Implementasi Metode Hybrid Convolutional Neural Network Dalam Klasifikasi Emosi Manusia Berbasis Suara

Sieman, Antonius Yabes and Siswantoro, Joko and Prasetyo, Vincentius Riandaru (2025) Implementasi Metode Hybrid Convolutional Neural Network Dalam Klasifikasi Emosi Manusia Berbasis Suara. [Copyright]

[thumbnail of Implementasi Metode Hybrid Convolutional Neural Network Dalam Klasifikasi Emosi Manusia Berbasis Suara.pdf] PDF
Implementasi Metode Hybrid Convolutional Neural Network Dalam Klasifikasi Emosi Manusia Berbasis Suara.pdf - Published Version
Restricted to Registered users only

Download (3MB) | Request a copy
Official URL / DOI: https://pdki-indonesia.dgip.go.id/

Abstract

Analisis suara memainkan peran penting dalam mengidentifikasi emosi manusia, yang merupakan bagian integral dari komunikasi yang efektif. Wawancara dengan para ahli di bidangnya menunjukkan pentingnya pengenalan emosi yang akurat untuk aplikasi di bidang psikologi dan bisnis, di mana layanan yang disesuaikan sangat diperlukan. Penelitian ini menggunakan metode Hybrid Convolutional Neural Network (HCNN) untuk mengembangkan model klasifikasi emosi berbasis suara yang mampu mengenali delapan emosi: netral, tenang, bahagia, sedih, marah, takut, jijik, dan terkejut. Dataset yang digunakan dalam penelitian ini adalah Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS). Fitur-fitur seperti Mel-Frequency Cepstral Coefficients (MFCC), Zero Crossing Rate (ZCR), dan Root Mean Square (RMS) diekstraksi dari data suara. Untuk meningkatkan kinerja model, teknik augmentasi data dan optimisasi hyperparameter diterapkan. Model HCNN menunjukkan performa yang baik bahkan dengan data suara yang bervariasi. Sistem ini diuji untuk mengukur akurasi, presisi, recall, dan skor F1 guna memvalidasi efektivitasnya dalam klasifikasi emosi. Model HCNN mencapai akurasi 85,7% pada data validasi, dan pendekatan ini diharapkan dapat melampaui metode sebelumnya, menawarkan kontribusi signifikan dalam pengenalan emosi di bidang psikologi dan bisnis.

Item Type: Copyright
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering > Department of Informatic
Depositing User: VINCENTIUS RIANDARU PRASETYO
Date Deposited: 06 Oct 2025 02:41
Last Modified: 06 Oct 2025 02:41
URI: http://repository.ubaya.ac.id/id/eprint/49666

Actions (login required)

View Item View Item