Pengembangan Purwarupa Aplikasi Mobile untuk Pemeriksaan Bacaan dan Hafalan Ayat Al- Qur’an pada Sistem Operasi Android

  

Pengembangan Purwarupa Aplikasi Mobile

untuk Pemeriksaan Bacaan dan Hafalan

Ayat Al- Qur’an pada Sistem Operasi Android

  Kata Kunci

  Qur’an oleh pengguna.

  Qur’an. Keluaran sistem berupa hasil evaluasi bacaan atau hafalan Al- Qur’an yang terdiri atas dua komponen utama, yakni nilai ketepatan bacaan dalam skala tertentu dan letak kesalahan pertama yang ditemukan pada suara bacaan atau hafalan Al-

  Qur’an. Kemudian dilakukan pemrosesan terhadap masukan suara tersebut yang akan mengeluarkan hasil evaluasi bacaan atau hafalan Al-

  Qur’an memiliki tiga bagian utama, yakni penangkap suara, ASR, dan penilai. Hubungan antarbagian tersebut dapat dilihat pada Gambar 1. Masukan pengguna terhadap sistem berupa suara bacaan atau hafalan Al-

  Secara umum, dari penelitian yang telah dilakukan oleh Muhammad dkk. (2012) dapat diketahui bahwa sistem pemeriksaan bacaan dan hafalan Al-

  2.1 Sistem Pemeriksaan Bacaan dan Hafalan Al- Qur’an

  Pada bab ini dijelaskan hasil studi terhadap literatur dan penelitian sebelumnya yang terkait dengan topik ini.

  2. STUDI LITERATUR

  Masalah yang ingin diselesaikan dalam Tugas Akhir ini adalah bagaimana membuat purwarupa perangkat lunak mobile untuk pemeriksaan bacaan dan hafalan ayat Al- Qur’an pada sistem operasi Android dengan metode terotomatisasi dan menggunakan bantuan sistem pengenalan ucapan otomatis (Automatic Speech Recognition). Purwarupa ini dibatasi pada beberapa aspek, yaitu suara masukan yang bersih dari suara ribut, model ASR dibuat sendiri dengan data latih sederhana, data latih dan data uji yang sama, aspek estetika tidak menjadi fokus, algoritma penilaian diambil dari library yang telah ada, serta aturan tajwid yang ditangani baru aturan yang erat kaitannya dengan perubahan huruf dan harakat dalam membaca.

  Qur’an dengan baik, tetapi hampir seluruh perangkat lunak semacam ini dijalankan di atas sistem operasi untuk komputer (PC atau laptop). Oleh karena itu, salah satu solusi yang mungkin dilakukan adalah mengembangkan perangkat lunak mobile dengan pendekatan yang sama seperti perangkat lunak desktop yang pernah dikembangkan sebelumnya, yakni menggunakan bantuan sistem Automatic Speech Recognition (ASR).

  Qur’an adalah perangkat lunak yang mampu menilai bacaan dan hafalan Al- Qur’an secara otomatis. Dalam beberapa tahun terakhir telah banyak dilakukan penelitian mengenai bagaimana membuat perangkat lunak yang mampu untuk memeriksa bacaan atau hafalan Al-

  Qur’an tentu membutuhkan guru yang dapat memeriksa dan mengoreksi bacaan dan hafalan Al- Qur’an, agar bacaannya sesuai dengan ilmu tajwid yang berlaku tanpa ada kesalahan satu huruf pun. Salah satu alternatif pengganti guru membaca dan menghafal Al-

  Salah satu kewajiban setiap muslim adalah membaca dan menghafalkan Al- Qur’an. Setiap muslim yang ingin belajar membaca dan menghafal Al-

  Al- Qur’an, ASR, bacaan, hafalan, penilaian, perangkat mobile.

  Qur’an berhasil diimplementasikan, tetapi perlu pengembangan lanjutan untuk mengakomodasi aturan tajwid yang lebih komperehensif.

  Zain Fathoni

  022-2508135, fax: 022-2500940

  Program Studi Teknik Informatika Sekolah Teknik Elektro & Informatika

  Institut Teknoogi Bandung Ganesha 10, Bandung, Indonesia

  022-2508135, fax: 022-2500940

  zain.fathoni@alumni.itb.ac.id

Dessi Puji Lestari

  Program Studi Teknik Informatika Sekolah Teknik Elektro & Informatika

  Institut Teknoogi Bandung Ganesha 10, Bandung, Indonesia

  

dessipuji@stei.itb.ac.id

Nur Ulfa Maulidevi

  Qur’an mungkin untuk diterapkan pada perangkat mobile dengan prinsip modalitas tersebut, dengan catatan suara masukan ASR diperoleh dari file suara. Bagian penangkapan suara masih perlu diperbaiki agar dapat menghasilkan file yang dapat diproses ASR dengan baik. Selain itu, diperlukan penelitian yang lebih mendalam untuk membuat model ASR yang baik untuk ayat Al- Qur’an. Elemen penilai bacaan Al-

