Pengenalan Vokal Bahasa Indonesia dengan

PENGENALAN VOKAL BAHASA INDONESIA DENGAN
JARINGAN SYARAF TIRUAN MELALUI TRANSFORMASI WAVELET DISKRET
Ignatius Leo May
L 2F0 98 630
Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro
Jl. Prof Sudharto, Tembalang, Semarang (024) 7460057

Abstrak Transformasi dikenakan pada sinyal untuk memperoleh informasi lebih lanjut yang tidak terdapat pada
data mentah (data pada kawasan waktu). Transformasi Wavelet adalah salah satu alat dalam pemrosesan/analisa
sinyal. Transformasi Wavelet mampu memberikan informasi waktu dan frekuensi secara bersamaan yang artinya
memberikan representasi waktu-frekuensi sebuah sinyal.
Jaringan Syaraf Tiruan (JST) banyak diaplikasikan di berbagai bidang seperti pemrosesan sinyal, pengenalan
pola, kecerdasan buatan dan lain sebagainya. Fitur kunci JST adalah kemampuan untuk generalisasi dari data
pelatihan ke data “baru” yang lain.
Pada aplikasi pengenalan vokal bahasa Indonesia (a, i, u, e, dan o) rekaman suara manusia yang melafalkan
hanya satu jenis suara vokal ( a saja, i saja dst) dalam format wav ditransformasikan ke kawasan waktu-frekuensi
menggunakan Transformasi Wavelet Diskret untuk mendapatkan fitur sinyal. Sinyal tertransformasi tersebut
dilatihkan ke JST. Algoritma Learning Vector Quantization (LVQ) diaplikasikan ke jaringan untuk memperbaharui
bobot. Hasil pelatihan adalah jaringan dengan nilai bobot yang berbeda dengan nilai bobot awal. Jaringan
dievaluasi dengan mensimulasikannya jika masukan berupa data latihan dan data baru (blind data). Hasilnya
menunjukkan bahwa persentase pengenalan terhadap data baru lebih rendah dibanding terhadap data latihan.

Jaringan dengan persentase pengenalan tertinggi terhadap data latihan didapat dengan kombinasi variabel wavelet
Sym2, level dekomposisi 10, dan epoch 500 sebesar 75,4%. Sementara itu jaringan dengan kombinasi variabel
wavelet db4, level dekomposisi 10, dan epoch 2000 memberikan tingkat pengenalan tertinggi untuk masukan berupa
data baru sebesar 51,9%.
Kata Kunci : Transformasi Wavelet Diskret, Jaringan Syaraf Tiruan, Algoritma LVQ, Wavelet Induk, Epoch,
Level Dekomposisi
1.
2.

I. PENDAHULUAN
Bidang pengenalan pola (pattern recognition)
semakin maju seiring dengan berkembangnya ilmu
tentang Jaringan Syaraf Tiruan. Fitur utama yang
menjadi alasan digunakannya JST adalah kemampuan
untuk belajar dari data pelatihan dan generalisasi ke
situasi/kondisi yang baru. Kemampuan belajar bisa
dianalogikan dengan proses manusia belajar mengenali
sesuatu. JST memang diilhami oleh cara otak manusia
bekerja
sehingga

bisa
menggolongkan/
mengklasifikasikan sesuatu.
Pengenalan vokal adalah sub topik yang mendasar
dalam bidang pengenalan pola. Secara umum ada lima
macam bunyi vokal yaitu /a/, /i/, /u/, /e/, dan /o/ dimana
pengucapan untuk tiap bahasa berbeda-beda.
Agar bisa dikenali tiap vokal terlebih dahulu
didapatkan ciri/sifat khasnya dengan menggunakan
transformasi, dalam hal ini Transformasi Wavelet
Diskret. Hasil transformasi yang merepresentasikan ciri
sinyal dilatihkan ke JST.
Untuk memperoleh hasil yang diinginkan, JST
dilatih dengan algoritma pelatihan tertentu. Learning
Vector Quantization (LVQ) adalah salah satu algoritma
pelatihan yang banyak digunakan dalam aplikasi
pengklasifikasian/pengenalan.
Dalam Tugas Akhir ini sistem pengenalan vokal
yang dibuat memiliki batasan permasalahan sebagai
berikut:

3.
4.

