence corpus)
Studio Rekaman yang Kedap Suara (Studio Lokananta Surakarta)
Terciptanya corpus speech (database suara) Bahasa Indonesia
1. Produk : Aplikasi Text To Speech Bahasa Indonesia 2. Publikasi : Jurnal Internasional Speech Communication Elsivier Terindex Scopus, depan judul paper : "Indonesian Speech Synthesis using Hidden Markov Model"
Universitas Dian Nuswantoro
Terciptanya Aplikasi Sintesis Ujaran (Text To Speech) Bahasa Indonesia
Lokasi Penelitian
Indikator Capaian
Studio Rekaman yang Kedap Suara (Studio Lokananta Surakarta)
Terciptanya corpus speech (database suara) berekspresif (beremosi) Bahasa Indonesia
Kegiatan
Perekaman ujaran mengacu pada corpus text Bahasa Indonesia dilakukan oleh profesional laki laki dan perempuan
3.
Pembuatan aplikasi text to speech Bahasa Indonesia
Luaran
Tabel 5. Luaran Tahun Ke - 2 No. 1.
Kegiatan Perekaman Data Ujaran beremosi mengacu pada corpus text Bahasa Indonesia di poin 2 Tabel 4.
Luaran Database speech (ujaran) berekspresif bahasa Indonesia dengan spesifikasi frekuensi sampling 48 KHz, monochannel, 16 bit,
16
Perekaman dilakukan oleh seorang aktor dan aktris profesional 2. Mencari parameter parameter ekspresif dari ujaran berkspresif Bahasa Indonesia
3. Melakukan clustering dan klasifikasi terhadap data ujaran beremosi 4. Pendaftaran HKI
tersimpan dalam format wav dan raw.
Publikasi : International Conference dengan judul paper : "Feature Analysis for Indonesian Emotional Speech Database using Short Time Fourier Transform"
Universitas Dian Nuswantoro
Publikasi : International Jurnal terindex scopus dengan judul paper : "Comparison Method to Classification dan Clustering Indonesian Speech Emotion" Mendapat Hak Cipta untuk produk : Aplikasi Text To Speech Bahasa Indonesia.
Universitas Dian Nuswantoro
Dirjen HKI Jakarta
Ditemukannya parameter parameter pembentuk emosi pada ujaran bahasa Indonesi (parameter pembentuk emosi marah, sedih, senang, takut, jijik dan netral) Hasil dari klasifikasi dan clustering dari ujaran berekspresif
Terdaftar sebagai pemohon HKI di Dirjen HKI
Tabel 6. Luaran Tahun Ke - 3 No.
Kegiatan
1.
Pembuatan aplikasi text to speech berekspresif Bahasa Indonesia
2.
Pendaftaran HKI
Luaran 1. Produk : Aplikasi Sintesis Ujaran Berekspresif Bahasa Indonesia 2. Publikasi : Jurnal Internasional Speech Communication Elsivier Terindex Scopus, dengan judul paper : "Indonesian Expressive Speech Synthesis using Hidden Markov Model" Mendapat Hak Cipta untuk produk : Aplikasi Sintesis Ujaran Berexpressive (Expressive Text To Speech) Bahasa Indonesia
Lokasi Penelitian
Indikator Capaian
Universitas Dian Nuswantoro
Terciptanya Aplikasi Sintesis Ujaran Berekspresif (Text To Speech) Bahasa Indonesia
Dirjen HKI Jakarta
Terdaftar sebagai pemohon HKI di Dirjen HKI
17
BAB IV. BIAYA DAN JADWAL PELAKSANAAN 4.1 Anggaran Biaya Anggaran biaya dalam penelitian ini dapat diringkas dengan komponen sebagai berikut (jumlah dalam ribuan rupiah) : Tabel 7. Format ringkasan Anggaran Biaya yang diajukan setiap tahun No 1 2 3 4
Biaya yang Diusulkan (Ribu Rp)
27.26%
Tahun III 20,800
27.86%
Sub Total (Ribu Rp) 62,000