  Program Studi Teknik Informatika Sekolah Teknik Elektro & Informatika

  Institut Teknoogi Bandung Ganesha 10, Bandung, Indonesia

  022-2508135, fax: 022-2500940

  ulfa@stei.itb.ac.id ABSTRAK

  Maraknya perkembangan komunitas pembaca dan penghafal Al- Qur’an membuat pemeriksaan bacaan dan hafalan Al-Qur’an melalui perangkat mobile semakin diperlukan. Sistem ini harus dapat mengenali ucapan bacaan Al-

  Qur’an pengguna dan memeriksa kebenarannya berdasarkan aturan tajwid yang berlaku. Aturan tajwid diterapkan pada teks transkripsi ayat Al- Qur’an yang dijadikan referensi penilaian. Bagian penilai dibangun dengan memanfaatkan library perbandingan string yang telah ada. Sistem ini juga melibatkan proses Automatic Speech Recognition (ASR). Prinsip modalitas Embedded Mobile Speech Recognition dipilih supaya hasil ASR dapat segera diperoleh, mengingat perkembangan kemampuan komputasi perangkat mobile saat ini telah cukup tinggi. Keterbatasan kapasitas penyimpanan perangkat mobile dapat diatasi dengan cara menyimpan data keseluruhan pada komputer server, sehingga data yang disimpan pada perangkat mobile cukup yang diperlukan saja. Kesimpulan dari hasil pembangunan dan pengujian purwarupa adalah mekanisme pemeriksaan bacaan dan hafalan Al-

1. PENDAHULUAN

  [Proses] _{[Keluaran] Hasil Evaluasi (Nilai Ketepatan, Letak Kesalahan) [Masukan] Pelafalan Bacaan atau Hafalan Al-Qur an Penangkap Suara Penilai ASR} Gambar 1. Sistem Pemeriksaan Bacaan dan Hafalan Al- Qur’an (Muhammad, 2012)

  2.3 Penelitian Terkait 1) E-Hafiz : Salah satu contoh keberhasilan pembangunan

  desktop seperti komputer atau laptop. Oleh karena itu, tetap

  dengan tujuan penelitian ini, yaitu untuk membantu memeriksa hafalan Al- Qur’an dengan melibatkan sistem ASR. Jenis kesalahan yang diperiksa adalah kesalahan hafalan berupa penambahan (insertion), penghapusan (deletion), substitusi (substitution), atau kombinasinya. Namun demikian, perangkat lunak yang dihasilkan masih baru dapat dijalankan di perangkat

  4) Pemeriksaan Urutan Hafalan Al Quran Memanfaatkan Pengenalan Suara Otomatis : Tujuan penelitian tersebut serupa

  pengembangan aplikasi bantu untuk menghafalkan Al- Qur’an pada telepon seluler oleh Firdausi (2010). Akan tetapi, aplikasi yang dikembangkan ini ternyata masih sekedar membantu menampilkan ayat Al- Qur’an saja, belum melibatkan sistem ASR di dalamnya. Dengan demikian, perlu pengembangan lebih lanjut supaya aplikasi bantu untuk menghafalkan Al- Qur’an ini melibatkan sistem ASR di dalamnya.

  3) Aplikasi Bantu untuk Menghafalkan Al - Qur’an pada Telepon Seluler : Pada tahun 2010 telah dilakukan

  ASR pada perangkat mobile adalah aplikasi “SMSsuara” yang dikebangkan oleh Marietha (2010). Integrasi sistem ASR ke dalam aplikasi ini dilakukan dengan menggunakan kakas PocketSphinx, SphinxTrain, dan CMU-CLMTK. Aplikasi “SMSsuara” ini menggunakan prinsip modalitas ASR Embedded Mobile Speech Recognition .

  2) SMSsuara : Salah satu contoh keberhasilan integrasi sistem

  . “E-Hafiz” adalah sistem intelijen yang dibangun untuk membantu muslim dalam memeriksa bacaan dan hafalan Al- Qur’an.

  perangkat lunak pada komputer untuk pemeriksaan hafalan Al- Qur’an adalah aplikasi “E-Hafiz” yang dikembangkan oleh Muhammad dkk. (2012)

  Keunggulan dari mode ini yaitu tidak dibutuhkannya komunikasi antara server dengan klien, hasil keluaran sistem ASR dengan mode ini tidak terpengaruh oleh kualitas transmisi data, tidak diperlukan tambahan biaya koneksi internet untuk mengirimkan/menerima data dari komputer server, serta performansi sistem ASR tidak terpengaruh oleh rendahnya kecepatan transmisi jaringan internet yang tersedia. Sistem ASR dengan akurasi yang baik memerlukan konsumsi memori tinggi dan mengharuskan dilakukannya banyak operasi komputasi, sedangkan perangkat mobile memiliki sumber daya yang sangat terbatas sehingga diperlukan modifikasi yang tepat untuk setiap subsistem supaya sistem tetap dapat melakukan pemrosesan ASR sebagaimana mestinya. Hal ini dapat dicapai dengan menggunakan algoritma yang cepat dan skema penyimpanan memori yang tepat.