Vokal diucapkan dalam bahasa Indonesia
Transformasi yang dipakai adalah Transformasi Wavelet Diskret dengan wavelet induk
haar, db4, dan Sym2
Level dekomposisi wavelet adalah 4,6, dan 10
Algoritma pelatihan adalah LVQ dengan
iterasi sebanyak 500, 1000, dan 2000 kali
II. TEORI DASAR

1. Vokal Bahasa Indonesia
Vokal adalah bunyi bahasa yang arus udaranya
tidak mengalami rintangan dan kualitasnya ditentukan
oleh tiga faktor: tinggi-rendahnya posisi lidah, bagian
lidah yang dinaikkan, dan bentuk bibir pada
pembentukan vokal tersebut. Saat vokal diucapkan,
lidah dapat dinaikkan atau diturunkan bersama rahang.
Bagian lidah yang dinaikkan atau diturunkan itu dapat

di bagian depan, tengah, atau belakangnya. Dalam
bahasa Indonesia terdapat lima vokal yaitu /a/ , /i/ , /u/ ,
/e/ , dan /o/. Tabel 1 memperlihatkan vokal bahasa
Indonesia.
Tabel 1 Vokal bahasa Indonesia

Depan
Tinggi
Sedang
Rendah

1

Tengah

i
e

Belakang

u
o
a

pada tapis lolos atas (high pass filter) untuk
menganalisa frekuensi tinggi dan melewatkan pada tapis
lolos bawah (low pass filter) untuk menganalisa
frekuensi rendah. Hasil penapisan adalah koefisien
aproksimasi (komponen frekuensi rendah dan skala
tinggi) dan koefisien detil (komponen frekuensi tinggi
dan skala rendah).

Kualitas vokal juga dipengaruhi bentuk bibir.
Untuk vokal tertentu, seperti /a/, bentuk bibir adalah
normal, sedangkan untuk vokal /u/ bibir dimajukan
sedikit dan bentuknya agak bundar. Untuk vokal /i/
bibir direntangkan ke kiri dan ke kanan sehingga
bentuknya melebar. Dengan tiga faktor itu bunyi vokal
dapat berciri tinggi, depan, dan bibir terentang,
misalnya bunyi /i/, atau tinggi, belakang, dan bibir

bundar, misalnya bunyi /u/.
2. Transformasi Wavelet Diskret
Transformasi adalah proses merepresentasikan
suatu sinyal ke dalam domain/kawasan lain. Tujuan dari
transformasi adalah untuk lebih menonjolkan sifat atau
karakteristik sinyal tersebut.
Definisi wavelet adalah himpunan fungsi dalam
ruang vektor L2I yang mempunyai sifat-sifat (i)
berenergi terbatas, (ii) merupakan fungsi band-pass
pada domain frekuensi, (iii) merupakan hasil translasi
dan dilasi dari sebuah fungsi tunggal, yaitu

ψ a ,b ( x ) =

Gambar 2 Pemfilteran level dasar pada DWT

Gambar 2 merupakan proses mendapatkan koefisien
aproksimasi dan detil yang disebut juga dekomposisi.
Proses dekomposisi bisa berulang (multiple level
decomposition).

1  x −b
ψ
a  a 

Transformasi wavelet dapat dinyatakan sebagai
proses merepresentasikan sinyal masukan f(x) kedalam
himpunan fungsi-fungsi yang memenuhi syarat-syarat
tersebut (wavelet).
Wavelet dapat membentuk keluarga wavelet yaitu
wavelet induk (Mother Wavelet) bersama versi tergeser
dan teregang/termampatnya. Jika Transformasi Fourier
memecah sinyal menjadi sekumpulan sinyal sinus
berbagai frekuensi, maka analisa wavelet memecah
sinyal menjadi versi tergeser dan versi terskala dari
wavelet induk.
Pada Analisa wavelet dikenal faktor skala a yang
secara sederhana berarti pemampatan dan peregangan
wavelet.

