1. Pendahuluan - Repository

1. Pendahuluan
1.1
Latar Belakang Masalah
Text-to-Speech Synthesis adalah sebuah sistem berbasis komputer yang
mampu membaca teks secara keras[6]. Dalam sistem ini terdapat sebuah modul
bernama Phonetization yang berperan untuk menemukan simbol pelafalan
(fonem) yang tepat dari simbol eja/tulisan (grafem) pada kata, frase, atau kalimat
yang terkait. Menemukan fonem yang tepat dari grafem yang bersangkutan ini
sendiri sangat bergantung pada karakteristik bahasa yang menjadi konteks, dalam
Tugas Akhir ini berupa bahasa Indonesia.
Bahasa Indonesia, saat kita bicara tentang konversi grafem ke fonemnya
maka tidak akan lepas dari aspek homograf, diftong, imbuhan. Homograf
memiliki pengertian sebagai kata dengan penulisan sama namun pelafalan berbeda
sehingga memiliki arti yang berbeda. Sementara diftong adalah gabungan bunyi
(vokal) pada satu suku kata, sehingga terjadi perubahan kualitas vokal pada saat
pengucapan. Dan imbuhan sendiri adalah satuan terikat yang jika ditambahkan
pada kata dasar akan mengubah makna atau membentuk kata baru. Membangun
sistem konversi grafem ke fonem pada bahasa Indonesia (dalam Tugas Akhir ini
disebut juga sebagai sistem Indonesian G2P) berarti membangun sistem yang
dapat bekerja secara benar pada aspek-aspek tersebut.
Berbagai teknik dan metode telah diusulkan untuk mengimplementasikan
sistem konversi grafem ke fonem berbasis aturan[2]. Salah satunya adalah sistem
Indonesian G2P dengan model IG-Tree + strategi tebakan terbaik oleh Agus
Hartoyo.
Model IG-Tree + strategi tebakan terbaik dibangun dalam struktur pohonkeputusan yang mengkompres data secara lossless untuk kemudian ditawarkan
diterapkannya mekanisme prunning (pemangkasan) atas model. Mekanisme
tersebut menjadikan dimensi model lebih kecil karena adanya generalisasi namun
pada beberapa kasus menjadikan performansi sistem tidak cukup bagus bahkan
setelah dibantu dengan strategi tebakan terbaik. Hal ini merupakan trade off yang
terjadi pada mekanisme pruning[2].
Lebih lanjut mengenai teknik dan metode berbasis aturan, menemukan
aturan yang umum dimana data yang digunakan sangat banyak, adanya
kemungkinan data tidak lengkap, terdapatnya perbedaan dari beberapa hal yang
mirip, serta terdapatnya kesamaan dari dua hal atau lebih yang berbeda pada data
maka hal ini dikategorikan ke dalam sebuah learning. Metode learning sendiri
terbagi antara lain ke dalam decision tree learning, jaringan syaraf tiruan, dan
algoritma genetika.
1
1.2
Perumusan Masalah
Berdasarkan latar belakang masalah yang dikemukakan di atas penulis
merumuskan bahwa masalah-masalah yang akan diselesaikan pada Tugas Akhir
ini adalah sebagai berikut:
1. Bagaimana membangun pohon keputusan (aturan) untuk sistem
Indonesian G2P dengan mengimplementasikan algoritma genetika.
2. Bagaimana mengukur dan menganalisis performansi sistem Indonesian
G2P yang dibangun terhadap parameter input dan dataset.
1.3
Batasan Masalah
Dalam rangka memecahkan dua masalah yang dirumuskan di atas penulis
menetapkan batasan antara lain:
1. Dataset yang digunakan adalah dataset dari Tugas Akhir mahasiswa
ITTelkom yang berjudul “INDONESIAN GRAPHEME-TO-PHONEME
(G2P) MENGGUNAKAN MODEL IG-TREE + STRATEGI TEBAKAN
TERBAIK” oleh Agus Hartoyo dengan NIM 113040329.
2. Pengukuran performansi dilakukan terhadap akurasi per fonem dan per
kata dari data uji sehubung parameter input dan dataset.
1.4
Tujuan
Berdasarkan rumusan masalah yang dikemukakan di atas penulis
menetapkan tujuan Tugas Akhir ini sebagai berikut:
1. Mengimplementasikan algoritma genetika dalam membangun pohon
keputusan (menemukan aturan) untuk sistem Indonesian G2P.
2. Menguraikan analisis tentang pengaruh parameter input dan dataset
terhadap hasil pengukuran performansi sistem Indonesian G2P yang
dibangun.
1.5
Metodologi Penyelesaian Masalah
Metode yang akan digunakan untuk menyelesaikan permasalahan dalam
Tugas Akhir ini adalah sebagai berikut:
1. Studi literatur
Penulis mempelajari dasar teori tentang Bahasa Indonesia khususnya yang
berkaitan dengan fonologi; algoritma genetika; serta evolving decision tree
melalui buku-buku atau paper yang telah dipublikasikan.
2. Penggunaan dataset dari Tugas Akhir mahasiswa ITTelkom
“INDONESIAN GRAPHEME-TO-PHONEME (G2P)
MENGGUNAKAN MODEL IG-TREE + STRATEGI TEBAKAN
TERBAIK” oleh Agus Hartoyo dengan NIM 113040329.
3. Perancangan perangkat lunak Indonesian G2P
2
4. Implementasi sistem perangkat lunak Indonesian G2P menggunakan
bahasa pemrograman C# dengan editor Visual Studio 2008.
5. Analisis terhadap hasil pengujian sistem Indonesian G2P.
6. Pengambilan kesimpulan dan penulisan laporan.
1.6
Sistematika Penulisan
Tugas Akhir ini disusun dengan sistematika sebagai berikut:
1. Pendahuluan
Bab ini menguraikan Tugas Akhir ini secara umum, meliputi latar
belakang, perumusan masalah, batasan masalah, tujuan, dan metodologi
penyelesaian masalah.
2. Dasar Teori
Bab ini membahas mengenai uraian teori yang berhubungan dengan
grafem, fonem, alofon, diftong dalam bahasa Indonesia, serta decision
tree, evolving decision tree, dan algoritma genetika.
3. Analisis Perancangan dan Implementasi
Bab ini berisi analisis kebutuhan dari sistem yang kemudian dituangkan ke
dalam suatu sistem pemodelan secara terstruktur. Dari tahap analisis
kemudian dilanjutkan ke tahap perancangan dan implementasi.
4. Analisis Hasil Pengujian
Bab ini membahas mengenai pengujian yang dilakukan terhadap sistem
yang telah dibangun. Pengujian dilakukan dengan melihat perbandingan
akurasi jika pada sistem dilakukan perubahan nilai pada parameterparameter evolusinya dan dataset yang digunakan.
5. Kesimpulan
Berisi kesimpulan dari penulisan Tugas Akhir ini dan saran-saran yang
diperlukan untuk pengembangan lebih lanjut.
3