  Pengenalan ucapan otomatis atau Automatic Speech Recognition (ASR) adalah proses algoritmik yang bertujuan untuk memroses masukan berupa suara ucapan manusia menjadi urutan kata yang sesuai dengan masukan tersebut. Dengan kata lain, ASR merupakan metode berbasis mesin yang mampu mengonversi ucapan menjadi teks. Arsitektur ASR modern dapat dilihat pada Gambar 2 (Marietha, 2010). Model probabilitas statistik digunakan dalam proses ini untuk mencari kemungkinan ucapan kata yang paling mendekati dan mirip dengan sinyal suara ucapan pengguna yang diterima sistem sebagai masukan.

  (Schmitt, 2008)

  3. Gambar 3. Mode 1: Embedded Mobile Speech Recognition

  pada adaptasi sistem terhadap kondisi fasilitas/infrastruktur yang dimiliki oleh pengguna. Salah satu mode yang menarik adalah Embedded Mobile Speech Recognition. Mode ini serupa dengan prinsip terminal speech recognition yang dimaksud oleh Huerta (2000). Dalam mode ini, pengenalan ucapan otomatis sepenuhnya dilakukan pada perangkat mobile, seperti yang ditunjukkan pada Gambar

  recognition with user-based adaptation yang menitikberatkan

  ketiga prinsip ini dikembangkan oleh Kumar dkk. (2011) yang menyebutnya sebagai mode dan mengusulkan satu mode baru sebagai solusi untuk mengimplementasikan pengenalan ucapan otomatis dalam perangkat mobile, yakni mode shared speech

  mobile menjadi tiga buah prinsip modalitas, yaitu network speech recognition , terminal speech recognition, dan distributed speech recognition . Dalam perkembangannya,

  Salah satu elemen penting yang cukup disorot dalam penerapan ASR pada perangkat mobile adalah di mana letak proses pengenalan ucapan dilakukan, hal ini berkaitan erat dengan terbatasnya sumber daya yang dimiliki oleh perangkat mobile. Huerta (2000) mengelompokkan sistem ASR dalam perangkat

  Salah satu kakas ASR yang telah terbukti kehandalannya dalam mengenali ucapan berbahasa Arab adalah Sphinx (Abushariah, 2010). Kakas Sphinx memiliki salah satu varian yang dikembangkan khusus untuk perangkat keras mobile, kakas ini diberi nama Pocketsphinx. Kakas Sphinx dan berbagai variannya dikembangkan oleh Carnegie Mellon University (CMU). Hasil dari pengenalan ucapan otomatis ini direpresentasikan dalam bentuk teks/string. Oleh karena itu, penilaian dilakukan dengan cara membandingkan string hasil pengenalan ucapan pengguna dengan string hasil ucapan yang benar. Salah satu algoritma pencari perbedaan string yang cukup terkenal adalah algoritma O(ND) Difference yang ditemukan oleh Myers (1986).

  Gambar 2. Arsitektur ASR Modern (Mansikkaniemi, 2010)

2.2 Sistem Pengenalan Ucapan Otomatis dalam Perangkat Mobile

  pengembangan lebih lanjut tetap perlu dilakukan supaya sistem ASR tersebut dapat diimplementasikan untuk keperluan serupa dan dijalankan pada perangkat mobile.

  3.4 Analisis Model Akustik

  Qur’an Surat ke-100 s.d. Surat ke-114, yaitu huruf zha ( ظ). Apabila huruf zha ini dimasukkan, maka ayat Al-

  Untuk dapat membuat model akustik dengan baik diperlukan definisi fonem dan kosakata yang jelas. Pada model ASR di purwarupa perangkat lunak ini, terdapat satu huruf Arab yang tidak muncul di dalam rentang ayat Al-

3. ANALISIS PERMASALAHAN

  3.2 Penanganan Kapasitas Penyimpanan pada Perangkat Mobile

  Qur’an biasanya tidak terkait dengan konteks kalimat, tetapi lebih cenderung terkait dengan kesalahan huruf atau kata, sehingga mode Shared Speech

  Pembangunan perangkat lunak diawali dengan analisis terhadap kebutuhan fungsional dari perangkat lunak Najmi. Kebutuhan fungsional ini diperoleh dari hasil analisis terhadap perangkat lunak “E-Hafiz” yang telah ada (Muhammad dkk., 2012) dengan menambahkan beberapa fungsi tambahan yang perlu

  4.1 Analisis dan Perancangan Perangkat Lunak

  Purwarupa perangkat lunak mobile yang dibangun ini diberi nama Najmi yang dalam bahasa Arab berarti “bintangku”, karena perangkat lunak mobile ini diharapkan dapat menjadi secercah cahaya harapan atas lahirnya perangkat lunak mobile serupa yang disempurnakan menjadi lebih lengkap dan komperehensif.

  4. PEMBANGUNAN PERANGKAT LUNAK

  Perangkat keras mobile yang digunakan untuk uji coba memiliki spesifikasi prosesor ARMv6 compatible processor rev 5 (v61) Single-Core 600 MHz, RAM 279 MB, internal storage 180 MB, dan external storage 7688 MB.

  mobile lain dengan sistem operasi Android yang lebih tinggi versinya.