28,005
37.42%
27,405
36.71%
83,515
20.12%
15,800
21.11%
15,800
21.17%
46,600
10,643
14.28%
10,643
14.22%
10,643
14.26%
31,929
74,548
100%
74,848
100%
74,648
100%
224,044
Material Honor (max 30%) Peralatan Penunjang dan Bahan Habis Pakai (30%-40%) Perjalanan dan Akomodasi (15-25%) Pelaporan dan Publikasi (maks 15%) Jumlah
Tahun I
%
Tahun II
%
20,800
27.90%
20,400
28,105
37.70%
15,000
%
4.2 Jadwal Penelitian Secara umum, penelitian direncanakan akan dilaksanakan secara efektif dalam waktu 24 (dua puluh empat) bulan. Rincian jadwal penelitian dapat dijelaskan melalui bar-chart berikut :
18
DAFTAR PUSTAKA Arman, A.A., 2004. Konversi dari Teks ke Ucapan. Bulut, M., Busso, C., Yildirim, S., Kazemzadeh, A., Lee, C.M., Lee, S., Narayanan, S.S., 2005. Investigating the role of phoneme-level modifications in emotional speech resynthesis, in: Proceedings of InterSpeech. Lisbon, Portugal, pp. 801– 804. Bulut, M., Lee, S., Narayanan, S., 2007. A Statistical Approach for Modeling Prosody Features using POS Tags for Emotional Speech Synthesis, in: IEEE International Conference on Acoustics, Speech and Signal Processing, 2007. ICASSP 2007. Presented at the IEEE International Conference on Acoustics, Speech and Signal Processing, 2007. ICASSP 2007, pp. IV–1237–IV–1240. doi:10.1109/ICASSP.2007.367300 Bulut, M., Narayanan, S., 2008. On the robustness of overall F0-only modifications to the perception of emotions in speech. J. Acoust. Soc. Am. 123, 4547–4558. doi:10.1121/1.2909562 Clark, R.A.J., Richmond, K., King, S., 2007. Multisyn: Open-domain unit selection for the Festival speech synthesis system. Speech Commun. 49, 317–330. doi:10.1016/j.specom.2007.01.014 Govind, D., Prasanna, S.R., 2013. Expressive speech synthesis: a review. Int J Speech Technol 16, 237–260. doi:10.1007/s10772-012-9180-2 Hashizawa, S.T., Hamzah, M.D., Ohyama, G., 2004. On the differences in prosodic features of emotional expressions in Japanese speech according to the degree of the emotion. Proc Speech ProsodyNara Jpn. 655–658. Heggtveit, P.O., 2003. An Overview of Text-to-Speech Synthesis. Telektronikk 2. Hirose, K., Sato, K., Minematsu, N., 2002. Improved corpus-based synthesis of fundamental frequency contours using generation process model, in: Proc. ICSLP. pp. 2085–2088. Ishi, C.T., Campbell, N., 2002. Analysis of acoustic-prosodic features of spontaneous expressive speech. Proc Ist Int. Congr. Phon. Phonol. Kobe Jpn. 85–88. Jiang, D., Zhang, W., Shen, L., Cai, L.-H., 2005. Prosody Analysis and Modeling for Emotional Speech Synthesis, in: IEEE International Conference on Acoustics, Speech, and Signal Processing, 2005. Proceedings. (ICASSP ’05). Presented at the IEEE International Conference on Acoustics, Speech, and Signal Processing, 2005. Proceedings. (ICASSP ’05), pp. 281–284. doi:10.1109/ICASSP.2005.1415105 King, S., 2011. An introduction to statistical parametric speech synthesis. Sadhana 36, 837–852. Kurzweil, R., 1990. The Age of Intelligent Machines. Cambridge, MA, MIT Press, 272–281. Muljono, Sumpeno, S., Hariadi, M., 2013. Indonesian Speech Emotion Classifications of Data Set. Proceeding IEEE Int. Conf. Comput. Sci. Autom. Eng. CSAE 2013. Park, S.S., Kim, N.S., 2007. On Using Multiple Models for Automatic Speech Segmentation. IEEE Trans. Audio Speech Lang. Process. 