APLIKASI SPEECH RECOGNITION SEBAGAI

PENGENALAN UCAPAN TUNAWICARA MENGGUNAKAN

GOOGLE CLOUD SPEECH API BERBASIS ANDROID

SKRIPSI
Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar
Sarjana Komputer ([Link])

Oleh :
Angga Kurniawan
NIM : 1113091000066

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SAYARIF HIDAYATULLAH JAKARTA
2017 M / 1437 H
ii
iii
 PERNYATAAN ORISINALITAS

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR

HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI
SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU
LEMBAGA MANAPUN.

Jakarta, November 2017

Penulis

iv
 PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI

Sebagai civitas akademik UIN Syarif Hidayatullah Jakarta, saya yang bertanda
tangan dibawah ini:

Nama : Angga Kurniawan

NIM : 1113091000066
Program Studi : Teknik Informatika
Fakultas : Sains Dan Teknologi
Jenis Karya : Skripsi

demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada

Universitas Islam Negeri Syarif Hidayatullah Jakarta Hak Bebas Royalti
Noneksklusif (Non-exclusive Royalty Free Right) atas karya ilmiah saya yang
berjudul:

APLIKASI SPEECH RECOGNITION SEBAGAI PENGENALAN UCAPAN

TUNAWICARA MENGGUNAKAN GOOGLE CLOUD SPEECH API
BERBASIS ANDROID

beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti
Noneksklusif ini Universitas Islam Negeri Syarif Hidayatullah Jakarta berhak
menyimpan, mengalih media/formatkan, mengelola dalam bentuk pangkalan data
(database), merawat dan mempublikasikan tugas akhir saya selama tetap
mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak.

Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di : Jakarta
Pada tanggal : 23 November 2017
Yang menyatakan

(Angga Kurniawan)

v
 Nama : Angga Kurniawan
Program Studi : Teknik Informatika
Judul : Aplikasi Speech Recognition sebagai Pengenalan
Ucapan Tunawicara Menggunakan Google Cloud
Speech API Berbasis Andorid

ABSTRAK
Tunawicara mengalami kelainan baik dalam pengucapan (artikulasi) bahasa
maupun suaranya dari bicara normal, sehingga menimbulkan kesulitan dalam
berkomunikasi lisan dengan lingkungan. Untuk itu dibutuhkan suatu aplikasi yang
dapat membantu dan mempermudah tunawicara dalam berkomunikasi. Dalam
penelitian ini dibuat sebuah aplikasi speech recognition yang dapat mengenali
ucapan tunawicara, dan dapat menerjemahkan ke dalam bentuk teks dengan bentuk
masukan berupa suara pada smartphone. Dengan menggunakan Google Cloud
Speech API memungkinkan mengubah audio menjadi teks, dan mudah
menggunakan API. Google Cloud Speech API terintegrasi dengan Google Cloud
Storage sebagai penyimpanan data. Walaupun penelitian tentang speech
recognition speech to text telah banyak dilakukan, tetapi belum ada yang
melakukan penelitian untuk menerjemahkan ucapan tunawicara dari suara ke dalam
bentuk teks. Dan dilakukan likelihood calculation untuk melihat faktor nada,
pengucapan, dan kecepatan berbicara dalam pengenalan ucapan. Pengujian
dilakukan dengan penyebutan digit angka 1-10. Hasil percobaan menunjukan rate
recognition untuk tunawicara 80%, dan rate recognition untuk orang normal 100%.
Kata kunci: Komunikasi, Tunawicara, Speech Recognition, Speech to Text,
Google Cloud Speech API, Recognition Rate.

vi
 Name : Angga Kurniawan
Program Study : Teknik Informatika
Title : Speech Recognition Application for Speech
Impaired Using Google Cloud Speech API Based
Andorid

ABSTRACT
Tunawicara suffers from abnormalities in the speech (articulation) of the language
as well as his voice from normal speech, resulting in difficulty in communicating
verbally with the environment. Therefore, we need an application that can help and
facilitate their conversation in communicating. In this research, we have
developed a speech recognition application that can recognize speech of
tunawicara, and can translate into text form with input form of sound on
smartphone. By using the Google Cloud Speech API, it allows converting audio to
text, and it also user friendl to use APIs. Google Cloud Speech API integrates with
Google Cloud Storage for data storage. Although research on speech recognition
speech to text has been widely practiced, however no one has done research to
translate the speech of speech into text form. And performed likelihood calculation
to see the factor of tone, pronunciation, and speech speed in speech recognition.
The test is done by mention the digits 1 through 10. The experimental results
showed that the recognition rate for tunawicara is about 80%, while the rate
recognition for normal people is 100%.

Keywords: Communication, Tunawicara, Speech Recognition, Google Cloud

Speech API, Speech to Text, Recognition Rate.

vii
 KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat, taufik serta hidayah-Nya sehingga penulis dapat
melaksanakan dan menuliskan skripsi ini pada waktu dan tempat yang tepat dan
menyelesaikan tugas akhir skripsi dengan baik. Sholawat dan salam penulis
haturkan kepada junjungan kita baginda Nabi Muhammad SAW beserta
keluarganya, para sahabatnya serta umatnya hingga akhir zaman. Skripsi ini
merupakan salah satu tugas akhir wajib bagi mahasiswa sebagai persyaratan untuk
mendapatkan gelar Sarjana Komputer ([Link]) pada program studi Teknik
Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif
Hidayatullah Jakarta. Sebagai bahan penulisan skripsi ini, penulis melakukannya
berdasarkan hasil penelitian, pengembangan aplikasi, observasi dan beberapa
sumber literatur. Tak lupa pula penulis ingin mengucapkan banyak terima kasih
kepada pihak-pihak terkait lainnya yang telah banyak membimbing penulis dalam
melakukan penulisan skripsi ini, karena tanpa bimbingan dan dorongan dari semua
pihak, maka penulisan skripsi ini tidak akan berjalan dengan lancar. Selanjutnya
penulis menyampaikan ucapan terima kasih kepada :
1. Orang Tua tercinta yang telah memberikan dukungan moril dan materil ke
penulis. Tiada tutur kata selain terima kasih kepada ayah, ibu, kakak, abang,
adik, dan keponakan – keponakan tersayang dan rasa syukur kepada Allah
S.W.T yang telah menitipkan penulis di keluarga yang sangat penulis cintai.
Terima kasih, Alhamdulillah.
2. Bapak Dr. Agus Salim, [Link] selaku dekan Fakultas Sains dan Teknologi.
3. Ibu Arini, ST, MT. selaku Ketua Program Studi Teknik Informatika.
4. Ibu Nenny Anggraini M.T dan Bapak Nashrul Hakiem Ph,D selaku Dosen
Pembimbing I dan II yang telah senantiasa membimbing penulis.
5. Seluruh dosen dan staff UIN Jakarta khususnya Fakultas Sains dan
Teknologi yang telah memberikan ilmu dan pengalaman yang sangat
berharga bagi penulis.

viii
 6. Teman-teman SMA (Rohman Sungkono, Tazkia Solihaty, Nadia Atika,
Teguh Muhammad, Fadel Muhammad, Shella Rahmasanti, Nadiyah
Asfarosya, Tria Khairani, dan Zahra Asysyahidah) yang telah memberikan
motivasi dan semangat dalam mengerjakan penelitian ini.
7. Seluruh sahabat-sahabat terbaik dari Teknik Informatika angkatan 2013,
khususnya semua anak kelas TI C 2013 (Dodi, Ucup, Nando, Cahyo, Tami,
Macia, Sisca, Calysta, Rais, Irsyad, Lay, Didi, Jamal, Abi, Ojay, Habibi,
Taufik, Ames, Anto), teman-teman asisten lab dan komunitas embedded
system, serta teman-teman KKN Kebangsaan 2013 yang tidak bisa
disebutkan satu persatu, Terima kasih atas semangatnya!
8. Kepada komunitas Disabilitas “Youth For Disability” yang telah membantu
saya dalam penelitian ini dan mengizinkan untuk observasi secara lansung
kepada para disabilitas.

Serta seluruh pihak yang tidak dapat disebutkan oleh penulis satu persatu
didalam selembar kertas A4. Penulis menyadari bahwa penulisan skripsi ini masih
jauh dari kata sempurna. Untuk itu, penulis memohon kritik dan saran yang
membangun untuk penulis.
Akhir kata, semoga laporan skripsi ini dapat bermanfaat bagi penulis dan
orang banyak.
Wassalamualaikum, Wr. Wb.

Jakarta, 2017
Penulis

Angga Kurniawan
1113091000066

ix
 DAFTAR ISI

LEMBAR PERSETUJUAN .................................... Error! Bookmark not defined.

PENGESAHAN UJIAN........................................... Error! Bookmark not defined.

PERNYATAAN ORISINALITAS ..................................................................... iv

PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI .............................. v

ABSTRAK ............................................................................................................ vi

ABSTRACT ......................................................................................................... vii

KATA PENGANTAR ........................................................................................ viii

DAFTAR ISI.......................................................................................................... x

DAFTAR GAMBAR .......................................................................................... xiii

DAFTAR TABEL .............................................................................................. xiv

BAB I PENDAHULUAN ..................................................................................... 1

1.1 Latar Belakang ......................................................................................... 1

1.2 Rumusan Masalah .................................................................................... 7
1.3 Batasan Masalah ....................................................................................... 7
1.3.1 Metodologi ........................................................................................ 8
1.3.2 Proses ................................................................................................ 8
1.3.3 Tool ................................................................................................... 8
1.4 Tujuan Penelitian...................................................................................... 9
1.5 Manfaat Penulisan .................................................................................... 9
1.6 Metodologi Penelitian ............................................................................ 10
1.6.1 Metode Pengumpulan Data ............................................................. 10
1.6.2 Metode Perancangan Sistem ........................................................... 10
1.7 Sistematika Penulisan ............................................................................. 10
BAB II LANDASAN TEORI ............................................................................ 12

2.1 Aplikasi .................................................................................................. 12

x
 2.2 Tunarungu .............................................................................................. 13
2.3 Tunawicara ............................................................................................. 14
2.4 Speech Recognition ................................................................................ 15
2.4.1 Metode ASR.................................................................................... 18
2.4.2 Pemodelan Speech Recognition ...................................................... 19
2.5 Google Cloud Speech ............................................................................. 19
2.6 Speech to Text ........................................................................................ 21
2.7 Karakteristik Sinyal Ucapan................................................................... 24
2.8 UML ....................................................................................................... 25
2.8.1 Usecase Diagram............................................................................. 26
2.8.2 Activity Diagram ............................................................................ 27
2.8.3 Class Diagram ................................................................................. 28
2.8.4 Sequence Diagram .......................................................................... 29
2.9 Waterfall ................................................................................................. 30
2.10 Mobile Application ................................................................................ 33
2.11 Android................................................................................................... 33
2.12 Feature Android ...................................................................................... 35
2.13 Android Studio ....................................................................................... 36
2.14 Metode Pengujian Sistem ....................................................................... 37
2.14.1 Blackbox Testing ............................................................................ 37
2.14.2 Keuntungan Black Box Testing ...................................................... 38
2.15 Metode Pengumpulan Data .................................................................... 38
2.15.1 Pengertian Data ............................................................................... 38
2.15.2 Jenis Data ........................................................................................ 39
2.15.3 Metode dan Instrumen Pengumpulan Data ..................................... 39
2.16 Literatur Sejenis ..................................................................................... 40
BAB III METODOLOGI PENGEMBANGAN SISTEM .............................. 43

3.1 Requirement Analysis and Definition .................................................... 43

3.1.1 Wawancara ...................................................................................... 43
3.1.2 Studi Pustaka ................................................................................... 43

xi
 3.2 Sistem and Software Design .................................................................. 45
3.3 Implementation and Unit Testing ........................................................... 45
3.4 Integration and Sistem Testing ............................................................... 46
3.5 Operation and Maintenance ................................................................... 46
3.6 Alur Kerangka Penelitian ....................................................................... 47
BAB IV ANALISIS, PERANCANGAN SISTEM, IMPLEMENTASI DAN
PENGUJIAN SISTEM ....................................................................................... 48

4.1 Requirement Analysis and Definition .................................................... 48

4.1.1 Definisikan Masalah ....................................................................... 48
4.1.2 Analisa Sistem Berjalan .................................................................. 48
4.1.3 Analisa Sistem Usulan .................................................................... 49
4.2 Sistem and Software Design .................................................................. 51
4.2.1 Pembelajaran Pola ........................................................................... 51
4.2.2 Penerapan Google Cloud Speech API ............................................ 51
4.2.3 Perancangan sistem dengan UML .................................................. 54
4.2.4 Perancangan antarmuka pengguna (user interface) ........................ 59
4.3 Implementation and Unit Testing ........................................................... 61
4.3.1 Implementasi ASR .......................................................................... 61
4.3.2 Pembuatan kode program ASR ....................................................... 63
4.4 Integration and Sistem Testing ............................................................... 64
4.5 Operation and Maintenance ................................................................... 65
BAB V HASIL DAN PEMBAHASAN ............................................................. 67

5.1 Hasil Aplikasi ......................................................................................... 67

5.2 Pembahasan ............................................................................................ 69
BAB VI KESIMPULAN DAN SARAN ........................................................... 75

6.1 Kesimpulan............................................................................................. 75
6.2 Saran ....................................................................................................... 75
DAFTAR PUSTAKA ......................................................................................... 76

LAMPIRAN ........................................................................................................ 81

xii
 DAFTAR GAMBAR

Gambar 1.1 Penduduk kesulitan berbicara/memahami/berkomunikasi .................. 3

Gambar 2.1 Pengenalan Suara .............................................................................. 16
Gambar 2.2 Arsitektur ASR .................................................................................. 18
Gambar 2.3 Skema ASR ....................................................................................... 18
Gambar 2.4 Urutan proses dari suara ke teks........................................................ 22
Gambar 2.5 Model Sistem Ucapan Manusia ........................................................ 24
Gambar 2.6 Bentuk Sinyal Ucapan Vokal ............................................................ 25
Gambar 2.7 Tabel Konsonan ................................................................................ 25
Gambar 2.8 Siklus Waterfall ................................................................................. 30
Gambar 3.1 Kerangka Berpikir ............................................................................. 47
Gambar 4.1 Skema Alur 1 Analisis Sistem yang Berjalan ................................... 49
Gambar 4.2 Aplikasi Usulan Pengenalan Ucapan Tunawicara ............................ 50
Gambar 4.3 Command install Python ................................................................... 51
Gambar 4.4 Modul API Bridge ............................................................................. 52
Gambar 4.5 Speech Process .................................................................................. 52
Gambar 4.6 Konvert Audio................................................................................... 53
Gambar 4.7 Konfigurasi Google API Key ............................................................ 53
Gambar 4.8 Usecase Diagram ............................................................................... 54
Gambar 4.9 Activity Diagram ............................................................................... 56
Gambar 4.10 Sequence Diagram .......................................................................... 58
Gambar 4.11 Tampilan Awal ................................................................................ 59
Gambar 4.12 Menu Utama .................................................................................... 60
Gambar 4.13 Tampilan Ouput Teks ...................................................................... 61
Gambar 4.14 Implementasi ASR .......................................................................... 62
Gambar 5.1 Histogram angka 1 orang normal ...................................................... 69
Gambar 5.2 Histogram pengucapan angka 1 Tunawicara .................................... 70
Gambar 5.3 Histogram digit angka 9 orang normal.............................................. 71
Gambar 5.4 Histogram pengucapan angka 9 tunawicara ...................................... 72
Gambar 5.5 Histogram digit angka 2, 3 dan 4 orang normal ................................ 73
Gambar 5.6 Histogram digit angka 2,3 dan 4 tunawicara ..................................... 73

xiii
 DAFTAR TABEL

Tabel 1.1 Persentase Penyandang Disabilitas Berdasarkan Jenis Kecacatan ......... 3

Tabel 2.1 Usecase Diagram .................................................................................. 27
Tabel 2.2 Activity Diagram .................................................................................. 28
Tabel 2.3 Class Diagram ....................................................................................... 29
Tabel 2.4 Sequence Diagram ................................................................................ 30
Tabel 2.5 Perbandingan Waterfall dengan Prototype ........................................... 31
Tabel 2.6 Versi Android ....................................................................................... 34
Tabel 2.7 Metode dan Instrumen Pengumpulan Data ........................................... 39
Tabel 2.8 Literatur Sejenis .................................................................................... 41
Tabel 3.1 Studi Literatur Sejenis .......................................................................... 44
Tabel 4.1 Usecase Naratif Fitur Menerjemahkan ................................................. 55
Tabel 4.2 Blackbox Testing .................................................................................. 65
Tabel 5.1 Hasil Pengujian Tunawicara (T1) ......................................................... 67
Tabel 5.2 Hasil Pengujian Tunawicara (T2) ......................................................... 67
Tabel 5.3 Hasil Pengujian Tunawicara (T3) ......................................................... 68
Tabel 5.4 Recognition Rate ................................................................................... 68
Tabel 5.5 Frekuensi pengamatan angka 1 orang normal ...................................... 69
Tabel 5.7 Frekuensi harapan angka 1 orang normal ............................................. 69
Tabel 5.8 Tabel Hasil angka 1 orang normal ........................................................ 70
Tabel 5.9 Frekuensi pengamatan angka 1 tunawicara .......................................... 70
Tabel 5.10 Frekuensi Harapan angka 1 tunawicara .............................................. 70
Tabel 5.11 Tabel Hasil angka 1 tunawicara .......................................................... 70
Tabel 5.12 Frekuensi pengamatan digit angka 9 orang normal ............................ 71
Tabel 5.13 Frekuensi harapan digit angka 9 orang normal ................................... 71
Tabel 5.14 Tabel Hasil digit angka 9 orang normal .............................................. 71
Tabel 5.15 Frekuensi pengamatan digit angka 9 tunawicra .................................. 72
Tabel 5.16 Frekuensi Harapan digit angka 9 tunawicara ...................................... 72
Tabel 5.17 Tabel Hasil digit angka 9 tunawicara.................................................. 72
Tabel 5.18 Frekuensi pengamatan digit angka 2, 3 dan 4 orang normal .............. 73
Tabel 5.19 Frekuensi Harapan digit angka 2,3 dan 4 orang normal ..................... 73
Tabel 5.20 Tabel Hasil digit angka 2,3 dan 4 orang normal ................................. 73
Tabel 5.21 Frekuensi pengamatan digit angka 2,3 dan 4 tunawicara ................... 74
Tabel 5.22 Frekuensi harapan digit angka 2,3 dan 4 tunawicara .......................... 74
Tabel 5.23 Tabel hasil digit angka 2,3 dan 4 tunawicara ...................................... 74
Tabel 5.24 Tabel perbandingan pola ..................................................................... 74

xiv
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Komunikasi melalui suara merupakan salah satu kemampuan dasar terpenting
yang dimiliki oleh manusia. Untuk berkomunikasi antar satu individu dengan
individu lainnya, salah satunya dapat dilakukan dengan berbicara. Kegiatan
berbicara merupakan hal yang sangat penting dalam kehidupan manusia, karena
tanpa berbicara manusia tidak dapat menyampaikan informasi dengan baik, sesuai
dengan maksud yang ingin diutarakannya dan dapat dimengerti oleh orang lain.
Kita patut bersyukur karena diberi anugerah berupa kemampuan berbicara, karena
diluar sana banyak saudara – saudara kita yang memiliki nasib kurang beruntung
seperti kita yaitu penyandang disabilitas.
Dalam Undang -undang no 8 Tahun 2016 tentang Penyandang disabilitas pada
bab 1 ketentuan umum pasal 1 dijelaskan Penyandang Disabilitas adalah setiap
orang yang mengalami keterbatasan fisik, intelektual, mental, dan/atau sensorik
dalam jangka waktu lama yang dalam berinteraksi dengan lingkungan dapat
mengalami hambatan dan kesulitan untuk berpartisipasi secara penuh dan efektif
dengan warga negara lainnya berdasarkan kesamaan hak (Menkumham, 2016).
Salah satu contoh penyandang disabilitas yaitu keterbatasan komunikasi
secara lisan terjadi pada penyandang disabilitas Tunarungu dan Tunawicara.
Seseorang dikatakan Tunawicara apabila orang tersebut mengalami kelainan baik
dalam pengucapan (artikulasi) bahasa maupun suaranya dari bicara normal,
sehingga menimbulkan kesulitan dalam berkomunikasi lisan dalam lingkungan
(Siahaan, 2009). Anak berkebutuhan khusus yang memiliki hambatan pendengaran
(tunarungu) dalam proses bicara dan bahasanya terhambat pula, disebabkan oleh
hambatan pendengarannya.
Sebagai akibat dari terhambatnya perkembangan bicara dan bahasanya, akan
mengalami kelambatan dan kesulitan dalam hal-hal yang berhubungan dengan
komunikasi. Hambatan utama dari tunarungu dalam proses komunikasi adalah
karena miskin kosa kata dan tidak lancar dalam proses bicara. Hal ini disebabkan

