IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI SKRIPSI ALMAN JULINIUS TARIGAN 091402112

  

IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI

PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK

PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL

DAN METODE MULTISENSORI

SKRIPSI

ALMAN JULINIUS TARIGAN

  

091402112

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

  

2014 IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA

  DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

  Sarjana Teknologi Informasi ALMAN JULINIUS TARIGAN

  091402112 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN

  2014 ii

PERSETUJUAN

  Judul : IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI

  Kategori : SKRIPSI Nama : ALMAN JULINIUS TARIGAN Nomor Induk Mahasiswa : 091402112 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

  INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA

  Diluluskan di Medan, Maret 2014

  Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Baihaqi, S.Si, MT Drs. Sawaluddin, M.IT NIP. 19790108 201212 1 002 NIP. 19591231 199802 1 001 Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, M. Anggia Muchtar, ST, M.MI NIP. 19800 1 110200801 1 010 iii

PERNYATAAN

  IMPLEMENTASI SPEECH RECOGNITION PADA APLIKASI PEMBELAJARAN YANG DITUJUKAN UNTUK MEMBANTU ANAK-ANAK PENDERITA

  DISLEKSIA DENGAN METODE HIDDEN MARKOV MODEL DAN METODE MULTISENSORI SKRIPSI Saya mengaku bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

  Medan, Maret 2014 ALMAN JULINIUS TARIGAN 091402112 iv

  Segala puji syukur kepada Tuhan Yesus Kristus, karena berkat dan kasih karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini. Rasa syukur yang sangat dalam kepada Tuhan Yesus karena bimbingan dan penyertaanNya selalu kepada saya mulai dari awal hingga penyelesaian tugas akhir ini.

  Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari Pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada : 1.

  Pihak keluarga penulis, mulai dari kedua orang tua penulis, Ibu, Tionar Damanik, dan Ayah, Malem Jenda Tarigan, abang Hansen H Tarigan, adik, Darwin Diego Tarigan, Sandro Feysal Tarigan, Donna Widya Tarigan mendoakan dan mengingatkan, serta memberi bantuan berupa moril dan materi, sehingga penulis dapat menyelesaikan tugas akhir ini. Terlebih kepada kekasih tersayang Irester Irmarettha Sihombing yang selalu mendukung baik dalam doa, perhatian, dan semangat kepada penulis selama penyelesaian tugas akhir ini.

  2. Bapak Drs. Sawaluddin M.IT, Bapak Baihaqi S.Si, MT, selaku dosen pembimbing penulis yang telah memberikan saran, masukan, serta bersedia meluangkan waktu, tenaga, dan pikiran membantu penulis menyelesaikan skripsi ini.

  3. Dosen penasihat akademik.

  4. Dosen Penguji.

  5. Seluruh dosen.

  6. Teman-teman, senior dan junior kristen jurusan Teknologi Informasi.

  7. Semua teman-teman dari jurusan Teknologi Informasi. Akhir kata, penulis memohon maaf bila dalam penulisan karya tulis ilmiah ini terdapat beberapa kesalahan, oleh karena itu penulis sangat mengharapkan adanya masukan- masukan yang membangun. Semoga karya tulis ini dapat memberikan kontribusi bagi pendidikan di Indonesia. Tuhan Yesus memberkati. v

Perancangan Simulasi Lampu Lalu Lintas Berdasarkan Volume Kendaraan dan

Lebar Jalan dengan Menggunakan Logika Fuzzy

  

ABSTRAK

  Saat ini, kita tidak lagi asing mendengar gangguan disleksia. Gangguan ini banyak diderita oleh anak-anak. Meskipun mereka memiliki IQ diatas rata-rata anak-anak normal, penderita disleksia memiliki kesulitan dalam mengenal huruf dan angka. Media pembelajaran yang dilakukan sekarang ini masih selalu dilakukan secara manual hanya dengan alat media tulis ataupun media cetak. Akanlah sangat membantu apabila media pembelajaran dilakukan dengan media teknologi informasi. Penelitian ini memanfaatkan speech recognition dengan menggunakan metode hidden markov model untuk speech recognition nya dan metode multisensori untuk media pembelajarannya. Dalam penelitian ini pembelajaran dibagi menjadi tiga level yaitu level satu belajar mengenal angka, level dua belajar mengenal huruf, dan level tiga belajar mengenal kata. Masing-masing level menggunakan kata-kata yang sulit dipahami anak-anak penderita gangguan disleksia pada umumnya. Bahasa pemrograman yang digunakan adalah Visual C# dengan XNA Game Studio. Dari proses pengujian, level satu dan level tiga keefisienannya sudah 80%, sedangkan untuk level dua masih 60%.