Gambar 3 Pohon dekomposisi wavelet

Untuk Gambar 3 bisa dituliskan
S = cA3 + cD3 + cD2 + cD1
atau
cA1 = cA2 + cD2 = cA3 + cD3 + cD2
Hubungan skala a dengan level j dinyatakan a = 2j.
Jika resolusi didefinisikan sebagai 1/a , maka resolusi
akan naik jika faktor skala berkurang. Hubungan skala
dan resolusi ditunjukkan pada Tabel 2
Tabel 2 Hubungan skala dan resolusi
10

9

….

2

1

0

-1

-2

skala

1024

512

….

4

2

1

½

¼

resolusi

1/210

1/29

….

¼

½

1

2

4

j

Gambar 1 penskalaan pada fungsi wavelet

3. Jaringan Syaraf Tiruan
JST didefinisikan sebagai sistem komputasi yang
didasarkan pada pemodelan saraf biologis (neuron)
melalui pendekatan dari sifat-sifat komputasi biologis
(biological computation). JST bisa dibayangkan berupa
jaringan dengan elemen pemroses sederhana yang
saling terhubung. Elemen pemroses berinteraksi melalui
sambungan yang variabel, disebut bobot, dan bila diatur
secara tepat dapat menghasilkan sifat yang diinginkan.
Model neuron sederhana ditunjukkan gambar
berikut:

Dalam analisa wavelet penskalaan berhubungan dengan
frekuensi sinyal dengan hubungan
1. Skala rendah a → Wavelet termampat →
perubahan secara cepat → frekuensi tinggi ω
2. Skala tinggi a → Wavelet teregang → perubahan
secara lambat → frekuensi rendah ω
Pada kasus Transformasi Wavelet Diskret nilai
skala dan posisi didasarkan pada bilangan pangkat dua
(skala dan posisi dyadic). Representasi waktu-skala
didapat dengan penapisan digital. Sinyal dilewatkan
2

w1

x1

w2

x2

Σ

...

f(·)

y

wN

xN

θ

Gambar 4 Pemodelan neuron

dan pernyataan matematisnya

Gambar 5 Arsitektur jaringan LVQ

Jaringan LVQ terdiri atas dua lapis, lapis kompetitif dan
lapis linear. Neuron-neuron pada lapis kompetitif
berkompetisi dan menghasilkan neuron pemenang
(winning neuron).
Dalam memperbaharui bobot neuron pada lapis
kompetitif, jaringan LVQ menggunakan Algoritma
Pembelajaran LVQ1 atau LVQ2.1. Algoritma
Pembelajaran LVQ1 mempunyai urutan berikut:
1. Menghitung jarak Euclidean antara vektor masukan
dan semua bobot neuron pada lapis kompetitif.
2. Neuron dengan jarak yang paling kecil/negatif akan
memenangkan kompetisi
3. Jika neuron pemenang diklasifikasikan sesuai
dengan target yang telah ditentukan maka bobot
neuron tersebut diperbaharui dengan

N

y = f  ∑wi xi −θ 
 i=1

dengan

xi

= sinyal masukan, i = 1, 2, 3, ..., N
(N = banyaknya simpul masukan)
wi = bobot hubungan atau sinapsis
= threshold atau bias
θ
f (·) = fungsi aktivasi
y
= sinyal keluaran dari neuron