  Kakas yang digunakan untuk melakukan proses ASR adalah Pocketsphinx versi 0.8 yang merupakan sistem pengenalan ucapan yang dikembangkan oleh Carnegie Mellon University (CMU). Sistem Pocketsphinx ini dapat diimplementasikan ke dalam sistem operasi Android. Versi sistem operasi Android yang digunakan untuk uji coba pada masa pengembangan aplikasi ini adalah Android 2.3.4 (Gingerbread). Sistem operasi Android versi ini tergolong cukup rendah apabila dibandingkan dengan sistem operasi Android versi lain yang banyak digunakan, sehingga diharapkan purwarupa perangkat lunak yang dibangun ini dapat dijalankan pada kebanyakan perangkat

  3.5 Spesifikasi Kakas dan Perangkat

  Qur’an. Pemenggalan dilakukan per suku kata, dengan aturan yang mirip dengan pemenggalan suku kata pada bahasa Indonesia. Aturan ini diperoleh dari hasil analisis terhadap aturan pemenggalan suku kata yang digunakan oleh Muliati (2010) dalam penelitiannya. Aturannya antara lain: (1) Setiap suku kata merupakan salah satu dari tiga permutasi jenis huruf berikut: <vokal>, <konsonan, vokal>, dan <konsonan, vokal, konsonan>; (2) Satu suku kata pasti memiliki satu huruf vokal atau satu diftong; (3) Huruf yang berharakat tasydid dipisah menjadi dua buah konsonan, satu melekat pada suku kata sebelumnya, satu lagi melekat pada suku kata setelahnya; (4) Rangkaian huruf konsonan yang cara pelafalannya berubah karena terpengaruh oleh hukum tajwid, dipisahkan ke dalam dua suku kata yang berbeda.

  Qur’an secara keseluruhan. Untuk penentuan kosakata, perlu dilakukan pemenggalan terhadap setiap ayat Al-

  Qur’an secara keseluruhan memiliki 40 fonem. Dengan demikian, 39 fonem yang terdapat pada model ASR pada purwarupa perangkat lunak ini telah mencakup 97,5% (39/40) fonem pada ayat Al-

  Berdasarkan hasil analisis, prinsip modalitas yang digunakan adalah Embedded Mobile Speech Recognition seperti yang terlihat pada Gambar 3 (Schmitt, 2008). Alasannya yaitu supaya proses pemeriksaan bacaan dan hafalan dapat dilakukan kapan saja, performansi sistem ASR tidak terpengaruh oleh rendahnya kecepatan transmisi jaringan internet, sumber daya yang dimiliki oleh perangkat mobile saat ini sudah cukup untuk menjalankan pengenalan ucapan otomatis sebagaimana yang telah diimplementasikan pada aplikasi SMSsuara (Marietha, 2010), serta kesalahan bacaan Al-

  Recognition with User-Based Adaptation yang diusulkan oleh Kumar dkk. (2011) tidak dipilih.

  Konsekuensi dari prinsip modalitas yang dipilih adalah diperlukannya pengkhususan data teks dan suara untuk ayat Al- Qur’an yang disimpan secara terpisah untuk setiap ayat. keseluruhan data tersebut cukup disimpan pada komputer

  library ini dapat langsung digunakan di dalam purwarupa perangkat lunak yang dibangun.

  3.1 Prinsip Modalitas

  O(ND) Difference yang ditemukan oleh Myers (1986) mengenai

  Berbagai jenis kesalahan ini dapat diamati di Tabel 1 pada Bab V yang memuat data kasus uji untuk pengujian elemen penilai. Proses perbandingan string ini dapat dilakukan dengan menggunakan library Google Diff-Match-Patch buatan Neil Fraser untuk menemukan perbedaan antara kedua string yang dibandingkan. Library ini mengimplementasikan algoritma

  ‘Ashr ayat 3 dapat tertukar dengan bagian akhir dari Surat At-Tiin ayat 6.

  Dalam penelitiannya, Muliati (2010) mendefinisikan bahwa perbandingan string pada proses pemeriksaan hafalan Al- Qur’an dilakukan untuk mengetahui kesalahan hafalan berupa penambahan (insertion), penghapusan (deletion), substitusi (substitution), atau kombinasinya. Setelah dianalisis lebih lanjut, salah satu bentuk kesalahan yang merupakan kombinasi dari ketiganya adalah kesalahan bacaan terhadap potongan ayat lain yang mirip. Misalnya, bagian akhir dari Surat Al-

  3.3 Penanganan Jenis Kesalahan pada Hafalan Al- Qur’an

  perangkat mobile tersebut. Batas ini seharusnya dapat ditentukan sendiri oleh pengguna, tetapi pada purwarupa perangkat lunak yang dibangun, batas ini masih dibuat baku di dalam kode sumber program, yaitu maksimal empat buah data ayat Al- Qur’an untuk setiap jenis data.

  mobile bervariasi mengikuti kapasitas penyimpanan pada

  Batas kuantitas data yang dapat disimpan pada perangkat

  sehingga perangkat mobile dapat mengunduh data yang diperlukan dan menghapus data yang telah tidak diperlukan. Dengan demikian, diharapkan perangkat mobile dapat menghemat media penyimpanannya.