1
 2

oleh alat-alat yang penting unuk memahami bahasa, yaitu indra pendengarannya
tidak berfungsi sebagaimana mestinya (Haenudin, 2013).
Dalam kehidupan mereka akan sangat kesulitan dalam berkomunikasi.
Mereka mungkin dapat menyampaikan pesan kepada orang lain melalui bahasa
isyarat atau tulisan tetapi tidak dengan suara. Padahal pada saat ini banyak orang
normal yang tidak menguasai bahasa isyarat dan penggunaan kertas sebagai media
tulis bagi tunarungu dan tunawicara sangat tidak efektif dan tidak efisien sehingga
tidak akan terjadi komunikasi antara penyandang cacat tunarungu, tunawicara dan
orang normal yang tidak menguasai bahasa isyarat. Penderita tunarungu dan
tunawicara tersebut juga memiliki permasalahan sosial karena memiliki
keterbatasan dalam hal berkomunikasi. Permasalahan ini tidak hanya dialami oleh
para penderita saja masalah ini juga berdampak pada orang normal yang ingin
berinteraksi dengan penderita, karena tidak banyak orang normal yang mengerti
atau bisa menerjemahkan bahasa isyarat. Permasalahan ini perlu dicarikan
solusinya agar para penderita tunawicara dan tunarungu dapat berinteraksi dengan
baik dengan orang normal.
Menurut data World Health Organization (WHO) tahun 2012, jumlah
penyandang disabilitas di negara-negara berkembang mencapai 10% (sepeluh per
seratus) dari total penduduk keseluruhan. Pada tahun 2015, Badan Pusat Statistik
(BPS) menyajikan data statistik hasil survei penduduk antar sensus 2015, terdapat
3.167.994 jiwa penduduk di perkotaan dan perdesaan mengalami kesulitan
berbicara/memahami/berkomunikasi, berdasarkan umur 10 tahun ke atas menurut
provinsi dan tingkat kesulitan berbicara/memahami/berkomunikasi. Sebagaimana
yang ditunjukan pada Gambar 1.1 dibawah ini :

UIN Syarif Hidayatullah Jakarta

 3

Gambar 0.1 Penduduk kesulitan berbicara/memahami/berkomunikasi

(Sumber: Badan Pusat Statistik, 2015)

Pada tabel 1.1 dibawah ini menunjukan persentase penyandang disabilitas

berdasarkan jenis kecacatan. Dimana terdapat 7.12% penyandang disabilitas
tunawciara/bisu dan 3.46% penyandang disabilitas bisu/tuli.

Tabel 0.1 Persentase Penyandang Disabilitas Berdasarkan Jenis Kecacatan

Jenis Kecacatan Persentase

Mata/Netra 15.93

Rungu/Tuli 10.52

Wicara/Bisu 7.12

Bisu/Tuli 3.46

Tubuh 33.75

UIN Syarif Hidayatullah Jakarta

 4

Mental/Grahita 13.68

Fisik dan mental/Ganda 7.03

Jiwa 8.52

Jumlah total 100.0

Melihat tingginya nilai persentase penyandang disabilitas terutama tunarungu

dan tunawicara dan masih kurangnya alat atau aplikasi komunikasi yang dapat
membantu penyandang tunarungu dan tunawicara berkomunikasi dengan orang
normal, dibutuhkan sebuah sistem komunikasi berupa suatu alat bantu atau aplikasi
komunikasi yang dapat membantu serta menyelesaikan masalah tunarungu dan
tunawicara dalam berkomunikasi.
Salah satu upaya yang dapat dilakukan adalah dengan mengembangkan atau
menciptakan suatu alat atau aplikasi yang dapat membantu penderita tunarungu dan
tunawicara berkomunikasi dengan orang normal. Saat ini tidak banyak ditemukan
alat yang murah dan mudah dibawa serta dapat menghasilkan ouput teks (tulisan)
atau audio (suara), sehingga mampu membantu para penyandang tunarungu dan
tunawicara dalam melakukan komunikasi, begitu tutur Ahmad Yusuf seorang
pemerhati kaum disabilitas dan selaku founder youth for disability.
Saat ini perkembangan teknologi sangat pesat sehingga banyak teknologi
komunikasi canggih dan terbaru. Dan usaha meningkatan kemampuan komunikasi
semakin giat dikembangkan, dan impian untuk berkomunikasi dengan siapapun,
dimanapun, dan kapanpun semakin menjadi kenyataan. Impian ini terus berlanjut
dan meluas, sehingga menuntut teknologi interaksi mesin dan manusia (human-
machine interfaces) yang semakin canggih dan handal. Speech recognition pertama
kali muncul di tahun 1952 dan terdiri dari device untuk pengenalan satu digit yang
diucapkan. Kemudian pada tahun 1964, muncul IBM Shoebox (Amrizal & Aini,
2013).
Salah satu teknologi yang cukup terkenal di Amerika dalam bidang kesehatan
adalah Medical Transcriptionist (MT) merupakan aplikasi komersial yang

UIN Syarif Hidayatullah Jakarta

 5

menggunakan speech recognition. Dan sampai sekarang banyak aplikasi yang

dikembangkan menggunakan speech recognition, antara lain di bidang kesehatan
terdapat MT, di bidang militer terdapat High-performance fighter aircraft, Training
air traffic controllers, sampai pada alat yang membantu orang-orang yang memiliki
kesulitan dalam menggunakan tangan, maka diciptakannya komputer yang dapat
dioperasikan menggunakan deteksi pengucapan user (Amrizal & Aini, 2013).
Alat pengenal ucapan yang sering disebut dengan speech recognizer,
membutuhkan sampel kata sebenarnya yang diucapkan pengguna. Sampel kata
akan didigitalisasi, disimpan dalam komputer dan kemudian digunakan sebagai
basis data dalam mencocokan kata yang diucapkan selanjutnya. Pengenalan ucapan
atau pengenalan wicara dalam istilah bahasa inggrisnya, automatic speech
recognition (ASR). Automatic Speech Recognition (ASR) sekarang ini telah banyak
dikembangkan dalam berbagai penelitian. Terdapat bermacam – macam metode
yang dapat digunakan untuk mengenali ucapan manusia (Amrizal & Aini, 2013).
Pengenalan suara yang juga dikenal Automatic Speech Recognition (ASR)
merupakan salah satu interaksi komputer manusia dalam berinteraksi dengan mesin
dengan berbicara melalui mikrofon sebagai perangkat input dan sistem akan
mengkonversi kata yang diucapkan menjadi teks sebagai output (Hartomo, 2014).
Speech to text memungkinkan suatu perangkat untuk mengenali dan memahami
kata-kata yang diucapkan dengan cara digitalisasi kata dan mencocokkan sinyal
digital tersebut dengan suatu pola tertentu yang tersimpan dalam suatu perangkat
(Widiyanto, Endah, & Adhy, 2014).
Google Cloud Platform merupakan sebuah produk layanan Cloud Computing
dari Google yang terdiri dari 4 jenis layanan yang kesemuanya bertujuan untuk
membuat sebuah project berbasis Cloud Computing / Komputasi Berbasis Internet
agar bisa dimanfaatkan dalam skala global. Adapun 4 jenis layanan tersebut adalah
Google AppEngine, Google BigQuery, Google Compute Engine dan Google Cloud
Storage (“Google Cloud Platform Benefits,” n.d.).
Dengan menggunakan layanan Google cloud Platform memungkinkan kita
untuk memiliki keamanan data yang sangat terjamin, hal ini merupakan faktor
penting untuk membangun sebuah layanan berbasis internet. Google Cloud

UIN Syarif Hidayatullah Jakarta

 6

Platform juga fleksibel, dimanapun kita berada kita bisa mengakses data yang kita
simpan di Google Cloud dengan mudah dan yang perlu kita sediakan hanya akses
internet. Dan juga bisa menggunakan REST ful API agar aplikasi yang dibuat bisa
di intregrasikan dengan smartphone berbasis Android ataupun iOS Apple. Denga
Google Cloud Platform data terpusat, penyimpanan yang terpusat sangat diperlukan
untuk membangun sebuah layanan dengan skala besar, terutama apabila pengguna
dari layanan tersebut sangat banyak. Apabila kita memikirkan investasi jangka
panjang, layanan Google Cloud bisa menekan biaya pengadaan infrastuktur sistem
yang kita perlukan untuk membangun sebuah aplikasi untuk bisnis kita, dan juga
berkinerja tinggi. Tidak hanya itu Google Cloud Platform juga memiliki kecepatan
yang lebih baik pada big data (“Google Cloud Platform Benefits,” n.d.).
Dengan Google Cloud Speech API bagian dari Google Cloud Platform,
memungkinkan pengembang mengubah audio menjadi teks dengan menerapkan
model jaringan syaraf tiruan dengan mudah menggunakan API. API mengenali
lebih dari 110 bahasa dan varian, untuk mendukung basis pengguna global. Kita
dapat menuliskan teks pengguna yang mendikte mikrofon aplikasi, mengaktifkan
perintah-dan-kontrol melalui suara, atau menuliskan file audio, diantara banyak
kasus penggunaan lainnya. Kenali audio yang diunggah dalam permintaan, dan
diintegrasikan dengan penyimpanan audio di Google Cloud Storage. Google Cloud
Storage sebagai media penyimpanan data.
Sebelumnya terdapat beberapa aplikasi yang dapat membantu tuna wicara
untuk berkomunikasi seperti aplikasi kamus bahasa isyarat (Wulandari &
Rakhmadi, 2014), penelitian ini menggunakan Bahasa isyarat tangan dan kamus
bahasa isyarat yang masih berbasis webcam dan android. Penelitian oleh (A,
Purwanto, Eng, Mardiyanto, & Ph, 2016) Penerjemahan bahasa isyarat indonesia
menggunakan kamera pada telepon genggam android.
Penelitian mengenai pengenalan ucapan, sebelumnya terdapat beberapa
penelitian, penelitian oleh (Hawley et al., 2013) penelitian ini berupa aplikasi voice
recognition untuk bantuan komunikasi. Aplikasi ini (VIVOCA) bantuan
komunikasi untuk orang yang tidak jelas pengucapannya, ataupun pidato yang tidak
teratur dapat membuat pesan sederhana atau kompleks menggunakan kombinasi

UIN Syarif Hidayatullah Jakarta

 7

dari seperangkat input "kata-kata" yang relatif kecil. Untuk menghasilkan keluaran
ucapan yang dapat dimengerti.
Pada Penelitian pengelan ucapan tersebut tidak terdapat pengenalan ucapan
untuk tunarungu dan tunawicara. Dan teknologi Google Cloud Platform belum
digunakan, Penelitian sebelumnya masih menggunakan pemodelan Speech
Recognition yang dimana pada saat ini pekembangan untuk speech recognition
sudah sangat jauh dana sudah menggunakan machine learning. Untuk itu penulis
mencoba untuk membuat aplikasi pengenal ucapan tunarungu dan tunawicara
berbasis android dengan menggunakan teknologi dari Google Cloud Speech yang
dimana dapat menghasilkan hasil yang lebih baik dalam pengenalan ucapan.
Berdasarkan uraian latar belakang diatas yang telah dijelaskan, penulis ingin
merancang dan membangun sebuah “Aplikasi Speech Recognition Sebagai
Pengenalan Ucapan Tunarungu Menggunakan Google Cloud Speech API berbasis
Android” berupa aplikasi pengenal ucapan Tunarungu dan Tunawicara. Kelebihan
dari aplikasi yang diusulkan adalah aplikasi ini mudah digunakan oleh tunarungu
dan tunawicara. Dimana suara tunarungu langsung diterjemahkan dan ditampilkan
dalam bentuk teks pada smartphone dan tidak membutuhkan kamus bahasa isyarat.
Aplikasi ini telah menggunakan teknologi Google Cloud Platform yang dimana
dapat bekerja dengan kinerja yang sangat baik dan cepat, dan juga memiliki
kemanan data yang baik. Penelitian ini mengimplementasikan ilmu embedded
system, ilmu kesehatan, ilmu fisika, dan ilmu teknologi guna memenuhi kebutuhan
dalam menyelesaikan masalah yang ada.
1.2 Rumusan Masalah
Berdasarkan uraian permasalahan pada latar belakang di atas, maka rumusan
masalah pada makalah ini adalah bagaimana membuat Aplikasi Speech
Recognition sebagai pengelan ucapan tunawicara menggunakan Google Cloud
Speech API Berbasis Android.
1.3 Batasan Masalah
Dalam penelitian ini, peneliti melakukan pembatasan masalah terhadap
masalah penelitian yang akan dilakukan, yakni:

UIN Syarif Hidayatullah Jakarta

 8

1.3.1 Metodologi
Metode pengumpulan data yang digunakan dalam penelitian ini
adalah studi literatur, wawancara, kuesioner dan studi pustaka, serta metode
pengembangan sistem yang digunakan dalam merancang aplikasi
penerjemah adalah metode waterfall.
1.3.2 Proses
Berikut ini adalah proses yang terdapat pada makalah,yaitu :
1. Aplikasi pengenalan ucapan ini dibuat dengan ruang lingkup
menerjemahkan kata- kata yang telah ditentukan yaitu berupa digit
angka 1-10 yang bertujuan untuk mempermudah dalam proses
pengenalan dan pembelajaran.
2. Penelitian dilakukan terhadap penyandang disabilitas tunawicara,
dengan klasifikasi hard of hearing, tepatnya pada komunitas
difabel, serta juga pada orang normal. Sampel data penelitian akan
diambil dari para tunawicara yang merupakan anggota dari
komunitas ini. Begitu juga pengujian aplikasi akan dilakukan pada
beberapa tunawicara dan tunarungu dari komunitas difabel.
1.3.3 Tool
Berikut ini adalah tool yang penulis pergunakan, yaitu :
1. Perancangan aplikasi penerjemah menggunakan bahasa
pemrograman Java dan Python, dan Android Studio untuk
pengkodean.
2. Penelitian ini menggunakan Google Cloud Storage sebagai tempat
penyimpanan data.
3. Desain sistem digunakan dalam perancangan aplikasi penerjemah
adalah Unified Modelling Language (UML) yang meliputi
Usecase Diagram, Activity Diagram, dan Sequence Diagram.
4. Aplikasi penerjemah di-install secara online pada mobile yang
berbasis android dan pengguna bisa mengakses aplikasi
pengenalan ucapan.

UIN Syarif Hidayatullah Jakarta

 9

5. Pada penelitian ini tidak membahas mengenai Cloud Computing

dan Jaringan syaraf tiruan.
6. Pada penelitian ini tidak membahas mengenai protokol, jaringan,
dan keamanan datanya.
7. Pada penelitian ini tidak membahas mengenai pemodelan speech
recognition.
1.4 Tujuan Penelitian
Tujuan yang ingin dicapai oleh penulis dari penelitian ini adalah:
1. Membuat aplikasi pengenal dan penterjemah ucapan tunawicara yang
dapat membantu berkomunikasi lebih mudah dengan orang normal.
2. Menyediakan teknologi komunikasi yang mudah untuk digunakan
tunawicara dengan menggunakan aplikasi berbasis Android.
3. Melakukan pengembangan teknologi tools speech recognition dari
Google.
1.5 Manfaat Penulisan
Adapun manfaat yang didapatkan adalah sebagai berikut :
1. Bagi Penulis
1) Menerapkan ilmu-ilmu yang sudah didapat saat perkuliahan.
2) Membandingkan teori yang telah didapat saat kuliah dengan masalah
yang sebenarnya.
3) Mengamati teknik-teknik yang diterapkan dilapangan dalam bidang
Teknik Informatika.
2. Bagi Masyarakat
1) Dapat menambah hasil temuan ilmiah, informasi, dan wawasan
mengenai aplikasi pengenalan ucapan tunawicara dengan teknologi
speech recognition
2) Dapat memberikan manfaat sebagai media komunikasi yang dapat
membantu kelancaran berkomunikasi diantara penyandang
tunawicara dan orang normal dalam kehidupan sehari-hari.