  Kata Kunci : gangguan disleksia, media pembelajaran teknologi informasi, speech recognition , Hidden Markov Model, Metode Multisensori. vi

  

IMPLEMENTATION OF SPEECH RECOGNITION IN LEARNING

APPLICATION AIMED AT HELPING DYSLEXIA CHILDREN USING

HIDDEN MARKOV MODELS AND METHODS OF MULTISENSORY

ABSTRACT

to hearing dyslexia disorders

  Nowdays, we are so familiar . This disorder affects many children. Although they have an IQ above average of normal children, people with dyslexia have difficulty in recognizing letters and numbers. Instructional media in general still always done manually only by means of writing or print media. It would be very helpful if done with the instructional media information technology. This study utilized speech recognition using Hidden Markov Models for its speech recognition and multisensory method for learning media. In this research study is divided into three levels, level one learn about numbers, level two learn to recognize letters, and level three is learning words. Each level uses words that are difficult to understand for children with dyslexia disorders in general. This research study uses Visual C# programming language with XNA Game Studio. From the testing process , the level one and level three are able to classified into 80%, while for the levels two is still 60 %.

  Keyword : disorder dyslexia , learning media information technology , speech recognition , Hidden Markov Models , Methods multisensory . vii

  Halaman Persetujuan ii

  Pernyataan iii

  Ucapan Terima Kasih iv

  Abstrak v

  Abstract vi

  Daftar Isi vii

  Daftar Tabel x

  Daftar Gambar xi

  Bab 1 PENDAHULUAN

  1

  1.1 Latar Belakang

  1

  1.2 Rumusan Masalah

  2

  1.3 Tujuan Penelitian

  2

  1.4 Manfaat Penelitian

  2

  1.5 Batasan Masalah

  2

  1.6 Metodologi Penelitian

  3

  1.7 Sistematika Penulisan

  4 Bab 2 LANDASAN TEORI

  2.1 Disleksia

  6

  2.1.1

  7 Bentuk kesulitan membaca anak-anak disleksia

  2.1.2

  7 Ciri-ciri anak-anak penderita disleksia

  2.2 Metode Multisensori

  8 viii

  2.3 Speech Recognition

  3.4.2 Rancangan tampilan halaman menu mulai aplikasi

  26

  3.3.2 Penjelasan use case

  27

  3.3.3 General architecture

  28

  3.4 Perancangan Tampilan Antarmuka

  29

  3.4.1 Rancangan tampilan halaman utama aplikasi

  29

  30

  26

  3.4.3 Rancangan tampilan halaman utama pembelajaran

  30 angka-angka

  3.4.4 Rancangan tampilan halaman pembelajaran angka dasar 31

  3.4.5 Rancangan tampilan halaman pembelajaran angka srupa 32

  3.4.6 Rancangan tampilan halaman utama pembelajaran huruf 32

  3.4.7 Rancangan tampilan halaman pembelajaran huruf dasar

  33

  3.4.8 Rancangan tampilan halaman pembelajaran huruf serupa 34

  3.4.9 Rancangan tampilan halaman pembelajaran kata

  3.3.1 Diagram use case

  3.3 Perancangan Sistem

  9

  15 Bab 3 ANALISIS DAN PERANCANGAN

  2.3.1 Teknik-teknik dalam speech recognition

  9

  2.3.2 Jenis-jenis dari speech recognition

  11

  2.3.3 Tipe-tipe speech recogniton

  12

  2.4 Hidden Markov Model

  13

  2.5 Microsoft SAPI

  3.1 Analisis Data

  25

  17

  3.1.1 Data psikologi anak disleksia

  17

  3.2 Analisis Sistem

  20

  3.2.1 Proses analisis suara pada speech recognition

  23

  3.2.2 Proses feature extraction pada suara