Ide dasar JST adalah konsep belajar. Jaringan
belajar melakukan generalisasi karakteristik tingkah
laku obyek. Jika dilihat dari sudut pandang manusia, hal
ini sama seperti bagaimana manusia belajar sesuatu.
Manusia mengenal obyek dengan mengatur otak untuk
menggolongkan atau melakukan generalisasi terhadap
obyek tersebut.
Manusia menyimpan ilmu pengetahuannya ke
dalam otak yang berisikan synapsis, neuron, dan
komponen
lainnya.
JST
menyimpan
ilmu
pengetahuannya dalam nilai bobot sambungan (seperti
synapsis dalam otak manusia) dan elemen-elemen
(neuron) yang menghasilkan keluaran
Untuk
menyelesaikan
permasalahan,
JST
memerlukan algoritma untuk belajar, yaitu bagaimana
konfigurasi JST dapat dilatih untuk mempelajari data
historis yang ada. Dengan pelatihan ini, pengetahuan
yang terdapat pada data bisa diketahui dan
direpresentasikan dalam bobot sambungannya.
Jenis algoritma belajar yang ada diantaranya:
a. Supervised Learning
Algoritma ini diberikan target yang akan
dicapai. Contoh: Backprogation Algorithm dan
Learning Vector Quantization (LVQ)
b. Unsupervised Learning
Pada algoritma ini sama sekali tidak disediakan
target. Contoh: Carpenter-Grossberg Adaptive
Resonance Theory (ART), dan Competitive
Learning Algorithm
c. Reinforcement Learning
Bentuk khusus supervised learning, Contoh:
Genetic Algorithm (GA).

i*

4.

IW 1,1 (q) = i* IW 1,1 (q − 1) + α ( p(q) − i* IW 1,1 (q − 1)

Selain kasus point 3, neuron diperbaharui dengan
i*

IW 1,1 (q) = i* IW 1,1 (q − 1) − α ( p(q) − i* IW 1,1 (q − 1)

Sedangkan Algoritma Pembelajaran LVQ2.1akan memperharui dua vektor bobot lapis kompetitif yang jarak
Euclidean-nya paling dekat dengan vektor masukan.
Syarat lain agar terjadi pembaharuan adalah:
1. Vektor masukan p dan vektor bobot j*IW1,1 berada
pada kelas yang sama, kemudian p dan i*IW1,1 tidak
berada pada kelas yang sama
2. vektor masukan p berada pada “jendela” yang
berada di tengah-tengah dari nilai kedua vektor
bobot tersebut. Jendela tersebut didefinisikan

1− w
 d dj 
dengan s ≡
min i ,  > s
d d 
1+ w
 j i
dengan di dan dj berturut-turut menunjukkan jarak
Euclidean p dari i*IW1,1 dan j*IW1,1.
3. Penyesuaian yang terjadi adalah menurut
persamaan berikut :
i*

Jaringan LVQ merupakan versi supervised dari
Algoritma Pembelajaran Kompetitif. Arsitektur jaringan
LVQ ditunjukkan gambar berikut:

IW1,1 (q) = i* IW1,1 (q - 1) - α (p(q) -

i*

IW1,1 (q - 1))

yaitu menggerakkan vektor bobot menjauh dari
vektor masukan dan
j*

3

IW 1,1 (q) = j* IW 1,1 (q - 1) + α (p(q) - j* IW 1,1 (q - 1))

menggerakkan vektor bobot mendekat ke vektor
masukan.

IV. HASIL SIMULASI
Program dibuat dengan bahasa MATLAB versi 5.3.
Tampilan program diperlihatkan gambar berikut:

III. PERANCANGAN DAN IMPLEMENTASI
SISTEM
Program pengenalan vokal dibuat dengan alur
program berikut
Mulai

Perekaman suara vokal /a/, /i/, /u/,
/e/, dan /o/ dari 20 responden

Membaca data suara
berupa file .wav

Transformasi Wavelet Diskret

Gambar 7 Tampilan program

Proses pembacaan file wav dilakukan dengan
menekan tombol “Read !”. Proses transformasi
dilakukan dengan sebelumnya memilih wavelet induk
dan level dekomposisi.
Setelah memilih jumlah iterasi maka proses
pelatihan jaringan akan dilaksanakan dengan total
iterasi sebanyak N x 10, dengan N adalah pilihan iterasi
dan 10 menunjukkan jumlah jaringan.
Hasil pengenalan jaringan diketahui dengan
menekan tombol “data baru” atau “data latihan” yang
menunjukkan jenis data masukan untuk evaluasi
jaringan.
Setelah kesemua kombinasi parameter diujikan
didapatkan hasil pengenalan sebagai berikut:

