Pengertian aplikasi Pengenalan Pola Sinyal

BAB II LANDASAN TEORI

2.1 Pengertian aplikasi

Menurut Whitten aplikasi adalah “Proses dimana keperluan pengguna dirubah ke dalam bentuk paket perangkat lunak dan atau kedalam spesifikasi pada komputer yang berdasarkan pada sistem informasi.” Kristanto, 1994, hal 60 .

2.2 Pengenalan Suara speech recognition

Pengenalan suara voice recognition atau dikenal juga sebagai automatic speech recognition, computer speech recognition adalah proses mengubah sinyal suara ke kalimat text. Penelitian dibidang pengenalan suara speech recognition oleh mesin telah dilakukan hampir selama lima dekade, dimana percobaan awal oleh mesin dibuat tahun 1950-an, yaitu pada saat berbagai penelitian mencoba untuk mengekspolitasi ide fundamental dari acoustic- phonetics. Atau dengan kata lain proses yang dilakukan komputer untuk mengenali kata yang diucapkan oleh seseorang tanpa mempedulikan identitas orang terkait, proses identifikasi suara berdasarkan kata yang diucapkan. Parameter yang dibandingkan ialah tingkat penekanan suara yang kemudian akan dicocokkan dengan template database yang tersedia. 21 22

2.2.1 Sejarah Pengenalan Suara

Sejarah penelitian di bidang pengenalan suara speech recognition antara lain : a. Tahun 1952, di Labotorium Bell, Davis, Bidullph, Balashek membuat suatu sistem pengenalan digit terisolasi untuk seorang pembicara. Sistem tersebut sangat tergantung kepada pengukuran resonasi spectral di daerah vokal dari setiap digit; b. Tahun 1956, sebuah usaha independen pada Labotorium RCA, Olson dan Belar berusaha untuk mengenali sepuluh suku kata yang berbeda dari setiap pembicara yang juga bergantung pada pengukuran spectral pada area vokal; c. Tahun 1959, Universitas Collage di Inggis, Fry and Denes mencoba untuk membuat suatu pengenalan fenom untuk mengenali empat vokal dan sembilan konsonan. Mereka menggunakan keputusan dari pengenalan; d. Usaha lain pada periode ini adalah mengenalkan vokal oleh Forgie dan Forgie, dikonstruksikan di Labotorium Lincoln MIT pada tahun 1959, dimana sepuluh vokal disisipkan dalam format ab-vokal-t dapat dikenali. Sekali lagi sebuah filter bank analyzer digunakan untuk menyediakan informasi spectral dan pengukuran waktu yang dipakai untuk memperkirakan resonasi jejak vokal yang menentukan vokal mana yang diucapkan; e. Pada tahun 1960-an, sejumlah ide fundamental dalam speech recognition mucul kepermukaan dan diterbitkan. Dekade ini dimulai dengan beberapa 23 Labotorium Jepang yang memasuki arena pengenalan dan membangun special-purpose hardware sebagai bagian dari sistem mereka. Awal dari sistem Jepang dimulai dari Suzuki dan Nakata dari Lab. Penelitian Radio di Tokyo yang merupakan hardware pengenalan huruf vokal; f. Usaha lainnya dilakukan oleh Sakai dan Doshita dari Universitas Kyoto tahun 1962, yang membangun sebuah hardware pengenalan fenom. Usaha yang ketiga merupakan hardware pengenalan digit oleh Nagata dan rekan kerjanya di Lab. NEC pada tahun 1963. Usaha ini mungkin yang paling dikenali sebagai percobaan perdana dari speech recognition pada NEC dan menjadi awal bagi sebuah program penelitian yang produktif; g. Di era 60-an, terdapat tiga proyek penelitian kunci, yang pertama adalah usaha yang dilakukan oleh Martin dan rekannya pada labotorium RCA, untuk membangun solusi realistik bagi problem yang berkaitan dengan ketidakseragaman dalam interval waktu, dari speech event. Martin membangun sistem dengan dasar pada kemampuan unutk mendeteksi awal dan akhir dari suatu speech. Martin membangun metodenya dan mendirikan satu perusahaan bernama Threshold Technology yang membuat, memasarkan, dan menjual produk–produk speech recognition. Sementara pada waktu yang bersamaan di Uni Sovyet, Vintsyuk mengajukan penggunaan dari metode dynamic programming untuk penyamaan waktu dari sepasang pengutaraan speech; 24 h. Pencapaian yang akhir tahun 1960-an merupakan penelitian pioneer dari Reddy dalam bidang continues speech recognition dan dynamic tracking dari fenom; i. Pada tahun 1970-an penelitian speech recognition meraih sejumlah batu pijakan yang signifikan. Pertama, area dari kata terisolasi atau pengenalan ucapan diskrit menjadi suatu teknologi yang mungkin dan berguna berdasarkan pada pembelajaran fundamental oleh Velicho dan Zagoruyko di Rusia, Sakoe dan Chiba di Jepang, dan Itakura di Amerika. Pembelajaran di Rusia membantu memajukan penggunaan dari ide pattern recognition dalam speech recognition. Penelitian di Jepang memajukan bagaimana metode dynamic programming dapat diterapkan dengan sukses dan penelitian di Itakura menunjukkan bagaimana ide dari Linear Predictive Logic LPC yang mana telah digunakan dengan sukses pada pengkodean speech ber-bit rendah; j. Penelitian speech pada tahun 1980-an bercirikan pada pergeseran teknologi dari pendekatan berbasis template menjadi statistik modeling, terutama pendekatan model Hidden Markov Model. Ide lain diperkenalkan pada akhir 1980-an adalah penerapan neural network pada speech recognition. Neural networks pertama kali dikenalkan tahun 1950, tapi tidak terbukti berguna pada awalnya karena terlalu banyaknya masalah praktikal. 25