  server yang memiliki kapasitas penyimpanan lebih luas,

  metode perbandingan string. Hasil eksplorasi secara terpisah menunjukkan bahwa library ini mampu mengenali kesalahan hafalan yang telah didefinisikan oleh Muliati (2010), sehingga ada pada perangkat mobile. Arsitektur Najmi dapat dilihat pada Seluruh kasus uji direpresentasikan dalam satu file dengan tipe Gambar 4 berikut. file .txt . Berikut contoh isi untuk file teks yang berisikan daftar kasus uji. Kolom pertama berisi ID kasus, kolom kedua

  Hasil Penilaian Suara Contoh Bacaan Bacaan/Hafalan yang Benar berisi nomor surat, kolom ketiga berisi nomor ayat, kolom

  Pengguna

  keempat berisi nama surat, kolom kelima berisi teks ayat yang benar, dan kolom terakhir berisi teks transkrip bacaan pengguna

  Android Application Framework

  pada kasus tersebut. Setiap kolomnya dipisahkan dengan

  Penangkap karakter tab .

  Pemroses Suara

  Keluaran [Android]

  4.3 Perancangan Antarmuka

  Antarmuka Najmi dikembangkan dengan berbasiskan aplikasi

  mobile dan memanfaatkan application framework yang telah Sistem ASR

  disediakan oleh Android. Setiap layar tampilan ditangani oleh

  Pencarian ASR

  satu kelas Activity. Terdapat satu menu utama aplikasi yang

  Data [Pocketsphinx]

  Bacaan _Library berisikan lima tombol, dengan setiap tombolnya digunakan Model Akustik

  Pemutar

  untuk mengakses setiap use case yang telah dirancang

  Ekstraksi Fitur Perbandingan String _[Google- Suara [Pocketsphinx] _{Diff-Match-Patch]} [Android] sebelumnya. Halaman utama antarmuka aplikasi ini dapat dilihat pada Gambar 6 berikut.

  Model Bahasa Data Hafalan Perangkat Mobile

  Basis Data Basis Data Basis Data String Catatan Suara Contoh Penilaian Hafalan Bacaan Komputer

  Gambar 6. Arsitektur Perangkat Lunak Najmi Repositori Repositori

  Suara Contoh String Penilaian Bacaan

  4.4 Implementasi Sistem Pemeriksaan Hafalan dan Bacaan Ayat Al- Gambar 4. Arsitektur Perangkat Lunak Najmi

  Qur’an

  Model akustik dan model bahasa yang digunakan pada aplikasi Gambar 5 merupakan hasil analisis use-case untuk perangkat

  Najmi ini dibuat sendiri dengan corpus yang diperoleh dari

  lunak Najmi ini. Dari use-case ini dilakukan analisis skenario sebagian kecil Al- Qur’an, yaitu dari Surat ke-100 (Al-‘Aadiyat)

  use-case dan perancangan diagram kelas untuk perangkat lunak

  hingga Surat ke-114 (An-Naas). Banyaknya ayat yang terdapat Najmi . pada rentang tersebut adalah 91 ayat, dengan 895 suku kata di _{Memeriksa Hafalan System} dalamnya.

  Data suara bacaan ayat Al- Qur’an adalah rekaman bacaan _{Memeriksa Bacaan} Muhammad Siddiq al-Minshawi yang diperoleh dari pranala

  Metode transkripsi yang _{Mendengarkan Contoh Bacaan yang Benar} digunakan mengikuti metode yang telah dirumuskan oleh _Pengguna Muliati (2010) dalam penelitiannya. Dalam penelitian tersebut, ayat Al- _{Melihat Catatan Hafalan} Qur’an dipenggal per suku kata, sehingga kosakata yang diperoleh pada model bahasanya pada dasarnya _{Menguji Penilaian} merupakan suku kata. Model bahasa yang dihasilkan memiliki kosakata sebanyak 341 buah suku kata, sedangkan model

  akustik yang dihasilkan memiliki 39 fonem dengan sentence error sebesar 23.1% dan word error rate sebesar 7.0%.

  Gambar 5. Use-Case Perangkat Lunak Najmi

  Perangkat lunak Najmi dikembangkan pada perangkat keras dengan spesifikasi prosesor AMD E- 450 APU with Radeon™

  HD Graphics 1,65 GHz dan RAM 2,60 GB, serta lingkungan Setiap ayat direpresentasikan dalam satu file, dengan tipe file implementasi berupa sistem operasi Windows 8.1 32 bit, Java

4.2 Perancangan Representasi Data

  .txt untuk teks ayat dan tipe file .wav untuk contoh suara

  Runtime Environment version 7, dan kakas pengembangan bacaan ayat. Untuk mengetahui daftar file teks dan audio ayat Android Developer Tools (Eclipse) Build: v22.6.2-1085508. yang dapat diunduh, pada perangkat mobile disediakan dua file yang masing-masing berisikan daftar nomor surat dan ayat beserta pranala tempat file terkait dapat diunduh.

