Privacy Policy

No comments yet

PT Algoritma Cerdas Indonesia (“Kami”) berkomitmen untuk melindungi dan menghormati kerahasiaan Informasi Pribadi pengguna (“Anda”) saat mengunjungi website Kami. Kebijakan Privasi ini menjelaskan bagaimana Kami mengumpulkan dan menggunakan informasi dari Anda yang memasukkan informasi dan/atau menggunakan layanan Kami, termasuk Informasi Pribadi (“Informasi Pribadi”). Dengan mengunjungi website ini, Anda dan/atau orang tua, wali atau pengampu Anda (jika Anda berusia dibawah 18 (delapan belas) tahun) menyetujui pengumpulan dan penggunaan informasi sesuai dengan Kebijakan Privasi ini.

A. Pengumpulan Informasi Pribadi

Ketika Anda mengunjungi website Kami, Kami dapat mengumpulkan Informasi Pribadi Anda berupa:

Informasi yang Anda berikan Anda dapat memberikan informasi melalui formulir elektronik pada website Kami. Informasi ini meliputi informasi yang Anda berikan ketika mendaftar pada website Kami. Informasi tersebut meliputi: nama, alamat surel, nomor telepon, pendidikan, pekerjaan dan informasi lainnya.
Informasi yang Kami kumpulkan Setiap Anda mengunjungi website Kami, Kami dapat mengumpulkan informasi kunjungan Anda dan data teknis tertentu sehubungan dengan penggunaan Anda seperti: alamat protokol internet (IP), informasi halaman website yang sebelumnya atau selanjutnya dilihat, durasi setiap kunjungan/sesi, jenis dan versi perambah (browser) yang digunakan, serta sistem operasi dan website.
B. Penggunaan Informasi Pribadi

Penggunaan Informasi Pribadi adalah sebagai berikut:

Informasi yang Anda berikan, akan Kami gunakan untuk keperluan berikut:
Untuk menyediakan informasi, produk, dan jasa kepada Anda;
Untuk memberitahukan Anda informasi terbaru dan/atau perubahan pada jasa Kami;
Untuk memastikan bahwa konten yang ada pada website Kami disajikan dengan cara yang paling efektif bagi Anda.
Informasi yang Kami kumpulkan, akan Kami gunakan untuk keperluan berikut:
Analisis pasar dari produk Kami;
Analisis kebutuhan untuk pengembangan produk Kami;
Promosi yang hanya akan dilakukan oleh Kami;
Mengelola dan memperbaiki website Kami;
Analisis efektivitas periklanan yang Kami lakukan kepada Anda dan pihak lain.
C. Pengungkapan Informasi Pribadi

Kami dapat membagi informasi dengan pihak ketiga, termasuk:

Pemasang iklan dan jaringan iklan yang membutuhkan informasi agregat untuk memilih dan menawarkan iklan yang relevan bagi Anda dan pengguna lain. Kami juga dapat memberikan informasi tersebut untuk membantu pemasang iklan dalam menjangkau target audiens tertentu. Kami dapat menggunakan informasi yang Kami kumpulkan untuk memenuhi permintaan pemasang iklan dengan menampilkan iklan mereka kepada target audiens tersebut.
Dalam hal Kami berada di bawah tanggung jawab untuk menyingkap atau membagi informasi guna mematuhi kewajiban hukum.
D. Penyimpanan Informasi Pribadi

Seluruh Informasi Pribadi yang Anda berikan kepada Kami disimpan di sistem yang aman. Dengan menyerahkan Informasi Pribadi Anda pada website Kami, Anda menyetujui penyimpanan dan pengolahan yang terjadi pada website Kami. Kami akan mengambil langkah-langkah dalam batas kewajaran yang diperlukan untuk memastikan bahwa Informasi Pribadi tersebut diperlakukan dengan aman. Seluruh Informasi Pribadi yang Anda berikan akan Kami simpan selama Anda masih menjadi pengguna dari website Kami dan/atau  sesuai dengan tujuan awal dari pengumpulan Informasi Pribadi tersebut.

