Penggunaan Algoritma Genetika sebagai Seleksi Fitur dalam Pengenalan Ucapan pada Orang Penderita Dysarthria

LISA ALMIRA, Afiahayati, S. Kom., M. Kom., Ph. D.

2018 | Skripsi | S1 ILMU KOMPUTER

Dysarthria merupakan suatu gangguan berbicara. Ciri-cirinya antara lain ucapan yang menyatu, serta bermasalah dalam mengontrol kekerasan, ritme, dan pitch. Karena hal ini, ucapan orang dysarthria sulit dimengerti. Maka dari itu, dibangunlah speech recognition yang digunakan untuk mengenali suara penderita dysarthria. Akan tetapi, banyaknya fitur yang besar menyebabkan waktu komputasi yang lama. Algoritma genetika merupakan salah satu metode yang dapat digunakan untuk menyeleksi fitur. Algoritma ini diterapkan pada proses klasifikasi, sehingga waktu komputasi dapat lebih cepat. Pada penelitian ini, algoritma klasifikasi yang digunakan yaitu Support Vector Machine (SVM). Model kromosom algoritma genetika direpresentasikan dengan biner, di mana nilai 1 menunjukkan fitur yang terpilih, sedangkan nilai 0 menunjukkan fitur yang tidak dipilih. Banyaknya eksperimen yang dilakukan yaitu sebanyak 50. Individu yang memiliki akurasi terbaik, yaitu 89,338 persen, diperoleh pada eksperimen dengan jumlah populasi 100, jumlah generasi 50, probabilitas crossover 0,8 dan probabilitas mutasi 0,05. Banyaknya fitur terseleksi yang digunakan yaitu sekitar 50 persen dari banyaknya fitur awal. Perbandingan akurasi klasifikasi data uji antara tanpa seleksi fitur dengan menggunakan seleksi fitur yaitu 90 persen dan 87,857 persen. Sedangkan waktu komputasi pembentukan model dan prediksi data lebih cepat dengan seleksi fitur.

Dysarthria is a speech disorder. Symptoms are united speech, also problematic in arranging loudness, rhythm, and pitch. Because of those things, speech of people with dysarthria is hard to understand. Therefore, speech recognition was built to recognise the speech of people with dysarthria. But, the number of features lead to long computation time. Genetic algorithm is a method which can be used to selecting features. This algorithm implemented at classification process, so the computation time can be faster. In this research, Support Vector Machine (SVM) was being used as classification algorithm. Cromosome of genetic algorithm repesented as binary, which value 1 means selected feature, value 0 means unselected feature. The total of experiments are 50. Individual that has the best accuracy score, which is 89.338 percent, was obtained from experiment with number of population is 100, number of generation is 50, crossover probability is 0.8 and mutation probability is 0.05. Number of feature being used is 50 percent of the full features. The comparison of accuracy scores between classification of test datas with feature selection and without feature selection is 87.875 percent and 90 percent. The computation time is faster with feature selection than without feature selection.

Kata Kunci : Algoritma Genetika, Speech Recognition, Dysarthria