2.2.2 Kinerja Sistem Pengenalan Suara

Sistem pengenalan suara, tergantung pada beberapa faktor, dapat memiliki rentang kinerja yang diukur dari rata-rata eror kalimat. Faktor-faktor ini termasuk lingkungan, rata-rata berbicara, konteks atau tata bahasa yang digunakan dalam pengenalan. Kebanyakan pengguna pengenalan suara cenderung setuju bahawa mesin perintah dapat mencapai kinerja yang tinggi pada kondisi terkontrol. Bagian yang membingungkan terutama datang dari campuran penggunaan istilah pengenalan suara dan pendiktean. Terdapat 4 langkah utama dalam sistem pengenalan suara : 1. Penerimaan data input 2. Ekstraksi, yaitu penyimpanaan data masukaan sekaligus pembuatan database untuk template. 3. Pembandingan pencocokan, yaitu tahap pencocokan data baru dengan data suara pencocokan tata bahasa pada template. 4. Validasi identitas pengguna.

2.2.3 Proses perubahan dari suara ke data

Untuk menukar atau mengubah ucapan kepada data text dalam komputer atau perintah komputer, sebuah komputer harus melewati langkah yang rumit. 26 Saat kita berbicara, kita menciptakan sebuah getaran diudara. Pengubahan sinyal analog kepada digital analog to digital converter ADC. Menerjemahkan getaran analog ini kepada data digital yang bisa dimengerti oleh komputer. Untuk melakukan ini, komputer mencontohkan atau menggambarkan suara tersebut dengan cara mengambil pengukuran tepat pada getaran yang ada di frekuensi interval. System ini menyaring suara yang digambarkan untuk menghilangkan suara-suara yang tidak diinginkan, dan terkadang juga memisahkannya kepada jalur gelombang frekuensi yang berbeda. frekuensi adalah jarak gelombang dari getaran suara yang didengar oleh manusia sebagai perbedaan tinggi atau rendahnya suara. Frekuensi juga menormalkan atau menetralkan suara, atau menyesuaikannya kepada level volume yang tetap. Frekuensi mungkin juga harus disusun atau disejajarkan sementara. Orang-orang tidak selalu berbicara pada kecepatan yang sama, jadi suara harus harus disesuaikan untuk mencocokan kecepatan. Contoh suara yang telah disimpan didalam memory system selanjutnya sinyal tersebut dibagikan atau dipisahkan kedalam segmen atau juga ribuan dalam perkata plogine consonant sound konsonan berhenti memproduksi dengan menghalangi aliran udara didalam saluran vocal, seperti “P” atau “T”. setelah itu program akan mencocokan segmen tersebut untuk mengetahui phonemes didalam bahasa yang layak. Phonemes adalah element terkecil dalam sebuah bahasa gambaran atau perwakilan dari suara yang kita keluarkan dan menyatukannya untuk membentuk ekspresi yang bermakna. 27 Didalam bahasa inggris ada kira-kira 40 phonemes. ahli bahasa yang berbeda mempunyai opini yang berbeda tentang jumlah tepatnya, sedangkan bahasa lainnya mempunyai phonemes kurang ataupun lebih dari itu.