  5. PENGUJIAN

  Catatan hafalan ayat disimpan di dalam basis data lokal perangkat. Berhubung struktur data yang disimpan sangat

  5.1 Deskripsi Pengujian

  sederhana, maka skema basis data yang dirancang pun sangat Pengujian sistem dilakukan dengan menggunakan metode sederhana, hanya mengandung satu tabel dengan nama

  black-box , yaitu dengan cara menjalankan aplikasi pada tbl_ayat_hafalan yang memiliki 4 kolom, yaitu id_* ,

  perangkat mobile dan mendemonstrasikan setiap fungsi secara surat_id , ayat_id , dan hafal . utuh sembari mencari kesalahan-kesalahan pada setiap fungsi tersebut. Pengujian dilakukan terhadap dua aspek utama, yaitu kemampuan perangkat lunak dalam menjalankan fungsionalitas yang telah didefinisikan dan kemampuan elemen penilaian dalam memeriksa transkrip bacaan pengguna terhadap ayat Al- Qur’an yang sesungguhnya.

  5.2 Lingkungan dan Data Pengujian

  Tidak Lolos Pengujian

  Tabel 2 menampilkan hasil pengujian pertama, ternyata tidak semua fungsionalitas telah sesuai dengan kriteria lolos pengujian. Tabel 3 menampilkan hasil pengujian kedua, ternyata seluruh kasus uji memenuhi kriteria lolos pengujian. Pada tabel tersebut, suatu kasus dinyatakan lolos pengujian apabila hasil penilaian dan penentuan letak kesalahan yang ditampilkan oleh aplikasi sesuai dengan data kasus uji pada Tabel 1.

  Tabel 2. Hasil pengujian fungsionalitas Use- Case

  Skenario Hasil

  UC- 001

  File teks dan audio kalimat sudah tersimpan dalam perangkat, hafalan benar

  Tidak Lolos Pengujian

  File teks dan audio kalimat sudah tersimpan dalam perangkat, hafalan salah

  Lolos Pengujian

  File teks belum tersimpan dalam perangkat, hafalan benar Tidak Lolos Pengujian

  File audio belum tersimpan dalam perangkat, hafalan salah Lolos Pengujian

  UC- 002

  File teks dan audio kalimat sudah tersimpan dalam perangkat, bacaan benar

  File teks dan audio kalimat sudah tersimpan dalam perangkat, bacaan salah Lolos Pengujian

  Qur’an yang sesungguhnya.

  File teks belum tersimpan dalam perangkat, bacaan benar Tidak Lolos Pengujian

  File audio belum tersimpan dalam perangkat, bacaan salah Lolos Pengujian

  UC- 003

  File audio kalimat sudah tersimpan dalam perangkat Lolos Pengujian

  File audio kalimat belum tersimpan dalam perangkat Lolos Pengujian

  File audio ayat belum tersimpan dalam perangkat, file audio yang tersimpan telah mencapai batas kapasitas

  Lolos Pengujian

  UC- 004

  Melihat catatan hafalan Lolos Pengujian

  UC- 005

  Menguji penilaian Lolos Pengujian

  Tabel 3. Hasil pengujian elemen penilai

  5.4 Hasil Pengujian

  Sesuai dengan aspek-aspek yang ingin diuji, pengujian fungsionalitas perangkat lunak Najmi ini juga dibagi menjadi dua skenario utama, yaitu skenario pengujian fungsionalitas untuk menguji kemampuan perangkat lunak dalam menjalankan kelima use case yang telah didefinisikan di awal dan skenario pengujian elemen penilai untuk menguji kemampuan elemen penilaian dalam memeriksa transkrip bacaan pengguna terhadap ayat Al-

  Pengujian perangkat lunak dilakukan di lingkungan perangkat lunak dan perangkat keras yang sama dengan lingkungan implementasi seperti yang telah dijelaskan sebelumnya. Untuk pengujian pertama, data suara yang digunakan untuk pengujian diambil dari data suara yang juga digunakan sebagai data latih. Untuk pengujian kedua, data kasus uji yang digunakan adalah seperti yang tercantum pada Tabel 1. Data kasus uji tersebut telah mencakup semua jenis kesalahan yang mungkin muncul seperti yang telah didefinisikan oleh Muliati (2010), yaitu penambahan (insertion), penghapusan (deletion), substitusi (substitution), atau kombinasinya.

  waa shou bil chaq qi wa ta waa shou bish shobr

  Tabel 1. Data kasus uji untuk pengujian penilai

  ID Kasus Ayat Al- Qur’an Teks Ayat Transkrip Bacaan Jenis Kesalahan

  TC- 001

  Al- ‘Ashr

  103:1 wal 'ashr wal 'ashr Tidak ada TC- 002

  Al- ‘Ashr

  103:2 in nal ing saa na la fii khusr in nal ing saa na la fii khusr in

  Penambahan: Huruf di akhir ayat tidak di-

  waqaf

  TC- 003

  Al- ‘Ashr

  103:3 il lal la dzii na aa ma nuu wa 'a mi lush shoo li chaa ti w a ta

  il lal la dzii na aa ma nuu wa 'a mi lush shoo li chaa ti f a la hum

  5.3 Skenario Pengujian

  aj run ghoi ru mam nuun

  Kombinasi: Salah membaca potongan ayat lain yang mirip (Surat At-

  Tiin 95:6)

