Identifikasi Suara pada Pembelajaran Tenses dengan Menggunakan Metode Fast Fourier Transform (FFT)

BAB 2
TINJAUAN PUSTAKA

Pada bab ini, akan dibahas tentang landasan teori mengenai pembelajaran English
Grammar menggunakan speech recognition yang mengkhususkan pembelajaran
tenses berbasis android, dan penjelasan mengenai teknik yang digunakan dalam
pembuatannya yaitu menggunakan algoritma FFT (Fast Fourier Transform).
2.1 English Grammar
Grammar sebuah bahasa adalah suatu kumpulan aturan yang menata bagian
susunannya. Grammar menentukan bagaimana kata-kata disusun dalam membentuk
unit-unit bahasa yang bermakna (Jeffrey, 2003).
Terdapat 3 dasar dalam aturan bahasa inggris tersebut. Hal itu meliputi
(English First, 2015):
1. Etimologi, yaitu ilmu yang mempelajari tentang cara penyusunan hurufhuruf Bahasa Inggris yang tepat kedalam sebuah kata Bahsa Inggris.
Dalam Etimologi, kata-kata bahasa inggris dikelompokkan ke dalam 8
bagian atau yang disebut dengan The Eight Parts of Speech. Ke delapan
bagian tersebut adalah noun, adjective, verb, pronoun,adverb,preposition,
conjuction, dan interjection.
2. Orthographi, merupakan sistem ejaan suatu bahasa atau gambaran bunyi
bahasa yang berupa tulisan atau lambang. Ortografi antara lain meliputi
masalah ejaan, kapitalisasi, pemenggalan kata, serta tanda baca. Materi

yang dibahas dalam orthography, yaitu:
a. Letter (huruf), merupakan lambang dari bunyi atau dalam arti yang lain
disebutkan bahwa letter adalah tanda goresan yang diucapkan atau
dibunyikan.
b. Word, merupakan rangkaian dari huruf-huruf yang membentuk sebuah
arti, misalnya : take (mendapatkan), year (tahun).
c. Syllable (suku kata), merupakan bagian-bagian dari sebuah kata yang
dapat langsung diucapkan, misalnya glass, book, clever.

Universitas Sumatera Utara

6

3. Sintaks, adalah ilmu yang mempelajari tentang cara penyusunan kata kata
bahasa Inggris menjadi sebuah kalimat bahasa Inggris yang tepat dan
sesuai atau dapat juga dikatakan bahwa syntax merupakan bagian dari tata
bahasa yang mempelajari tentang proses pembentukan sebuah kalimat
Terdapat beberapa Sintaks yang digunakan dalam menyusun sebuah kalimat yang
tepat. Pengaturan tersebut cenderung lebih mengarah pada pembentukan pola waktu
kejadian isi kalimat tersebut berlangsung. Seperti kalimat yang terjadi dimasa

sekarang, dimasa lampau dan dimasa depan. Sintaks ini lebih dikenal dengan sebutan
Tenses.

2.2. Tenses
Tenses adalah bentuk kata kerja yang menunjukkan perubahan waktu, kapan suatu
peristiwa, berita, pernyataan, tindakan, terjadi dalam suatu kalimat sekarang, lampau
ataupun akan datang. (Setiawan, 2011). Dalam tenses ada empat kelompok yang
membentuk 16 bentuk waktu dalam Bahsa Inggris. Keempat kelompok utama beserta
ke 16 bentuk waktu tersebut adalah (Sinta, 2015) :
1. Present Tense
a. Simple Present Tense
b. Present Continous Tense
c. Present Perfect Tense
d. Present Perfect Continous Tense
2. Past Tense
a. Simple Past Tense
b. Past Continous Tense
c. Past Perfect Tense
d. Past Perfect Continous Tense
3. Future Tense

a. Simple Future Tense
b. Future Continous Tense
c. Future Perfect Tense
d. Future Perfect Continous Tense

Universitas Sumatera Utara

7

4. Past Future Tense
a. Past Future Tense
b. Future Past Continous Tense
c. Future Past Perfect Tense
d. Past Future Perfect Continous Tense
Dalam penulisan ini akan dibahas sebanyak 2 Tenses utama saja, yaitu Present Tense
dan Past Tense.
2.2.1 Present Tense
Present Tense merupakan bentuk kalimat yang menjelaskan suatu perbuatan atau
suatu peristiwa yang terjadi pada saat sekarang atau kejadian yang merupakan
kebiasaan sehari-hari.

