Sistem pengenal emosi berbasis suara menggunakan ekstraksi ciri Fast Fourier Transform

Abstract

Pengenal emosi ialah suatu proses untuk mengidentifikasi emosi pada manusia. Di mana emosi dapat dikenali melalui kata-kata, intonasi suara, ekspresi wajah, serta bahasa tubuh. Pada penelitian ini penulis merancang sistem pengenal emosi dengan basis suara manusia menggunakan software matlab dengan ekstraksi ciri yang digunakan fast fourier transform yang merupakan proses ekstraksi ciri yang sederhana dengan mengubah sinyal dalam domain waktu diskrit menjadi domain waktu frekuensi. Pada penelitian ini berfokus pada empat kelas emosi: marah, netral, senang, serta sedih. Tahap pertama dimulai dari proses pengambilan data suara, pemotongan,  preprocessing, proses ekstraksi fast fourier transform dan dynamic time warping. Dari hasil tersebut diperoleh nilai akurasi tertinggi pada emosi sedih sebesar 100% dan nilai akurasi lainnya diperoleh rata-rata sebesar 66,67%. Kemudian dari keseluruhan nilai akurasi yang diperoleh untuk seluruh kelas emosi, rata-rata nilai akurasinya adalah 75%.

Keywords

Voice recognition; Emotion recognition system; Matlab; Fast fourier transform

Full Text:

Article Plagiarism check

References

A. Riyani. “A Identifying Human Voice Signals Using the Fast Fourier Transform (Fft) Method Based on Matlab,” Journal of Informatics Information System Software Engineering and Applications (INISTA), vol.1, no. 2, hal. 42-50, 2019. https://doi.org/10.20895/inista.v1i2.52

L. S. Kristina. “Pemisahan Suara Manusia Berdasarkan Jenis Kelamin Menggunakan Fast Fourier Transform (FFT),” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 3, hal. 610-616, 2020. https://doi.org/10.35957/jatisi.v7i3.461

C. Busso, S. Lee, S. Narayanan. “Analysis of emotionally salient aspects of fundamental frequency for emotion detection,” IEEE transactions on audio, speech, and language processing, vol. 17, no. 4, hal. 582-596, 2009. https://doi.org/10.1109/TASL.2008.2009578

S. Helmiyah, A. Fadlil, A. Yudhana. “Pengenalan Pola Emosi Manusia Berdasarkan Ucapan Menggunakan Ekstraksi Fitur Mel-Frequency Cepstral Coefficients (MFCC),” CogITo Smart Journal, vol. 4, no. 2, hal. 372-381, 2019. https://doi.org/10.31154/cogito.v4i2.129.372-381

Panca M. Raharjo. "Pengenalan Ekspresi Wajah Berbasis Filter Gabor Dan Backpropagation Neural Network." EECCIS, vol. 4, no. 1, 2010. https://doi.org/10.21776/jeeccis.v4i1.96

L. D. P. Bagaswari. ”Implementasi algoritma backpropagation pada pengenalan emosi berdasarkan suara manusia”, Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah, Jakarta. 2019.

I. Mohidin dan F. Tupamahu. “Analisis Koefisien Cepstral Emosi Berdasarkan Suara,” Journal of Applied Informatics and Computing (JAIC), vol. 1, no. 1, 2017. https://doi.org/10.30871/jaic.v1i2.523

H. Kurniawati. “Media Audio Visual Sebagai Sarana Pengenalan Ekspresi Emosi,” KOMUNIKA: Jurnal Dakwah dan Komunikasi, vol. 6, no.2, 2012. https://doi.org/10.24090/komunika.v6i2.353

R. Umar, I. Riadi, A. Hanif, “Analisis Bentuk Pola Suara Menggunakan Ekstraksi Ciri Mel Frequencey Cepstral Coefficients (MFCC),” CogITo Smart J., vol. 4, no. 2, hal. 294, 2019. https://doi.org/10.31154/cogito.v4i2.130.294-304.

H. Cho. “Comparing English and Korean speakers' word-final/rl/clusters using dynamic time warping,” Phonetics and Speech Sciences, vol. 14, no. 1, hal. 29-36, 2022. https://doi.org/10.13064/KSSS.2022.14.1.029

Friedrich Alexander. “Article Dynamic Time Warping” Sensors, vol. 15, no. 3, hal. 6419-6440, 2007. https://doi.org/10.3390/s150306419

B. H. Prasetio, W. Kurniawan, M. H. H. Ichsan. “Pengenalan emosi berdasarkan suara menggunakan algoritma hmm,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) vol. 4, hal. 168-172, 2017. https://doi.org/10.25126/jtiik.201743339

http://dx.doi.org/10.28989/vortex.v5i1.2092

Article Metrics

Abstract view: 152 times
Download     : 154   times Download     : 34   times

This work is licensed under a Creative Commons Attribution 4.0 International License.

Refbacks

• There are currently no refbacks.