UIN Syarif Hidayatullah Jakarta

 10

1.6 Metodologi Penelitian

Metodologi penelitian merupakan tahapan-tahapan yang dilalui oleh peneliti
dari perumusan masalah sampai kesimpulan, yang membentuk sebuah alur hingga
sistematis. Metodologi ini digunakan sebagai pedoman peneliti dalam pelaksanaan
penelitian ini agar hasil yang dicapai tidak menyimpang dari tujuan. Metodologi
penelitian meliputi pengumpulan data hingga terbentuknya sebuah perangkat lunak.
1.6.1 Metode Pengumpulan Data
Dalam pembuatan aplikasi ini, penulis terlebih dahulu melakukan
pengumpulan data terhadap user maupun informasi lainnya yang dinilai
membutuhkan aplikasi ini, yaitu :
a. Studi Pustaka
Studi pustaka merupakan salah satu kegiatan penelitian yang berfungsi
sebagai landasan teori bagi penyelesaian masalah dalam penelitian yang
dilakukan.
b. Studi Lapangan
Terdapat Observasi dalam Studi Lapangan.
1) Observasi
Observasi merupakan pengumpulan data yang menggunakan
pertanyaan lisan dan tertulis. Penelitian dengan pengumpulan data
primer yang diperoleh secara langsung dari sumber aslinya. Data
primer dikumpulkan untuk menjawab pertanyaan peneliti.
1.6.2 Metode Perancangan Sistem
Untuk perancangan sistem, penulis menggunakan metode waterfall.
Terdapat 5 tahapan pada waterfall model, yaitu requirement analysis and
definition, sistem and software design, implementation and unit testing,
integration and sistem testing, dan operation and maintenance (Sommerville,
2015).
1.7 Sistematika Penulisan
Sistematika yang dibuat pada tugas akhir ini akan dibagi dalam enam bagian,
yaitu:

UIN Syarif Hidayatullah Jakarta

 11

BAB I PENDAHULUAN

Dalam bab ini membahas mengenai latar belakang penulisan,

perumusan masalah, batasan masalah, tujuan dan manfaat,
metode dan sistematika penulisan yang merupakan gambaran
menyeluruh dari penulisan skripsi ini.

BAB II LANDASAN TEORI

Dalam bab ini membahas mengenai berbagai teori yang mendasari

analisis permasalahan yang berhubungan dengan pembahasan.

BAB III METODOLOGI PENELITIAN

Bab ini berisi pembahasan atau pemaparan metode yang penulis

pakai dalam pencarian data maupun perancangan sistem yang
dilakukan pada penelitian.

BAB IV ANALISIS, PERANCANGAN SISTEM, IMPLEMENTASI

DAN PENGUJIAN SISTEM

Bab ini membahas mengenai hasil dari analisa, perancangan,

implementasi dan pengujian sistem selama penelitian ini
berlangsung.

BAB V PENUTUP

Bab ini membahas mengenai hasil dan pembahasan rancangan

pembuatan aplikasi penjadwalan dengan menggunakan algoritma
genetika dan rancangan tampilan aplikasinya.

BAB VI KESIMPULAN DAN SARAN

Pada bab ini kesimpulan dari hasil pembahasan seluruh bab serta
saran-saran yang kiranya dapat diperhatikan serta
dipertimbangkan untuk pengembangan sistem dimasa mendatang.

UIN Syarif Hidayatullah Jakarta

 BAB II
LANDASAN TEORI

2.1 Aplikasi
Aplikasi adalah suatu unit perangkat lunak yang dibuat untuk melayani
kebutuhan akan beberapa aktivitas seperti sistem perniagaan, game palayanan
masyarakat, periklanan, atau semua proses yang hampir dilakukan manusia
(Pramana, 2012).
Dikutip dari buku Software Engineering 10th Edition (Sommerville, 2015),
aplikasi terdiri dari berbagai macam diantaranya adalah:
a) Stand-alone application adalah aplikasi yang berdiri di dalam komputer
itu sendiri. Biasanya tidak membutuhkan koneksi network.
b) Interactive transaction-based applications adalah aplikasi yang
terkoneksi dengan komputer pusat dimana pengguna hanya
menggunakan komputernya untuk komunikasi jarak jauh.
c) Embeded control system adalah aplikasi khusus yang diciptakan untuk
mengendalikan suatu perangkat keras.
d) Batch Processing system adalah sistem bisnis yang dapat memproses
sekumpulan data yang besar.
e) Entertainment system adalah sistem yang secara pokok biasa digunakan
untuk menghibur pengguna.
f) System for modelling and simulation adalah sistem yang dibangun oleh
para pakar dan ilmuan untuk menggambarkan suatu pendekatan secara
fisik maupun proses.
g) Data collection system adalah sistem yang mampu mendapatkan data
dari sistem lain dengan berbagai sensor dan mengirimkannya pada sistem
lain.
h) System of system adalah suatu kumpulan dari banyak sistem.
Penulis menyimpulkan aplikasi adalah software atau alat terapan yang dibuat
untuk mengerjakan tugas-tugas tertentu dan memenuhi kebutuhan.

12
 13

2.2 Tunarungu
Tunarungu merupakan seseorang yang mempunyai gangguan pada
pendengarannya sehingga tidak dapat mendengar bunyi dengan sempurna atau
bahkan tidak dapat mendengar sama sekali, tetapi dipercayai bahwa tidak ada
satupun manusia yang tidak bisa mendengar sama sekali. Walaupun sangat sedikit,
masih ada sisa-sisa pendengaran yang masih bisa dioptimalkan pada anak
tunarungu tersebut. Berkenaan dengan tunarungu, terutama tentang pengertian
tunarungu terdapat beberapa pengertian sesuai dengan pandangan dan kepentingan
masing-masing (Haenudin, 2013).
Istilah tunarungu diambil dari kata “tuna” dan “rungu”, tuna artinya kurang
dan rungu artinya pendengaran. Menurut Andreas Dwidjosumarto mengemukakan
bahwa: seseorang yang tidak atau kurang mampu mendengar suara dikatakan
tunarungu. Ketunarunguan dibedakan menjadi dua kategori, yaitu tuli (deaf) atau
kurang dengar (hard of hearing). Tuli adalah anak yang indera pendengarannya
mengalami kerusakan dalam taraf berat sehingga pendengarannya tidak berfungsi
lagi. Sedangkan kurang dengar adalah anak yang indera pendengarannya
mengalami kerusakan, tetapi masih dapat berfungsi untuk mendengar, baik dengan
maupun tanpa menggunakan alat bantu dengar (hearing aids) (Haenudin, 2013).
Keterbatasan pendengaran tersebut membuat tunarungu sulit untuk berbicara
serta berkomunikasi dikarenakan miskinnya kosa kata dan mulut yang kaku karena
tidak dapat mengucapkan kata-kata yang mereka tidak dapat dengarkan. Selain itu,
ada beberapa fakta mengenai tuna rungu, yaitu : tunarungu suka mengobrol,
tunarungu memiliki daya pengamatan tajam, tunarungu sangat menghargai orang
yang ingin berkomunikasi dengan mereka, memiliki rasa humor yang baik dan
tunarungu cenderung lebih jujur (Haenudin, 2013).
Sebelum bisa menyayangi kaum tunarungu, diperlukan pengetahuan dasar
faktor yang menyebabkan seseorang menjadi tunarungu. Faktor tersebut antara lain:
a) Tunarungu karena bawaan lahir (congenital causes)
Tunarungu yang dikarenakan bawaan lahir menyebabkan kehilangan
pendengaran tepat setelah lahir. Hilangnya pendengaran ini bisa terjadi

UIN Syarif Hidayatullah Jakarta

 14

karena keturunan genetis dan juga bukan keturunan genetis yang

disebabkan dari komplikasi di saat kehamilan.
b) Tunarungu yang bisa terjadi begitu saja (acquired causes)
Tunarungu juga bisa terjadi ketika seseorang telah bertumbuh, dan ini
bisa terjadi pada semua umur.
2.3 Tunawicara
Menurut Heri Purwanto dalam buku Ortopedagogik Umum tunawicara
adalah apabila seseorang mengalami kelainan baik dalam pengucapan (artikulasi)
bahasa maupun suaranya dari bicara normal, sehingga menimbulkan kesulitan
dalam berkomunikasi lisan dalam lingkungan (Purwanto, 1998).
Sedangkan menurut Menurut Frieda Mangunsong,dkk dalam Psikologi dan
Pendidikan Anak Luar Biasa, tuna wicara atau kelainan bicara adalah hambatan
dalam komunikasi verbal yang efektif (Siahaan, 2009).
Kemudian menurut Dr. Muljono Abdurrachman dan [Link] S dalam
Pendidikan Luar Biasa Umum gangguan wicara atau tunawicara adalah suatu
kerusakan atau gangguan dari suara, artikulasi dari bunyi bicara, dan atau
kelancaran berbicara (Abdurrachman, Muljono, 1994).
Dari pengertian di atas dapat disimpulkan bahwa anak tunawicara adalah
individu yang mengalami gangguan atau hambatan dalam dalam komunikasi verbal
sehingga mengalami kesulitan dalam berkomunikasi.
Dalam buku Ortopedagogik Umum (Purwanto, 1998), Heri Purwanto
mengemukakan tunawicara secara umum diklasifikasikan menjadi 4 bagian,yaitu :
1. Keterlambatan bicara (Delayed speech)
Yaitu seseorang yang mengalami keterlambatan dalam perkembangan
bicaranya jika dibandingkan dengan anak seusianya.
2. Gagap (stuttering)
Yaitu kelainan dalam memulai pembicaraan dapat berupa;
a. Pemanjangan fonem atau suku kata depan (prolongation),
b. Pengulangan suku kata depan (repetition),
c. Gerak mulut berbicara namun tidak keluar suara (silent struggle)

UIN Syarif Hidayatullah Jakarta

 15

d. Anak dengan kekacauan dalam berbicara (cluttering), biasanya berupa

bicara terlalu cepat, struktur kalimat tidak karuan, repitisi berlebihan.
3. Kehilangan kemapuan berbahasa (disphasia).
Yaitu kehilangan kemampuan berbahasa mulai dari kesalahan dalam inti
pembicaraan sampai tidak dapat bebicara sama sekali.
4. Kelainan suara (voice disorder)
Ditandai dengan perbedaan suara dengan anak normal. Adapun kelainan
suara berupa:
a. Kelainan nada (pitch)
Kelainan nada bicara dapat berupa nada terlalu tinggi, terlalu rendah,
atau monoton.
b. Kelainan kualitas suara
Kelainan kualitas atau warna suara berupa serak, lemah, atau desah.
c. Kelainan keras lembutnya suara.
Kelainan ini dapat berupa suara keras ataupun suara lembut
2.4 Speech Recognition
Speech recognition merupakan sistem yang digunakan untuk memroses sinyal
suara menjadi data sehingga dapat dikenali oleh komputer. Sinyal suara yang telah
diekstrasi cirinya kemudian menghasilkan informasi yang dapat dianalisis untuk
tiap variasi sinyal suara yang ada. Dari ciri yang ada pada setiap fonema dicoba
untuk mengenalinya dan mengubahnya menjadi teks.
Di dalam buku kecerdasan buatan (Amrizal & Aini, 2013) menyebutkan,
Speech recognition adalah proses identifikasi suara berdasarkan kata yang
diucapkan dengan melakukan konversi sebuah sinyal akuistik, yang ditangkap oleh
audio device (perangkat input suara). Speech Recognition juga merupakan sistem
yang digunakan untuk mengenali perintah kata dari suara manusia dan kemudian
diterjemahkan menjadi suatu data yang dimengerti oleh computer.
Tujuan dari speech recognition system ialah mengonversi sinyal suara
menjadi bentuk text sesuai dengan kata yang diucapkan, tidak tergantung dari
device yang digunakan untuk merekam suara (Rabiner, 1989).

UIN Syarif Hidayatullah Jakarta

 16

Pengenalan ucapan atau pengenalan wicara dalam istilah bahasa inggrisnya,

automatic speech recognition (ASR) adalah suatu pengembangan teknik dan system
yang memungkinkan computer untuk menerima masukan berupa kata yang
diucapkan. Teknologi ini memungkinkan suatu perangkat untuk mengenali dan
memahami huruf- huruf yang diucapkan dengan cara digitalisasi huruf dan
mencocokkan sinyal digital tersebut dengan suatu pola tertentu yang tersimpan
dalam suatu perangkat. Huruf-huruf yang diucapkan diubah bentuknya menjadi
sinyal digital dengan cara mengubah gelombang suara menjadi sekumpulan angka
atau huruf yang kemudian disesuaikan dengan kode-kode tertentu untuk
mengidentifikasi huruf-huruf tersebut. Hasil dari identifikasi huruf yang diucapkan
dapat ditampilkan dalam bentuk tulisan atau dapat dibaca oleh peragkat teknologi
sebagai sebuah perintah untuk melakukan suatu pekerjaan (Jaya, Puspitaningrum,
& Susilo, 2016).
Suara merupakan sesuatu yang dapat didengar dan memiliki ciri sinyal
tertentu, sedangkan ucapan merupakan suara yang terdiri dari kata-kata yang
diucapkan. Pengenalan suara atau ucapan merupakan salah satu upaya agar suara
dapat dikenali atau diidentifikasi sehingga dapat dimanfaatkan. Pengenalan suara
dapat dibedakan ke dalam tiga bentuk pendekatan, yaitu pendekatan akustik-fonetik
(the acoustic-phonetic approach), pendekatan kecerdasan buatan (the artificial
intelligence approach), dan pendekatan pengenalan pola (the pattern recognition
approach). Blok diagram pengenalan pola pada pengenalan suara ditunjukkan pada
Gambar 2.1 berikut.

Gambar 2.1 Pengenalan Suara

(Sumber : M. Tri Satria Jaya dkk, 2016)

UIN Syarif Hidayatullah Jakarta

 17

Berikut ini merupakan penjelasan dari masing-masing blok:

a) Pengekstraksi ciri.
Merupakan proses mendapatkan sederetan besaran pada bagian sinyal
masukan untuk menetapkan pola pembelajaran atau pola uji.
b) Pembelajaran Pola
Satu atau lebih pola pembelajaran yang berhubungan dengan bunyi
ucapan dari kelas yang sama, digunakan untuk membuat pola
representatif dari ciri-ciri kelas tersebut. Hasilnya yang biasa disebut
dengan pola referensi, dapat menjadi sebuah model yang mempunyai
karakteristik bentuk statistik dari ciri-ciri pola referensi.
c) Perbandingan dengan Pola Model
Pola uji yang akan dikenali dibandingkan dengan setiap kelas pola
referensi. Kesamaan besaran antara pola uji dengan setiap pola referensi
akan dihitung.
d) Logic Decision
Menentukan kelas pola referensi mana yang paling cocok untuk pola uji
berdasarkan klasifikasi pola.

Arsitektur khas sistem ASR diilustrasikan pada Gambar 2.2. Seperti

ditunjukkan dalam gambar tersebut, sistem ASR memiliki empat komponen utama:
Pengolahan dan fitur sinyal Ekstraksi, model akustik (AM), model bahasa (LM),
dan pencarian hipotesis. Komponen pemrosesan dan ekstraksi fitur mengambil
sebagai input audio sinyal, meningkatkan speech dengan menghilangkan suara dan
distorsi saluran, mengubah sinyal dari domain waktu ke domain frekuensi, dan
ekstrak fitur vektor yang menonjol (Yu & Li, 2014).

UIN Syarif Hidayatullah Jakarta

 18

Gambar 2.2 Arsitektur ASR

(Sumber : Dong Yu & Li, 2014)

2.4.1 Metode ASR

Gambar 2.3 Skema ASR

(Sumber : Hasna Akhmad, 2017)

Terdapat 4 langkah utama dalam sistem pengenalan suara :

a. Penerimaan data input
b. Ekstraksi, yaitu peyimpanan data masukan sekaligus pembuatan
database untuk template.
c. Pembandingan / pencocokan, yaitu tahap pencocokan data baru
dengan data suara (pencocokan tata Bahasa) pada template.
d. Validasi identitas pengguna.

UIN Syarif Hidayatullah Jakarta

 19

2.4.2 Pemodelan Speech Recognition

Ada dua pemodelan dasar untuk speech recognition, yaitu:

1. Hidden Markov model (HMM) - based speech recognition.

Model ini digunakan pada system modern general-purpose
speech recognition. Model ini merupakan model yang statistical
dimana ouput adalah sequence dari symbol atau kuantitas.
Model ini digunakan Karena sebuah sinyal dari pengucapan bisa
dilihat seperti piece stationary signal atau short time stationary
signal, selain itu model ini sederhana dan secara komputasional
bisa digunakan.
2. Dynamic time warping (DTW) - based speech recognition.
Speech recognizer diimplementasikan menggunakan Dynamic
Time Wraping Algorithm (DTW) yang digunakan untuk
menerjemahkan perkataan yang membutuhkan perbandingan
antara sinyal masuk dari kata dan bermacam-macam kata yang
ada di dalam kamus dengan mengukur kesamaan antara dua
sekuensial pada waktu yang berbeda baik dari segi
kecepatannya. Algoritma DTW diimplementasikan pada video,
audio, dan grafik dan tentu saja data-data bisa diubah ke dalam
bentuk representasi linear yang bisa dianalisis oleh DTW. DTW
pertama kali dikenalkan pada tahun 1960an dan dieksplorasi
sampai tahun 70an yang menghasilkan alat speech recognizer.
2.5 Google Cloud Speech
Google Cloud Platform merupakan sebuah produk layanan Cloud Computing
dari Google yang terdiri dari 4 jenis layanan yang kesemuanya bertujuan untuk
membuat sebuah project berbasis Cloud Computing / Komputasi Berbasis Internet
agar bisa dimanfaatkan dalam skala global. adapun 4 jenis layanan tersebut adalah
Google AppEngine, Google BigQuery, Google Compute Engine dan Google Cloud
Storage (“Google Cloud Platform Benefits,” n.d.). Dengan menggunakan Google
Cloud Platform sebagai media pemrosesan data dan pengkonversi suara ke teks,