Rumus :
(+) Subject + Verb 1 (s/es)
(-) Subject + do/does + not + Verb 1
(?) Do/does + Subject + Verb 1
Contoh :
(+) I am a pilot. (Saya seorang pilot)
(-) I am not a pilot. (Saya bukan seorang pilot)
(?) Am I not a pilot?. (Bukankah saya seorang pilot?)
2.2.2 Past Tense
Past Tense merupakan bentuk kalimat yang menjelaskan suatu perbuatan atau suatu
peristiwa yang telah terjadi pada waktu lampau dan tidak ada hubungannya dengan
masa sekarang.
Rumus :
(+) Subject + Verb 2 (s/es)

Universitas Sumatera Utara

8

(-) Subject + did not + Verb 1

(?) Did + Subject + Verb 1
Kebanyakan kata kerja bentuk lampau menggunakan akhiran –ed pada akhir kata
kerjanya. Dan pada bentuk be- penggunaan menggunakan was/were.
Contoh :
(+) Pogba walked downtown yesterday. (Pogba berjalan ke pusat kota kemarin)
(-) Pogba didn’t walk downtown yesterday. (Pogba tidak berjalan ke pusat kota
kemarin)
(?) Did he walk downtown yesterday? Yes, he did/No, he didn’t. (Apakah dia (Pogba)
berjalan ke pusat kota kemarin? Ya/Tidak).

2.3 Character Unicode
Standart unicode adalah aturan encoding karakter universal untuk karakter dan
teks tertulis serta untuk encoding teks multi bahasa sehingga memungkinkan
pertukaran data teks secara internasional. Unicode menyediakan kapasitas untuk
meng-encode seluruh karakter yang digunakan dalam bahasa tertulis di seluruh
dunia (Habibi, 2011). Dalam android, android versi 4.2 Kitkat dan versi diatasnya
bisa membaca character unicode tersebut.

2.4 Android
Android merupakan sebuah sistem operasi perangkat mobile berbasis linux yang

mencakup sistem operasi, middleware, dan aplikasi. Untuk mengembangkan Android,
dibentuk OHA (Open Handset Aliance), konsorium dari 34 perusahaan peranti keras
(Hardware), peranti lunak (Software), dan telekomunikasi, termasuk Google, HTC,
Intel, Motorola, Qualcomm, T-Mobile, dan Nvidia. (Yuniar, 2011).

Universitas Sumatera Utara

9

Kelebihan android (Gargenta, 2011) :
1. Android adalah comprehensive platform, softwarenya lengkap.
2. Open source platform, bebas pengembangan tanpa dikenakan biaya terhadap
sistem karena berbasiskan linux.
3. Android adalah purpose-built untuk mobile device. Desain dari android berasal
dari waktu mendatang yang dapat diduga.
4. Android juga tidak memakan memori yang terlalu banyak sehingga user tidak
terlalu khawatir terhadap software yang memorinya terbatas.
2.5. Transformasi Fourier
Transformasi Fourier merupakan suatu persamaan integral untuk menghitung
frekuensi, amplitudo, dan fase dari suatu gelombang sinyal (Stefanus et al, 2005).

Sementara untuk menghitung spektrum frekuensi sinyal pada komputer digital,
dibutuhkan algoritma Discrete Fourier Transform (DFT). Transformasi Fourier
menjadi suatu model transformasi yang memindahkan sinyal domain spasial atau
sinyal domain waktu menjadi sinyal domain frekuensi. Di dalam pengolahan suara,
transformasi fourier banyak digunakan untuk mengubah domain spasial pada suara
menjadi domain frekuensi. Analisa-analisa dalam domain frekuensi banyak digunakan
seperti filtering. Dengan menggunakan transformasi fourier, sinyal atau suara dapat
dilihat sebagai suatu objek dalam domain frekuensi.
Discrete Fourier Transform (DFT) adalah suatu persamaan integral yang
digunakan untuk menganalisa suatu frekuensi diskrit. DFT mengubah sinyal domain
waktu, menjadi sinyal domain frekuensi. Fast Fourier Transform (FFT) merupakan
DFT dengan algoritma yang lebih optimal, sehingga menghasilkan perhitungan yang
lebih cepat.
FFT merupakan salah satu metode untuk transformasi sinyal suara dalam
domain waktu menjadi sinyal dalam domain frekuensi, artinya proses perekaman
suara disimpan dalam bentuk digital berupa gelombang spectrum suara yang berbasis
frekuensi sehingga lebih mudah dalam menganalisa spektrum frekuensi suara yang
telah direkam.