E. Keamanan Informasi Pribadi

Kerahasiaan Informasi Pribadi Anda adalah hal yang terpenting bagi Kami. Kami akan memberlakukan upaya terbaik untuk melindungi dan mengamankan Informasi Pribadi Anda. Namun, tidak ada metode transmisi melalui Internet, atau metode penyimpanan elektronik yang 100% (seratus persen) aman. Walau Kami akan berusaha sebaik mungkin untuk melindungi Informasi Pribadi Anda, anda mengakui bahwa Kami tidak dapat menjamin keamanan mutlaknya.

F. Hak Anda

Anda dapat memohon kepada Kami untuk penghapusan Informasi Pribadi Anda pada website atau menarik persetujuan Anda untuk setiap atau segala pengumpulan, penggunaan atau pengungkapan Informasi Pribadi Anda dengan memberikan kepada Kami pemberitahuan yang wajar secara tertulis melalui detail kontak yang tercantum pada bagian I Kebijakan Privasi ini.

G. Cookies

Ketika Anda mengunjungi website Kami, informasi tertentu juga dapat dikumpulkan secara otomatis dengan menggunakan cookies. Cookies adalah berkas data kecil yang tersimpan pada komputer atau perangkat seluler Anda. Kami menggunakan cookies untuk melacak aktivitas pengguna dengan tujuan untuk meningkatkan antarmuka dan pengalaman pengguna. Cookies Kami tidak mengumpulkan Informasi Pribadi dan Kami tidak menggabungkan informasi umum yang Kami dapatkan melalui cookies dengan data pribadi tersebut. Sebagian besar browser mendukung penggunaan cookies; namun Anda dapat menyesuaikan pengaturan browser Anda untuk menolak beberapa jenis cookies. Namun demikian, Kami menyarankan Anda untuk tetap mengaktifkan fitur cookies tersebut, untuk pengalaman Anda yang lebih baik dalam menggunakan website Kami.

H. Perubahan Kebijakan Privasi

Kami dapat sewaktu-waktu melakukan perubahan terhadap Kebijakan Privasi Kami. Penggunaan informasi yang Kami kumpulkan sesuai dengan Kebijakan Privasi yang berlaku pada saat informasi tersebut digunakan. Jika Kami membuat perubahan tentang bagaimana Kami menggunakan Informasi Pribadi, Kami akan mengabarkan Anda melalui surel atau dengan memberikan pengumuman di website Kami. Mohon kunjungi kembali halaman ini dari waktu ke waktu untuk melihat adanya pemutakhiran atau perubahan pada Kebijakan Privasi Kami.

I. Kontak Kami

Jika Anda memiliki pertanyaan mengenai Kebijakan Privasi ini atau Anda ingin mendapatkan akses dan/atau melakukan koreksi terhadap Informasi Pribadi Anda, silahkan dapat menghubungi Kami melalui marketing@pacmannai.com. Diperbarui per tanggal: 28 Februari 2023

Start-up Incubation

No comments yet

Empowering visionaries to turn ideas into thriving enterprises.

Embarking on the entrepreneurial journey can be formidable, even for the most determined founders. An exceptional idea alone may falter without a robust execution strategy. This is where a seasoned mentor, adept at building businesses from the ground up, becomes invaluable, steering the client towards a triumphant launch.

The Challenge

Client have ideas and initial interest from general public to build a new edutech start-up, but do not have the capacity to establish one.

The Solution

We create a comprehensive, step-by-step blueprint that guides the client through every aspect of launching their startup, from beginning to end.

The Outcome:

  • The start-up was awarded with the best start-up ideas during the incubation process

 

Data Integration

No comments yet

Seamlessly weaving diverse data into actionable insights.