15, 2202–2212. doi:10.1109/TASL.2007.903933 Park, S.S., Kim, N.S., 2006. Automatic Speech Segmentation Based on Boundary-Type Candidate Selection. IEEE Signal Process. Lett. 13, 640–643. doi:10.1109/LSP.2006.875347 Pitrelli, J.F., Bakis, R., Eide, E.M., Fernandez, R., Hamza, W., Picheny, M.A., 2006. The IBM expressive text-to-speech synthesis system for American English. 19
IEEE Trans. Audio Speech Lang. Process. 14, 1099–1108. doi:10.1109/TASL.2006.876123 Razak, A.A., Komiya, R., Izani, M., Abidin, Z., 2005. Comparison between fuzzy and NN method for speech emotion recognition, in: Third International Conference on Information Technology and Applications, 2005. ICITA 2005. Presented at the Third International Conference on Information Technology and Applications, 2005. ICITA 2005, pp. 297–302 vol.1. doi:10.1109/ICITA.2005.101 Scherer, K.R., 1986. Vocal affect expression: A review and a model for future research. Psychol. Bull. 99, 143–165. doi:10.1037/0033-2909.99.2.143 Silvia, Sandri, S., 2004. Towards Emotional Speech Synthesis: A Rule-based Approach. Presented at the Proc. 5th ISCA Speech Synthesis Workshop, pp. 219–220. Taoufik En-Najjary, O.R., 2004. A voice conversion method based on joint pitch and spectral envelope transformation. Tesser, F., Cosi, P., Drioli, C., Tisato, G., 2005. Emotional FESTIVAL-MBROLA TTS synthesis. Proc INTERSPEECH Pp505-508. Theune, M., Meijs, K., Heylen, D., Ordelman, R., 2006. Generating expressive speech for storytelling applications. IEEE Trans. Audio Speech Lang. Process. 14, 1137–1144. doi:10.1109/TASL.2006.876129 Turk, O., Schroder, M., 2010. Evaluation of Expressive Speech Synthesis With Voice Conversion and Copy Resynthesis Techniques. IEEE Trans. Audio Speech Lang. Process. 18, 965 –973. doi:10.1109/TASL.2010.2041113 Türk, O., Schröder, M., 2008. A Comparison of Voice Conversion Methods for Transforming Voice Quality in Emotional Speech Synthesis. Wahlster, W., 2000. Verbmobil : Foundations of Speech-to-Speech Translation. Springer, Berlin – Heidelberg. Whiteside, S.P., 1998. Simulated emotions: an acoustic study of voice and perturbation measures. Proc ICSLP Syd. Aust. 699–703. Zen, H., Nakamura, M., Tokuda, K., n.d. Detail of nitech HMM-based speech synthesis system for the Blizzard challenge 2005. IEICE Trans. Inf. Syst. E 90- 325–333.
20
LAMPIRAN-LAMPIRAN Lampiran 1. Justifikasi Anggaran Anggaran Tahun I 1. Gaji dan Upah Waktu Honor/Jam (Rp)
Honor
Honor per Tahun Minggu
(Jam/ Minggu)
Tahun 1 (Rp)
Personel Penelitian Ketua Anggota Personel Tambahan Penyiar radio profesional laki laki Penyiar radio profesional wanita
45,000 35,000
7 6
32 32
10,080,000 6,720,000
200,000
10
1
2,000,000
200,000
10
1
2,000,000
SUB TOTAL
20,800,000
2. Peralatan Penunjang
Material
Justifikasi Pemakaian
Kuantitas
Harga Satuan (Rp)
Harga Peralatan Penunjang Tahun 1 (Rp)