2.2.4 Bagaimana program pengenalan suara bekerja

1. sound card komputer mengubah gelombang analog yang dikatakan ke microphone menjadi format digital. 2. software model acoustic memecahkan kata-kata ke dalam tiga phonemes: ST,UH dan FF 3. software model bahasa membandingkan phonemes denngan kata-kata dalam kamus yang terdapat di dalam software, yaitu: ST : 0010 UH : 0001 FF : 0100 4. Software memutuskan apa yang ia pikir dari kata-kata yang telah dikatakan dan menampilkan pasangan yang paling baik dalam layar. Langkah selanjutnya terlihat lebih mudah, tetapi sebenarnya langkah ini adalah bagian tersulit untuk dilakukan dan bagian yang harus difokuskan di dalam penyelidikan pengenalan suara. Program ini memeriksa phonemes di dalam konteks dari phonemes yang ada disekitarnya. Software menjalankan plot phonemes yang mengikuti konteks melalui model statistik kompleks dan membandingkan mereka kepada perpustakaan 28 besar dari kata-kata yang dikenal rangkaian kata dan kalimat. Program lalu akan menentukan apa yang pengguna user mungkin katakan dan dikeluarkan sebagai text atau mengeluarkan perintah pada komputer.

2.2.5 Framework.net

Microsoft .NET Framework dibaca Microsoft Dot Net Framework adalah sebuah komponen yang dapat ditambahkan ke sistem operasi Microsoft Windows atau telah terintegrasi ke dalam Windows mulai dari Windows Server 2003 dan versi-versi Windows terbaru. Kerangka kerja ini menyediakan sejumlah besar solusi-solusi program untuk memenuhi kebutuhan-kebutuhan umum suatu program baru, dan mengatur eksekusi program-program yang ditulis secara khusus untuk framework ini. .NET Framework adalah kunci penawaran utama dari Microsoft, dan dimaksudkan untuk digunakan oleh sebagian besar aplikasi-aplikasi baru yang dibuat untuk platform Windows. Pada dasarnya, .NET Framework memiliki 2 komponen utama: CLR dan .NET Framework Class Library.Program - program yang ditulis untuk .NET Framework dijalankan pada suatu lingkungan software yang mengatur persyaratan-persyaratan runtime program. Runtime environment ini, yang juga merupakan suatu bagian dari .NET Framework, dikenal sebagai Common Language Runtime CLR. CLR menyediakan penampilan dari application virtual machine, sehingga para programmer tidak perlu mengetahui 29 kemampuan CPU tertentu yang akan menjalankan program. CLR juga menyediakan layanan-layanan penting lainnya seperti jaminan keamanan, pengaturan memori, garbage collection dan exception handling penanganan kesalahan pada saat runtime. Class library dan CLR ini merupakan komponen inti dari .NET Framework. Kerangka kerja itu pun dibuat sedemikian rupa agar para programmer dapat mengembangkan program komputer dengan jauh lebih mudah, dan juga untuk mengurangi kerawanan aplikasi dan juga komputer dari beberapa ancaman keamanan. CLR adalah turunan dari CLI Common Language Infrastructure yang saat ini merupakan standar ECMA. Untuk keterangan lebih lanjut, silakan mengunjungi situs ECMA atau kunjungi sumber pranala di bawah artikel ini. Solusi-solusi program pembentuk class library dari .NET Framework mengcover area yang luas dari kebutuhan program pada bidang user interface, pengaksesan data, koneksi basis data, kriptografi, pembuatan aplikasi berbasis web, algoritma numerik, dan komunikasi jaringan. Fungsi-fungsi yang ada dalam class library dapat digabungkan oleh programmer dengan kodenya sendiri untuk membuat suatu program aplikasi baru. Pada berbagai literatur dan referensi di Internet, .NET Framework seringkali disingkat menjadi .NET saja. 30 NET Framework NET Framework merupakan suatu komponen Windows yang terintegrasi yang dibuat dengan tujuan pengembangan berbagai macam aplikasi serta menjalankan aplikasi generasi mendatang termasuk pengembangan aplikasi XML Web Services. Keuntungan Menggunakan .NET Framework 1. Mudah. Yang dimaksud mudah di sini adalah kemudahan developer untuk membuat aplikasi yang dijalankan di .NET Framework. Mendukung lebih dari 20 bahasa pemrograman : VB.NET, C, J, C++, Pascal, Phyton IronPhyton, PHP PhLager. 2. Efisien. Kemudahan pada saat proses pembuatan aplikasi, akan berimplikasi terhadap efisiensi dari suatu proses produktivitas, baik efisien dalam hal waktu pembuatan aplikasi atau juga efisien dalam hal lain, seperti biaya cost. 3. Konsisten. Kemudahan-kemudahan pada saat proses pembuatan aplikasi, juga bisa berimplikasi terhadap konsistensi pada aplikasi yang kita buat. Misalnya, dengan adanya Base Class Library, maka kita bisa menggunakan objek atau Class yang dibuat untuk aplikasi berbasis windows pada aplikasi berbasis web. Dengan adanya kode yang bisa dintegrasikan ke dalam berbagai macam aplikasi ini, maka konsistensi kode-kode aplikasi kita dapat terjaga. 4. Produktivitas. Semua kemudahan-kemudahan di atas, pada akhirnya akan membuat produktivitas menjadi lebih baik. Produktivitas naik, terutama produktivitas para developer, akan berdampak pada meningkatnya produktivitas suatu perusahaan atau project. 31