UIN Syarif Hidayatullah Jakarta

 20

Google Cloud Platform dari segi keamanan data, dengan menggunakan layanan
Google cloud Platform memungkinkan kita untuk memiliki keamanan data yang
sangat terjamin, hal ini merupakan faktor penting untuk membangun sebuah
layanan berbasis internet. Gooogle Cloud Platform juga fleksibel, dimanapun kita
berada kita bisa mengakses data yang kita simpan di Google Cloud dengan mudah
dan yang perlu kita sediakan hanya akses internet. Dan juga bisa menggunakan
RESTful API agar aplikasi yang dibuat bisa di intregrasikan dengan smartphone
berbasis Android ataupun iOS Apple. Dengan Google Cloud Platform data terpusat,
penyimpanan yang terpusat sangat diperlukan untuk membangun sebuah layanan
dengan skala besar, terutama apabila pengguna dari layanan tersebut sangat banyak.
Apabila kita memikirkan investasi jangka panjang, layanan Google Cloud bisa
menekan biaya pengadaan infrastuktur sistem yang kita perlukan untuk
membangun sebuah aplikasi untuk bisnis kita, dan juga berkinerja tinggi. Tidak
hanya itu Google Cloud Platform juga memiliki kecepatan yang lebih baik pada big
data. Google Cloud Platform juga berkomitmen untuk open source (“Google Cloud
Platform Benefits,” n.d.).
Machine Learning merupakan bagian dari Google Cloud Platform dalam
membangun aplikasi yang dapat melihat, mendengar, dan mengerti dunia
sekitarnya. Dalam Pre-trained Machine Learning Model, Google Translate API
dan Cloud Vision API, telah disatukan menjadi Google Cloud Speech API. Dengan
API yang lengkap tersebut, developer dapat mengembangkan aplikasi yang dapat
melihat, mendengar, dan menerjemahkan (Intan, Saputra, Handani, & Diniary,
2017).
Cloud API menentukan bagaimana aplikasi perangkat lunak berinteraksi
dengan platform berbasis cloud computing dimana aplikasi ini dapat digunakan.
Cloud API menawarkan cara dimana aplikasi dapat meminta informasi dari
platform dan menggunakan fasilitas yang telah disesiakan. Cloud Computing atau
komputasi awan sendiri merupakan pemanfaatan teknologi komputer dan
pengembangan layanan berbasis Internet (Intan et al., 2017).
Google Cloud Speech API memungkinkan pengembang mengubah audio
menjadi teks dengan menerapkan model jaringan syaraf tiruan dengan mudah

UIN Syarif Hidayatullah Jakarta

 21

menggunakan API. API mengenali lebih dari 110 bahasa dan varian, untuk
mendukung basis pengguna global. Kita juga dapat menuliskan teks pengguna yang
mendikte mikrofon aplikasi, mengaktifkan perintah dan kontrol melalui suara, atau
menuliskan file audio, di antara banyak kasus penggunaan lainnya. Kenali audio
yang diunggah dalam permintaan, dan integrasikan dengan penyimpanan audio di
Google Cloud Storage, dengan menggunakan teknologi yang sama yang digunakan
Google untuk mengaktifkan produknya sendiri (Google, n.d.). Berikut adalah fitur
fitur yang ada pada Google Cloud Speech API:
a. Automatic Speech Recognition, Automatic Speech Recognition (ASR)
didukung oleh jaringan syaraf pembelajaran yang mendalam untuk
menyalakan aplikasi Anda seperti penelusuran suara atau transkripsi
ucapan.
b. Kosa kata global
c. Penerjemahan ucapan secara lansung
d. Petunjuk kata, dapat menyesuaikan ucapan dengan kata yang tepat
e. Dukungan Audio Real time
f. Noise Robustness, mampu menangani noise audio.
g. Inappropriate Content Filtering, memfilter kata yang tidak pantas dalam
hasil teks
h. Integrated API, File audio dapat disimpan dan terintegrasi pada Google
Cloud Storage
2.6 Speech to Text
Speech Recognition pada dasarnya berfungsi sebagai saluran yang
mengkonversi PCM (Pulse Code Modulation) audio digital dari sebuah sound card
ke dalam recognized speech (pengenalan ucapan). Elemen dari saluran tersebut
adalah:
a) Mengubah bentuk PCM audio digital ke dalam suatu penyajian yang lebih
baik.
b) Menerapkan sebuah “grammar” sehingga speech recognizer mengenali
fonem apa yang dimaksud dari sebuah ucapan.
c) Merepresentasikan fonem yang diucapan.

UIN Syarif Hidayatullah Jakarta

 22

d) Mengkonversi fonem ke dalam kata-kata.

Unsur Pertama dari saluran mengkonversi audio digital berasal dari sound
card menjadi bentuk yang lebih representatif seperti apa yang seseorang dengar.
Digital audio adalah suatu arus amplitudo, dengan sample sekitar 16,000 kali per
detik. Jika data yang masuk divisualisasi maka itu seperti hasil osiloskop, yaitu
berupa suatu garis berombak yang secara periodik mengulang ketika user sedang
berbicara. Data dalam format ini tidak dapat digunakan bagi Speech Recognition
karena terlalu sulit untuk diidentifikasikan pola apa yang sebenarnya dikatakan.
Pada Gambar 2.3 menjelaskan bagaimana tahapan-tahapan dari suara yang di
input menjadi teks didalam sistem komputer.

Gambar 2.4 Urutan proses dari suara ke teks

(Sumber : Hasna Akhmad, 2017)

Untuk membuat pola pengenalan lebih mudah, PCM audio digital diubah ke
dalam "frequency domain". Perubahan dilakukan dengan menggunakan suatu
windowed fast-Fourier. Hasilnya mirip seperti yang dihasilkan spektrograf. Di
"frequency domain", dapat diidentifikasi komponen frekwensi dari suatu bunyi.

UIN Syarif Hidayatullah Jakarta

 23

Dari komponen frekwensi inilah, dimungkinkan untuk memperkirakan bagaimana

telinga manusia mendengar suara.
Transformasi Fourier dengan cepat menganalisa setiap 1/100 detik dan
mengkonversi data audio ke dalam daerah frekwensi. Setiap 1/100 detik
menghasilkan suatu grafik amplitudo komponen frekwensi, yang menggambarkan
suara yang terdengar setiap 1/100 detik tersebut. Pengenal suara mempunyai suatu
database beberapa ribu grafik seperti itu ( yang disebut suatu codebook) yang
mengidentifikasi jenis suara manusia yang berbeda. Bunyi yang diidentifikasi
melalui pencocokan data di codebook, menghasilkan angka yang menggambarkan
suara. Angka ini disebut ” feature number” (sebenarnya ada beberapa ” feature
number” untuk setiap 1/100 detik tetapi proses yang lebih mudah untuk dijelaskan
hanya satu).
Lalu dimasukan pada recognizer mulai pada arus 16,000 PCM per detik.
Melalui penggunaan transformasi fast fourier dan codebook, data diubah menjadi
informasi penting, menghasilkan 100 ” feature number” per detik.
Ucapan manusia dihasilkan oleh suatu sistem produksi ucapan yang dibentuk
oleh alat alat ucap manusia. Proses tersebut dimulai dengan formulasi pesan dalam
otak pembicara. Pesan tersebut akan diubah menjadi perintah-perintah yang
diberikan kepada alat-alat ucap manusia, sehingga akhirnya dihasilkan ucapan yang
sesuai dengan pesan yang ingin diucapkan.
Pembentukan ucapan dimulai dengan adanya hembusan udara yang
dihasilkan oleh paruparu. Cara kerjanya mirip seperti piston atau pompa yang
ditekan untuk menghasilkan tekanan udara. Pada saat vocal cord berada dalam
keadaan tegang, aliran udara akan menyebabkan terjadinya vibrasi pada vocal cord
dan menghasilkan bunyi ucapan yang disebut voiced speech sound. Pada saat vocal
cord berada dalam keadaan lemas, aliran udara akan melalui daerah yang sempit
pada vocal tract dan menyebabkan terjadinya turbulensi, sehingga menghasilkan
suara yang dikenal sebagai unvoiced sound.

UIN Syarif Hidayatullah Jakarta

 24

Gambar 2.5 Model Sistem Ucapan Manusia

(Sumber : Hasna Akhmad, 2017)

Ucapan dihasilkan sebagai rangkaian atau urutan komponen-komponen

bunyi-bunyi pembentuknya. Setiap komponen bunyi yang berbeda dibentuk oleh
perbedaan posisi, bentuk, serta ukuran dari alat-alat ucap manusia yang berubah-
ubah selamat terjadinya proses produksi ucapan.
2.7 Karakteristik Sinyal Ucapan
Unit bunyi terkecil yang dapat dibedakan oleh manusia disebut fonem. Suatu
ucapan kata atau kalimat pada prinsipnya dapat dilihat sebagai urutan fonem.
Himpunan fonem yang ada dalam suatu bahasa berbeda-beda. Setiap fonem
disimbolkan dengan suatu simbol yang unik.
a) Vokal
Setiap vokal mempunyai komponen frekuensi tertentu yang membedakan
karakter satu fonem vokal dengan fonem vokal lainnya, seperti terlihat pada
spektogram Gambar 2.5. Fonem vokal Bahasa Indonesia dibagi menjadi dua,
yaitu vokal tunggal (monoftong) yang meliputi /a/, /i/, /u/, /e/, /o/ , dan vokal
rangkap (diftong) yang meliputi /ai/,/au/,/oi/.

UIN Syarif Hidayatullah Jakarta

 25

Gambar 2.6 Bentuk Sinyal Ucapan Vokal

(Sumber : Hasna Akhmad, 2017)

b) Konsonan
Kalau vokal dihasilkan dengan membebaskan udara yang keluar dari paru-
paru, konsonan justru sebaliknya. Konsonan dihasilkan dengan menghambat
udara yang keluar dari paru-paru. Umumnya konsonan ditulis dengan satu
huruf (monograf) seperti, <b>, <c>, <d>, <f>, <g>, <h>, <j>, <k>, <l>, <m>,
<n>, <p>, <q>, <r>, <s>, <t>, <v>, <w>, dan <y>. Walaupun begitu, ada
konsonan yang ditulis dengan dua huruf (digraf) seperti <ng>, <ny>, <kh>,
<sy>. Berikut adalah rician dari kategori konsonan:

Gambar 2.7 Tabel Konsonan

(Sumber: [Link]

2.8 UML
Dalam bukunya yang berjudul “Analisis dan Perancangan Sistem” Agustinus
Mujilan mengatakan bahwa UML merupakan salah satu cara dalam menjelaskan
perancangan sistem. Unified Modeling Language (UML) adalah sebuah bahasa
yang telah menjadi standar dalam industri untuk visualisasi, merancang dan
mendokumentasikan sistem piranti lunak. UML mendefinisikan notasi dan

UIN Syarif Hidayatullah Jakarta

 26

syntax/semantic (Mujilan, 2013). UML dapat diibaratkan sebagai suatu blueprint

pada suatu bangunan. Desain dengan UML digunakan oleh seorang programmer
untuk melakukan pengkodean. Bisa terjadi seorang desainer adalah juga seorang
programmer (Mujilan, 2013).
2.8.1 Usecase Diagram
Usecase Diagram menggambarkan fungsionalitas yang diharapkan
dari sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan
bukan “bagaimana”. Sebuah usecase merepesentasikan sebuah interaksi
antara aktor dengan sistem. Usecase merupakan sebuah pekerjaan tertentu,
misalnya login ke sistem, meng-create sebuah daftar belanja, dan
sebagainya. Seorang/sebuah aktor adalah sebuah entitas manusia atau mesin
yang berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan
tertentu (Mujilan, 2013).
Usecase diagram dapat sangat membantu bila kita sedang menyusun
requirement sebuah sistem, mengkomunikasikan rancangan dengan klien,
dan merancang test case untuk semua feature yang ada pada sistem (Mujilan,
2013).
Sebuah usecase dapat meng-include fungsionalitas usecase lain
sebagai bagian dari proses dalam dirinya. Secara umum diasumsikan bahwa
usecase yang di-include akan dipanggil setiap kali usecase yang meng-
include dieksekusi secara normal (Mujilan, 2013).
Sebuah usecase dapat di-include oleh lebih dari satu usecase lain,
sehingga duplikasi fungsionalitas dapat dihindari dengan cara menarik keluar
fungsionalitas yang common (Mujilan, 2013). Berikut adalah simbol-simbol
dari usecase diagram, yaitu :

UIN Syarif Hidayatullah Jakarta

 27

Tabel 2.1 Usecase Diagram

2.8.2 Activity Diagram

Dalam bukunya Mujilam mengutip materi dari Ericsson (2004) yakni
pada dasarnya activity diagram adalah suatu ilustrasi sederhana akan apa
yang terjadi dalam aliran kerja, aktivitas apa yang dapat dilakukan secara
paralel, dan apakah terdapat jalur alternatif dalam aliran kerja. Berikut adalah
simbol-simbol dari activity diagram (Mujilan, 2013) :

UIN Syarif Hidayatullah Jakarta

 28

Tabel 2.2 Activity Diagram

2.8.3 Class Diagram

Mujilan juga mengatakan bahwa Fowler (2005) menyebutkan bahwa
class diagram mendeskripsikan jenis-jenis objek dalam sistem dan berbagai
macam hubungan statis yang terdapat diantara mereka. Class diagram juga
menunjukkan properti dan operasi sebuah class dan batasan-batasan yang
terdapat dalam hubungan-hubungan objek tersebut. UML menggunakan
istilah fitur sebagai istilah umum yang meliputi properti dan operasi sebuah
class (Mujilan, 2013). Berikut adalah symbol-simbol blok diagram :

UIN Syarif Hidayatullah Jakarta

 29

Tabel 2.3 Class Diagram

2.8.4 Sequence Diagram

Aunur R Mulyanto mengatakan dalam bukunya bahwa diagram ini
berguna untuk menggambarkan interaksi antar obyek dengan penekanan pada
urutan proses atau kejadian. Berikut adalah simbol-simbol dari sequence
diagram (Mujilan, 2013), yaitu :

UIN Syarif Hidayatullah Jakarta

 30

Tabel 2.4 Sequence Diagram

2.9 Waterfall
Menurut Ian Sommerville, tahapan utama dari waterfall model langsung
mencerminkan aktifitas pengembangan dasar. Terdapat 5 tahapan pada waterfall
model, yaitu requirement analysis and definition, sistem and software design,
implementation and unit testing, integration and sistem testing, dan operation and
maintenance (Sommerville, 2015). Fase-fase dalam Waterfall, yaitu :

Gambar 2.8 Siklus Waterfall

(Sumber : Software Engineering, Tenth Edition, Ian Sommerville 2015)
Setiap fase pada Waterfall dilakukan secara berurutan. Berikut adalah
penjelasan dari masing-masing Fase Waterfall (Sommerville, 2015).

a) Requirement Analysis and Definition

UIN Syarif Hidayatullah Jakarta

 31

Merupakan tahapan penetapan fitur, kendala dan tujuan sistem melalui

konsultasi dengan pengguna sistem. Semua hal tersebut akan ditetapkan
secara rinci dan berfungsi sebagai spesifikasi sistem.
b) Sistem and Software Design
Dalam tahapan ini akan dibentuk suatu arsitektur sistem berdasarkan
persyaratan yang telah ditetapkan. Dan juga mengidentifikasi dan
menggambarkan abstraksi dasar sistem perangkat lunak dan hubungan-
hubungannya.
c) Implementation and Unit Testing
Dalam tahapan ini, hasil dari desain perangkat lunak akan direalisasikan
sebagai satu set program atau unit program. Setiap unit akan diuji apakah
sudah memenuhi spesifikasinya.
d) Integration and Sistem Testing
Dalam tahapan ini, setiap unit program akan diintegrasikan satu sama
lain dan diuji sebagai satu sistem yang utuh untuk memastikan sistem
sudah memenuhi persyaratan yang ada. Setelah itu sistem akan dikirim
ke pengguna sistem.
e) Operation and Maintenance
Dalam tahapan ini, sistem diinstal dan mulai digunakan. Selain itu juga
memperbaiki error yang tidak ditemukan pada tahap pembuatan. Dalam
tahap ini juga dilakukan pengembangan sistem seperti penambahan fitur
dan fungsi baru.

Terdapat pula perbedaan antara metode waterfall dengan metode prototype,

Tabel 2.5 adalah penjelasan dari perbedaan kedua metode SDLC tersebut, yaitu :

Tabel 2.5 Perbandingan Waterfall dengan Prototype

Kelebihan Kekurangan
Proses pengembangan tidak
Kualitas dari sistem yang dapat dilakukan secara
Waterfall
dihasilkan akan baik berulang sebelum terjadinya
suatu produk

UIN Syarif Hidayatullah Jakarta

 32

Kesalahan kecil akan menjadi

Dokumen pengembangan masalah besar jika tidak
sistem sangat terorganisir diketahui sejak awal
pengembangan
Pelanggan sulit menyatakan
Masih digunakan walaupun kebutuhan secara eksplisit
sudah tergolong kuno, dari sehingga tidak
pada menggunakan dapat mengakomodasi
pendekatan asal-asalan ketidakpastian pada saat awal
pengembangan
Dapat digunakan untuk
Selama proses pengembangan,
mengeksplorasi solusi
Prototype kinerja keamanan dan
perangkat lunak dan untuk
ketahanan terabaikan
desain antarmuka pengguna
Membantu dengan elisitasi
Sulit dan mahal dalam proses
dan validasi persyaratan
maintance
sistem
Mempersingkat waktu Kurang mampu beradaptasi
pengembangan sistem dengan perubahan

Dengan begitu kualitas dari sistem yang dihasilkan akan baik. Ini dikarenakan
oleh pelaksanaannya secara bertahap. Sehingga tidak terfokus pada tahapan
tertentu. Serta jika penulis menggunakan metode waterfall maka dokumen
pengembangan system sangat terorganisir, karena setiap fase harus terselesaikan
dengan lengkap sebelum melangkah ke fase berikutnya. Jadi setiap fase atau
tahapan akan mempunyai dokumen tertentu.
Metode ini masih lebih baik digunakan walaupun sudah tergolong kuno,
daripada menggunakan pendekatan asal-asalan. Selain itu, metode ini juga masih
masuk akal jika kebutuhan sudah diketahui dengan baik.