  24

  3.2.3 Proses matcing technique

  35 ix

  Bab 4 IMPLEMENTASI DAN PENGUJIAN

  4.2.2 Tahap pengujian tebak huruf

  4.1.10 Tampilam halaman level tiga menebak kata

  42

  4.2 Pengujian Sistem

  43

  4.2.1 Tahap pengujian tebak angka

  43

  44

  4.1.9 Tampilam halaman level dua kategori huruf serupa

  4.2.3 Tahap pengujian tebak kata

  45 Bab 5 KESIMPULAN DAN SARAN

  5.1 Kesimpulan

  48

  5.2 Saran

  48 DATAR PUSTAKA

  49 LAMPIRAN

  41

  41

  4.1 Implementasi Sistem

  38

  37

  4.1.1 Spesifikasi perangkat keras dan perangkat

  37 lunak yang digunakan

  4.1.2 Tampilan halaman utama aplikasi

  38

  4.1.3 Tampilam halaman level tingkat kesulitan

  4.1.4 Tampilam halaman level satu

  4.1.8 Tampilam halaman level dua kategori huruf dasar

  39

  4.1.5 Tampilam halaman level satu kategori angka dasar

  39

  4.1.6 Tampilam halaman level satu kategori angka serupa

  40

  4.1.7 Tampilam halaman level dua

  40

  52 x

DAFTAR TABEL

  Halaman

Tabel 3.1 Data angka dasar berupa teks

  17 Tabel 3.2 Data angka serupa berupa teks

  18 Tabel 3.3 Data huruf dasar dalam teks

  19 Tabel 3.4 Data huruf serupa dalam teks

  19 Tabel 3.5 Data kata serupa

  20 Tabel 3.6 Penjelasan use case

  27 Tabel 4.1 Tabel pengujian angka pada anak

  46 Tabel 4.2 Tabel pengujian huruf pada anak

  47 Tabel 4.3 Tabel pengujian Kata pada anak

  47 xi

DAFTAR GAMBAR

  Halaman

  33 Gambar 3.13 Rancangan halaman tebak huruf dasar

  40 Gambar 4.6 Tampilan halaman level dua

  39 Gambar 4.5 Tampilan halaman berisi kategori angka serupa

  39 Gambar 4.4 Tampilan halaman berisi kategori angka dasar

  38 Gambar 4.3 Tampilan halaman berisi kategori angka dasar dan serupa

  38 Gambar 4.2 Tampilan halaman berisi level

  36 Gambar 4.1 Tampilan halaman utama aplikasi

  35 Gambar 3.17 Rancangan halaman tebak kata babu

  35 Gambar 3.16 Rancangan halaman tebak kata dadu

  34 Gambar 3.15 Rancangan halaman tebak huruf serupa q

  33 Gambar 3.14 Rancangan halaman tebak huruf serupa p

  32 Gambar 3.12 Rancangan halaman utama tebak huruf

Gambar 2.1 Arsitektur dari hidden markov model

  31 Gambar 3.11 Rancangan halaman tebak angka serupa

  31 Gambar 3.10 Rancangan halaman tebak angka dasar

  30 Gambar 3.9 Rancangan halaman utama tebak

  29 Gambar 3.8 Rancangan halaman mulai aplikasi

  28 Gambar 3.7 Rancangan halaman utama

  26 Gambar 3.6 Gambar general architecture

  25 Gambar 3.5 Diagram use case

  24 Gambar 3.4 Flowchart proses matcing technique

  23 Gambar 3.3 Flowchart proses ekstraksi suara

  22 Gambar 3.2 Flowchart proses analisis suara

  15 Gambar 3.1 Flowchart proses sistem

  40 xii

Gambar 4.7 Tampilan halaman level dua huruf dasar

  41 Gambar 4.8 Tampilan halaman level dua huruf serupa

  41 Gambar 4.9 Tampilan halaman level tiga tebak kata wawa

  42 Gambar 4.10 Tampilan halaman level tiga tebak kata mama

  42 Gambar 4.11 Tampilan halaman output level satu jika berhasil

  43 Gambar 4.12 Tampilan halaman output level satu jika gagal

  44 Gambar 4.13 Tampilan halaman output level dua

  45 Gambar 4.14 Tampilan kata rara sebelum nana

  45 Gambar 4.15 Tampilan kata nana setelah rara

  46 Gambar 4.16 Tampilan ouput level tiga kategori kata

  46 Gambar 4.17 Tampilan persentase keberhasilan aplikasi

  47