Traceable data ingestion process enables user to quickly and confidently rely on their data to support decision-making process. We helped one of the government institutions, to make informed decision concerning national security by enhancing their data ingestion.

The Challenge

Ingest unstructured data from other parties and integrate with their existing data warehouse to enrich their analysis capabilitie

The Solution

a system that reliably ingest, transform, and enrich data while continuously monitor the pipeline and infrastructure

The Outcome:

  • User can quickly rely on their data to support decision making process

 

License Plate Recognition dan Beberapa Manfaatnya

No comments yet

Hampir semua teknologi di masa sekarang tidak lepas dari facial recognition, khususnya pada sektor keamanan. Baik itu syarat untuk membuka ponsel ataupun untuk konfirmasi data diri seperti di layanan keuangan.

Secara garis besar, facial recognition telah dibahas pada artikel sebelumnya, yaitu pemanfaatan potret wajah manusia dalam proses identifikasi menggunakan teknologiNamun, bagaimana jika bentuk format yang sama dilakukan untuk identifikasi angka atau nomor pada kendaraan? Inilah yang dinamakan License Plate Recognition.

Definisi

Konsep License Plate Recognition mirip dengan facial recognition; Perbedaannya adalah jika facial recognition mendeteksi potret wajah, LPR mendeteksi angka dan huruf pada kendaraan. 

LPR mampu menangkap foto atau video dari pelat nomor kendaraan dan mengubah data optik atau visual tersebut menjadi informasi digital.

Teknologi ini umumnya digunakan dalam pelacakan kendaraan, pencegahan kejahatan, layanan keamanan dan parkir, penghitungan dan kontrol lalu lintas, biaya tol elektronik dan lain lain.

Machine Learning dan License Plate Recognition

Seperti yang telah diketahui, License Plate Recognition bekerja dengan cara mendeteksi angka dan huruf pada suatu medium seperti foto dan video. Namun, nomor pelat kendaraan mempunyai variasi berbeda-beda dari segi bentuk huruf dan juga angkanya. Oleh karena itu, ia membutuhkan Machine Learning dalam hal pengenalan, diagnosis, dan sebagainya untuk bisa berfungsi secara optimal.

Algoritma dari License Plate Recognition perlu diasah dan terus dilatih. Ini bertujuan untuk menjaga akurasi dan mengenali angka dan huruf dari desain pelat nomor yang berbeda-beda. Contoh ketika algoritma mesin harus bisa membedakan huruf “O” dan angka “0” pada pelat nomor “KT 3802 OX” misalnya.

Ada berbagai metode proses LPR, salah satunya dikutip dari Survision Group, sebuah perusahaan asal amerika serikat yang bergerak dibidang LPR, seperti:

Localisation

Dalam proses ini, mesin mendeteksi posisi nomor pelat pada kendaraan berdasarkan video atau foto

Segmentation

Setelah mesin menemukan posisi pelat nomor, ia mulai mengenali pelat nomor kendaraan dengan cara memisahkan masing masing karakter untuk diidentifikasi.

Identification

Proses identifikasi karakter dimulai setelah karakter dipisah dengan menganalisis pola huruf atau angka yang ada.

Regionalisation 

Pada tahap ini, mesin berusaha memvalidasi kembali hasil identifikasi pada pelat nomor untuk menghilangkan ambiguitas. Misalnya “0” dan “O”, “J” dan “7”, “B” dan “8”, “I” dan “1” dan seterusnya. 

Pelat nomor mempunyai banyak keragaman seperti bentuk font, warna dasar, ukuran dan lainnya, oleh karena itu semakin banyak variasi data yang diperlukan oleh algoritma mesin LPR. Mesin ini perlu untuk selalu diasah dan dilatih, supaya LPR dapat terus meningkatkan akurasi mesin dalam proses identifikasi dan regionalisasi.