Pelatihan jaringan syaraf
dengan algoritma LVQ

Pengujian jaringan dengan
data latihan dan data baru

Selesai

Gambar 6 Bagan alir pembuatan program

Perekaman suara vokal mengambil 20 responden
dan mengucapkan kelima vokal dalam bahasa
Indonesia. Tiap vokal diambil 5 suara jadi satu
responden memiliki 25 data suara rekaman. Data dari
20 responden dibagi dua macam, data 10 responden
digunakan untuk pelatihan jaringan dan sisanya untuk
pengujian jaringan. Spesifikasi file perekaman adalah
format mono, frekuensi cuplikan 8 KHz, dan dikodekan
dalam 8 bit.
Data latihan ditransformasiwaveletkan dengan
variasi parameter wavelet induk haar, db4, atau Sym2
serta level dekomposisi 4,6, atau 10.
Hasil transformasi dimasukkan ke jaringan LVQ.
Sistem pengenalan menggunakan skema Pembagian
Pasangan Biner (Binary Pair Partitioned scheme) yaitu
satu jaringan digunakan untuk mengklasifikasikan dua
vokal yang berbeda. Jika ada 5 buah vokal a, i, u, e, dan
o maka diperlukan 10 jaringan dengan kombinasi
masukan ai, au, ae, ao, iu, ie, io, ue, uo, dan eo.
Pelatihan jaringan memerlukan iterasi (epoch) yang bisa
dipilih yaitu 500, 1000, dan 2000.
Hasil pelatihan jaringan diujikan dengan masukan
sistem berupa data latihan dan data baru (data selain
data latihan). Hasil pengenalan dinyatakan dalam
bentuk persentase keseluruhan dari 10 jaringan.

Tabel 3 Rata-rata pengenalan jaringan terhadap
masukan berupa data latihan
epoch
No Wavelet
500 1000
level
Induk
1
haar
4
71.7 69.6
6
66.7 66.7
10
57.5 57.4
2
Symlets
4
75.4 69.0
2
6
65.5 63.1
10
57.2 58.7
3
db 4
4
71.4 71.2
6
62.0 63.8
10
59.8 58.1

2000
74.0
67.3
54.3
73.3
64.9
58.4
70.1
61.8
56.4

Untuk masukan berupa data latihan, jaringan yang
didapat dengan kombinasi parameter Sym2, level 4, dan
epoch 500 menghasilkan tingkat pengenalan tertinggi
sebesar 75,4%.
Dari Tabel 3, penambahan level dekomposisi akan
menurunkan tingkat pengenalan jaringan. Sedangkan
jumlah epoch tidak terlalu berpengaruh terhadap tingkat
pengenalan jaringan.

4

Tabel 4 Rata-rata pengenalan jaringan terhadap
masukan berupa data baru
epoch
No Wavelet
500 1000
level
Induk
1
haar
4
51.4 50.3
6
49.9 51.0
10
48.2 46.9
2
Symlets
4
49.1 51.3
2
6
50.0 50.8
10
50.9 50.3
3
db 4
4
51.4 50.3
6
49.9 51.0
10
48.2 46.9