UIN Syarif Hidayatullah Jakarta

 33

2.10 Mobile Application

Mobile application adalah sebuah aplikasi yang memungkinkan manusia
melakukan mobilitas dengan menggunakan perlengkapan seperti PDA, telepon
seluler (handphone). Dengan menggunakan aplikasi mobile, manusia dapat dengan
mudah melakukan berbagai macam aktivitas mulai dari hiburan, berjualan, belajar,
mengerjakan pekerjaan kantor, browsing, chatting email, dan lain sebagainya
(Khalilulah, 2016).
Saat ini teknologi mobile telah berkembang pesat termasuk teknologi mobile
berbasis android yang mempunyai dukungan fitur aplikasi yang beragam, teknologi
mobile memungkinkan aplikasi dapat diakses secara mudah dan cepat karena tidak
membutuhkan tempat atau ruang yang besar dan dapat dibawa kemana-mana
(Khalilulah, 2016).
2.11 Android
Android adalah sistem operasi mobile berdasarkan modifikasi versi Linux.
Android awalnya dikembangkan oleh sebuah perusahaan pengembang yang
namanya sama, Android, Inc. pada tahun 2005, sebagai bagian strateginya dalam
memasuki pasar mobile, Google membeli Android dan mengambil alih
pengembanganya sampai sekarang (Supriyanta, Pudji, & Bekti, 2014).
Google ingin Android terbuka dan bebas, oleh karena itu sebagian besar kode
Android dilepas di bawah lisensi open source Apache, yang berarti bahwa siapapun
yang ingin menggunakan Android dapat men-download sumber kode Android
secara penuh. Terlebih lagi bagi vendor (biasanya pabrikan hardware) dapat
menambahkan ekstensi propietari pada Android dan menyesuaikan Android untuk
membedakan produk Android mereka dengan lainya. Model pengembangan ynag
sederhana ini membuat Android sangat menarik dan telah mengusik ketertarikan
banyak vendor. Terutama bagi perusahaan yang terpengaruh dengan fenomena
iPhone Apple, sebuah kesuksesan produk yang luar biasa yang merevolusi industri
smartphone. Perusahaan termasuk Motorola dan Sony yang selama bertahun-tahun
mengembangkan sistem operasi mobile sendiri. Ketika iPhone diluncurkan, banyak
perusahaan seperti ini berjuang untuk menemukan cara baru untuk merevitalisasi
produk mereka. Pabrikan ini melihat Android sebagai sebuah solusi, mereka

UIN Syarif Hidayatullah Jakarta

 34

meneruskan untuk mendesain hardware mereka dan menggunakan Android

sebagai Sistem Operasi yang memberikan kekuasaanya (Supriyanta et al., 2014).
Keuntungan utama mengadopsi Android adalah Android menawarkan
pendekatan terpadu pada pengembangan aplikasi. Pengembang hanya perlu
mengembangkan untuk Android, dan aplikasi mereka dapat dijalankan pada banyak
perangkat yang berbeda, sepanjang perangkat tersebut menggunakan Android. Pada
dunia smartphone, aplikasi adalah bagian rantai sukses yang paling penting. Oleh
karena itu pabrikan hardware melihat Android sebagai harapan terbaiknya untuk
menantang serangan hebat iPhone, yang sudah memiliki dasar apliaksi yang besar
(Supriyanta et al., 2014).
Android telah mengalami sejumlah update sejak pertama kali diluncurkan
pada tahun 2007 sampai yang diluncurkan terkahir tahun 2013. Tabel 2.6 berikut
menunjukkan berbagai macam versi Android dan kode namanya. Kode nama versi
Android menggunakan nama-nama kue agar mudah diingat (Supriyanta et al.,
2014).
Android memiliki banyak versi yang terus diperbaharui demi memperbaiki
bug dan penambahan-penambahan fitur baru. Berikut merupakan versi-versi
Android yang telah ada, yaitu :

Tabel 2.6 Versi Android

No Android Version Release Date Codename
1 Android 1.0 (API level 1) 23 Sptember 2008 -
2 Android 1.1 (API level 2) 9 Februari 2009 -
3 Android 1.5 (API level 3) 30 April 2009 Cupcake
4 Android 1.6 (API level 4) 15 Sptember 2009 Donut
5 Android 2.0 (API level 5) 26 Oktober 2009 Eclair
6 Android 2.0.1 (API level 6) 3 Desember 2009 Eclair
7 Android 2.1 (API level 7) 12 Januari 2010 Eclair
8 Android 2.2–2.2.3 (API level 8) 20 Mei 2010 Froyo
9 Android 2.3–2.3.2 (API level 9) 6 Desember 2010 Gingerbread

UIN Syarif Hidayatullah Jakarta

 35

10 Android 2.3.3–2.3.7 (API level 9 Februari 2011 Gingerbread

10)
11 Android 3.0 (API level 11) 22 Februari 2011 Honeycomb
12 Android 3.1 (API level 12) 10 Mei 2011 Honeycomb
13 Android 3.2 (API level 13) 15 Juli 2011 Honeycomb
14 Android 4.0–4.0.2 (API level 14) 19 Oktober 2011 Ice Cream
Sandwich
15 Android 4.0.3–4.0.4 (API level 16 Desember 2011 Ice Cream
15) Sandwich
16 Android 4.1 (API level 16) 9 Juli 2012 Jelly Bean
17 Android 4.2 (API level 17) 13 Novemver 2012 Jelly Bean
18 Android 4.3 (API level 18) 24 Juli 2013 Jelly Bean
19 Android 4.4 (API level 19) 31 Oktober 2013 KitKat
20 Android 5.0 (API level 21) 3 November 2014 Lollipop
21 Android 6.0 (API level 23) 5 Oktober 2015 Marshmallow
(Sumber : [Link]

2.12 Feature Android

Android bersifat open source dan bebas tersedia bagi pabrikan untuk
penyesuaian, sehingga tidak ada konfigurasi hardware dan software yang tetap.
Akan tetapi Android sendiri mendukung fitur-fitur berikut (Khalilulah, 2016) :
a. Storage, menggunakan SQLLite sebuah database relasional yang ringan.
b. Conectivity, mendukung GSM/EDGE, IDEN, CDMA, EV-DO, UMTS,
Bluetooth, Wifi, LTE dan WiMAX
c. Messaging, mendukung SMS dan MMS.
d. Web Browser, berdasarkan open source WebKit.
e. Media Support, mendukung berbagai tipe media, MPEG, MP4, 3GP,
JPEG, PNG dan lain-lain.
f. Hardware support, accelerometer sensor, camera, digital compas,
proximity sensor, dan GPS.
g. Multi touch, multi tasking, mendukung flash dan tethering, sharing
koneksi internet.

UIN Syarif Hidayatullah Jakarta

 36

Secara umum sistem operasi Android terbagi ke dalam 4 lapisan, yaitu kernel
linux, libraries dan android runtime, application framework dan application. Kernel
linux merupakan dasar dari sistem operasi Android. Lapisan di atasnya adalah
lapisan libraries. Pada lapisan ini berisi semua kode yang menyediakan fitur utama
sistem operasi Android. Sebagai contoh, library SQLite menyediakan dukungan
database sehingga sebuah aplikasi dapat menggunakanya untuk penyimpanan data.
Library WebKit menyediakan fungsionalitas web browsing. Pada lapisan yang
sama terdapat Android Runtime, yang menyediakan seperangkat library inti yang
memungkinkan pengembang untuk menulis aplikasi android menggunakan bahasa
pemrograman java.
Android runtime juga termasuk Dalvik Virtual Machine, yang memungkinkan
setiap aplikasi android menjalankan prosesnya sendiri, dengan instance Dalvik
Virtual Machine -nya (aplikasi android dikompilasi ke dalam dalvik executable).
Dalvik adalah virtual machine yang khusus digunakan pasa Android dan optimal
untuk perangkat mobile dengan baterai dengan memori dan CPU yang terbatas.
Lapisan di atasnya adalah application framework, yang menampakkan berbagai
macam kemampuan sistem operasi Android kepada pengembang aplikasi sehingga
mereka dapat menggunakan pada aplikasi mereka. Lapisan yang paling atas adalah
aplikasi, pada lapisan ini kita bisa menemukan aplikasi yang dikapalkan bersama
dengan perangkat Android, seperti contacts, browser serta aplikasi-aplikasi yang
di-download dari Play Store (Khalilulah, 2016).
2.13 Android Studio
Android Studio merupakan sebuah Integrated Development Environment
(IDE) khusus untuk membangun aplikasi yang berjalan pada platform android.
Android studio ini berbasis pada IntelliJ IDEA, sebuah IDE untuk bahasa
pemrograman Java. Bahasa pemrograman utama yang digunakan adalah Java,
sedangkan untuk membuat tampilan atau layout, digunakan bahasa XML. Android
studio juga terintegrasi dengan Android Software Development Kit (SDK) untuk
deploy ke perangkat android (Khalilulah, 2016).
Android studio adalah IDE (Integrated Development Environment) resmi
untuk pengembangan aplikasi Android dan bersifat open source atau gratis.

UIN Syarif Hidayatullah Jakarta

 37

Peluncuran Android Studio ini diumumkan oleh Google pada 16 mei 2013 pada
event Google I/O Conference untuk tahun 2013. Sejak saat itu, Android Studio
mengantikan Eclipse sebagai IDE resmi untuk mengembangkan aplikasi
(Khalilulah, 2016).
a) Android studio sendiri dikembangkan berdasarkan IntelliJ IDEA yang
mirip dengan Eclipse disertai dengan ADT plugin (Android Development
Tools). Android studio memiliki fitur (Khalilulah, 2016) : Projek berbasis
pada Gradle Build.
b) Refactory dan pembenahan bug yang cepat.
c) Tools baru yang bernama “Lint” dikalim dapat memonitor kecepatan,
kegunaan, serta kompetibelitas aplikasi dengan cepat.
d) Mendukung Proguard And App-signing untuk keamanan.
e) Memiliki GUI aplikasi android lebih mudah.
2.14 Metode Pengujian Sistem
Pengujian adalah sebuah proses terhadap aplikasi/program untuk menemukan
segala kesalahan dan segala kemungkinan yang akan menimbulkan kesalahan
sesuai dengan spesifikasi perangkat lunak yang telah ditentukan sebelum aplikasi
tersebut diserahkan kepada pelanggan (Khalilulah, 2016).
Sementara itu testing adalah sebuah proses yang diejawantahkan sebagai
siklus hidup dan merupakan bagian dari proses rekayasa perangkat lunak secara
terintegrasi demi memastikan kualitas dari perangkat lunak serta memenuhi
kebutuhan teknis yang telah disepakati dari awal.
Dari kedua pendapat diatas dapat disimpulkan bahwa pengujian sistem
(testing) adalah salah satu proses penting dalam pengembangan sebuah perangkat
lunak untuk mencari kesalahan yang ada dalam sistem dan melakukan pengecekan
kualitas dari sebuah perangkat lunak.
2.14.1 Blackbox Testing
Black box testing adalah tipe testing yang memperlakukan perangkat
lunak yang tidak diketahui kinerja internalnya. Sehingga para tester
memandang perangkat lunak seperti layaknya ”kotak hitam” yang tidak

UIN Syarif Hidayatullah Jakarta

 38

penting dilihat isinya, tapi cukup dikenai proses testing di bagian luar
(Khalilulah, 2016).
Metode ujicoba blackbox memfokuskan pada keperluan fungsional
dari software. Karna itu uji coba blackbox memungkinkan pengembang
software untuk membuat himpunan kondisi input yang akan melatih seluruh
syarat-syarat fungsional suatu program. Uji coba blackbox bukan merupakan
alternatif dari uji coba whitebox, tetapi merupakan pendekatan yang
melengkapi untuk menemukan kesalahan lainnya, selain menggunakan
metode whitebox.
2.14.2 Keuntungan Black Box Testing
Keuntungan dari black box testing antara lain :
a.) Anggota tim tester tidak harus dari seseorang yang memiliki
kemampuan teknis di bidang pemograman.
b.) Kesalahan dari perangkat lunak ataupun bug seringkali
ditemukan oleh komponen tester yang berasal dari pengguna.
c.) Hasil dari black box testing dapat memperjelas kontradiksi
ataupun kerancuan yang mungkin timbul dari eksekusi sebuah
perangkat lunak.
d.) Proses testing dapat dilakukan lebih cepat dibandingkan white
box testing.
2.15 Metode Pengumpulan Data
2.15.1 Pengertian Data
Definisi Data secara Etimologis merupakan bentuk jamak dari
DATUM yang berasal dari Bahasa Latin dan berarti "Sesuatu Yang
Diberikan". Sementara itu, menurut Siswandari, data dapat berarti fakta dari
suatu objek yang diamati, yang dapat berupa angka-angka maupun kata-kata.
Sedangkan jika dipandang dari sisi Statistika, maka data merupakan fakta-
fakta yang akan digunakan sebagai bahan penarikan kesimpulan. Penulis
menyimpulkan bahwa data adalah sebuah fakta dari hal atau objek yang
diamati yang digunakan sebagai bahan pengambilan kesimpulan. Agar data

UIN Syarif Hidayatullah Jakarta

 39

dapat dianalisis dan ditafsirkan dengan baik, maka harus bersifat obyektif,
relevan, up-to-date, representative (Khalilulah, 2016).
2.15.2 Jenis Data
Data dilihat dari jenisnya terdiri dari dua, yaitu :
a) Data Kuantitatif
Data yang dinyatakan dalam bentuk angka-angka atau jumlah dan
dapat diukur besar kecilnya serta bersifat obyektif sehingga dapat
ditafsirkan sama oleh orang lain. Contohnya berat badan, dan suhu
tubuh.
b) Data Kualitatif
Data yang berhubungan dengan kategorisasi atau karakteristik
dalam bentuk sifat yang tidak dapat diukur besar kecilnya.
Contohnya jenis kelamin, dan pekerjaan.
2.15.3 Metode dan Instrumen Pengumpulan Data
Metode pengumpulan data adalah teknik atau cara-cara yang dapat
digunakan oleh peneliti untuk mengumpulan data. Sementara itu, instrument
pengumpulan data adalah alat bantu yang dipilih dan digunakan oleh peneliti
dalam kegiatan pengumpulan data agar menjadi lebih mudah dan sistematis,
(Khalilulah, 2016).
Agar data yang dihasilkan baik dan benar, maka instrumen
pengumpulan data juga harus baik dan benar. Berikut tabel metode dan
instrument pengumpulan data :

Tabel 2.7 Metode dan Instrumen Pengumpulan Data

No Jenis Metode Jenis Instrumen
1. Angket 1. Angket
2. Daftar Cocok
3. Skala

2. Wawancara 1. Pedoman wawancara

2. Daftar cocok

UIN Syarif Hidayatullah Jakarta

 40

3. Observasi 1. Lembar pengamatan

2. Panduan pengamatan
3. Panduan observasi
4. Daftar cocok

4. Dokumentasi 1. Daftar cocok

2. Tabel

2.16 Literatur Sejenis

Dalam penelitian ini, peneliti menggunakan literatur sejenis penelitian yang
sudah ada sebelumnya. Hal ini dimaksudkan untuk mengevaluasi literatur tersebut
supaya mengetahui kelebihan dan kekurangan yang terdapat pada penelitian
sebelumnya. Berikut ini detail informasi literatur sejenis pada tabel 2.8

UIN Syarif Hidayatullah Jakarta

 Tabel 2.8 Literatur Sejenis
No Penulis Judul Paper Ide Pokok Kelebihan Kekurangan

1. Automatic Speech Tesis ini bertujuan untuk memberikan - Pada penelitian ini menjelaskan - Penelitian ini hanya untuk mengevaluasi
(Stenman,
Recognition An Evalution pengenalan suara dan membahas perbedaan dari Google Speech API kinerja masing masing tools.
2015)
of Google Speech penggunaannya dalam robotika. Evaluasi dengan Pocketsphinx. - Penelitian ini tidak membahas mengenai
Google Speech, menggunakan API ucapan - Menjelaskan masing masing kelenihan masuka suara untuk tunawicara atau
Google, terkait dengan tingkat kesalahan kata dan kekurangan dari masing masih gangguan bicara.
dan kecepatan terjemahan, serta perbandingan tools
antara Google Speech dan Pocketsphinx.

2. A Voice Input Voice Makalah ini menggambarkan perkembangan - Aplikasi ini (VIVOCA) bantuan - Tingkat akurasi pengenalan ucapan masih
(Hawley
Output Communication aplikasi suara. Untuk Bantuan komunikasi, komunikasi untuk orang yang tidak 67%.
et al.,
Aid for People With Severe output dapat dikontrol dengan pidato otomatis. jelas pengucapannya, ataupun pidato - Masih terdapat kekurangan dari segi kinerja
2013)
Speech Impairment Perangkat dapat dikonfigurasi untuk yang tidak teratur. aplikasi, yakni masih menggunakan masukan
memungkinkan pengguna melakukannya. Buat - VIVOCA dievaluasi dalam percobaan kosa kata kecil sebagai pilihan untuk
pesan sederhana atau kompleks menggunakan lapangan oleh indivindu yang membatu menterjemahkan kata yang
kombinasi mengalami dysarhtia sedang sampai diucapkan
Dari seperangkat input "kata-kata" yang relatif dengan parah dan mereka dapat - Pengenalan ucapan dalam Bahasa inggris.
kecil. Perangkat untuk menghasilkan keluaran menggunakan perangkat ini dan dapat
ucapan yang dapat dimengerti. menghasilkan output.

3. Pemanfaatan Cloud Speech - Memanfaatkan Google Speech API sebagai Interface Aplikasi menarik, media Aplikasi yang dikembangkan masih terbatas
(Intan,
API untuk Pengembangan pengembangan media pembelajaran Bahasa pembelajaran ditampilkan dengan menggunakan satu kata dalam Bahasa
Saputra,
Media Pembelajaran Inggris menggunakan teknologi speech beruba gambar dan mudah dipahami Inggris. Dan Aplikasi tidak dapat mengenali
Handani,
Bahasa Inggris recognition. aplikasi berbasis Android. user ucapan tunawicara
& Diniary,
Bertujuan untuk mendukung dan
2017)

41
 42

menggunakan Teknologi mempermudah proses kegiatan belajar

Speech Recognition mengajar, membuat siswa lebih tertarik untuk
belajar Bahasa Inggris dan mengoptimalkan
proses belajar, serta memberikan peluang bagi
pelajar untuk lebih mandiri dan memperluas
wawasan.

(Dewi,
4. Sphinx-4 Indonesian Penelitian ini menggunakan Sphinx-4 untuk Recognition rate pada - Penelitian ini hanya untuk pengenalan
Firdausilla
Isolated Digit Speech pengenalan ucapan digit bahasa Indonesia ucapan orang normal,
h, & penelitian ini rata rata 50 %
Recognition dengan bahasa pemrograman JavaTM. Menguji - masih ada recognition rate yang dibawah
Supriyant
sistem pengenalan ucapan digit Indonesia 50%
o, 2013)
dalam hal tingkat pengenalan. Dan - Keberhasilan berdasarkan
menunjukkan bahwa masing-masing pria tone,pronounciation, speed of speech.
memiliki tingkat pengenalan yang berbeda
karena perbedaan nada, pengucapan, dan
kecepatan bicara.