Penggunaan LPR 

Secara umum teknologi License Plate Recognition sangat membantu pada sektor keamanan. Ia mampu meringankan pekerjaan aparat penegak hukum dalam upaya penyelidikan dan penyelesaian kasus yang melibatkan kendaraan.

Dengan bantuan CCTV pada persimpangan lampu merah dan jalan raya misalnya, pihak kepolisian dapat dengan mudah melacak keberadaan kendaraan yang dicuri, atau menemukan pelaku kriminal dengan melacak kendaraan yang digunakan oleh si pelaku dari video lalu lintas jalanan.

Namun tidak hanya itu, LPR juga bisa digunakan untuk mengontrol jalanan lalu lintas dengan mengatur jumlah kendaraan di jalan raya

Di sisi swasta, beberapa tempat yang menggunakan teknologi LPR dalam sistem “smart parking” tidak lagi memerlukan sistem tiket pada pintu masuk karena pelat nomor kendaraan sudah dikenali oleh mesin parkir

Kesimpulan

Teknologi License Plate Recognition menggunakan Machine Learning dalam proses mendeteksi pelat nomor kendaraan. Tidak hanya mendukung dari sisi keamanan, LPR juga dapat mempermudah sistem pengenalan pelat nomor untuk akses parkir, sistem otomatis jalan tol, dan manajemen lalu lintas lainnya. 

 

Penulis: Nawridho Alfismartienez Dirwan

Editor: M. Wahyu Hidayat

Apa Itu Computer Vision?

No comments yet

Artificial Intelligence dan segala produk turunannya berkembang semakin pesat. Mulai dari Machine Learning, Natural Language Programming, Internet-of-Things, sampai dengan Computer Vision. Factsheet Valiance kali ini akan mengulas computer vision sebagai aplikasi teknologi AI .

Definisi

Secara umum, Computer Vision adalah sistem yang menggabungkan penggunaan kamera, komputasi, perangkat lunak, dan Machine Learning sehingga membentuk suatu sistem yang dapat melihat dan mengidentifikasi objek.

Teknologi ini bekerja dengan memasukan input dari Perangkat kamera digital, seperti kamera CCTV ataupun kamera yang terdapat dalam gawai. Input tersebut berupa gambar maupun video yang akan diproses oleh sistem Computer Vision. Nantinya, gambar atau video tersebut akan diproses melalui tahapan komputasi baik melalui edge maupun cloud.

Komputasi yang digunakan oleh computer vision dilakukan dengan memroses data input dengan menggunakan algoritma tertentu. Dengan begitu, computer vision mencoba mereplikasi human vision yang mana kamera dan algoritma komputasi meniru fungsi mata dan pikiran manusia.

Cara Kerja

Secara sederhana, Factsheet ini mengambil contoh bagaimana Computer Vision bekerja untuk mengidentifikasi pemain di lapangan sepak bola melalui beberapa langkah:

Gambar atau data visual

Seperti kita ketahui bersama, gambar atau data visual lainnya disimpan dalam bentuk jejaring matriks yang masing-masing tersimpan dalam bentuk pixel. Pixel tersebut merupakan kombinasi warna dari warna-warna primer RGB (Red, Green, dan Blue). Misalnya, sebuah lapangan sepak bola sebagian besar terdiri dari warna hijau sedangkan pemain sepak bola memakai seragam sepak bola dengan warna tertentu. Berikut adalah penjelasan teknis mengenai gambar sebagai pixel

Melatih Algoritma

Data Scientist melatih algoritma Computer Vision untuk dapat mengidentifikasi suatu pola tertentu yang merupakan representasi pola objek yang akan diidentifikasi. Misalnya, algoritma tertentu perlu dilatih secara berulang-ulang dengan data yang cukup banyak untuk mengingat warna seragam dan warna kulit pemain sepak bola.

Kasus Riil

Algoritma Computer Vision yang telah dilatih kemudian diaplikasikan pada kasus riil untuk melihat apakah identifikasi pemain di lapangan sepak bola sudah sudah cukup berhasil dilakukan oleh Computer Vision.