Software Sewa MATLAB 2011 Hardware Sewa studio kedap suara dan peralatan untuk rekaman Printer dan scanner Hardisk Eksternal 1 TB Sewa Laptop
Proses ekstrasi fitur dan pengolahan sinyal Untuk merekam data suara laki laki dan perempuan Cetak Laporan dan Publikasi Menyimpan data gambar Pembuatan aplikasi, pemodelan dan simulasi
1
6,000,000
6,000,000
4
750,000
3,000,000
1
1,000,000
1,000,000
1
1,000,000
1,000,000
2
4,000,000
8,000,000
21
Referensi Buku Jurnal
Referensi penelitian Referensi penelitian
10
200,000
2,000,000
10
200,000
2,000,000
12
100,000
1,200,000
Lain-lain Internet
Akses internet per bulan SUB TOTAL
24,200,000
3. Bahan habis Pakai Harga Satuan (Rp)
Biaya per Tahun
Justifikasi Pemakaian
Kuantitas
Catridge Printer
Cetak Laporan dan Publikasi
4
150,000
600,000
Souvenir untuk Responden
Cendera Mata
20
50,000
1,000,000
Souvenir Ahli Bahasa dan Guru SLB
Cendera Mata
4
400,000
1,600,000
15
7,000
105,000
10
50,000
500,000
20
5,000
100,000 3,905,000
Material
Materai Kertas Kuarto DVD
Untuk kontrak dan lain lain Mencetak Penelitian dan hasil laporan Menyimpan data SUB TOTAL
Tahun 1 (Rp)
4. Perjalanan dan Akomodasi Material Perjalanan seminar Perjalanan survey Konsumsi survey
Justifikasi Pemakaian Biaya perjalanan seminar pulang pergi Biaya survey ke klien Konsumsi selama kegiatan survey (penginapan, makan)
Kuantitas
Harga Satuan (Rp)
Biaya Per Tahun Tahun 1 (Rp)
1
5,000,000
5,000,000
8
600,000
4,800,000
8
400,000
3,200,000
22
Konsumsi seminar
Konsumsi selama kegiatan seminar (penginapan, makan)
1
2,000,000
SUB TOTAL
2,000,000
15,000,000
5. Pelaporan dan Publikasi Material Olah data dan analisis data Pembuatan program aplikasi Laporan Penelitian Dokumentasi Seminar hasil Publikasi penelitian
TOTAL
Justifikasi Pemakaian Pengolahan data dan analisis data Pembuatan desain dan aplikasi sistem Penggandaan Cetak Dokumentasi Seminar hasil penelitian Publikasi penelitian SUB TOTAL
Kuantitas
Harga Satuan (Rp)
Biaya per Tahun Tahun 1 (Rp)
2
250,000
500,000
1
1,500,000
1,500,000
6
100,000
600,000
1
543,000
543,000
1
2,500,000
2,500,000
2
2,500,000
5,000,000 10,643,000
Rp 74,548,000
23
Anggaran Tahun II 1. Gaji dan Upah Honor/Jam (Rp)
Honor
Waktu
Honor per Tahun Minggu
(Jam/ Minggu)
Tahun 2 (Rp)
Personel Penelitian Ketua
45,000
7
32
10,080,000
Anggota Personel Tambahan Aktor profesional laki laki
35,000
6
32
6,720,000
300,000
6
1
1,800,000
300,000
6
1
1,800,000
Aktris profesional wanita
SUB TOTAL
20,400,000
2. Peralatan Penunjang Material Software Sewa Macromedia Flash, CuBase, dan Adobe Audition Hardware Sewa studio kedap suara dan peralatan untuk rekaman Printer dan scanner Hardisk Eksternal 1 TB Sewa Laptop
Justifikasi Pemakaian
Kuantitas
Proses ekstrasi fitur, reduksi dimensi dan proses klusterisasi Untuk merekam data suara laki laki dan perempuan Cetak Laporan dan Publikasi Menyimpan data gambar Pembuatan aplikasi, pemodelan dan simulasi
Harga Satuan (Rp)
Harga Peralatan Penunjang Tahun 2 (Rp)
1
6,000,000
6,000,000
4
750,000
3,000,000
1
1,000,000
1,000,000
1
1,000,000
1,000,000
2
4,000,000
8,000,000
10
200,000
2,000,000
10
200,000
2,000,000
Referensi Buku Jurnal