UIN Syarif Hidayatullah Jakarta

 BAB III
METODOLOGI PENGEMBANGAN SISTEM

3.1 Requirement Analysis and Definition

Merupakan tahapan penetapan fitur pada aplikasi pengenalan dan penerjemah
ucapan tunawicara dari suara ke teks, kendala dan tujuan sistem melalui konsultasi
dengan pengguna sistem. Semua hal tersebut akan ditetapkan secara rinci dan
berfungsi sebagai spesifikasi aplikasi penterjemah bahasa tunawicara dari suara ke
teks. Data yang diperoleh dalam penelitian ini dilakukan dengan cara sebagai
berikut:
3.1.1 Wawancara
Penulis melakukan wawancara secara langsung dengan komunitas
“difabel” yang merupakan sebuah komunitas tunawicara, tunarungu, dan
penyandang disabilitas lainnya. Penulis melakukan wawancara guna
mendapatkan informasi mengenai permasalahan yang ada serta solusi apa
yang harus diberikan untuk orang-orang yang menyandang disabilitas. Hasil
ini yang nantinya akan menjadi acuan penulis membuat output pada aplikasi.

3.1.2 Studi Pustaka

Pada tahapan pengumpulan data dengan cara studi pustaka, penulis
mencari referensi-referensi yang relevan dengan objek yang akan diteliti.
Pencarian referensi dilakukan bersumber dengan dari buku, jurnal, literatur
sejenis maupun secara online melalui internet. Informasi yang didapatkan
digunakan dalam penelitian.

43
 Tabel 3.1 Studi Literatur Sejenis
No Judul Kelebihan Kekurangan
Pada penelitian ini menjelaskan perbedaan - Penelitian ini hanya untuk mengevaluasi
dari Google Speech API dengan kinerja masing masing tools.
Automatic Speech Recognition
1 Pocketsphinx. Menjelaskan masing masing Penelitian ini tidak membahas mengenai
an Evalution of Google Speech
kelenihan dan kekurangan dari masing masukan suara untuk tunawicara atau
masih tools. gangguan bicara.
- Aplikasi ini (VIVOCA) bantuan - Tingkat akurasi pengenalan ucapan masih
komunikasi untuk orang yang ucapan nya 67%.
A Voice Input Voice Output
parah, ataupun pidato yang tidak teratur, -Masih terdapat kekurangan dari segi kinerja
Communication Aid for People
2 masukan berupa suara dan keluaran berupa aplikasi, yakni masih menggunakan masukan
With Severe Speech
suara juga. kosa kata kecil sebagai pilihan untuk membatu
Impairment
- Metode desain dan pengembangan yang menterjemahkan kata yang diucapkan
berpusat pada pengguna
Pemanfaatan Cloud Speech
API untuk Pengembangan Aplikasi yang dikembangkan masih terbatas
Interface Aplikasi menarik, media
Media Pembelajaran Bahasa menggunakan satu kata dalam Bahasa
3 pembelajaran ditampilkan dengan beruba
Inggris menggunakan Inggris. Dan Aplikasi tidak dapat mengenali
gambar dan mudah dipahami user
Teknologi Speech Recognition ucapan tunawicara

- Penelitian ini hanya untuk pengenalan

ucapan orang normal,
Recognition rate pada penelitian ini rata
Sphinx-4 Indonesian Isolated - masih ada recognition rate yang dibawah
4 rata 50 %
Digit Speech Recognition 50%
Keberhasilan berdasarkan
tone,pronounciation, speed of speech.

44
3.2 Sistem and Software Design
Dalam tahapan ini akan dibentuk suatu arsitektur sistem berdasarkan
persyaratan yang telah diperoleh pada fase sebelumnya. Dan juga mengidentifikasi
dan menggambarkan abstraksi dasar aplikasi penerjemah bahasa tunarungu dari
suara ke teks dan hubungan-hubungannya. Berikut ini hal-hal yang perlu
diidentifikasi pada fase ini, yaitu :
1. Perancangan sistem dengan tools UML
Pada tahap ini dilakukan perancangan proses metode Speech
Recognition pada aplikasi penerjemah secara konseptual dengan
menggunakan usecase diagram, activity diagram, dan sequence diagram.
2. Penerapan Google Cloud Speech API
Pada tahap ini dilakukan penerapan Google Speech API dengan
menggunakan Python sebagai sarana pengkodean. Pada tahap ini juga
dilakukan konvert data audio, penyimpan pada Google Cloud Storage. Dan
juga proses perancangan speech recognition dan mengintegrasikan data
dengan Google Cloud Storage.
3. Perancangan antarmuka pengguna (user interface)
User interface memberikan fasilitas komunikasi antara pengguna (user)
dan sistem, memberikan berbagai fasilitas informasi dan berbagai
keterangan dengan tujuan untuk membantu mengarahkan alur penelusuran
masalah sampai dengan ditemukannya solusi. User interface dirancang
sebagai gambaran pada saat pembuatan sistem.
3.3 Implementation and Unit Testing
Tahapan ini merupakan tahap melakukan perhitungan Speech Recognition
secara manual dan melakukan pengkodean metode Speech Recognition dengan
bahasa pemrograman Java dan Python, basis datanya Google Cloud. Hasil dari
tahap ini adalah program komputer sesuai dengan desain yang telah dibuat pada
tahap desain. Setiap unit akan diuji apakah sudah memenuhi spesifikasinya.

45
 46

3.4 Integration and Sistem Testing

Dalam tahapan ini, setiap unit program akan diintegrasikan satu sama lain dan
diuji sebagai satu sistem yang utuh untuk memastikan sistem sudah memenuhi
persyaratan yang ada. Setelah itu sistem akan dikirim ke pengguna sistem.
Fase ini merupakan fase pengujian sistem yang sudah dibuat. Pada fase ini
terdapat beberapa bagian yaitu, pengujian keakuratan hasil output dengan
mengukur recognition rate dan pengujian sistem menggunakan blackbox testing.
Pengujian fokus pada aplikasi dari segi logic dan fungsional dan memastikan bahwa
semua bagian sudah diuji. Hal ini dilakukan untuk meminimalisir kesalahan (error)
dan memastikan keluaran yang dihasilkan sesuai dengan yang diinginkan. Selain
itu pengujian dilakukan secara lansung dengan tunawicara dan orang normal untuk
mengetahui tingkat keberhasilan speech recognition.
3.5 Operation and Maintenance
Tidak menutup kemungkinan sebuah aplikasi mengalami perubahan ketika
sudah dikirimkan ke user. Perubahan bisa terjadi karena adanya kesalahan yang
muncul dan tidak terdeteksi saat pengujian atau perangkat lunak harus beradaptasi
dengan lingkungan baru. Tahap pendukung atau pemeliharaan dapat mengulangi
proses pengembangan mulai dari analisis spesifikasi untuk perubahan perangkat
lunak yang sudah ada, tapi tidak untuk membuat perangkat lunak baru.

UIN Syarif Hidayatullah Jakarta

 47

3.6 Alur Kerangka Penelitian

Mulai

Identifikasi
Masalah

Perumusan
Masalah

Studi Pustaka
Metode
Wawancara
Pengumpulan Data
Studi Lapangan Observasi

Metode Requirement Definisi

Pengembangan Analysis and
Sistem Waterfall Definition Analisa Sistem

Sistem and
Software UML
Design
Google
Cloud
Speech

Implementation
User
and Unit testing
Interface

Coding

Integration and
Kesimpulan dan BlackBox
Sistem Testing
Saran

Operation and
Maintenance

Gambar 3.1 Kerangka Berpikir

UIN Syarif Hidayatullah Jakarta
 BAB IV
ANALISIS, PERANCANGAN SISTEM, IMPLEMENTASI DAN
PENGUJIAN SISTEM

4.1 Requirement Analysis and Definition

Pada tahapan ini penulis akan mendefinisi masalah, analisa sistem berjalan
dan analisa sistem susulan.
4.1.1 Definisikan Masalah
Bahsa isyarat sebagai salah satu sarana yang membantu untuk
berkomunikasi dengan tunawicara, tetapi tidak sedikit juga kendala yang
dihadapi. Misalnya, Tidak semua orang dapat mengerti dan menguasai bahasa
isyarat. Kendala berikutnya adalah orang yang tidak mengerti bahasa isyarat
menjadikan sebagai salah satu alasan untuk tidak berkomunikasi dengan
tunarungu. Dan juga aplikasi yang menyediakan kamus Bahasa isyarat tidak
begitu membantu mereka berkomunikasi dikarenakan tidak semua tercakup
di dalam aplikasi. Dengan begitu adanya aplikasi yang dapat mengenali dan
menerjemahkan ucapan (suara) tunawicara sangat membantu tunawicara dan
orang normal untuk berkomunikasi. Maka dari itu digunakan Speech
Recognition untuk memecahkan masalah tersebut. Dan juga menggunakan
Google Cloud Speech API teknologi dari Google Cloud Platform yang dapat
mengoptimalkan pengenalan ucapan tunawicara dengan tepat.
4.1.2 Analisa Sistem Berjalan
Berdasarkan hasil wawancara yang dilakukan, dapat diketahui bahwa
kebanyakan sistem yang berjalan masih menggunakan tenaga manusia secara
lansung dan melakukan komunikasi dengan bahasa isyarat secara lansung.
Sistem ini merupakan sistem yang sebenarnya sangat bergantung pada orang
yang mengerti bahasa isyarat sebagai penghubung orang normal dengan
tunarungu, karena jika tidak ada orang yang bisa mengerti bahasa isyarat
makan komunikasi tidak dapat berjalan dengan lancara dan bahkan tidak
terjadi komunikasi diantara tunawicara dan orang normal. Berikut adalah
skema alur dari analisis sistem berjalan.

48
 49

Gambar 4.1 Skema Alur 1 Analisis Sistem yang Berjalan

Orang normal menyampaikan ucapan kepada tunawicara melalui
penerjemah bahasa isyarat, lalu penerjemah menyampaikan ucapan tersebut
kepada tunawicara dengan menggunakan bahasa isyarat. Lalu tunawicara
menanggapi ucapan, dan menyampaikan kembali ucapan balasan kepada
penerjemah bahasa isyarat dengan menggunakan bahasa isyarat, penerjemah
mengartikan bahasa isyarat tersebut dan menyampaikan arti atau maksud dari
bahasa isyarat tersebut kepada orang normal.
4.1.3 Analisa Sistem Usulan
Sistem usulan yang diajukan pada tahap ini berdasarkan identifikasi
kebutuhan dan analisis sistem berjalan, metode speech recognition akan
digunakan dalam pembuatan aplikasi pengelanan ucapan tunawicara.
Aplikasi yang menggunkan speech recognition, dengan memanfaatkan
teknologi dari Google Speech API yang terintegrasi dengan Google Cloud
Storage. Dengan masukan berupa suara dan keluaran berupa teks yang
ditampilkan pada device (android) sebagai media input dan output. Google
Cloud Speech API sebagai sarana tempat pemroses aplikasi.

UIN Syarif Hidayatullah Jakarta

 50

Gambar 4.2 Aplikasi Usulan Pengenalan Ucapan Tunawicara

Gambar 4.2 menjelaskan tentang aplikasi usulan pengenalan ucapan
tunawicara. Aplikasi dapat merekam suara dan menerjemahkan suara ke
dalam bentuk teks dengan menggunakan teknologi Google Cloud Speech API.
Dimana Aplikasi dijalankan secara online, hal ini untuk dapat memproses data
secara lansung dari Google Cloud. Dan Google Cloud Speech API sudah
terintegrasi dengan Google Cloud Storage, sehingga setiap data suara yang
masuk dapat disimpan pada Google Cloud Storage. Aplikasi ini dapat di
install secara offline tetapi dijalakan secara online pada device android. User
hanya diminta untuk memasukan suara lalu aplikasi akan mengenali dan
menerjemahkan ucapan, dan mengeluarkan keluaran berupa teks. Proses
masukan dan keluaran menggunakan device (mobilephone). Berikut
penjelasan fungsi dari masing masing tool:
1. Handphone berfungsi sebagai tempat masukan suara dan juga
menampilkan keluaran berupa teks.
2. Google Cloud Speech API berfungsi sebagai sarana pemroses mulai dari
merekam suara, mengenali suara, dan hingga menerjemahkan suara ke
dalam bentuk teks.
3. Google Cloud Storage berfungsi sebagai tempat penyimpanan data suara.
Dan langsung terintegrasi dengan Google Cloud Speech API.

UIN Syarif Hidayatullah Jakarta

 51

4.2 Sistem and Software Design

Sistem and software design pada penelitian ini akan menjelaskan tetang
pembelajaran pola suara, proses penerapan Google Cloud Speech API, perancangan
sistem menggunakan UML, dan perancagan user interface.
4.2.1 Pembelajaran Pola
Pada sub bab ini, menjabarkan tentang pola suara suatu kalimat atau
kata yang di rekam melalui software open source “Sound Meter”. Dengan
metode “likelihood calculation” penulis melakukan perthitungan. Penulis
melakukan perhitungan pada pengucapan digit angka 1-10.
Tujuan dari perhitungan menggunakan “likelihood” adalah untuk
menguji ada tidaknya hubungan antara kecepatan berbicara, nada dan
pengucapan (pronuncitation) dalam pengenalan ucapan. Hasil dari
pembelajaran pola terdapat di bab 5 hasil dan pembahasan.
4.2.2 Penerapan Google Cloud Speech API
Terdapat langkah langkah dalam penggunaan Google Cloud Speech
API, penulis menggunakan pengkodean Python. Berikut langkah - langkah
tersebut:
a. Instalisasi Python dan PIP, Python digunakan sebagai sarana
pemrosesan Google Speech dan juga Speech API. PIP berfungsi
sebagai manage package atau library – library python. Pada gambar
4.10 ditunjukan command install python dan PIP.

Gambar 4.3 Command install Python

b. Menginstalasi modul-modul yang dibutuhkan python untuk speech
recognition

UIN Syarif Hidayatullah Jakarta

 52

Gambar 4.4 Modul API Bridge

Untuk menghubungkan aplikasi dengan Google Speech API
dibutuhkan API Bridge untuk menjembatani pengiriman dan
pengambilan data pada API.

Gambar 4.5 Speech Process

Selain membtuhkan API bridge, juga dibutukan modul Speech
Process, untuk proses Speech Recognition menggunakan Google
Speech.

UIN Syarif Hidayatullah Jakarta

 53

c. Melakukan convert audio, audio yang dimasukan pada Google Cloud

Storage dalam bentuk ekstensi .wav dan tipe mono.

Gambar 4.6 Konvert Audio

Pada Google Cloud Speech juga dilakukan preprocessing dimana
mengurani noise pada audio.
d. Melakukan konfigurasi Google API key

Gambar 4.7 Konfigurasi Google API Key

UIN Syarif Hidayatullah Jakarta

 54

4.2.3 Perancangan sistem dengan UML

1. Usecase Diagram
Usecase diagram dapat dibuat setelah peneliti melakukan
identifikasi aktor dan identifikasi kebutuhan usecase. Berikut ini
informasi detail mengenai identifikasi aktor dan identifikasi kebutuhan
usecase. Berikut usecase yang menggambarkan kegiatan kegiatan
aktor terhadap sistem:

Gambar 4.8 Usecase Diagram

Gambar 4.15 menjelaskan mengenai usecase aplikasi pengenalan
dan penerjemah ucapan tunawicara, actor yang terlibat dalam sistem ini
adalah tunawicara atau orang normal. Dalamsistem ini, tunawicara atau
orang normal dapat melakukan menerjemahkan suara ke dalam bentuk
teks, dan merekam suara. Berikut adalah skenario saat user melakukan
pengenalan dan penerjemahan ucapan.

UIN Syarif Hidayatullah Jakarta

 55

Tabel 4.1 Usecase Naratif Fitur Menerjemahkan

Usecase Name Menggunakan Penerjemahan
Usecase Id 1
Priority High
Source Analisis Sistem
Actor Semua Aktor
Usecase melakukan perekaman suara dan
Description
penerjemahan suara
Aktor harus memasukan kata yang telah terdaftar
Precondition
dalam sistem
Trigger
Typical Course of
Actor Action System Response
Events
1. Memasuki 2. menampilkan form
halaman beranda terjemah
4. Sistem merekam
3. Memberikan input
suara, memproses dan
berupa suara
menampilkan arti kata

2. Activity Diagram
Activity diagram memodelkan alur kerja (work flow) sebuah urutan
aktivitas pada suatu proses. Berikut ini adalah activity diagram yang
menggambarkan aktivitas-aktivitas yang terjadi dalam sistem:

UIN Syarif Hidayatullah Jakarta

 56

Gambar 4.9 Activity Diagram

Activity diagram pada gambar 4.16 menjelaskan hubungan antara
user dengan sistem pada fitur penerjemah. Ketika user menekan tombol
menerjemahkan, sistem akan menampilkan halaman menu utama. Di
halaman menu utama terdapat tombol - tombol diantaranya tombol

UIN Syarif Hidayatullah Jakarta

 57

“record” untuk merekam suara. Ketika user menekan tombol record,

sistem mengaktifkan mikrofon user terlebih dahulu. Setelah itu sistem
akan menerima masukan berupa suara. Ketika user menekan tombol
stop, sistem akan menutup mikrofon dan menyimpan masukan suara
menjadi dalam bentuk rekaman audio. Ketika user menekan tombol
play, sistem akan memutarkan hasil dari rekaman. Ketika user menekan
tombol stop playing recording maka sistem akan memberhentikan
pemutaran rekaman audio. Apabila user ingin menerjemahkan ucapan,
maka user harus menekan tombol terjemahkan sistem akan memproses
dan menerjemahkan suara ke teks dan akan ditampilkan pada device.
Apabila kata atau suara tidak ada dalam Google Cloud Storage maka
sistem tidak bias menterjemahkan suara ke teks.

3. Sequence Diagram
Sequence diagram menggambarkan interaksi antar objek di dalam
dan di sekitar sistem yang digambarkan terhadap waktu, atau disebut
sebagai message. Berikut ini adalah sequence diagram untuk masing-
masing modul.

UIN Syarif Hidayatullah Jakarta

 58

Gambar 4.10 Sequence Diagram

Sequence Diagram pada Gambar 4.17 menjelaskan fitur penerjemah

pada aplikasi bisa berjalan. Pertama user menekan tombol
menerjemahkan yang ada pada tampilan menu awal aplikasi. Setelah itu
user diminta untuk memasukan suara atau merekam suara, dan sistem
menunggu ucapan atau suara yang akan inputkan user. Setelah input
diucapkan oleh user, sistem akan menyimpan data pada Google Cloud
Storage dan akan mengenali kata atau ucapan yang diucapkan user, dan
selanjutnya sistem akan memberikan umpan balik berupa kata yang
diucapkan oleh user. Setelah penggunaan selesai, user keluar dari
aplikasi dengan menekan tombol kembali pada device, maka sistem
akan menutup aplikasi.