2.2.6 GUI Graphical User Interface

Graphical User Interface GUI,merupakan interface grafis yang memungkinkan interaksi antara user dengan program. Melalui GUI, user dapat memberikan perintah yang akan dijalankan oleh program. User juga dapat memasukan input nilai sebagai parameter atau sebagai data. Pembuatan GUI dilakukan pada form. User menambahkan objek kontrol ke dalam form berupa button, label, image dan sebagainya. Untuk mengintegrasikan objek kontrol dengan kode program yang dijalankan ketika user memerintahkan action tertentu, sebuah objek control dapat melakukan event handling penanganan event. Event adalah aktifitas yang dilakukan user terhadap objek kontrol, seperti mengklik, menggerakan kursor diatas objek, atau mengubah nilai yang dimiliki objek tertentu. Ketika event tersebut dilakukan oleh user, program akan menjalankan kode yang bersesuaian.

2.3 Pengenalan Pola

Pola pattern adalah entitas yang terdefinisi dan dapat diberikan suatu identifikasi atau nama, misalkan buku, wajah manusia, dan sebagainya Murni dan setiawan, 1992,p6. Pola adalah bentuk atau model atau lebih abstrak suatu set peraturan yang bisa dipakai untuk membuat atau untuk menghasilkan suatu atau bagian dari suatu, khususnya jika sesuatu yang ditimbulkan cukup mempunyai suatu yang sejenis untuk pola dasar yang dapat ditunjukan atau 32 terlihat, yang mana suatu itu dikatakan memamerkan pola Robert, 2004,p89. Deteksi pola dasar disebut pengenalan pola. Riset untuk pengenalan suara otomatis sudah lama dilakukan sekitar lebih dari empat dekade, yang awalnya terinspirasi dari sebuah film fiksi yang berjudul A Space Odysses. Pengenalan pola digunakan untuk mengenali objek kompleks dari bentuk sifat dari objek yang akan dikenali ciri-ciri objeknya. Pengenalan pola secara formal dapat dideskripsikan sebagai sebuah proses yang menerima pola atau sinyal berdasarkan hasil pengukuran yang kemudian diklasifikasikan ke dalam satu atau lebih kategori atau kelas tertentu Haykin, 1999,p67. Suatu sistem pengenalan pola pada dasarnya terdiri atas tiga tahap, yaitu penerimaan data, pengenalan data dan pengenalan objek atau pembuatan keputusan. Adapun pendekatan utama dalam pengenalan pola adalah pendekatan geometrik dan pendekatan struktural. Pendekatan geometrik adalah pendekatan secara fisik, sedangkan Pendekatan struktural dilakukan dengan penentuan dasar yang mendeskripsikan objek yang akan dikenali pendekatan pola melalui deskripsi dan kesimpulan.

2.4 Sinyal

Sinyal dapat didefinisikan sebagai kuantitas yang fisik yang bervariasi seiring waktu atau variable bebas lainnya yang menyimpan suatu informasi M.J.Roberts, Signals and System Analysis Using Transform Methods and 33 Matlab, manusia pada se komput yaitu, s Sinyal Analog Waktu melalui , New York a, kode mor ebuah jaring ter, dan lain sinyal waktu Waktu dapa yang merup DiskritSin i proses samp k : McGraw rse, tegangan gan serat op nnya. Sinya u, sinyal nila at dibagi me pakan sinyal nyal Digita pling quanti w-Hill,2004,h n listrik di k tik yang dig al dapat dik ai, sinyal ra enjadi dua, l yang belum al yang m ization, dan e h.1. Contoh kabel telepon gunakan dal klarifikasikan andom, dan yaitu Sinya m melalui pr merupakan s encoding. h dari sinyal n, variasi int lam telepon n menjadi b sinyal nonra al Waktu Ko roses apapun sinyal anal l adalah sua ensitas caha atau jaring beberapa jen andom. Unt ontinueSiny n dan Siny log yang tel ara aya gan nis tuk yal yal lah gelomb dengan dibawah Semua sua angnya ma sinyal ana h ini. ara audio, asing-masing alog. Bentuk baik vokal g. Umumny k dari sinya l maupun ya bentukan al analog b bunyi mem n gelomban bisa dilihat miliki bent ngnya diseb pada gamb tuk but bar

2.1 Diagram m Gelomba