Ragam dan Contoh Penggunaan

Saat ini Computer Vision telah diaplikasikan pada berbagai sektor, mulai dari facial recognition sampai dengan hal yang lebih kompleks seperti mengidentifikasi secara langsung sebuah benda atau makhluk hidup yang telah terekam oleh AI.

Salah satu contoh yang lebih kompleks dapat dilihat pada penggunaan Computer Vision di industri pertanian. Di beberapa negara, industri pertanian telah mengadopsi teknologi Computer Vision untuk mendeteksi penyakit maupun menentukan kualitas panen dari tanaman hanya dari warnanya saja.

Tidak hanya industri pertanian, industri keamanan pun juga telah lama merasakan manfaat dari penggunaan Computer Vision. Computer Vision telah dimanfaatkan untuk identifikasi wajah manusia, kerumunan manusia, serta pergerakan tubuh manusia.

Di industri manufaktur, beberapa perusahaan telah memakai teknologi Computer Vision untuk memeriksa kualitas hasil produksi.

Penutup

Computer vision telah menghasilkan luaran yang sangat bermanfaat bagi kehidupan manusia. Pada berbagai industri, penerapan Computer vision membantu manusia mengidentifikasi objek secara repetitif dan ringan. 

Kegunaan Computer Vision juga masih terus berkembang. Salah satu pengembangan State of the Art Computer Vision di Amerika Serikat misalnya, adalah identifikasi sel kanker paru-paru. Namun demikian, perlu diketahui bahwa tidak semua projek Computer Vision berujung pada keberhasilan. Perlu iterasi yang cukup panjang dan dukungan tim yang mumpuni agar project Computer Vision dapat berhasil.

 

Penulis: Marvine Viano

Editor: Sigit Suryo, Ghifari Adam

Mengenal Cara Kerja Facial Recognition

No comments yet

Sebagian besar kita sudah tidak asing lagi dengan istilah Facial Recognition atau Pengenalan Wajah beserta kegunaannya sehari-hari. Misalnya Face ID di iPhone yang digunakan untuk membuka layar ponsel, log in ke dalam aplikasi, hingga verifikasi ketika melakukan pembayaran. Sesimpel dengan menunjukkan wajah, proses terkait akan cepat terselesaikan. Sama halnya dengan fitur Trusted Face di Android

Kegunaan praktis Facial Recognition telah diadopsi luas dalam kurun satu dekade terakhir, terlebih di dunia informasi dan komputer. Namun, apa kalian tahu apa yang dimaksud dengan Facial Recognition sendiri?

Secara garis besar, Facial Recognition merupakan teknologi yang memanfaatkan potret wajah manusia dalam proses identifikasi. Teknologi ini mampu mendeteksi wajah baik di dalam foto, video, maupun pantauan real-time. Kemampuan Facial Recognition dalam mendeteksi wajah didukung oleh penggunaan biometrik andal memetakan wajah. Termasuk biometrik lain yaitu voice recognition, fingerprint recognition, hingga iris recognition. Saat ini, institusi keamanan dan hukum seperti kepolisian dan pengadilan menggunakan Face Recognition untuk secara luas menunjang penuntasan kasus kriminal.

Bagaimana Facial Recognition bekerja?

Selayaknya kita sebagai manusia yang bisa mengenali wajah orang lain karena sering bertemu, sehingga mampu mengenali seperti apa rupa wajah si A, B, atau C, maka teknologi Facial Recognition juga melakukan hal serupa. Adalah machine learning sistem yang bekerja selaku otaknya komputer. Berikut gambaran umum bagaimana sesungguhnya facial recognition bekerja:

Langkah Pertama

Hal pertama yang dilakukan oleh machine learning disebut dengan proses deteksi (detection). Langkah ini ialah mencari wajah pada suatu foto. Pada tahap ini machine learning hanya berupaya mendeteksi ada tidaknya wajah.