Referensi penelitian Referensi penelitian
24
Lain-lain Internet
Akses internet per bulan SUB TOTAL
12
100,000
1,200,000 24,200,000
3. Bahan habis Pakai Harga Satuan (Rp)
Biaya per Tahun
Justifikasi Pemakaian
Kuantitas
Catridge Printer
Cetak Laporan dan Publikasi
4
150,000
600,000
Souvenir untuk Responden
Cendera Mata
20
50,000
1,000,000
Souvenir Ahli Bahasa dan Guru SLB
Cendera Mata
3
500,000
1,500,000
15
7,000
105,000
10
50,000
500,000
20
5,000
100,000 3,805,000
Material
Materai Kertas Kuarto DVD
Untuk kontrak dan lain lain Mencetak Penelitian dan hasil laporan Menyimpan data SUB TOTAL
Tahun 2 (Rp)
4. Perjalanan dan Akomodasi Material Perjalanan seminar Perjalanan survey Konsumsi survey
Konsumsi seminar
Justifikasi Pemakaian Biaya perjalanan seminar pulang pergi Biaya survey ke klien Konsumsi selama kegiatan survey (penginapan, makan) Konsumsi selama kegiatan seminar (penginapan, makan) SUB TOTAL
Kuantitas
Harga Satuan (Rp)
Biaya Per Tahun Tahun 2 (Rp)
1
5,000,000
5,000,000
8
700,000
5,600,000
8
400,000
3,200,000
1
2,000,000
2,000,000 15,800,000 25
5. Pelaporan dan Publikasi Material Olah data dan analisis data Pembuatan program aplikasi Laporan Penelitian Dokumentasi HKI Seminar hasil Publikasi penelitian
TOTAL
Justifikasi Pemakaian Pengolahan data dan analisis data Pembuatan desain dan aplikasi sistem Penggandaan Cetak Dokumentasi Pendaftaran HKI Seminar hasil penelitian Publikasi penelitian SUB TOTAL
Kuantitas
Harga Satuan (Rp)
Biaya per Tahun Tahun 2 (Rp)
2
250,000
500,000
1
1,000,000
1,000,000
6
100,000
600,000
1
543,000
543,000
1
1,000,000
1,000,000
1
2,000,000
2,000,000
2
2,500,000
5,000,000 10,643,000
Rp 74,848,000
26
Anggaran Tahun III 1. Gaji dan Upah Honor per Tahun
Waktu Honor
Honor/Jam (Rp)
Minggu
(Jam/ Minggu)
Tahun 2 (Rp)
Personel Penelitian Ketua
45,000
7
32
10,080,000
Anggota
35,000
6
32
6,720,000
200,000
20
1
4,000,000
Personel Tambahan Ahli bahasa Indonesia
SUB TOTAL
20,800,000
2. Peralatan Penunjang Material
Software Sewa Macromedia Flash, CuBase, dan Adobe Audition
Justifikasi Pemakaian
Proses ekstrasi fitur, reduksi dimensi dan proses klusterisasi
Kuantitas
Harga Satuan (Rp)
Harga Peralatan Penunjang Tahun 2 (Rp)
1 6,000,000
6,000,000
4
600,000
2,400,000
1 1,000,000
1,000,000
1 1,000,000
1,000,000
2 4,000,000
8,000,000
Hardware Sewa lab Bahasa Printer dan scanner Hardisk Eksternal 1 TB Sewa Laptop
Untuk menguji hasil sintesis ujaran bahasa Indonesia Cetak Laporan dan Publikasi Menyimpan data gambar Pembuatan aplikasi, pemodelan dan simulasi
Referensi Buku
Referensi penelitian
10
200,000
2,000,000
Jurnal
Referensi penelitian
10
200,000
2,000,000
12
100,000
1,200,000
Lain-lain Internet
Akses internet per bulan SUB TOTAL
23,600,000 27
3. Bahan habis Pakai Justifikasi Pemakaian
Material
Catridge Printer Souvenir untuk Responden Souvenir Ahli Bahasa dan Guru SLB Materai Kertas Kuarto DVD
Kuantitas
Cetak Laporan dan Publikasi
Harga Satuan (Rp)
Biaya per Tahun Tahun 2 (Rp)
4
150,000
600,000
Cendera Mata
20
50,000
1,000,000
Cendera Mata
3
500,000
1,500,000
15
7,000
105,000
10
50,000
500,000
20
5,000
100,000