UIN Syarif Hidayatullah Jakarta

 59

4.2.4 Perancangan antarmuka pengguna (user interface)

Berdasarkan identifikasi fungsi pada tahapan perencanaan syarat-syarat
dan pemodelan dengan UML, maka perancangan antarmuka ASR aplikasi
pengenalan ucapan tunawicara adalah sebagai berikut :
1. Tampilan Awal

Gambar 4.11 Tampilan Awal

Gambar 4.18 adalah tampilan awal untuk aplikasi pengenalan dan

penerjemah ucapan tunawicara. Pada saat pertama kali aplikasi dijalankan,
yang muncul pertama kali adalah gambar tampilan awal sebelum masuk ke
menu utama aplikasi. User harus menekan tombol “MENERJEMAHKAN"
untuk dapat melanjutkan aplikasi ke halaman menu utama.

UIN Syarif Hidayatullah Jakarta

 60

2. Menu Utama

Gambar 4.12 Menu Utama

Gambar 4.13 adalah tampilan menu utama aplikasi pengenalan dan
penerjemah ucapan tunawicara, terdapat tombol record untuk masukan suara,
tombol stop untuk berhenti merekam suara. Ada tombol play untuk memutar
kembali hasil rekaman. Tombol terjemahkan untuk menerjemahkan suara
yang dimasukkan ke dalam teks, teks akan tampil pada textview. Pada gambar
berikut menunjukan teks yang tampil :

UIN Syarif Hidayatullah Jakarta

 61

Gambar 4.13 Tampilan Ouput Teks

4.3 Implementation and Unit Testing
Pada sub bab ini, penulis akan menjabarkan tentang implementasi metode ASR
pada aplikasi dan pembuatan kode program ASR.
4.3.1 Implementasi ASR
Speech Recognition memproses sinyal suara yang masuk dan
menyimpannya dalam bentuk digital. Hasil proses digitalisasi tersebut
kemudian dikonversi dalam bentuk spektrum suara yang akan dianalisa dengan
membandingkannya dengan template suara pada database sistem.
Langkah-langkah pemrosesan Algoritma Speech Recognition pada
aplikasi ini dapat dilihat pada Gambar 4.19.

UIN Syarif Hidayatullah Jakarta

 62

Gambar 4.14 Implementasi ASR

Sebelumnya, data suara masukan dipilah-pilah dan diproses satu per satu
berdasarkan urutannya. Pemilahan ini dilakukan agar proses analisis dapat
dilakukan secara paralel. Proses yang pertama kali dilakukan ialah memproses
gelombang kontinu spektrum suara ke dalam bentuk diskrit.
Ketika mengkonversi gelombang suara ke dalam bentuk diskrit,
gelombang diperlebar dengan cara memperinci berdasarkan waktu. Hal ini
dilakukan agar proses algoritma selanjutnya (pencocokan) lebih mudah
dilakukan.
Dari tiap elemen array data tersebut, dikonversi ke dalam bentuk bilangan
biner. Data biner tersebut yang nantinya akan dibandingkan dengan template
data suara. Berikut adalah proses divide and conquer :
a) Pilih sebuah angka N, dimana N merupakan bilangan bulat kelipatan
2. Bilangan ini berfungsi untuk menghitung jumlah elemen
transformasi.

UIN Syarif Hidayatullah Jakarta

 63

b) Bagi dua data diskrit secara divide and conquer menjadi data diskrit
yang lebih kecil berukuran N = N,.N2.
c) Objek data dimasukkan ke dalam table (sebagai elemen tabel).
d) Untuk setiap elemen data, dicocokkan dengan data pada template.
e) Setiap upa masalah disatukan kembali dan dianalisis secara
keseluruhan, kecocokan dari segi tata bahasa dan apakah data yang
diucapkan sesuai dengan kata yang tersedia pada template data.
f) Verifikasi data. Program Speech Recognition selanjutnya
menentukan apa yang mungkin dikatakan oleh pengguna, dan juga
mengetikkannya sebagai teks atau mengeluarkannya sebagai
perintah pada textbox.
g) Kemudian textbox tersebut akan menyocokan kata sesuai database
yang penulis buat, jika ada maka akan ditampilkan arti dari kata
idiom tersebut, namun jika tidak ada akan tampil “not found”.
4.3.2 Pembuatan kode program ASR
Berikut ini merupakan kode program metode ASR agar mendapatkan
input berupa suara sehingga aplikasi dapat mencari kata yang di ucapkan dari
Google Cloud.
public void speak(View view){ Untuk memberitah
Intent intent = new recognize saat
menjalankan string
Intent(RecognizerIntent.ACTION_RECOGNIZ ACTION_RECOGNIZE
E_SPEECH); _SPEECH karena
recognizer
menggunakan informasi
[Link](RecognizerIntent.EXTRA_ ini untuk hasil yang
bagus dan
CALLING_PACKAGE,getClass().getPackage()
ACTION_RECOGNIZE
.getName()); _SPEECH menafsirkan
nilai-nilai yang tepat
[Link](RecognizerIntent.EXTRA_
LANGUAGE_MODEL,[Link] Digunakan untuk
E_MODEL_FREE_FORM); recognizer untuk
pencarian suara. (untuk
mengatur package untuk
memanggil dengan
identifikasi oleh voice
serach API)

UIN Syarif Hidayatullah Jakarta

 64

[Link](RecognizerIntent.EXTRA_ Untuk memberitahu

LANGUAGE_MODEL,[Link] recognize saat
menjalankan string
E_MODEL_FREE_FORM); ACTION_RECOGNIZE
_SPEECH karena
recognizer
menggunakan informasi
ini untuk hasil yang
bagus dan
ACTION_RECOGNIZE
Menggunakan model bahasa _SPEECH menafsirkan
berdasarkan bentuk-bebas nilai-nilai yang tepat
pengenalan suara. Ini adalah nilai
yang digunakan untuk
EXTRA_LANGUAGE_MODEL.

[Link]([Link] menginformasikan
recognizer untuk
_LANGUAGE, [Link]); melakukan pengenalan
int noOfMatches = 1; suara dalam bahasa yang
berbeda dari yang
ditetapkan (default)
[Link]([Link]
_MAX_RESULTS,noOfMatches);
batas opsional pada
nilai maksimun hasil
startActivityForResult(intent,VOICE_RE yang dikembalikan.
jika string ini
COGNITION_REQUEST_CODE);
dihilangkan maka
} recognizer akan
menghasilkan hasil yg
banyak. Harus integer.

4.4 Integration and Sistem Testing

Melakukan pengujian hasil output dengan penyebutan digit angka 1 – 10,
dilakukan pada tiga orang tunawicara dan tiga orang normal untuk mendapatkan
rate recognition average, dengan menggunakan rumus (4.1) dibawah ini :

𝑁𝐶𝑜𝑟𝑟𝑒𝑐𝑡
𝑅𝑅 = 𝑥 100% (4.1)
𝑁𝑇𝑜𝑡𝑎𝑙

RR = Rate Recognition
NCorrect = Number of correct recognition of the spoken digit
NTotal = Total number of samples spoken digit

UIN Syarif Hidayatullah Jakarta

 65

Peneliti juga menggunakan metode blackbox testing untuk pengujian ASR ini.
Pengujian dilakukan dengan mengetahui fungsi yang telah ditentukan, dilakukan
untuk memperlihatkan apakah fungsi beroperasi sepenuhnya atau tidak. Cara
pengujian dilakukan dengan menjalankan sistem dan melihat output-nya. Berikut
ini adalah tabel hasil pengujian blackbox pada ASR yang telah dibangun :

Tabel 4.2 Blackbox Testing

No Deskripsi Hasil yang diharapkan Hasil
Menjalankan input
suara orang normal
Dapat menampilkan
1 dengan menyebutkan Berhasil
suara yang inputkan
angka satu sampai
dengan 10
Menjalankan input
suara tunawicara
Dapat menampilkan
2 dengan menyebutkan Berhasil
suara yang inputkan
angka satu sampai
dengan 10
Sistem dapat
Menambahkan audio menambahkan rekaman
3 Berhasil
pada Googlecloud suara (audio) pada
Google Cloud
Dapat merekam suara
Menjalankan menu
4 dan memutar hasil Berhasil
rekam suara
rekaman

4.5 Operation and Maintenance

Mengimplementasikan hasil design ke dalam ASR secara keseluruhan.
Berikut ini penjelasan detail mengenai spesifikasi operasi system, yaitu :
1. Perangkat Keras

UIN Syarif Hidayatullah Jakarta

 66

Perangkat keras yang digunakan dalam pembangunan ASR ini adalah

sebuah unit laptop dengan spesifikasi sebagai berikut:
a. Processor Intel ® Core(TM) i5-3317U CPU 1.7Ghz
b. HDD 1TB
c. Random Access Memory 12GB DDR3L
d. Keyboard dan mouse
e. Charger Adaptor Laptop
2. Perangkat Lunak
Perangkat lunak yang digunakan pernulis adalah:
a. Windows 10 Pro – 64 bit
b. Android Studio Bundle
c. JDK 8u102
d. Phyton

UIN Syarif Hidayatullah Jakarta

 67

BAB V
HASIL DAN PEMBAHASAN

5.1 Hasil Aplikasi

Setelah dilakukan pengujian pada tiga orang tunawicara dan tiga orang normal
dalam penyebutan atau pengucapan digit angka 1–10, dengan menggunakan rumus
4.1 untuk mendapatkan recognition rate aplikasi, didapatkan hasilnya sebagai
berikut:

Tabel 5.1 Hasil Pengujian Tunawicara (T1)

NCorrect Rate Recognition

Test 1 8 80%

Test 2 8 80%

Test 3 9 90%

Pada Tunawicara pertama (T1) dilakukan pengujian aplikasi sebanyak tiga

kali. Pengujian dilakukan dengan pengucapan digit angka 1-10, dengan
menggunakan bahasa Indonesia. Pada test pertama dilakukan dari digit angka 1-10
hanya dapat dikenali pengucapan angka 1, 2, 3, 4, 5, 6, 7 dan 10. Angka 8 dan 9
tidak dapat dikenali. Pada test selanjutnya masih sama dengan test pertama,
sedangkan pada test ketiga digit angka 1-10 dapat dikenali kecuali angka 9.

Tabel 5.2 Hasil Pengujian Tunawicara (T2)

NCorrect Rate Recognition

Test 1 9 90%

Test 2 8 80%

Test 3 100 100%

UIN Syarif Hidayatullah Jakarta

 68

Pada Tunawicara pertama (T2) dilakukan pengujian aplikasi sebanyak tiga

kali. Pengujian dilakukan dengan pengucapan digit angka 1-10, dengan
menggunakan bahasa Indonesia. Pada test pertama dilakukan dari digit angka 1-10
hanya dapat dikenali pengucapan angka 1, 2, 3, 4, 5, 6, 7, 9 dan 10. Angka 8 tidak
dapat dikenali. Pada test selanjutnya angka 10 dan 9 tidak dapat dikenali, sedangkan
pada test ketiga digit angka 1-10 dapat dikenali semua.

Tabel 5.3 Hasil Pengujian Tunawicara (T3)

NCorrect Rate Recognition

Test 1 8 80%

Test 2 9 80%

Test 3 9 90%

Pada Tunawicara pertama (T3) dilakukan pengujian aplikasi sebanyak tiga

kali. Pengujian dilakukan dengan pengucapan digit angka 1-10, dengan
menggunakan bahasa Indonesia. Pada test pertama dilakukan dari digit angka 1-10
hanya dapat dikenali pengucapan angka 1, 2, 3, 4, 5, 6, 7, 9 dan 10. Angka 8 dan 10
tidak dapat dikenali. Pada test selanjutnya angka 8 tidak dapat dikenali, sedangkan
pada test ketiga hasilnya sama dengan test kedua.
Sedangkan untuk orang normal aplikasi dapat mengenali ucapan orang
normal dalam pengucapan digit angka 1-10. Pengujian dilakukan sama dengan
tunawicara, dengan dipilih tiga orang normal yang berbeda dan dilakukan pengujian
sebanyak tiga kali dan pengucapan digit angka 1-10 dengan bahasa Indonesia juga.
Dan hasil recognition rate untuk orang normal 100%.

Tabel 5.4 Recognition Rate

T1 T2 T3 N1 N2 N3
Test 1 80 90 80 100 100 100
Test 2 80 80 90 100 100 100

UIN Syarif Hidayatullah Jakarta

 69

Test 3 90 100 90 100 100 100

Mean Recognition 83 90 86.6 100 100 100
Rate (%)

Berikut adalah tabel 5.4 recognition rate secara keseluruhan untuk tunawicara
dan orang normal. Dimana untuk orang normal tingkat kebrhasilan aplikasi speech
recognition sebesar 100% dan 83.3% sampai dengan 90% untuk tunawicara.
Pengujian dilakukan sebanyak tiga kali utnuk mendapatkan data yang lebih valid.
Berdasarkan pembelajaran pola dengan menghitung nilai likelihood yang bertujuan
membuktikan nada, pengucapan(pronuncitation), dan kecepatan bicara
mempengaruhi hasil recognition rate.
5.2 Pembahasan
Berikut adalah hasil dari penghitungan metode likelihood calculation.
Perhitungan pada pengucapan digit angka 1-10 pada tunawicara dan orang
normal.

Pengucapan digit angka satu oleh orang normal

Gambar 5.1 Histogram angka 1 orang normal

Tabel 5.5 Frekuensi pengamatan angka 1 orang normal

x1 x2 x3 total
x 1 2,8 2,9 6,7
y 45 75 50 170
total 46 77,8 52,9 176,7

Tabel 5.6 Frekuensi harapan angka 1 orang normal

46 * 6,7 / 176,7 x1 x2 x3 total
x 1,744 2,904 1,977 6,6
46 * 170 / 176,7 y 44,25 74,8 50,92 170
total 46 77,8 52,9

UIN Syarif Hidayatullah Jakarta

 70

Tabel 5.7 Tabel Hasil angka 1 orang normal

x1 x2 x3 Sum(tabel hasil) * 2
x -0,54 -0,2 1,111
1 * LN (1/1,744)
y 0,725 0,204 -0,91
nilai likelihood 0,774

Penulis asumsikan jika seken = x dan db = y. Setiap kurva maksimal

bawah dan kurva maksimal atas di asumsikan dengan x1,x2,.. dst.
Pada waktu yang sama pula, terdapat pengucapan digit angka 1 oleh
orang tunawicara dengan pengucapan, nada dan kecepatan berbicara yang
berbeda. Berikut penjabarannya, yaitu :

Gambar 5.2 Histogram pengucapan angka 1 Tunawicara

Tabel 5.8 Frekuensi pengamatan angka 1 tunawicara

x1 x2 x3 total
x 1 2,9 3,2 7,1
y 45 75 50 170
total 46 77,9 53,2 177,1

Tabel 5.9 Frekuensi Harapan angka 1 tunawicara

x1 x2 x3 total
x 1,844 3,123 2,133 7,1
y 44,16 74,78 51,07 170
total 46 77,9 53,2

Tabel 5.10 Tabel Hasil angka 1 tunawicara

x1 x2 x3
x -0,61 -0,21 1,298
y 0,852 0,223 -1,056
nilai likelihood 0,982

UIN Syarif Hidayatullah Jakarta

 71

Dapat dilihat pada setiap tabel, terdapat nilai likelihood yang berbeda.
Dari faktor nada, pengucapan, dan kecepatan berbicara mempengaruhi nilai
likelihood.
Pengucapan digit angka sembilan orang normal

Gambar 5.3 Histogram digit angka 9 orang normal

Tabel 5.11 Frekuensi pengamatan digit angka 9 orang normal

x1 x2 x3 x4 x5 total
x 2 2,1 2,5 2,6 3 12,2
y 32 74 33 75 33 247
total 34 76,1 35,5 77,6 36 259,2

Tabel 5.12 Frekuensi harapan digit angka 9 orang normal

x1 x2 x3 x4 x5 total
x 1,6 3,582 1,671 3,652 1,694 12,2
y 32,4 72,52 33,83 73,95 34,31 247
total 34 76,1 35,5 77,6 36

Tabel 5.13 Tabel Hasil digit angka 9 orang normal

x1 x2 x3 x4 x5
x 0,446 -1,121 1,007 -0,88 1,714
y -0,4 1,497 -0,82 1,06 -1,28
nilai likelihood 2,445

Pada waktu yang sama pula, terdapat pengucapan digit angka 9 oleh
orang tunawicara dengan pengucapan, nada dan kecepatan berbicara yang
berbeda. Berikut penjabarannya, yaitu :

UIN Syarif Hidayatullah Jakarta

 72

Gambar 5.4 Histogram pengucapan angka 9 tunawicara

Tabel 5.14 Frekuensi pengamatan digit angka 9 tunawicra

x1 x2 x3 x4 x5 total
x 1,2 1,4 2,4 2,5 5,1 12,6
y 32 74 44 75 32 257
total 33,2 75,4 46,4 77,5 37,1 269,6

Tabel 5.15 Frekuensi Harapan digit angka 9 tunawicara

x1 x2 x3 x4 x5 total
x 1,552 3,524 2,169 3,622 1,734 12,6
y 31,65 71,88 44,23 73,88 35,37 257
total 33,2 75,4 46,4 77,5 37,1

Tabel 5.16 Tabel Hasil digit angka 9 tunawicara

x1 x2 x3 x4 x5
x -0,31 -1,292 0,243 -0,93 5,502
y 0,354 2,155 -0,23 1,131 -3,201
nilai likelihood 6,851

Dapat dilihat pada setiap tabel, terdapat nilai likelihood yang berbeda.
Dari factor nada, pengucapan, dan kecepatan berbicara mempengaruhi nilai
likelihood. Terdapat perbedaan nilai likelihood tunawicara 6,851 sedangkan
orang normal 2,445.