Langkah Kedua

Selanjutnya, machine learning memproses hasil wajah yang teridentifikasi ke dalam proses yang dinamakan analisis. Pada tahap ini, sistem mulai menghitung jarak antara mata, bentuk hidung, rupa pipi, hingga jarak antara hidung dengan mulut. Kemudian, hasilnya dikonversi ke dalam perhitungan matematis yang disebut sebagai faceprint. Hasil dari proses ini adalah tanda wajah yang kita miliki.

Langkah Ketiga

Di tahap terakhir yang disebut dengan pengenalan (recognition), di mana sistem mengonfirmasi identitas wajah seseorang dalam foto serta menandainya. Proses ini dikenal juga sebagai verifikasi akhir. Lebih lanjut, sistem juga membandingkan hasil verifikasinya dengan data yang dimiliki untuk memeriksa kecocokannya. Setelah itu, wajah kita selesai dan telah terdaftar dalam sistem.

Kegunaan Face Recognition

Hari ini, banyak bidang profesional yang menggunakan face recognition untuk membantu pekerjaan supaya lebih mudah. Hal ini didukung oleh akurasinya yang tinggi hingga 99.97% kecocokan, berdasarkan penelitian yang dilakukan oleh National Institute of Standards and Technology. Bahkan tes serupa yang dilakukan oleh Center for Strategic & International Studies (CSI) menunjukkan angka galat dari satu algoritma hanya 0.1% pada kondisi bagus dan 9.3% galat ketika ditangkap oleh kamera publik. 

Siapa yang menggunakan dan apa kegunaan Facial Recognition? Berikut beberapa di antaranya:

Bisnis ritel

Pelaku usaha ritel memanfaatkan teknologi Facial Recognition untuk memetakan pelanggan dengan preferensi produk yang mereka beli.

Kepolisian

Para penegak hukum menggunakan untuk mencari buron atau pelaku kriminal. Melalui foto yang dimiliki, mereka akan tertangkap lebih cepat. Misal saja hampir 1.500 teroris, penjahat, buronan, orang yang berkepentingan atau orang hilang telah diidentifikasi sejak peluncuran sistem face recognition oleh INTERPOL pada akhir 2016.

Produk smartphone

Seperti Apple dengan Face ID dan Android dengan Trusted Face.

 

Penulis: Muhammad Alif Alauddin

Editor: M. Wahyu Hidayat

 

Kelebihan Topic Classification untuk Analisis Data Tekstual

No comments yet

Sejak Natural Language Processing mengalami perkembangan signifikan, persoalan seputar analisis teks turut mengemuka. Salah satu jenis analisis teks yang mempelajari bagaimana teks dapat dikategorikan ke dalam label atau kelas tertentu adalah Topic Classification

Topic Classification memiliki jangkauan penerapan yang luas, antara lain meliputi Deteksi Spam, Analisis Sentimen, Kategorisasi Berita, dan lain sebagainya. Teks yang dianalisis bisa datang dari berbagai sumber. Misalnya situs web, email, chat, media sosial, klaim asuransi, atau ulasan pengguna pada suatu aplikasi. 

Kendati teks sangat kaya akan informasi, menggali informasi yang tepat boleh jadi memakan waktu lama karena sifat teks pada dasarnya tidak terstruktur. Diperkirakan pada tahun 2025 setidaknya 80% data di seluruh dunia adalah data tidak terstruktur.

Sebelum era Machine Learning, Topic Classification dilakukan secara manual, yakni dengan mengklasifikasikan teks ke dalam kategori-kategori berbeda yang telah ditentukan sebelumnya. Selain memakan waktu lama, akurasi klasifikasi secara manual relatif rendah karena bisa dipengaruhi oleh faktor-faktor subjektif manusia, seperti bias, kapabilitas, atau bahkan kelelahan.