Universitas Sumatera Utara


10

Menurut Ronald N. Bracewell (2002), Fast Fourier Transform tidak hanya
terbatas untuk menyelesaikan persamaan dari transformasi linear, tetapi juga dapat
digunakan dalam berbagai jenis aplikasi. Berikut contoh-contoh aplikasi yang
menggunakan FFT adalah :
1. Perkiraan dengan menggunakan trigonometric polynomials, seperti :
a. Data compression (contoh : MP3).
b. Analisis Spectral dari signal.
c. Frequency response dari sebuah sistem.
d. Perhitungan diferensial parsial.
2. Konvolusi melalui domain frekuensi, seperti :
a. Cross-correlation.
b. Perkalian untuk bilangan bulat yang besar.
c. Simbolis perkalian polinomial.

2.6 Mean Square Error (MSE)
Mean Square Error (MSE) adalah salah satu metode yang diperkenalkan oleh
Makridakis dalam penelitian tentang peramalan (forecasting). Menurut Makridakis et

al (1999) terdapat beberapa ukuran statistik standar untuk mengukur ketepatan hasil
peramalan, salah satunya metode Mean Square Error (MSE). Konsep dari peramalan
tersebut yaitu menyusun suatu rencana dengan membandingkan suatu hal dengan data
dari masa lalu sehingga dengan adanya pengerjaan yang teratur dan terarah dapat
memberikan ketepatan hasil analisis.
Pada

penelitian

ini,

penulis

menggunakan

metode

MSE

dengan


membandingkan suatu nilai suara yang hendak diidentifikasikan dengan data training
suara yang telah sebelumnya disimpan ke dalam aplikasi. Adapun perumusan MSE
yang disesuaikan variabelnya dalam penelitian ini adalah sebagai berikut :
=



Dimana :

(

)

Xi = Data training suara pada data ke-i
X = Data suara yang diperbandingkan
n

= Frekuensi / jumlah data


Universitas Sumatera Utara

11

2.7 Penelitian Terdahulu
Pembelajaran English Grammar ini sudah cukup banyak dibuat oleh peneliti-peneliti
sebelumnya. Baik mengenai penjelasan tenses, aturan penggunaan tenses dalam setiap
kalimat, maupun contohnya. Beberapa diantaranya menerapkan pembelajaran tenses
menggunakan computer based.
Fadhlullah (2015) mengimplementasikan algoritma Fast Fourier Transform
(FFT) dalam sebuah aplikasi setem gitar. Aplikasi tersebut digunakan dalam
penyelarasan kunci gitar dengan nada yang tepat. Penggunaan FFT pada penelitian
tersebut adalah untuk mentransformasikan

sinyal

digital

ke

dalam

bentuk

frekuensi sehingga penyesuaian nada dapat dilihat dengan lebih akurat.
Ady (2014) menggunakan metode Computer Based Instruction (CBI) dalam
penerapan pembelajaran tenses tersebut. Dalam penelitian ini, dijelaskan tentang
konsep pembelajaran tenses memanfaatkan komputer sebagai sarana utama atau alat
bantu pembelajaran. Model pembelajarannya meliputi tutorial, praktik dan latihan, dan
simulasi.
Melissa

(2008)

mengimplementasikan

algoritma

FFT

(Fast

Fourier

Transform) dan Divide and Conquer dalam pencocokan pola suara. Dalam penelitian
ini, dijelaskan tentang skema pemanfaatan algoritma FFT dan Divide and Conquer
dalam mengidentifikasi suatu pola suara. Pola suara tersebut direpresentasikan dalam
bentuk frekuensi yang kemudian diubah dalam bentuk data.
Penelitian terdahulu dipaparkan dalam bentuk tabel berikut :
Tabel 2.1 Penelitian terdahulu
Nama (Tahun)

Penelitian

Metode

Teknik

Pembelajaran
Melissa (2008)

Pencocokan Pola -

Fast Fourier

Suara

Transform

(Speech

Recognition)

(FFT)

dan

Dengan Algoritma

Divide

and

FFT dan Divide

Conquer

and Conquer
Ady (2014)

Aplikasi

Computer Based -

Pembelajaran

Instruction

Universitas Sumatera Utara

12

Tenses

(CBI)

Menggunakan
Metode Computer
Based Instruction
(CBI)
Fadhlullah (2015)

Identifikasi Nada -

Fast Fourier

Gitar

Transform

dengan

Menggunakan
Metode

(FFT)
Fast

Fourier
Transform (FFT)

Universitas Sumatera Utara