Pengucapan digit angka 2, 3 dan 4 orang normal

UIN Syarif Hidayatullah Jakarta

 73

Gambar 5.5 Histogram digit angka 2, 3 dan 4 orang normal

Tabel 5.17 Frekuensi pengamatan digit angka 2, 3 dan 4 orang normal

x1 x2 x3 x4 x5 x6 x7 x8 x9 total
x 1,4 1,7 1,9 2,3 2,5 3,5 3,6 4,2 5,1 26,2
y 40 82 45 75 46 75 33 85 16 497
total 41,4 83,7 46,9 77,3 48,5 78,5 36,6 89,2 21,1 523,2

Tabel 5.18 Frekuensi Harapan digit angka 2,3 dan 4 orang normal
x1 x2 x3 x4 x5 x6 x7 x8 x9 total
x 2,073 4,191 2,349 3,871 2,429 3,931 1,833 4,467 1,057 26,2
y 39,33 79,51 44,55 73,43 46,07 74,57 34,77 84,73 20,04 497
total 41,4 83,7 46,9 77,3 48,5 78,5 36,6 89,2 21,1 523,2
Tabel 5.19 Tabel Hasil digit angka 2,3 dan 4 orang normal
x1 x2 x3 x4 x5 x6 x7 x8 x9
x -0,55 -1,53 -0,4 -1,2 0,072 -0,41 2,43 -0,26 8,028
y 0,679 2,53 0,451 1,588 -0,07 0,432 -1,72 0,267 -3,6
nilai likelihood 13,46

Pada waktu yang sama pula, terdapat pengucapan digit angka 2, 3 dan 4
oleh orang tunawicara dengan pengucapan, nada dan kecepatan berbicara
yang berbeda. Berikut penjabarannya, yaitu :

Gambar 5.6 Histogram digit angka 2,3 dan 4 tunawicara

UIN Syarif Hidayatullah Jakarta

 74

Tabel 5.20 Frekuensi pengamatan digit angka 2,3 dan 4 tunawicara

x1 x2 x3 x4 x5 x6 x7 x8 x9 total
x 2,5 2,6 2,7 2,8 5 5,1 7,4 7,5 10,5 46,1
y 15 74 44 75 15 74 14 73 13 397
total 17,5 76,6 46,7 77,8 20 79,1 21,4 80,5 23,5 443,1

Tabel 5.21 Frekuensi harapan digit angka 2,3 dan 4 tunawicara

x1 x2 x3 x4 x5 x6 x7 x8 x9 total
x 1,821 7,969 4,859 8,094 2,081 8,23 2,226 8,375 2,445 46,1
y 15,68 68,63 41,84 69,71 17,92 70,87 19,17 72,12 21,06 397
total 17,5 76,6 46,7 77,8 20 79,1 21,4 80,5 23,5 443,1

Tabel 5.22 Tabel hasil digit angka 2,3 dan 4 tunawicara

x1 x2 x3 x4 x5 x6 x7 x8 x9
x 0,793 -2,91 -1,59 -2,97 4,383 -2,44 8,888 -0,83 15,3
y -0,66 5,574 2,213 5,49 -2,67 3,198 -4,4 0,88 -6,27
nilai likelihood 43,96

Dapat dilihat pada setiap tabel, terdapat nilai likelihood yang berbeda.
Dari factor nada, pengucapan, dan kecepatan berbicara mempengaruhi nilai
likelihood. Terdapat perbedaan nilai likelihood tunawicara 43,96 sedangkan
orang normal 13,46.
Berdasarkan perhitungan yang terdapat pada “pembelajaran pola” maka
dapat dianalisa nilai likelihood pada nada,pengucapan dan kecepatan
berbicara yang berbeda dan banyaknya gelombang (hz) pada setiap detiknya.
Berikut tabel perbandingan pola, yaitu :

Tabel 5.23 Tabel perbandingan pola

Digit angka likelihood hz/sec

Satu (orang normal) 0,774 3
Satu (tunawicara) 0,982 3
Sembilan (orang normal) 2,445 5
Sembilan (tuanwicara) 6,851 5
Dua, tiga dan empat (orang normal) 13,46 9
Dua, tiga dan empat (tunawicara) 43,96 9

UIN Syarif Hidayatullah Jakarta

 75

BAB VI
KESIMPULAN DAN SARAN

6.1 Kesimpulan
Berdasarkan hasil dari penelitian yang penulis amati dapat ditarik kesimpulan
bahwa Aplikasi Speech Recognition dengan menggunakan Google Cloud Speech
dapat mengenali dan menerjemahkan ucapan tunawicara. Recogntion rate untuk
tunawicara 80% dan untuk pengenalan ucapan orang normal 100% dalam
penyebutan digit angka 1 – 10. Dapat disimpulkan juga cara berbicara ke dalam
sistem ucapan memberikan beberapa efek dalam tingkat pengakuan. Ada tiga faktor
yang mempengaruhi recognition rate: nada, pengucapan(pronuncitation), dan
kecepatan bicara.
6.2 Saran
Karena Penelitian dan pengembangan sistem ini belum cukup sempurna ada
beberapa saran yang penulis dapat berikan setelah melakukan penelitian
pengembangan dan pengujian aplikasi ini seperti:

1. Dalam pengembangan selanjutnya untuk menyempurnakan aplikasi ini,

aplikasi dapat mengenali ucapan tunawicara dalam konteks kalimat.
2. Untuk pengembangan selanjutnya user interface aplikasi lebih menarik dan
rapi lagi.
3. Untuk pengembangan selanjutnya disarankan aplikasi ini tidak hanya dapat
digunakan pada sistem os android, disarankan membuat aplikasi dengan
sistem operasi iOS.

UIN Syarif Hidayatullah Jakarta

 76

DAFTAR PUSTAKA

A, M. Y., Purwanto, I. D., Eng, M., Mardiyanto, R., & Ph, D. (2016). Penerjemahan
Bahasa Isyarat Indonesia Menggunakan Kamera pada Telepon Genggam
Android. ISSN, 5(2), 221–224.

Abdurrachman, Muljono, S. (1994). Pendidikan Luar Biasa Umum. Jakarta:

Departemen Pendidikan dan Kebudayaan.

Amrizal, V., & Aini, Q. (2013). Kecerdasan Buatan. Jakarta Barat: Halaman
Moeka Publishing.

Dewi, I. N., Firdausillah, F., & Supriyanto, C. (2013). Sphinx-4 Indonesian isolated
digit speech recognition. Journal of Theoretical and Applied Information
Technology, 53(1), 40–44.

Google. (n.d.). Cloud Speech API. Retrieved January 1, 2015, from

[Link]

Google Cloud Platform Benefits. (n.d.). Retrieved January 1, 2017, from

[Link]

Haenudin. (2013). Pendidikan Anak Berkebutuhan Khusus Tunarungu. Jakarta:

Luxima.

Hartomo, W. (2014). Pengenalan Suara Aplikasi Kamus Istilah Kesehatan

Berbasis Android. SEKOLAH TINGGI MANAJEMEN INFORMATIKA
DAN KOMPUTER AMIKOM YOGYAKARTA.

Hawley, M. S., Cunningham, S. P., Green, P. D., Enderby, P., Palmer, R., Sehgal,
S., & O’Neill, P. (2013). A voice-input voice-output communication aid for
people with severe speech impairment. IEEE Transactions on Neural Systems
and Rehabilitation Engineering, 21(1), 23–31.
[Link]

Intan, D., Saputra, S., Handani, S. W., & Diniary, G. A. (2017). Pemanfaatan Cloud

UIN Syarif Hidayatullah Jakarta

 77

Speech API untuk Pengembangan Media Pembelajaran Bahasa Inggris

Menggunakan Teknologi Speech Recognition, 10(2), 92–105.

Jaya, M. T. S., Puspitaningrum, D., & Susilo, B. (2016). Penerapan Speech

Recognition Pada Permainan Teka-Teki Silang Menggunakan Metode Hidden
Markov Model ( Hmm ) Berbasis Desktop, 4(1), 119–129.

Khalilulah, H. A. (2016). Implementasi Speech Recognition pada Aplikasi

Penerjemah Idiom Bahasa Inggris ke Bahasa Indonesia Berbasis Android, 1–
6.

Menkumham. (2016). Undang-Undang Republik Indonesia Nomor 8 Tahun 2016

Tentang Penyanddang Disabilitas. Retrieved from
[Link]
_tahun_2016.pdf

Mujilan, A. (2013). Analisis dan Perancangan Sistem. Universitas Widya Mandala.

Pramana, H. W. (2012). Aplikasi Inventory Berbasis Access. Jakarta: [Link]

Media Komputindo.

Purwanto, H. (1998). Ortopedagogik Umum. Yogyakarta: IKIP Yogyakarta.

Rabiner, L. R. (1989). A Tutorial on Hidden Markov Models and Selected

Applications in Speech Recognition. In Proceedings of the IEEE (Vol. 77, pp.
257–286). [Link]

Siahaan, F. M. M. (2009). Buku: Psikologi dan Pendidikan Anak Berkebutuhan

Khusus, Jilid Kesatu. Depok: LPSP3-UI.

Sommerville, I. (2015). Software Engineering 10th Edition. In Software

Engineering.

Stenman, M. (2015). Automatic speech recognition An evaluation of Google

Speech. UMEA UNIVERSITY. Retrieved from [Link]
[Link]/smash/get/diva2:852746/[Link]

UIN Syarif Hidayatullah Jakarta

 78

Supriyanta, Pudji, W., & Bekti, S. (2014). Aplikasi Konversi Suara Ke Teks
Berbasis Android Menggunakan Google Speech Api. Bianglala Informatika,
2(2), 11–19.

Widiyanto, E., Endah, S. N., & Adhy, S. (2014). Aplikasi Speech To Text
Berbahasa Indonesia Menggunakan Mel Frequency Cepstral Coefficients Dan
Hidden Markov Model ( Hmm ). In Prosiding Seminar Nasional Ilmu
Komputer Undip (pp. 39–44).

Wulandari, N. D., & Rakhmadi, A. (2014). Pembuatan aplikasi kamus bahasa

isyarat untuk tuna rungu dan tuna wicara berbasis android. Universitas
Muhammadiyah Surakarta. Univeristas Muhammadiyah Surakarta.

Yu, D., & Li, D. (2014). Automatic Speech Recognition, A deep learning approach.
Springer (Vol. 17). [Link]

A, M. Y., Purwanto, I. D., Eng, M., Mardiyanto, R., & Ph, D. (2016). Penerjemahan
Bahasa Isyarat Indonesia Menggunakan Kamera pada Telepon Genggam
Android. ISSN, 5(2), 221–224.

Abdurrachman, Muljono, S. (1994). Pendidikan Luar Biasa Umum. Jakarta:

Departemen Pendidikan dan Kebudayaan.

Amrizal, V., & Aini, Q. (2013). Kecerdasan Buatan. Jakarta Barat: Halaman
Moeka Publishing.

Dewi, I. N., Firdausillah, F., & Supriyanto, C. (2013). Sphinx-4 Indonesian isolated
digit speech recognition. Journal of Theoretical and Applied Information
Technology, 53(1), 40–44.

Google. (n.d.). Cloud Speech API. Retrieved January 1, 2015, from

[Link]

Google Cloud Platform Benefits. (n.d.). Retrieved January 1, 2017, from

[Link]

UIN Syarif Hidayatullah Jakarta

 79

Haenudin. (2013). Pendidikan Anak Berkebutuhan Khusus Tunarungu. Jakarta:

Luxima.

Hartomo, W. (2014). Pengenalan Suara Aplikasi Kamus Istilah Kesehatan

Berbasis Android. SEKOLAH TINGGI MANAJEMEN INFORMATIKA
DAN KOMPUTER AMIKOM YOGYAKARTA.

Hawley, M. S., Cunningham, S. P., Green, P. D., Enderby, P., Palmer, R., Sehgal,
S., & O’Neill, P. (2013). A voice-input voice-output communication aid for
people with severe speech impairment. IEEE Transactions on Neural Systems
and Rehabilitation Engineering, 21(1), 23–31.
[Link]

Intan, D., Saputra, S., Handani, S. W., & Diniary, G. A. (2017). Pemanfaatan Cloud
Speech API untuk Pengembangan Media Pembelajaran Bahasa Inggris
Menggunakan Teknologi Speech Recognition, 10(2), 92–105.

Jaya, M. T. S., Puspitaningrum, D., & Susilo, B. (2016). Penerapan Speech

Recognition Pada Permainan Teka-Teki Silang Menggunakan Metode Hidden
Markov Model ( Hmm ) Berbasis Desktop, 4(1), 119–129.

Khalilulah, H. A. (2016). Implementasi Speech Recognition pada Aplikasi

Penerjemah Idiom Bahasa Inggris ke Bahasa Indonesia Berbasis Android, 1–
6.

Menkumham. (2016). Undang-Undang Republik Indonesia Nomor 8 Tahun 2016

Tentang Penyanddang Disabilitas. Retrieved from
[Link]
_tahun_2016.pdf

Mujilan, A. (2013). Analisis dan Perancangan Sistem. Universitas Widya Mandala.

Pramana, H. W. (2012). Aplikasi Inventory Berbasis Access. Jakarta: [Link]

Media Komputindo.

Purwanto, H. (1998). Ortopedagogik Umum. Yogyakarta: IKIP Yogyakarta.

UIN Syarif Hidayatullah Jakarta

 80

Rabiner, L. R. (1989). A Tutorial on Hidden Markov Models and Selected

Applications in Speech Recognition. In Proceedings of the IEEE (Vol. 77, pp.
257–286). [Link]

Siahaan, F. M. M. (2009). Buku: Psikologi dan Pendidikan Anak Berkebutuhan

Khusus, Jilid Kesatu. Depok: LPSP3-UI.

Sommerville, I. (2015). Software Engineering 10th Edition. In Software

Engineering.

Stenman, M. (2015). Automatic speech recognition An evaluation of Google

Speech. UMEA UNIVERSITY. Retrieved from [Link]
[Link]/smash/get/diva2:852746/[Link]

Supriyanta, Pudji, W., & Bekti, S. (2014). Aplikasi Konversi Suara Ke Teks
Berbasis Android Menggunakan Google Speech Api. Bianglala Informatika,
2(2), 11–19.

Widiyanto, E., Endah, S. N., & Adhy, S. (2014). Aplikasi Speech To Text
Berbahasa Indonesia Menggunakan Mel Frequency Cepstral Coefficients Dan
Hidden Markov Model ( Hmm ). In Prosiding Seminar Nasional Ilmu
Komputer Undip (pp. 39–44).

Wulandari, N. D., & Rakhmadi, A. (2014). Pembuatan aplikasi kamus bahasa

isyarat untuk tuna rungu dan tuna wicara berbasis android. Universitas
Muhammadiyah Surakarta. Univeristas Muhammadiyah Surakarta.

Yu, D., & Li, D. (2014). Automatic Speech Recognition, A deep learning approach.
Springer (Vol. 17). [Link]

UIN Syarif Hidayatullah Jakarta

 81

LAMPIRAN

1. Wawancara
Wawancara dilakukan kepada Ahmad Yusuf sebagai Founder Komunitas
Disabilitas “Youth for Disability” yang juga merupakan Penerjemah Bahasa Isyarat
dan pemerhati kaum disabilitas.
1) Seseorang yang seperti apa disebut tunawicara?
Jawaban: Seseorang yang tidak dapat berbicara sempurna seperti
layaknya orang normal, baik memiliki gangguan pengucapan bahasa
maupun suara atau biasanya sering disebut orang bisu
2) Adakah kategori- kategori tunawicara?
Jawaban: Dari segi katerogi atau klasifikasi tunawicara yang saya
ketahui yaitu ada yang tunawicara mengalami gangguan dalam
berbicara seperti penyebutan fonem, ada yang mulut dan bibir bergerak
namun tidak ada suara, dan ada yang mengalami gangguan dalam suara
juga.
3) Apa perbedaan antara tunawicara dengan tunarungu?
Jawaban: Tunawicara lebih tepatnya keterbatasan dalam berbicara,
Sedangkan tunarungu keterbatasan dalam pendengaran. Namun tidak
banyak juga tunarungu juga mengalami keterbatasan berbicara
disebabkan tidak dapat mendengar kata kata yang sering diucapkan.
4) Apa saja penyebab dari tunawicara?
Jawaban: Penyebab dari tunawicara beberapa diantaranya dari lahir
sudah mengalami keterbatasan fisik, dan ada juga yang mengalami
kecelakan dan menyebabkan orang tersebut menjadi tunawicara, dan
mengalami keterbatasan pendengaran (tunarungu) menyebabkan
mereka juga menjadi tunawicara.
5) Bagaimana jika ingin berkomunikasi dengan tunawicara?
Jawaban: Selama ini tunawicara berkomunikasi menggunakan Bahasa
isyarat, namun jika ingin berkomunikasi dengan orang normal
dibutuhkan seseorang yang bisa menterjemahkan Bahasa isyarat ke

UIN Syarif Hidayatullah Jakarta

 82

orang normal lebih tepatnya melalui penterjemah Bahasa isyarat.

Namun ada juga yang menggunakan handphone dengan mengetik
ucapan yang mereka maksud.
6) Apakah mudah untuk memahami Bahasa isyarat?
Jawaban: Untuk Bahasa isyarat sendiri di Indonesia ada dua, yaitu SIBI
dan BISINDO untuk ini sendiri ada permasalahan dualism Bahasa
isyarat. Untuk belajar Bahasa isyarat sendiri tidak begitu sulit namun
butuh praktek secara lansung, Sama dengan belajar dan memahami
Bahasa inggris dan Bahasa Bahasa lain.
7) Pernahkah tidak terjadi komunikasi dikarenakan tidak mengerti Bahasa
isyarat?
Jawaban: Pernah, Baik dari tunawicara maupun orang normal sendiri
menjadi enggan untuk berkomunikasi disebabkan factor tidak percaya
diri dan tidak memahami bahasa isyarat.
8) Apa saja permasalahan yang dialami tunawicara dikarenakan
keterbatasan fisik?
Jawaban: Dari segi permasalahan sendiri sangat banyak, baik dari segi
ekonomi, sosial, komunikasi dan bahkan Pendidikan. Dari segi ekonomi
banyak penyandang tunawicara yang sebagai pengangguran (tidak
memiliki pekerjaan), dari segi social selain dikucilkan dan adanya
diskriminasi terhadap tunawicara, dan juga dari segi Pendidikan
tunaciara juga ketinggalan dari segi Pendidikan dan pengetahuan
mereka.
9) Menurut anda, bagaimana aplikasi kamus Bahasa isyarat yang ada saat
ini?
Jawaban: Menurut saya aplikasi kamus Bahasa isyarat saaat ini kurang
membantu karena kurang efisien dan juga kurang praktis lebih cendrung
orang normal ataupun tunawicara memilih untuk berkomunikasi secara
lansung.

UIN Syarif Hidayatullah Jakarta

 83

10) Menurut anda, apakah dibutuhkan sebuah aplikasi yang dapat

mengenali dan menejemahkan ucapan dari tunawicara dari suara
menjadi sebuah teks?
Jawaban: Menurut saya sangat dibutuhkan, guna untuk membantu
berkomunikasi dan juga bisa sebagai salah satu pilihan media untuk
berkomunikasi, karena saat ini jarang bahkan tidak ada alat atau aplikasi
yang bisa mengenali ucapan tunawicara, dan juga alat atau aplikasi yang
murah dan mudah dibawa dan serta mudah digunakan.

UIN Syarif Hidayatullah Jakarta