Barulah setelah Machine Learning berkembang, Topic Classification dapat dilakukan secara otomatis dan lebih efisien karena algoritma Machine Learning mampu mempelajari keterkaitan antara teks dan label berdasarkan kumpulan data latih yang ada sebelumnya.

Pembahasan

Karena hampir semua data yang ada mengandung teks, Topic Classification dapat diaplikasikan di berbagai bidang, seperti menandai (tagging) kategori pada lokapasar eCommerce, blog, atau situs berita; mengautomatisasi alur kerja Customer Relationship Management (CRM); atau digunakan pada konten situs web untuk meningkatkan SEO.

Ada empat fase yang harus ditempuh dalam Topic Classification untuk mendapat hasil sesuai ekspektasi, yaitu: feature extraction, dimension reductions, classification techniques, dan evaluation.

Feature extraction 

Pada fase ini, teks tak terstruktur diubah menjadi teks terstruktur menggunakan model matematis.

Dimensionality reductions

Karena teks sering kali mengandung banyak kata unik, sehingga pemrosesan memerlukan banyak waktu dan kapasitas memori, maka digunakan dimensionality reductions untuk meringankan beban tersebut.

Classification techniques 

Ada beberapa teknik klasifikasi yang dapat digunakan sesuai kebutuhan dengan kelebihan serta kekurangannya masing-masing, seperti Logistic Regression, Naïve Bayes, Support Vector Machine, atau Deep Learning.

Evaluation

Pada fase akhir ini, kinerja topic classification akan ditinjau ulang menggunakan model evaluasi, seperti Receiver Operating Characteristics.

Jika Anda adalah seorang pebisnis atau baru merintis bisnis, topic classification menggunakan machine learning sangat dapat sangat berguna. Dari sejumlah kelebihan yang bisa Anda dapatkan, setidaknya ada tiga yang utama, yakni:

Jangkauan

Machine learning memungkinkan analisis teks berskala besar dalam hitungan menit dengan lebih akurat ketimbang analisis secara manual. Jangkauan yang besar atas teks yang berasal dari berbagai sumber ini cocok untuk bisnis skala kecil maupun besar.

Analisis real-time

Ada kalanya Anda harus berhadapan dengan situasi mendesak di mana dibutuhkan pengambilan keputusan yang cepat. Machine learning dapat membantu Anda dalam mengambil keputusan tersebut karena analisisnya dilakukan secara real-time.

Konsistensi

Tanpa campur tangan manusia sepenuhnya, Machine Learning meminimalisasi kesalahan yang disebabkan oleh faktor-faktor manusia, seperti kelelahan atau distraksi. Tidak demikian dengan Machine Learning yang dapat terus beroperasi secara konsisten, sehingga memungkinkan akurasi sesuai dengan ekspektasi.

Meskipun Topic Classification dengan menggunakan Machine Learning tidak mungkin bisa mencapai hasil sempurna, pembaruan dan perbaikan terus dilakukan untuk mencapai hasil maksimal, atau setidaknya sesuai dengan apa yang diinginkan. 

Penutup

Topic Classification menggunakan Machine Learning sangat memudahkan kerja analisis teks yang sebelumnya dilakukan secara manual. Dalam kaitannya dengan proses bisnis, Topic Classification juga meminimalisasi faktor-faktor subjektif manusia yang dapat menurunkan tingkat akurasi klasifikasi.

Penulis: Arlandy Ghifari

Editor: M. Wahyu Hidayat

Bagaimana Cara Kerja Text-to-Speech?

No comments yet

Fitur text-to-speech sudah tidak asing lagi bagi pengguna ponsel pintar. Mungkin selama ini kita tidak menyadari kalau kita sering atau pernah menggunakannya. Semisal ketika kebingungan bagaimana mengucapkan kata dalam bahasa asing, kita menggunakan aplikasi penerjemah sambil menekan ikon pengeras suara yang melafalkan kata tersebut dengan benar. Seperti itu contoh kecil kehadiran fitur Text-to-Speech sehari-hari yang tanpa sadar kita gunakan.