  TC- 004

  Al- ‘Aadiyaa t 100:11

  in na rob ba hum bi him yau ma i dzil la kho biir in na rob ba hum yau ma i dzil la kho biir

  Penghapusan : Suku kata “bi him” hilang

  TC- 005

  Al- ‘Aadiyaa t 100:8 w a in na

  huu li chub bil khoi ri la sya diid

  f a in na huu

  li chub bil khoi ri la sya diid

  Substitusi: Suku kata “wa” berubah menjadi “fa”

  ID Kasus Jenis Kesalahan Hasil TC- 001

  Tidak ada Lolos Pengujian

  Dengan demikian, dapat disimpulkan bahwa penyebab penangkapan suara masih belum berhasil dilakukan adalah belum masuknya suara yang diterima oleh perangkat mobile ke dalam variabel buffer yang telah disediakan. Gagalnya penangkapan suara ini kemungkinan besar akibat dari kesalahan pemrograman dalam pemanfaatan mikrofon pada perangkat

  Huruf di akhir ayat tidak di-

  waqaf

  Lolos Pengujian

  TC- 003

  Salah membaca potongan ayat lain yang mirip (Surat At-Tiin 95:6)

  Lolos Pengujian

  TC- 004

  Suku kata “bi him” hilang Lolos Pengujian

  TC- 005

  Suku kata “wa” berubah menjadi “fa” Lolos Pengujian

  relatif lebih tinggi daripada perangkat komputer biasa. Hal ini terkait erat dengan terbatasnya sumber daya serta tingginya kompleksitas arsitektur pada perangkat mobile. Diharapkan perbaikan penangkap suara ini dapat dilanjutkan pada penelitian berikutnya. Supaya purwarupa aplikasi ini tetap dapat digunakan untuk memeriksa bacaan dan hafalan Al- Qur’an, diberikan mode tambahan pada menu aplikasi, yaitu mode file, di mana pengguna dapat memeriksa bacaan Al-

  mobile . Kompleksitas pemrograman pada perangkat mobile

  TC- 002

5.5 Analisis Hasil Pengujian

  Pada tahapan penyelidikan kesalahan ini, telah diupayakan pula perbaikan proses penangkapan suara dengan cara membuat penangkap suara merekam dan menyimpan suara terlebih dahulu ke dalam suatu file audio untuk selanjutnya file audio tersebut diproses oleh sistem ASR pada perangkat mobile. Upaya yang telah berhasil dilakukan adalah membuat proses penangkapan suara dan menyimpannya ke dalam file .wav , tetapi file yang dihasilkan ternyata masih belum dapat dikenali dengan baik sebagai format .wav.

  realtime dan paralel dengan proses ASR. disediakan mode tambahan untuk memeriksa bacaan Kumar, Anuj, dkk. Rethinking Speech Recognition on Mobile Al- .wav . Devices. Carnegie Mellon University, Pittsburgh. 2010.

  Pada pengujian pertama, terdapat beberapa skenario pengujian yang tidak lolos kriteria pengujian, yaitu skenario pengujian yang kriteria lolos ujinya adalah menunjukkan hasil penilaian bacaan yang benar. Skenario pengujian tersebut terkait dengan fungsionalitas melakukan pengenalan ucapan otomatis dengan menggunakan model akustik dan model bahasa yang tersedia. Kesalahan yang terjadi adalah berupa kesalahan hasil pengenalan ucapan pengguna oleh sistem ASR, karena hampir tidak satu kata pun dapat dikenali dengan baik. Untuk mencari penyebab pasti kesalahan tersebut, selanjutnya dilakukan penyelidikan terhadap proses penangkapan suara dan ASR pada perangkat lunak Najmi. Penyelidikan dilakukan dengan cara memberikan masukan berupa file suara data latih ke dalam sistem ASR pada perangkat mobile untuk diproses dan ditampilkan hasilnya. Dari penyelidikan tersebut, ditemukan bahwa proses ASR pada perangkat mobile dapat dijalankan dengan baik, seperti yang dapat dilihat pada Gambar 7 berikut. Dengan demikian, dapat disimpulkan bahwa kesalahan pada pengujian pertama ini disebabkan oleh buruknya proses penangkapan suara sebagai masukan untuk proses ASR. Hal ini terjadi akibat proses penangkapan suara dilakukan secara

  Qur’an yang telah tersimpan di dalam file .wav yang diperoleh dari perekaman dengan menggunakan perangkat lain. Penambahan menu ini terlihat pada Gambar 9.