Untuk kontrak dan lain lain Mencetak Penelitian dan hasil laporan Menyimpan data SUB TOTAL
3,805,000
4. Perjalanan dan Akomodasi
Material
Perjalanan seminar Perjalanan survey Konsumsi survey
Konsumsi seminar
Justifikasi Pemakaian Biaya perjalanan seminar pulang pergi Biaya survey ke klien Konsumsi selama kegiatan survey (penginapan, makan) Konsumsi selama kegiatan seminar (penginapan, makan) SUB TOTAL
Kuantitas
Harga Satuan (Rp)
Biaya Per Tahun Tahun 2 (Rp)
1
5,000,000
5,000,000
8
700,000
5,600,000
8
400,000
3,200,000
1
2,000,000
2,000,000 15,800,000
28
5. Pelaporan dan Publikasi
Material
Justifikasi Pemakaian
Olah data dan analisis data Pembuatan program aplikasi Laporan Penelitian
Pengolahan data dan analisis data Pembuatan desain dan aplikasi sistem Penggandaan
Dokumentasi HKI Seminar hasil Publikasi penelitian
2
Biaya per Tahun Tahun 2 (Rp)
250,000
500,000
1 1,000,000
1,000,000
6
100,000
600,000
Cetak Dokumentasi
1
543,000
543,000
Pendaftaran HKI Seminar hasil penelitian Publikasi penelitian
1 1,000,000
1,000,000
1 2,000,000
2,000,000
2 2,500,000
5,000,000
SUB TOTAL
TOTAL
Kuantitas
Harga Satuan (Rp)
10,643,000
Rp 74,648,000
29
Lampiran 2. Ketersediaan Sarana dan Prasarana Penelitian Laboratorium yang digunakan sebagai sarana penunjang penelitian : NO LABORATORIUM 1
Lab. Pengolahan Sinyal Digital
2
Lab. Komputer dan Jaringan Lab. Simulasi dan Pemodelan Laboratorium Audio Visual Program Studi Desain Komunikasi Visual dan Broadcasting TVKU
3 4
5
KEMAMPUAN Instrumentasi, Hardware Pengolahan Sinyal Digital dan Analog Bandwith 17 Giga Byte, 20 komputer Komputer, software untuk Pemodelan dan Simulasi Komputer, Software, Pembuatan animasi, multimedia dan recording
Televisi Kampus Udinus untuk sarana implementasi dan publikasi
PENUNJANG PENELITIAN 30%
KETERSEDIAAN Ada
15%
Ada
15%
Ada
30%
Ada
10%
Ada
30
Lampiran 3. Susunan Organisasi Tim Peneliti dan Pembagian Tugas No
Nama
NIDN
Bidang Ilmu
AlokasiWaktu
Uraian Tugas
(jam/minggu) 1
Muljono, S.Si,
0604017101 Pengolahan
M.Kom
7
Sinyal
1. Pengumpulan data
Digital,
2. Pengolahan
Pemodelan
Sinyal Ujaran
dan Simulasi,
3. Analisis Sistem
Programing
4. Pembuatan aplikasi 5. Pembuatan laporan, HKI dan publikasi
2
Catur
0621108402
Information
6
1. Pengumpulan
Supriyanto,
Retrieval,
data
S.Kom, MCS
Data Mining,
2. Desain Sistem
Logika
3. Coding dan
Informatika,
Programing
Programing
untuk pembuatan aplikasi 4. Pembuatan laporan, HKI dan publikasi
31
Lampiran 4. Biodata Ketua dan Anggota Tim Peneliti 1. Biodata Ketua Tim Peneliti A. Identitas Diri 1
Nama Lengkap (denganjelas)
Muljono, S.Si.,M.Kom. ( L)
2
Jabatan Fungsional
Lektor
3
Jabatan Struktural
-
4
NPP
0686.11.1996.104
5
NIDN
0604017101
6
Tempat dan Tanggal Lahir
Semarang, 04 Januari 1971
7
Alamat Rumah
Jl. Citandui I No. 16 Semarang 50121
8
Nomor Telepon/Fax/HP
- / - / 08122840278
9
Alamat Kantor
Jl. Nakula I No. 5 – 11 Semarang 50131
10 Nomor Telepon/Faks
(024) 351761/-
11 Alamat E-mail
[email protected]
12 Lulusan yang Telah Dihasilkan
S1 = 94 orang; S2 = orang; S3=
13 Mata Kuliah yang Diampu
1.
Otomata dan Teori Bahasa
2.
Pemodelan dan Simulasi
3.
Pengolasan Sinyal Digital
4.