Namun, apakah kamu tahu apa yang dimaksud dengan text-to-speech itu sendiri? Apa saja kegunaannya? Bagaimana cara ia bekerja hingga mampu menyampaikan ujaran selayaknya manusia? Simak tulisan berikut.

Text-to-speech (TTS) merupakan salah satu teknologi asistif yang mampu membaca tulisan dan mengubahnya menjadi suara. Teknologi ini diciptakan dengan tujuan mempermudah manusia apabila ingin memahami suatu teks dengan hanya mendengarkan.

Selain itu, TTS juga termasuk teknologi speech synthesis, yaitu ia menghasilkan suara sintesis yang mirip dengan suara manusia karena teknologi ini menggunakan machine learning. Algoritma machine learning membuatnya bisa berbicara menyerupai manusia dengan jenis suara laki-laki atau perempuan, aksen bahasa, jeda, dan intonasi.

Penasaran, bagaimana teknologi ini bekerja sedemikian hebat? Berikut penjelasan lengkapnya.

Cara Kerja

Untuk dapat mengubah teks menjadi suara, Text-to-Speech yang merupakan produk dari machine learning setidaknya melewati beberapa fase, antara lain:

Mengubah teks menjadi kata-kata

Dalam fase pertama ini, machine learning harus mengubah seluruh teks yang disediakan ke dalam kata-kata yang baku. Selama proses ini, machine learning turut mengubah konten yang bukan kata seperti angka, simbol, singkatan, dsb. Setelah diubah, proses berlanjut dengan pembagian ke dalam frase-frase berbeda. Selama proses ini, machine learning akan mencocokan dengan intonasi kata per kata.

Melengkapi transkripsi

Setelah fase pertama di atas, machine learning mengelaborasi kamus bawaan sebagai rujukan untuk mengoreksi pengucapan dan intonasi. 

Tak hanya itu, selanjutnya sistem menghitung seberapa banyak fragmen per 25 milidetik di dalam teks. Proses ini disebut dengan pemrosesan fonem atau phoneme processing. Fonem merupakan unit minimal dari bunyi suatu bahasa. Selama proses ini, sistem mengidentifikasi setiap kata melalui unit yang beragam, kemudian dirangkum dengan penyusunan intonasi utuh menggunakan data dari tiap kata dan kalimat yang fonemnya telah diidentifikasi.

Mengonversi hasil teks ke dalam suara

Tahap akhir dari proses Text-to-Speech ialah membaca hasil analisis teks melalui model akustik. Pada tahap ini, sistem membentuk korelasi antara fonem di dalam kalimat dengan suara yang cocok dan diakhiri dengan pemberian intonasi. Akhirnya, sistem menggunakan pembangkit gelombang (wave generator) untuk menciptakan suara yang mendekati suara manusia.

Manfaat Penggunaan Text-to-Speech

Dalam dunia professional, TTS telah digunakan dalam beberapa hal yang mana antara lain sebagai:

Membantu kegiatan belajar mengajar selama proses e-learning

Dalam situasi pandemi COVID-19 materi pembelajaran banyak yang disuguhkan dalam bentuk online yang tak jarang mengadopsi Text-to-Speech.

Memungkinan kita melakukan beberapa pekerjaan sekaligus 

Melalui Text-to-Speech yang mampu membaca dengan suara segala teks seperti berita, dokumen, artikel sehingga kita dapat melakukan aktivitas lain sambil mendengarkannya.

Membantu mereka yang memiliki kebutuhan khusus dalam memahami teks

Orang berkebutuhan khusus seperti tunanetra tetap bisa mengakses smartphone dengan fitur Text-to-Speech seperti yang disediakan.

 

Penulis: Muhammad Ihsan

Editor: M. Wahyu Hidayat