  Gambar 8. Tambahan Mode File untuk Memeriksa Bacaan Al- Qur’an dari File Audio

  Pada pengujian skenario kedua, hasil pengujian yang ditampilkan pada Tabel 3 menunjukkan bahwa seluruh kasus uji berhasil dijalankan dengan memenuhi kriteria lolos untuk masing-masing kasus uji tersebut. Dengan demikian, purwarupa perangkat lunak ini terbukti mampu menilai transkrip bacaan pengguna sesuai dengan aturan tajwid yang berlaku dalam Al- Qur’an serta menampilkan hasil penilaian tersebut dengan tampilan yang dapat dipahami dengan baik oleh pengguna.

  Perangkat lunak Najmi ini mampu menjalankan proses ASR dan melakukan penilaian transkrip bacaan Al- Qur’an, sehingga dapat disimpulkan bahwa perangkat lunak ini juga akan dapat berjalan dengan baik apabila proses penangkapan suara diperbaiki serta proses ASR disempurnakan dengan model bahasa dan model akustik untuk ayat Al-

  Qur’an yang benar- benar dibuat dengan fokus penelitian lebih dalam dan menggunakan data latih yang lebih lengkap.

  6. KESIMPULAN

  Kesimpulan yang diperoleh dari pelaksanaan Tugas Akhir ini adalah: 1)

  Mekanisme penangkapan suara sangat mempengaruhi masukan sistem ASR, apakah penangkapan suara dilakukan secara realtime bersamaan atau terpisah dari proses ASR. Purwarupa perangkat lunak ini belum dapat melakukan penangkapan suara secara terpisah,

  Gambar 7. Hasil Penilaian dengan Masukan ASR Berupa File Audio

  Qur’an yang telah disimpan ke dalam file 2)

  Mekanisme pemeriksaan bacaan dan hafalan Al-Qur’an Mansikkaniemi, Andre. Acoustic Model and Language Model mungkin untuk diterapkan pada perangkat keras mobile Adaptation for a Mobile Dictation Service. Aalto University. dengan prinsip modalitas Embedded Mobile Speech 2010.

  Recognition , dengan catatan bahwa mekanisme

  penangkapan suara masih perlu diperbaiki. Selain itu, Marietha, Sonya. Aplikasi SMSsuara dengan Automatic Speech penelitian yang jauh lebih mendalam juga perlu

  Recognition dan Text To Speech pada Telepon Selular . Tugas

  dilakukan untuk dapat membuat model akustik dan Akhir Sarjana, Institut Teknologi Bandung, Bandung, model bahasa yang baik untuk pengenalan ucapan Indonesia: Program Studi Sistem dan Teknologi Informasi. otomatis terhadap ayat Al- Qur’an. 2010.

  3) Algoritma penilaian bacaan Al-Qur’an dapat diambil Meier, Reto. Professional Android 4 Application Development. dari library perbandingan string yang telah ada. Akan Hoboken, NJ: John Wiley & Sons. 2012. tetapi, untuk mengakomodasi aturan tajwid yang lebih komperehensif lagi diperlukan pengembangan lebih

  Muhammad, Aslam, dkk. E-Hafiz: Intelligent System to Help lanjut. Muslims in Recitation and Memorization of Quran. Life Science Journal, Vol. 9, No. 1. 2012.

   REFERENSI Memanfaatkan Pengenalan Suara Otomatis . Tugas Akhir

  Muliati, Mira. Pemeriksaan Urutan Hafalan Al Quran 7.

  Abushariah, M. A. M., dkk. Natural Speaker-Independent Arabic Speech Recognition System Based on Hidden Markov Sarjana, Institut Teknologi Bandung. Bandung, Indonesia: Program Studi Teknik Informatika. 2010. Models Using Sphinx Tools. International Conference on Computer and Communication Engineering , Kuala Lumpur.

  Myers, Eugene W. An O(ND) Difference Algorithm and Its 2010. Variations. Algorithmica, Vol. 1, Halaman 251 – 256. 1986. Firdausi, Husein Azmi El, Pengembangan Aplikasi Bantu untuk

  Razak, Zaidi, dkk. Quranic Verse Recitation Feature Extraction

  Menghafalkan Al- Qur’an pada Telepon Seluler. Tugas Akhir

  Using Mel-Frequency Cepstral Coefficient (MFCC). 4th Sarjana, Institut Teknologi Bandung. Bandung, Indonesia:

  International Colloquium on Signal Processing and its Program Studi Teknik Informatika. 2010. Applications , Kuala Lumpur. 2008.

  Harrag, A., & Mohamadi, T. QSDAS: New Quranic Speech Schmitt, Alexander., dkk. Speech Recognition for Mobile

  Database for Arabic Speaker Recognition. The Arabian Journal Devices. Springer Science. 2008. for Science and Engineering, Vol. 35, No. 2C. 2010.

  Teruszkin, R., Resende Jr., F.G.V. Implementation of a Large Huerta, Juan M. Speech Recognition in Mobile Environments. Vocabulary Continuous Speech Recognition System for Carnegie Mellon University, Pittsburgh. 2000. Brazilian Portuguese. Journal of Communication and Information Sistem, Vol. 21, No. 3. 2006. Khan, Ali F. A., dkk. Automatic Arabic Pronunciation Scoring for Computer Aided Language Learning. University of Malaya, Kuala Lumpur. 2013.