Algoritma dan Pemrograman
orang
B. Riwayat Pendidikan S1
S2
Nama Perguruan Tinggi
Universitas Diponegoro
STTIBI Jakarta
Bidang Ilmu
Matematika
Teknik Informatika
Tahun Masuk – Lulus
1989-1996
1999-2001
Judul Skripsi/Thesis
Sparable Random
Nama
Prof. Mustafid, M.Eng,
Pengembangan Sistem Informasi P2KP Studi Kasus di SWK V Jateng Prof. Kudang B.
Pembimbing/Promotor
PhD
Seminar, PhD
Process
32
C. Pengalaman Penelitian Dalam 5 TahunTerakhir No Tahun Judul Penelitian Sumber* 1 2011 Analisis dan Sintesis LP2M UDINUS Nada Balungan Pada Alat Musik Gamelan 2 2012 Model sintesis nada LP2M ITS balungan menggunakan metode Phase Vocoder untuk standarisasi nada 3 2014 Adaptif Gamelan Hibah Bersaing Sintesis Menggunakan Dikti Metode Pitch Shifting (Tahun ke -1) Phase Vocoder Untuk Standarisasi Nada dan Media Pembelajaran Gamelan Dalam Rangka Menuju Industri Kreatif Modern Nasional 4 2015 Adaptif Gamelan Hibah Bersaing Sintesis Menggunakan Dikti Metode Pitch Shifting (Tahun ke -2) Phase Vocoder Untuk Standarisasi Nada dan Media Pembelajaran Gamelan Dalam Rangka Menuju Industri Kreatif Modern Nasional
Pendanaan Jml (JutaRp) 4,75
20
55
55
D. Pengalaman Pengabdian Kepada Masyarakat Dalam 5 TahunTerakhir No
Tahun
1
2009
2
2010
3
2014
Judul Pengabdian Kepada Masyarakat
Pendanaan Sumber* Jml (JutaRp) 26 Pranata Kejati Jawa Tengah Pranata Kejati 30 Jawa Tengah
Pendidikan dan Pelatihan Komputer Tahun 2009 Pendidikan dan Pelatihan Komputer Tahun 2010 Pelatihan Program S-POS di Koperasi Koperasi Bank Bank Indonesia Indonesia
22,5
33
E. Pengalaman Penulisan Artikel Ilmiah Dalam Jurnal Dalam 5 TahunTerakhir No
Judul Artikel Ilmiah
1
Penggunaan Metode Logika Fuzzy Sugeno Dalam Menentukan Status Gizi Pada Balita
2
Sintesis Nada Saron Menggunakan Pitch Shifting Phase Vocoder untuk Standarisasi Suara Saron "Emotion Feature Extraction For Indonesian Speech Emotion"
3
4
5
6
Volume/Nomor/ Nama Tahun Jurnal Vol. 10 No.3, Techno. Edisi Agustus com 2011, ISSN:14122693 ISBN : Proceeding 9786029876802, Pebruari 2012 IndonesianPoster France ICT Session Conference 2013, 16-17 Oktober 2013, Gedung Robotika, Kampus ITS Sukolilo, Surabaya
"Indonesian Speech Emotion Classifications of ISBN : 978-1Data Set" 4673-6278-8, Guangzhou China, 1-3 November 2013 “Towards Building Indonesian Viseme: A 03 – 05 Clustering-Based Approach” December 2013, Yogyakarta Indonesia. "Pitch Shifting Based Phase Vocoder for 4 December 2014 Synthesizing Javanese Gamelan Gong Ageng" UMS, Surakarta
Proceeding IEEE
Proceeding IEEE
Proceeding ICETIA
F. Pengalaman Penyampaian Makalah Secara Oral Pada Pertemuan/Seminar Ilmiah Dalam 5 TahunTerakhir No Nama Pertemuan Ilmiah/Seminar 1 Konferensi Nasional Sistem Informasi (KNSI) 2012
Judul Artikel Ilmiah
2
"Emotion Feature Extraction For 16-17 Oktober 2013, Indonesian Speech Emotion" Gedung Robotika, Kampus ITS Sukolilo, Surabaya
Indonesian-France ICT Conference 2013
Waktu dan Tempat
Sintesis Nada Saron Menggunakan 23-25 Pebruari 2012, Pitch Shifting Phase Vocoder STIKOM Bali, untuk Standarisasi Suara Saron Denpasar Bali