Institute and State University, Blacksburg,
Virginia, 1997.
http://scholar.lib.vt.edu/theses/available/etd554502439741131/
[4] Misiti, Michael., Misiti, Yves., Oppenheim,
Georges., Poggi, Jean-Michel., Wavelet Toolbox
User’s Guide Version 2 for Use with MATLAB®
http://www.mathworks.com/access/helpdesk/
help/pdf_doc/wavelet/wavelet_ug.pdf
[5] Moeliono, Anton M., Dardjowidjojo, Soenjono.,
Tata Bahasa Baku Bahasa Indonesia, Balai
Pustaka, 1992
[6] Orr, Genevieve., Scraudolph, Nici., Cummins,
Fred., CS-449: Neural Networks, Wilamette
University
[7] Rabiner, Lawrence., Juang, Biing-Hwang.,
Fundamental of Speech Recognition, PrenticeHall Inc, New Jersey, 1993
Penggunaan
[8] Triadi
A.
Putro,
Thomas,
Transformasi Wavelet dan Pengkode Blok dalam
Kompresi Citra Digital, Jurusan Teknik Elektro
Institut Teknologi Bandung, Tugas Akhir, 1994
[9] Valens, C., A really friendly guide to wavelets –
Wavelet tutorial for engineers
http://perso.wanadoo.fr/polyvalens/clemens/
wavelets/wavelets.html
[10] Vidal, Enrique., Perez, Juan-Carlos., Constructive
Design of LVQ and DSM Classifiers, Dpto. De
Sistemas Informáticos y Computación (DSIC)
Universidad Politécnica de Valencia, Valencia,
Spain
[11] Zahorian, Stephen A., Hawickhorst, Brad A.,
Rajagopal, Ram., A Comparison of Three Neural
Network Architectures for Automatic Speech
Recognition. Departement of Electrical and
Computer
Engineering
Old
Dominion
University, Norfolk VA

2000
49.6
49.8
49.8
49.7
49.2
51.3
49.6
49.8
51.9

Dari Tabel 4, tingkat pengenalan tertinggi dicapai oleh
jaringan dengan kombinasi variabel db4, level
dekomposisi 10, dan epoch 2000 sebesar 51,9%. Jika
dibandingkan dengan Tabel 3, Pengenalan jaringan
terhadap data baru selalu lebih rendah dibandingkan
dengan data latihan.
V. KESIMPULAN
Kesimpulan yang diambil dari pembuatan dan
pengujian program simulasi pengenalan suara ini adalah
sebagai berikut:
1. Transformasi Wavelet Diskret dapat digunakan
dalam proses pengenalan suara pada bagian
pemrosesan awal sinyal untuk mendapatkan
informasi/ciri sinyal tersebut
2. Tingkat dekomposisi pada transformasi wavelet
mempengaruhi tingkat pengenalan jaringan yaitu
makin tinggi tingkat dekomposisi maka tingkat
pengenalan jaringan makin menurun
3. Jaringan Syaraf LVQ lebih baik jika digunakan
untuk klasifikasi dua kelas
4. Tingkat pengenalan terhadap data latihan lebih
tinggi dibanding data baru
5. Dari hasil pengujian jaringan dengan tingkat
pengenalan terbaik untuk data latihan sebesar
75,4% didapatkan dengan kombinasi parameter
wavelet Symlets 2, level dekomposisi 4, dan 500
epoch. Sedangkan untuk data baru sebesar 51,9%
dengan kombinasi parameter wavelet db4, level
dekomposisi 10, dan 2000 epoch.

Ignatius Leo May, Lahir di
Purbalingga 30 Maret 1980. Saat
ini sedang menyelesaikan Tugas
Akhir untuk meraih gelar tingkat
strata 1 (S1) di Jurusan Teknik
Elektro Universitas Diponegoro
Semarang dengan konsentrasi
Telekomunikasi.

DAFTAR PUSTAKA
[1] Bandung, Y, Algoritma Mixed Excitation Linear
Prediction (MELP) Untuk Pemampatan Sinyal
Suara Dengan Kualitas Tinggi dan Laju Bit
Rendah, Jurusan Teknik Elektro Institut
Teknologi Bandung, Tugas Akhir, 2000
[2] Demuth, Howard., Beale, Mark., Neural Network
Toolbox User’s Guide Version 4.
http://www.mathworks.com/access/helpdesk/
help/pdf_doc/nnet/nnet.pdf
[3] Lekutai, G, “Adaptive Self-Tuning Neuro Wavelet
Network Controller, Dissertation in Department
of Electrical Engineering,” Virginia Polytechnic
5