34
35
2. Biodata Anggota Tim Peneliti A. Identitas Diri 1 Nama Lengkap 2 Jenis Kelamin 3 Jabatan Fungsional 4 NPP 5 NIDN 6 Tempat dan Tanggal Lahir 7 Email 8 Nomor Telepon/HP 9 Alamat Kantor 10 Nomor Telepon 11 Lulusan yang dihasilkan 12 Matakuliah yang diampu
Catur Supriyanto, S.Kom, MCS L Asisten Ahli 0686.11.2011.415 0621108402 Semarang, 21 Oktober 1984
[email protected] 085 742 487 678 Jalan Imam Bonjol no. 207 Semarang 50131 (024) 3517261 S1 = 15 orang 1. Information Retrieval 2. Data Mining 3. Logika Informatika 4. Pemrograman lanjut
B. Riwayat Pendidikan S-1 UDINUS
Nama PT Bidang Ilmu Tahun Masuk-Lulus Judul Skripsi/Tesis
Nama Pembimbing
Ilmu Komputer 2004-2009 Pengujian Steganografi LSB pada citra berdasarkan brightness Yuniarsih, M.Si
S-2 Universiti Teknikal Malaysia Malaka, Malaysia Ilmu Komputer 2009-2011 Enhanced Singular Value Decomposition Using Unsupervised Feature Selection In Text Document Clustering Prof. Dr. Nanna Suryana Herman
C. Pengalaman Riset No Tahun 1
2013
2
2013
3
2014
Judul Penelitian
Sumber Dana Sumber Jml (Juta Rp)
Peningkatan Akurasi Klasifikasi Grade UDINUS Daun Tembakau sebagai Bahan Baku Rokok Menggunakan Backpropagation Neural Network Klasifikasi Kalimat Soal UDINUS Menggunakan Algoritma Naïve Bayes Berbasis Kernel Density Estimation Dengan Seleksi Fitur Penentuan Kualitas Kayu Kelapa PDP DIKTI Berbasis Citra Digital Menggunakan
4.750.000
4.800.000
14.000.000
36
4
2015
Jaringan Syaraf Tiruan dan Algoritma Genetika Peningkatan Kualitas Citra Bawah Laut Menggunakan Filter Adaptif Berbasis Rayleig
PDP DIKTI
12.000.000
D. Pengalaman Pengabdian Masyarakat dalam 5 Tahun Terakhir
No
Tahun
1
2012
2
2014
Judul Penelitian Pengenalan Media Promosi Dalam Pelatihan Teknik Pembuatan Media Komunikasi Informasi Dan Edukasi (KIE) Pelatihan Penulisan Proposal Program Kreativitas Mahasiswa (PKM): Penulisan Karya Ilmiah
Sumber Dana Sumber Jml (Juta Rp) UDINUS
4.000.000
UDINUS
5.800.000
E. Pengalaman Menulis Artikel Dalam Jurnal dalam 5 Tahun Terakhir No Tahun 1
2012
2
2013
3
2013
4
2013
5
2013
6
2014
7
2015
Judul Performance Enhancement of Image Clustering using Singular Value Decomposition in Color Histogram Content-Based Image Retrieval Auto Level Color Correction for Underwater Image Matching Optimization Enhancement of 3D Surface Reconstruction Of Underwater Coral Reef Base On SIFT Image Matching Using Contrast Limited Adaptive Histogram Equalization And Outlier Removal An Improved Technique of Color Histogram in Image Clustering using Image Matting Sphinx-4 Indonesian Isolated Digit Speech Recognition Backpropagation Neural Network And Correlation-Based Feature Selection for Earning Response Coefficient Prediction Video Object Segmentation Applying Spectral Analysis And Background Subtraction
Penerbit/Jurnal Vol. 1, No. 4, International Journal of Computer and Communication Engineering (IJCCE) Vol. 13, No. 1, IJCSNS
Vol. 7, No. 1, KURSOR
Vol. 51 No.2 JATIT
Vol. 53 No.1 JATIT Vol. 67 No.1 JATIT
Vol. 72 No.2 JATIT
37
38
Lampiran 5. Surat Pernyataan Ketua Peneliti
39